车轮扁疤引起的车轴附加载荷的仿真研究

采用改进的轮轨冲击简化模型,对车轮扁疤引起的车轴附加载荷进行了系统的仿真研究,并对提速后货车车轮扁疤检修规范的修订提出了建议．     

控制车轮扁疤是南昌局货车提速准备的当务之急

通过对车轮扁疤的危害及原因分析,结合南昌局状况,提出控制车轮扁疤的对应措施。     

基于小波变换的火车车轮扁疤信号能量分析

火车车轮扁疤是火车行车事故的重大隐患之一，了解扁疤信号的能量分布情况对正确检测车轮扁疤有重要的意义．针对车轮扁疤信号具有持续时间短、突变快等特点，提出了一种运用小波变换的多分辨率分析和小波能量谱对扁疤信号进行分析的方法，通过比较扁疤信号在不同尺度下的能量密度，找出能量与各频段之间的对应关系，得出了扁疤信号的能量主要集中在2500Hz以下的频带范围内，在实际的车轮扁疤检测算法中只需分析频带范围为2500Hz以下的扁疤信号即可，通过实验验证了该能量分析方法的有效性．     

车轮扁疤伤损对高速列车轮对动力学性能影响

车轮扁疤是铁道车辆车轮踏面的缺陷形式之一,对轮轨动力和运用安全有明显的影响.本文建立了弹性车辆系统动力学模型,且将车轮扁疤伤损考虑为车轮轮径变化.利用数值仿真,研究了车轮扁疤伤损对高速列车轮轨冲击力、轮对振动及轮轨接触性能等的影响,并结合列车运行安全性指标得到了不同速度等级下车轮扁疤长度安全限值.结果表明,弹性车辆系统模型可以准确体现轮对旋转运动特征.车轮扁疤伤损对轮轨系统垂向和横向均产生冲击作用,对轮轨系统垂向冲击作用尤为明显,将显著增大轮对旋转振动频率及其倍频对应的振动能量,且会激起轮对中高频弹性共振.车轮出现40mm扁疤时,随着车轮旋转运动,轮轨接触点向轮背侧出现周期性横移,轮轨接触斑面积最大可达142mm2,轮轨纵向和横向蠕滑率分别增大4%和16%.轮轨力、轮对振动加速度及轮轨磨耗指数均会随车轮扁疤长度的增加而增大.当列车运行速度在300km/h及以下时,车轮扁疤长度需限制在30mm;当列车运行速度达到350km/h时,车轮扁疤长度需限定在25mm.     

S变换的火车车轮扁疤信号检测

为准确、快速检测车轮扁疤以保障列车行车安全,针对振动加速度传感器采集的车轮扁疤信号持续时间短、突变快的特点,采用短时能量判决和S变换时频分析方法相结合的算法对含有扁疤的振动信号进行检测定位。对典型扁疤信号进行频谱分析发现扁疤信号主要集中在2500Hz以下的频带范围内。通过对低通滤波后的振动信号进行短时能量判决筛选出扁疤可能存在的数据段,经S变换后,信号的突变特性表现明显,可以确定扁疤的起振时间。MATLAB仿真证明：该算法能够准确地对扁疤信号进行检测定位,并较其他方法步骤更简洁、定位更准确。     

基于小波和神经网络的电气设备故障检测

针对传统的电气设备故障诊断方法中存在的局限性,本文提出基于小波和神经网络的故障诊断算法。该算法利用时频两域有紧支撑能力的Mexican Hat小波变换,提取能量归一化故障特征向量,用神经网络作为诊断决策分类器,输出故障模式。该方法具有计算简单、收敛快、精确度高及可操作性强等特点。     

基于小波包-神经网络故障诊断系统研究

建立了旋转机械故障诊断的神经网络模型，采用小波包分解方法提取特殊频段上的能量作为特征值为神经网络的输入模式，模型具有通用性。并且应用于旋转机械故障样本的识别计算，结果表明该方法在故障诊断中是有效的。     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数,得到小波神经网络。通过小波的去噪和神经网络的自学习功能,获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判决,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法的有效性。     

结合遗传算法和阻尼牛顿算法的小波神经网络入侵检测

小波神经网络结合了小波变换和神经网络的优点,具有很强的非线性映射能力和自适应、自学习能力,特别适合于入侵检测系统.但小波神经网络的也有易于陷入局部极小值、收敛速度慢的弱点.对此,本文引入遗传算法来优化产生小波神经网络的初始权值与阈值等,确定一个较好的搜索空间,从而克服小波神经网络易于陷入局部极小值的缺点;同时引入了阻尼牛顿算法,在遗传算法所确定了的搜索空间中对网络进行快速训练,解决传统小波神经网络收敛速度慢的问题,两者构成阻尼牛顿-遗传-小波神经网络.仿真结果表明该方法可行,使神经网络的逼近能力和泛化能力得到了显著提高.     

基于小波神经网络的滚动轴承故障诊断

研究了基于BP神经网络、基于径向基神经网络等的故障诊断方法和原理,并利用小波包分解获得了滚动轴承振动信号的特征向量,进行了详细的故障诊断实验研究,通过实验,比较了基于松散型小波神经网络与紧致型小波神经网络的诊断结果。仿真结果表明,紧致型小波神经网络用于滚动轴承的故障诊断更为有效。     

基于小波神经网络的输电线路故障检测

在分析了小波函数时频特性和人工神经网络学习能力和算法鲁棒性的基础上，提出了一个利用小波神经网络检测电力系统输电线路故障的方法。理论分析和基于EMTP仿真测试结果表明，该小波神经网络故障检测模型和算法是有效的，与传统的人工神经网络相比，具有收敛速度快，鲁棒性强的特点。     

基于遗传小波神经网络的变压器故障诊断

电力变压器油中溶解气体的色谱分析是变压器故障诊断的重要方法,通过该方法可以间接了解变压器的运行状态和内部潜在故障.人工神经网络已经成功地应用于电力变压器故障诊断,但学习样本数多和输入输出关系复杂性减慢了网络的收敛速度.为解决此问题,将用遗传算法改进的小波神经网络应用于电力变压器故障诊断,克服小波算法易于陷入局部极小、收敛速度慢等缺点.     

改进萤火虫算法与小波神经网络相结合的变压器故障诊断

为了解决变压器故障诊断中诊断效率低的问题,本文对萤火虫算法(FA)进行了改进,并与小波神经网络(WNN)相结合应用于变压器故障诊断中。小波神经网络结构简单,预测精度高,收敛速度快,但是网络参数不好选择,易陷入局部最优。本文结合混沌算法、粒子群算法、可变步长的思想来改进萤火虫算法,用于优化小波神经网络的参数,再将处理后的数据带入神经网络中进行训练与诊断。实验结果表明,该算法与BP神经网络、支持向量机、小波神经网络、遗传算法改进的小波神经网络和粒子群算法改进的小波神经网络相比诊断正确率均有所提高。     

小波包模糊聚类网络研究及应用

基于小波包变换能够把平稳和非平稳信号根据它们的时频特性分解到不同层次上不同频道内,与模糊数学能够处理工程中的不确定性问题,以及ＭＡＸＮＥＴ聚类结构的网络具有自组织聚类分析的优点,提出了小波包模糊聚类网络．该网络能够处理平稳和非平稳信号的不确定性问题,并且具有自适应、自组织聚类分析功能．最后举例说明了该网络在机械诊断实践中是一种行之有效的智能分类器．     

小波神经网络在模拟电路故障诊断中的应用研究

对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法．该方法用小波变换作为模拟电路故障信号的预处理器，大大减少神经网络的输入数目，简化神经网络结构和减少它的训练时间，提高辨识故障能力．在介绍该故障诊断方法的基本原理后。给出了小波函数及故障特征选择的方法．     

基于模拟电路I_(DDT)的小波神经网络故障诊断方法

动态电源电流(IDDT)对模拟电路故障诊断非常有效。通过分析被测电路的动态电源IDDT及其输出响应来识别电路的故障元件;用小波对被测信号进行多尺度分解,提取小波系数能量,经归一化后,作为特征向量输入到神经网络而实现故障诊断.实验仿真结果表明:该方法能正确实现故障定位且准确率高.     

基于小波的神经网络在齿轮箱故障诊断中的应用研究(英文)

研究基于小波分析的神经网络故障诊断方法根据齿轮驱动装置在工作时通常可能出现的故障类型,人为地在该装置上制造了类似的故障供诊断．并对实验结果进行了分析和讨论．实验表明,利用小波进行诊断信号的预处理,并将其形成向量供给神经网络进行故障诊断具有较好的效果．     

一种改进的小波神经网络的网络流量预测算法

为了有效地对网络进行维护,提高网络性能,预知网络流量可以提前对网络出现的问题采取应对策略,从而对用户提供更好的服务。在神经网络预测模型中把隐含层的传递函数用小波函数替换,并采用共轭梯度下降算法,建立了一个小波神经网络的网络流量预测模型。通过实际流量数据对模型进行仿真,结果显示该模型与神经网络预测模型相比,该网络具有良好的预测效果,网络训练时间短,有效地提高了训练速度。     

基于压力信号的循环泵故障诊断小波神经网络技术

以泵缸内的压力信号作为系统特征信号,将小波包分解的"频率-能量-故障识别"的模式识别故障诊断方法引入泵阀工作状态监测技术,通过改进的BP神经网络进行故障诊断.此技术已应用于循环泵实时故障诊断系统中.     

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略：首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性．学习结束后，将该神经网络作为控制器对系统实施控制．对一个具体的线性系统在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器．而且在系统发生未知故障时，同样具有容错性．