一、08-32捣固车电气系统在线监测与故障诊断系统(论文文献综述)
舒捷[1](2020)在《基于HMM-SVM的捣固车液压系统故障诊断研究》文中研究指明捣固车在铁路日常维修中起着非常重要的作用,捣固车的正常养护工作,保证了铁路的安全运行,所以保证捣固车处于正常工作状态显得十分必要。而在捣固车的各个构成部分中,液压系统作为捣固车作业的关键一环,为捣固车进行正常的捣固作业提供源动力。液压系统在作业过程中难免发生各种异常状况,如若不及时对液压系统故障进行诊断排除,就会导致液压系统运转异常,甚至会导致捣固车发生故障。因此,对捣固车液压系统进行故障诊断研究是一个十分重要的课题,也是导师自然科学基金研究的一个重要补充。本文根据液压系统故障振动信号多且杂的特点,分析了对后续工作的开展将造成极大阻碍的降噪处理,研究提出一种基于隐马尔科夫模型模型(Hidden Markov Model,HMM)优化支持向量机(Support Vector Machine,SVM)的改进液压系统故障诊断模型。本文首先采取改进EMD阈值降噪方法对振动信号进行降噪处理,在降噪处理的基础上,采用主成分分析法(Principal Component Analysis,PCA)对处理后的振动信号进行特征提取形成特征向量,将提取到的特征向量分别输入到HMM模型中进行训练,得到不同类别的HMM模型和SVM模型。针对SVM模型中的核函数,采用V折交叉验证法对其相关参数进行优化,得到更优的SVM分类器。由于HMM模型在同类样本间不同样本的相似性反映上具有较强的作用,因此在使用HMM优化SVM后,能在小样本的条件下得到更加精确的故障诊断结果。本文采用了维特比算法计算观察序列的概率,为了使得到的结果进一步精确,使其受其他因素的干扰达到最小,本文将观察序列按从大到小进行排列,并将大概率依次相加,当概率之和不小于90%时,将剩余向量序列删除,留下的向量序列则为主成分向量。以前序处理的结果为基础,分别使用串联方式与并联方式连接HMM模型与SVM模型,经SVM诊断识别,得到液压系统故障诊断的仿真结果。仿真实验表明,基于串联HMM-SVM模型以及基于并联HMM-SVM模型在液压系统故障诊断中的准确率比都要比单独运用HMM模型或SVM模型对液压系统故障诊断率要高。而串联HMM-SVM模型相较并联HMM-SVM模型而言,操作更加简单,运算速度快,抗干扰性更强,复杂性低等特点,因此,本文建议在同等效率情况下,使用串联模型HMM-SVM故障诊断模型。
舒捷,王海瑞,吕维宗[2](2020)在《基于HMM-SVM模型的捣固车液压系统故障诊断方法》文中提出针对捣固车在工作过程中易出现液压系统故障的问题,提出采用隐马尔科夫(HMM)优化支持向量机(SVM)的捣固车液压系统故障诊断模型HMM-SVM。首先采用HMM将收集到的捣固车液压系统振动信号进行简单的处理,再与液压系统各状态进行匹配,形成一个特征向量值输入到SVM,再经SVM进行故障识别分类。实验结果表明:HMM-SVM模型在捣固车液压系统故障诊断的准确精度在90%以上,比单独使用HMM模型或SVM进行故障诊断更加高效。
蔡雄[3](2019)在《铁路捣固车液压驱动系统设计方法研究》文中研究指明虽然近年来我国高速铁路迅速发展,但大型、高技术养路机械如铁路捣固车的发展却显得相对滞后。铁路捣固车是一种大型的液压机械,目前我国铁路捣固车的主要车型几乎都是在引进、吸收国外技术的基础上生产的,由于缺乏自主的设计、研制和维护方法,在中国铁道的实际服役环境中,出现了各种各样的问题。本文综述了铁路捣固车的发展概况,对国内外主流捣固车的技术参数和性能特点进行了总结,研究了铁路捣固车液压驱动系统的设计方法,主要内容如下:(1)研究了捣固车液压驱动功能需求分析和总体设计方法,包括系统总体设计方法、发动机选型及与液压泵的功率匹配,以及液压驱动各回路的具体设计方法。(2)系统研究了捣固车静液压驱动行走系统的设计方法:针对行走系统设计要求,进行行走驱动系统的总体设计,包括行走传动方式对比选择、行走驱动方式设计、液压回路设计、系统总体参数设计、关键元器件选型;最后研究了捣固车在低速作业循环和高速行驶加速过程中驱动力与行驶阻力的计算校核方法。(3)以闭式液压行走驱动捣固车为例,分别建立了其低速作业循环行走、高速行驶行走系统的数学模型和传递函数,并基于AMESim软件建立了这两种行走系统的仿真模型,进行了闭式液压行走系统的稳定性和响应分析。研究了马达轴等效转动惯量Je、高压腔总容积V0和油液体积弹性模量βe对捣固车作业循环精度的影响,仿真结果表明:通过轻量化设计减小等效转动惯量Je、通过优化设计减小压力腔总容积V0以及通过防止空气渗入系统而避免油液体积弹性模量βe的降低,都能有效提高捣固车的作业循环精度。研究了采用某参数序列下高速行驶行走系统的性能,仿真结果表明:该捣固车的高速行驶速度范围为35100 Km/h,并且各速度下的加速时间也都符合捣固车高速行走的设计要求。本文研究结果对我国铁路捣固车液压驱动系统的设计具有直接的参考价值,对促进我国形成铁路捣固车的自主设计、研制规范具有积极的意义。
陈建华[4](2018)在《DCL-32K型捣固车模拟控制系统自动监测技术》文中指出在DCL-32K型捣固车网络电气控制系统的基础上,对其模拟控制系统进行技术改造,实现对控制系统各电子元件工作状态和技术数据的自动监测和实时采集。通过数据自动统计分析进行电气系统状态评估和故障及隐患自动诊断。所有信息实时显示从而协助操作人员及时掌握电气控制系统的工作状态,快速处理电气系统故障及隐患。
丁剑[5](2017)在《基于GA-BP神经网络的内燃机系统故障诊断研究》文中认为内燃机在诸多领域都起到十分重要的作用。例如,大型农业装备、工程机械设备、军工重装武器设备、军舰船舶等,内燃机是名副其实的工业动力。捣固车是大型铁路养护设备,是典型的大机。其动辄百吨的自重工作时完全依靠内燃机为其提供动力,包括车载卫星小车的全部动力和系统供电等。因此,针对捣固车而言,内燃机系统是整个设备的核心之一。当内燃机出现故障时,如果不能被及时发现这可能导致内燃机持续受损,给社会生产带来隐患,而机械设备自身也会带伤运行,影响机械寿命。采用定期入库检修虽然可以缓解这一现象,但是在内燃机运转良好的情况下进行检修既浪费了人力物力,又降低了工作效率。倘若内燃机已经发生故障,而此时按计划未到检修时间,机械设备将带病工作。因而,对内燃机系统进行故障诊断分析,及时发现问题及时处理,这显得重要而有意义。本文通过分析当前故障诊断的常用手段和方法发现,有些诊断模型始终围绕机械振动进行研究、而有些则简单的利用单一算法进行分析。这些都或多或少的存在一些不足和局限。受仿生技术的启发,本文的研究对象和研究手段都进行了改进。鉴于医生对病人的检查方法,本文选取内燃机的排放物作为研究对象,通过内燃机排出的碳氧化物、氮氧化物、碳氢化合物、以及排放物的温湿度、排出物的速率等相关数据进行分析研究。因为内燃机的故障形成都通过其机械状况、气缸内部燃烧情况反映了出来。例如,内燃机燃油系统的喷油嘴堵塞,会造成进入燃烧室的油料偏少,这会导致混合气过稀,燃烧不充分,在排出物中直接反应就是碳氧化物含量增多。本文结合生物神经网络介绍了人工神经网络,经过分析,BP神经网络在某些区域容易陷入极优状态,故提出引入动量项和自适应学习率进行改进。改良优化后的BP神经网络表现出良好的训练性能,但其缺陷不能被彻底消除。而遗传算法GA在全局搜寻方面性能很强,所以将两者进行融合。融合手段即优化BP神经网络的权值和阈值,还可以用遗传算法优化其网络架构。BP算法在网络训练过程中,通过误差反向修正,获得网络待输入的权值和阈值。如此,两种者优点互相补偿,就能充分发挥彼此的算法优点。在建模和实验过程中,基于改良遗传算法优化的BP神经网络,本论文构建了内燃机故障诊断模型,利用DEUTZ的F12L413F风冷柴油机排出物的数据进行研究,并利用MATLAB对故障诊断模型进行仿真分析。对比BP神经网络和优化后的GA-BP神经网络模型的仿真结果可以发现,BP神经网络大致经过342步训练完成收敛,而优化后的GA-BP神经网络经过约60步训练完成收敛。实验数据表明,新改良的GA-BP神经网络结合新的故障诊断对象(内燃机排出物),使内燃机系统的故障诊断精确度有显着提升。
浦明[6](2016)在《基于改进的BP神经网络的捣固车故障诊断专家系统的研究》文中提出近些年来随着科技的高速发展、社会的进步、国民经济的增长、人们对交通意识的提高,铁路技术突飞猛进,然而这些无疑对铁路线路的新建与维修提出了越来越高的要求,成为了一项难以解决的问题。捣固车在国内的成功引用促使这些难以解决问题变为可能并且开启了崭新的铁路自动化维修时代。捣固车作为铁路维修的心脏,长期在恶劣环境下作业必然会增加其设备零件的故障概率,唯有故障诊断系统可以全面化解这些难题,设计故障诊断专家系统的重中之重就是故障诊断应用的实现,故障诊断由早期人工分析排查故障解决方案到单一的神经网络机器学习解决方案再到之后的专家系统解决方案,前辈们积累了很多经验,本系统采用基于改进的BP神经网络捣固车故障诊断专家系统,将神经网络与专家系统结合来解决故障诊断问题,其中改进的BP神经网络算法通过引入陡度因子来降低误差函数值,使收敛速度加快,达到提高诊断速率的目的。故障诊断专家系统的设计对于国内外捣固车在故障诊断应用上有着非常积极的作用和意义。首先,对捣固车在国内外的发展现状做以说明,提出了国内主要引入的GD08-32、GD09-32、GWD-320型捣固车,分析了捣固车主要故障类型,根据传统的故障诊断解决方案,指出了其不足之处,并提出了基于Web的远程故障诊断专家系统的设计方案,其中以神经网络知识库作为核心提出了推理机、机器学习、解释器、专家系统等技术概念,基于Web的故障诊断专家系统设计从根本上保证了故障诊断的及时性和有效性,大大提高了故障诊断效率,给一线的工作人员带了便利。其次,在对BP神经网络的原理和特点及从知识表达和知识推理这两方面在故障诊断方面的重要性分析的基础上,对BP神经网络算法做了进一步分析,指出传统算法上的不足,梯度下降法、引入动量因子法均为了加快收敛速度但是会导致结果陷入局部最值问题。所以根据之前的经验提出了“改进激励函数法”、“自适应步长法”、“优化网络结构法”、“改进误差函数法”这四种算法改进措施。同时对Web故障诊断专家系统在服务器、数据库服务器、数据库、客户端技术、安全认证技术、推理机技术、知识库更新技术上进行了详细设计。最后,通过引入陡度因子的概念将BP神经网络算法进行了改进,经过算法得知引入陡度因子可以有效的提高收敛速率,相比于传统的算法需要迭代1200次才可达到目的改进的算法在迭代次数达到40次就停止训练,误差值降为0,满足了收敛要求,大大提升了诊断速率,同时通过对故障诊断实际应用,由十一组输入值和十三组输出值经过神经网络训练得出结果并经过分析后,证明了改进的BP神经网络算法设计的正确性和实用性。种种测试数据表明,改进的BP神经网络算法和基于Web的捣固车故障诊断专家系统设计满足捣固车故障诊断应用的实用性、实时性、准确性、安全性要求,是捣固车故障诊断领域的最佳选择。
于俊夫[7](2015)在《基于WSN的捣固车作业部件故障状态监测与应用》文中提出随着我国铁路事业的高速发展,保障铁路的安全运行成为重中之重的一项任务。捣固车在我国的不断普及对铁路道轨的维护、提高铁路维护的效率和列车的安全运行起到了重大的作用。本文提出的基于无线传感器的捣固车作业部件故障状态监测与应用,是基于保障捣固车的安全运行、提高作业效率、保证作业质量的考虑。本文首先论述了研究背景以及国内外在机械故障诊断领域的创新应用,进而论述数字网络控制系统DNCS、无线传感器网络、ZigBee技术和捣固车动力模块和作业部件的典型故障。其次提出了基于德州仪器公司的CC2531芯片及其片上系统解决方案的ZigBee硬件电路设计。主要针对处理器模块,主控网关节点、ZigBee传感器终端节点的外围电路的设计。再次提出Z-Stack的ZigBee无线传感器网络采用模块化的软件设计模式。对ZigBee传感器终端节点的系统初始化模块、实时时钟模块、延时处理模块、串口模块以及ZigBee通讯模块进行设计与实现,以及主控网管节点的设备节点管理模块进行设计与实现。最后提出在集成测试实验平台上进行ZigBee传感器终端节点实时功耗和电池使用寿命,数据包丢帧率的测试。结果表明,本文提出的设计基本满足设计目标和需求,ZigBee传感器终端节点的实现了低功耗、低成本、简易安装的目标,实现了星型网络拓扑结构的无线传感器网络对捣固车作业部件的故障状态监测。
罗鹂[8](2014)在《铁路捣固车设备状态综合评价方法的研究》文中研究指明随着我国铁路事业的高速发展,我们对铁路线路质量也提出了更高的要求,捣固车是铁路线路维护的重要设备之一;准确把握捣固车设备的健康状态,对其基于状态的实时维修,成为铁路线路维修工作正常进行的前提和保障。在捣固车设备状态检修过程中,其设备状态评价是至关重要的一个环节,不仅是判断设备健康情况的依据,而且也是制定维修策略的前提。虽然现阶段,设备状态评价的理论已经发展到一个比较成熟的阶段,但是我国捣固车设备状态的分析评价基本上是靠铁路现场施工人员人工来完成的,并没有很好地利用已有的信息资源和技术。为了评价铁路捣固车设备的健康状态,本文着重分析了捣固车的综合性能指标参数的选取,建立了捣固车设备状态综合评价指标体系,提出一种基于模糊理论和层次分析法的铁路捣固车设备状态综合评价模型。该模型采用改进的层次分析方法确定各指标的权重系数和运用模糊理论来综合评价设备状态,并采用百分制打分量化综合评价结果。将该模型应用到08-32捣固车设备状态综合评价,得到了准确的设备状态评价结果;与传统的层次分析方法相比,改进的层次分析法具有速度更快,误差更小,从而提高了评价效率和有效性。最后,本文对捣固车设备状态综合评价系统进行了设计。分析了系统的功能模块、构架,对每个模块功能进行了说明和总体设计,并对系统数据库进行了详细设计,在此基础上对捣固车设备状态综合评价系统进行了界面实现。
郭志勇[9](2014)在《优化08-32捣固车作业质量的措施》文中进行了进一步梳理08-32捣固车是铁路维修养护行业最早引进的一种大养机械车型,从二十世纪开始,该车就已经在铁路维修养护工作中得到了广泛的应用,为铁路提速做出巨大贡献。基于08-32捣固车在铁路维修养护行业中的广泛应用性,从08-32捣固车的工作原理入手,对其作业质量的优化措施进行分析,并探讨、归纳出相关结论,供同行参考借鉴。
王彦[10](2014)在《捣固车捣固作业系统健康诊断研究》文中认为捣固车是一种大型的铁路养护机械,用在铁路线路的新线建设、旧线大修和运营线路维修作业中,对轨道进行拨道、起道抄平、石砟捣固及道床肩部石砟的夯实作业。捣固车作业系统采用机、电、液、气一体化设计,功能多、结构复杂,故障发生原因多种多样。当捣固车某一部件发生故障时,要求能迅速判断故障部位及原因,并对故障部件进行排除和处理,保证线路的正点开通。目前尚未出现针对DCL-32型捣固车捣固作业系统健康诊断的产品报道,论文开展了DCL-32捣固车捣固作业健康诊断系统研究,主要研究内容有:(1)对国内外捣固车及其故障诊断技术进行了综述,主要分析了奥地利和瑞士公司生产的捣固车及其故障诊断技术,为开发国产捣固车捣固作业健康诊断系统提供背景知识。(2)在系统分析DCL-32捣固车的捣固作业系统工作原理的基础上,研究了各子系统主要部件的故障机理,推导出了各子系统的测点全集,并针对不同的故障给出了相应的故障排除方案。(3)对电气系统,构建了逻辑诊断故障树,建立了专家推理故障库;对液压系统,应用AMESim仿真与实验相结合的方式,进行了故障模拟与判别研究;对机械系统,研究了基于频谱分析的故障诊断方法。(4)在LabVIEW开发环境下,基于模块化设计思想,开发了捣固车捣固作业健康诊断系统软件,实现了捣固车捣固作业系统的在线监测、故障报警及故障判别等功能。
二、08-32捣固车电气系统在线监测与故障诊断系统(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、08-32捣固车电气系统在线监测与故障诊断系统(论文提纲范文)
(1)基于HMM-SVM的捣固车液压系统故障诊断研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 液压系统诊断技术研究现状 |
1.2.2 HMM/SVM研究现状 |
1.3 捣固车液压系统相关理论 |
1.3.1 捣固车液压系统简介 |
1.3.2 液压系统常见故障 |
1.4 本文研究内容与结构安排 |
第二章 信号预处理与特征提取 |
2.1 信号处理方法综述 |
2.1.1 频域分析法 |
2.1.2 时域分析法 |
2.1.3 时频分析法 |
2.2 信号降噪方法 |
2.2.1 经验模态分解法 |
2.2.2 基于改进EMD阈值处理的信号降噪 |
2.2.3 信号降噪仿真实验 |
2.3 特征提取 |
2.3.1 特征提取方法概述 |
2.3.2 特征向量初步提取 |
2.3.3 基于PCA的主特征向量提取 |
2.4 本章小结 |
第三章 基于支持向量机的液压系统故障诊断 |
3.1 支持向量机理论 |
3.1.1 最优分类超平面 |
3.1.2 线性可分支持向量机 |
3.1.3 非线性可分支持向量机 |
3.1.4 核函数 |
3.1.5 核函数的选择与优化 |
3.2 多分类支持向量机 |
3.2.1 一对一多分类方法 |
3.2.2 一对多多分类方法 |
3.3 基于SVM的捣固车液压系统故障诊断实验 |
3.3.1 模型训练流程及故障诊断 |
3.3.2 仿真实验结果 |
3.4 本章小结 |
第四章 基于HMM-SVM的捣固车液压系统故障诊断 |
4.1 HMM相关理论 |
4.1.1 隐马尔科夫模型 |
4.1.2 隐马尔科夫模型的三大基本问题及解决方法 |
4.2 基于HMM模型的捣固车液压系统故障诊断实验 |
4.2.1 HMM模型的训练流程及故障诊断 |
4.2.2 仿真实验结果 |
4.3 基于HMM-SVM模型的捣固车液压系统故障诊断 |
4.3.1 基于HMM-SM模型的故障诊断方法 |
4.3.2 基于串联HMM-SVM模型的故障诊断方法与实验 |
4.3.3 基于并联HMM-SVM模型的故障诊断方法与实验 |
4.4 仿真实验结果对比与分析 |
4.5 本章小结 |
第五章 总结和展望 |
5.1 结论 |
5.2 未来展望 |
致谢 |
参考文献 |
附录 A 攻读学位其间发表论文目录 |
附录 B 攻读学位期间参与的研究工作 |
(2)基于HMM-SVM模型的捣固车液压系统故障诊断方法(论文提纲范文)
1 HMM模型的基本原理 |
2 SVM基本原理 |
3 HMM-SVM模型 |
4 基于HMM-SVM模型的捣固车液压系统故障诊断 |
4.1 特征提取 |
4.2 HMM模型建立与训练 |
4.3 SVM模型的建立与训练 |
4.4 基于HMM-SVM的故障诊断及实验结果分析 |
5 结束语 |
(3)铁路捣固车液压驱动系统设计方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 捣固车的发展概况 |
1.2.1 捣固车简介 |
1.2.2 国内捣固车发展概况 |
1.2.3 国外捣固车发展概况 |
1.3 捣固车液压驱动研究进展 |
1.3.1 捣固车液压驱动行走系统研究 |
1.3.2 捣固车捣固装置液压驱动系统研究 |
1.3.3 防止捣固车液压驱动系统油温过高的研究 |
1.3.4 捣固车系统设备状态监测研究 |
1.4 本文研究内容 |
第2章 捣固车液压驱动功能需求分析和总体设计方法 |
2.1 捣固车液压驱动总体功能需求分析 |
2.2 捣固车液压驱动总体设计方法 |
2.2.1 系统总体参数设计方法 |
2.2.2 发动机选型及与泵功率匹配 |
2.2.3 捣固车液压驱动各回路具体设计 |
2.3 本章小结 |
第3章 捣固车静液压驱动行走系统设计方法 |
3.1 行走系统设计要求 |
3.2 捣固车液力机械及液压传动联合驱动系统 |
3.3 行走驱动系统总体设计 |
3.3.1 设计方法 |
3.3.2 总体参数设计 |
3.3.3 关键元件选型 |
3.3.4 捣固车闭式静液压驱动系统图 |
3.4 行驶阻力与驱动力校核 |
3.4.1 捣固车行驶受力计算 |
3.4.2 低速作业循环过程分析 |
3.4.3 高速行驶加速过程分析 |
3.5 本章小结 |
第4章 闭式液压行走驱动捣固车的作业精度研究 |
4.1 闭式液压行走驱动系统 |
4.2 系统数学模型及响应分析 |
4.3 低速行走驱动AMESim模型 |
4.3.1 仿真模型建立 |
4.3.2 仿真模型参数设置 |
4.3.3 仿真结果与分析 |
4.4 系统参数对作业精度的影响分析 |
4.5 本章小结 |
第5章 闭式液压行走驱动捣固车的高速行走性能研究 |
5.1 闭式液压行走驱动系统图 |
5.2 系统数学模型及响应分析 |
5.3 高速行走驱动AMESim模型 |
5.3.1 仿真模型建立 |
5.3.2 仿真模型参数设置 |
5.3.3 仿真结果与分析 |
5.4 本章小结 |
总结与展望 |
参考文献 |
致谢 |
(4)DCL-32K型捣固车模拟控制系统自动监测技术(论文提纲范文)
1 技术背景 |
2 系统构成 |
3 主要功能 |
4 系统性能及参数 |
4.1 模拟量采集参数 |
4.2 数字量采集参数 |
4.3 脉冲采集参数 |
5 应急措施 |
5.1 新增设备故障 |
5.2 替代电路板故障 |
6 装车试验及现场反馈 |
7 系统参数在线传输及远程诊断探索 |
8 结语 |
(5)基于GA-BP神经网络的内燃机系统故障诊断研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 论文研究背景及研究意义 |
1.1.1 论文研究背景 |
1.1.2 论文研究意义 |
1.2 内燃机故障诊断技术的国内外研究现状及发展趋势 |
1.2.1 国内外研究现状 |
1.2.2 国内外发展趋势 |
1.3 论文的研究内容及结构安排 |
1.3.1本文研究内容 |
1.3.2 论文的结构安排 |
1.4 本章小结 |
第二章 BP神经网络及其算法的相关理论 |
2.1 人工神经网络原理及模型 |
2.1.1 生物神经元模型 |
2.1.2 人工神经元模型及基本结构 |
2.1.3 人工神经网络的架构 |
2.1.4 人工神经网络的工作原理及特点 |
2.2 BP神经网络原理及相关理论 |
2.2.1 BP神经网络的原理 |
2.2.2 BP神经网络的学习过程 |
2.2.3 BP神经网络的改进 |
2.3 BP神经网络的组建和运行 |
2.4 BP神经网络在故障诊断中的应用 |
2.5 本章小结 |
第三章 遗传算法相关理论及遗传算法优化的BP神经网络 |
3.1 遗传算法简述 |
3.2 遗传算法模型 |
3.3 遗传算法的实现 |
3.3.1 编码方案 |
3.3.2 种群规模 |
3.3.3 初始种群 |
3.3.4 适应度 |
3.3.5 交叉算子 |
3.3.6 变异算子 |
3.4 遗传算法优化BP神经网络 |
3.4.1 遗传算法优化BP神经网络的方案 |
3.4.2 遗传算法优化BP神经网络的思想 |
3.4.3 遗传算法优化BP神经网络的具体方法 |
3.5 本章小结 |
第四章 内燃机动力系统典型故障和系统整体设计与实现 |
4.1 内燃机故障诊断技术及诊断方法 |
4.2 基于排出物的内燃机故障机理分析 |
4.2.1 内燃机故障类型分析 |
4.2.2 内燃机排出物与故障类型关系分析 |
4.3 基于内燃机排放物的故障诊断方法 |
4.3.1 问题描述 |
4.3.2 基于内燃机排放物的故障诊断策略 |
4.4 基于优化的GA-BP神经网络的内燃机故障诊断模型 |
4.4.1 可行性分析 |
4.4.2 神经网络设计 |
4.4.3 样本数据处理 |
4.5 本章小结 |
第五章 实验仿真及结果分析 |
5.1 实验准备 |
5.2 实验仿真及分析 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录A 攻读硕士期间发表的论文 |
附录B 攻读硕士期间参与的项目 |
附录C 攻读硕士期间申请的软件着作权 |
(6)基于改进的BP神经网络的捣固车故障诊断专家系统的研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景与研究意义 |
1.2 故障诊断专家系统的国内外现状与发展趋势 |
1.2.1 国内外现状 |
1.2.2 国内外发展趋势 |
1.3 论文主要研究内容以及本文结构 |
1.4 本章小结 |
第二章 捣固车及捣固车故障诊断专家系统具体分析 |
2.1 捣固车介绍 |
2.2 捣固车主要构成和捣固车主要故障 |
2.2.1 捣固车主要构成 |
2.2.2 捣固车主要故障 |
2.3 捣固车故障诊断专家系统需求分析 |
2.3.1 总体分析 |
2.3.2 捣固车部件概率统计应用分析 |
2.3.3 数据库与知识库应用分析 |
2.3.4 专家诊断系统应用分析 |
2.3.5 专家诊断系统的安全应用分析 |
2.3.6 标准规范化体系分析 |
2.4 本章小结 |
第三章 BP神经网络及算法具体介绍 |
3.1 基于BP神经网络故障专家系统的原理和特点 |
3.1.1 BP神经网络的原理 |
3.1.2 BP神经网络的特点和结构 |
3.2 基于BP神经网络的知识表示与推理 |
3.2.1 基于BP神经网络的知识表示 |
3.2.2 基于BP神经网络的知识推理 |
3.3 基于BP神经网络的捣固车故障专家系统的算法介绍及改进措施 |
3.3.1 梯度下降算法介绍 |
3.3.2 梯度下降法和神经网络的结合 |
3.3.3 BP神经网络算法主要改进措施 |
3.3.4 本论文针对BP神经网络算法进行的主要改进措施 |
3.4 本章小结 |
第四章 基于Web服务的捣固车故障诊断专家系统具体软硬件设计 |
4.1 基于Web服务的捣固车故障诊断专家系统的整体架构 |
4.1.1 远程故障诊断系统的整体架构 |
4.1.2 专家系统的逻辑架构 |
4.1.3 专家诊断系统知识库体系架构 |
4.1.4 专家诊断系统知识库体系架构 |
4.2 远程故障诊断专家系统软硬件配置 |
4.2.1 Web服务器设计 |
4.2.2 数据库服务器设计 |
4.2.3 数据库设计 |
4.3 捣固车故障诊断系统中涉及主要技术 |
4.3.1 知识库更新管理技术 |
4.3.2 推理机技术 |
4.3.3 专家诊断系统客户端技术 |
4.3.4 远程故障诊断系统的安全策略技术 |
4.4 本章小结 |
第五章 捣固车故障诊断专家系统诊断流程设计及故障诊断实际应用 |
5.1 捣固车故障诊断专家系统诊断流程设计 |
5.2 改进的BP神经网络算法主要实现过程 |
5.2.1 定义BP Network类 |
5.2.2 定义BP Network类方法 |
5.2.3 改进的BP神经网络算法在系统中的体现 |
5.3 专家系统的故障诊断实际应用 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论及主要完成工作 |
6.2 对未来的展望 |
致谢 |
参考文献 |
附录A 攻读学位期间发表论文(第一作者)与软件着作权 |
附录B 攻读学位期间参与的研究工作 |
(7)基于WSN的捣固车作业部件故障状态监测与应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪言 |
1.1 研究背景及意义 |
1.2 无线传感器网络在机械故障中的应用研究现状 |
1.3 本文主要研究内容 |
第二章 系统结构与相关技术概述 |
2.1 车载系统结构设计 |
2.2 作业部件状态监测应用结构 |
2.3 相关技术概述 |
2.3.1 DNCS概述 |
2.3.2 无线传感器网络概述 |
2.3.3 ZigBee技术概述 |
2.4 IEEE802.15.4标准概述 |
2.4.1 组网拓扑结构 |
2.4.2 IEEE802.15.4物理层(PHY) |
2.4.3 IEEE802.15.4物理层PHY载波调制与帧结构 |
2.4.4 IEEE802.15.4媒体访问控制层(MAC) |
2.4.5 IEEE802.15.4 MAC层帧结构 |
2.4.6 IEEE802.15.4数据传输方式 |
2.5 ZigBee协议栈概述 |
2.5.1 ZigBee协议栈网络结构概述 |
2.5.2 ZigBee协议栈服务原语 |
2.6 捣固车典型故障介绍 |
2.6.1 捣固车道依茨柴油机柴油发动机典型故障分析 |
2.6.2 捣固车作业模块典型结构的故障分析 |
第三章 基于ZigBee网络的硬件设计 |
3.1 处理器模块 |
3.2 传感器数据采集模块 |
3.2.1 DLS-A15激光测距传感器 |
3.2.2 SHT10温湿度传感器模块 |
3.2.3 PTS503S数显正负压阻压力变送器 |
3.3 电源模块 |
3.3.1 ZigBee传感器终端节点电源模块 |
3.3.2 主控网关电源模块 |
3.4 USB转UART模块设计 |
第四章 基于ZigBee网络的软件设计 |
4.1 IAR Embedded Workbench开发环境 |
4.2 Z-Stack协议栈开发 |
4.3 ZigBee协议栈实时操作系统介绍 |
4.4 ZigBee传感器终端节点的软件设计与实现 |
4.4.1 系统初始化程序设计与实现 |
4.4.2 实时时钟程序设计与实现 |
4.4.3 延时处理程序设计与实现 |
4.4.4 串口模块程序设计与实现 |
4.4.5 ZigBee模块程序设计与实现 |
4.5 主控网关节点的软件设计与实现 |
4.5.1 基于ZigBee的无线传感器网络组建 |
4.5.2 设备节点管理程序设计与实现 |
第五章 测试 |
5.1 ZigBee传感器终端节点功耗和电池寿命测试 |
5.2 数据传输稳定性测试 |
5.3 DNCS系统中的作业部件故障状态监测应用测试 |
第六章 总结与展望 |
致谢 |
参考文献 |
附录A 攻读学位期间发表论文与软件着作权目录 |
附录B 攻读学位期间参与的研究工作 |
(8)铁路捣固车设备状态综合评价方法的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景与研究意义 |
1.2 捣固车设备状态评价的发展和趋势 |
1.3 论文主要研究内容及本文结构 |
第2章 捣固车设备状态评价指标体系建立 |
2.1 捣固车简介 |
2.2 建立捣固车设备状态评价指标体系的基本原则 |
2.3 捣固车设备状态评价指标的分析 |
2.3.1 捣固车电气系统 |
2.3.2 捣固车工作装置 |
2.3.3 捣固车动力传动系统 |
2.3.4 捣固车走行制动系统 |
2.4 捣固车设备状态评价体系的建立 |
2.4.1 捣固车设备状态评价指标的选取 |
2.4.2 捣固车设备状态评价体系 |
2.5 本章小结 |
第3章 捣固车设备状态综合评价模型设计 |
3.1 构建捣固车设备状态评价模型的基本思想 |
3.1.1 综合评价方法 |
3.1.2 构建捣固车设备状态综合评价模型 |
3.2 捣固车设备状态综合评价模型分析 |
3.2.1 建立捣固车设备状态评价因素集 |
3.2.2 建立捣固车设备状态评语集 |
3.2.3 捣固车设备权重计算 |
3.2.4 捣固车设备状态单层次综合评价 |
3.2.5 捣固车设备状态多层次综合评价 |
3.3 综合评价算子的分析及确定 |
3.4 本章小结 |
第4章 捣固车设备状态综合评价方法研究 |
4.1 捣固车设备状态综合评价方法分析 |
4.1.1 模糊综合评价原理 |
4.1.2 单因素模糊评价和单层模糊综合评价 |
4.1.3 多层次模糊综合评价 |
4.1.4 捣固车设备状态综合评价模型中隶属度的确定 |
4.2 模糊综合评价中权重的确定方法 |
4.2.1 权重确定方法的选取 |
4.2.2 层次分析法原理 |
4.2.3 基于 AHP 法的权重计算 |
4.2.4 基于改进的 AHP 法的捣固车设备的权值计算 |
4.3 算例分析 |
4.3.1 基于改进 AHP 法的捣固车设备状态模糊综合评价模型 |
4.3.2 各因素隶属度及其权重的计算 |
4.3.3 单层次模糊综合评价 |
4.3.4 捣固车设备状态综合评价 |
4.4 本章小结 |
第5章 捣固车设备状态综合评价系统的设计 |
5.1 捣固车设备状态综合评价系统设计目标 |
5.2 捣固车设备状态综合评价系统的设计 |
5.2.1 系统架构设计 |
5.2.2 系统数据库设计 |
5.2.3 系统功能设计 |
5.3 捣固车设备状态综合评价系统实现 |
5.3.1 系统环境 |
5.3.2 系统部分功能界面设计介绍 |
5.4 本章小结 |
总结与展望 |
1 论文总结 |
2 展望 |
参考文献 |
致谢 |
附录A 攻读学位期间所发表的学术论文目录 |
附录B 攻读学位期间参与的科研项目 |
(9)优化08-32捣固车作业质量的措施(论文提纲范文)
1 08-32捣固车的简介与特点 |
2 08-32捣固车作业质量的影响因素 |
2.1 机械误差 |
2.2 电气误差 |
2.3 线路缺碴 |
2.4 资料和现场实际情况不吻合 |
3 08-32型捣固车作业质量的优化措施分析 |
3.1 加强捣固车检查保养 |
3.2 加强与工务段联系 |
3.3 严格标准化作业 |
3.4 加强作业后线路的后期保养 |
结束语 |
(10)捣固车捣固作业系统健康诊断研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.3 论文研究内容 |
第二章 捣固系统健康诊断总体设计 |
2.1 DCL-32 捣固车的结构及性能参数 |
2.1.1 DCL-32 捣固车的结构及主要功能 |
2.1.2 DCL-32 型捣固车的作业条件、主要结构参数及技术性能 |
2.2 捣固系统状态监测技术现状 |
2.2.1 监测系统典型模型 |
2.2.2 监测系统存在的问题 |
2.2.3 维护方法存在的不足 |
2.3 健康诊断系统总体设计 |
2.3.1 健康诊断系统在线监测设计思想 |
2.3.2 健康诊断系统总体结构 |
2.4 本章小结 |
第三章 捣固系统工作原理及状态监测内容确定 |
3.1 电气系统原理分析与测点确定 |
3.1.1 电气系统原理分析 |
3.1.2 电气系统常见故障及应对措施 |
3.1.3 电气系统状态监测点确定 |
3.2 液压系统原理分析与测点确定 |
3.2.1 液压系统原理分析 |
3.2.2 液压系统常见故障及应对措施 |
3.2.3 液压系统状态监测点确定 |
3.3 机械系统原理分析与测点确定 |
3.3.1 机械系统原理分析 |
3.3.2 机械系统常见故障及应对措施 |
3.3.3 机械系统状态监测点确定 |
3.4 本章小结 |
第四章 捣固系统监测数据综合处理及故障判别 |
4.1 电气系统报警模式与故障判别 |
4.1.1 电气系统的报警模式 |
4.1.2 基于逻辑诊断法的电气系统故障判别 |
4.2 液压系统报警模式与故障判别 |
4.2.1 液压系统的报警模式 |
4.2.2 以 AMESim 仿真为基础的液压系统故障判别 |
4.3 机械系统报警模式与故障判别 |
4.3.1 机械系统的报警模式 |
4.3.2 基于频谱分析的机械系统故障判别 |
4.4 本章小结 |
第五章 软硬件设计及编程实现 |
5.1 系统硬件设计 |
5.1.1 工控机选择 |
5.1.2 数据采集卡的选择 |
5.1.3 接线端子板设计 |
5.1.4 传感器选择 |
5.2 开发环境的选择 |
5.3 软件总体设计方案与实现 |
5.3.1 数据采集功能模块 |
5.3.2 系统在线分析模块 |
5.3.3 数据管理模块 |
5.3.4 故障判别模块 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
个人简历、在学期间的研究成果及发表的学术论文 |
四、08-32捣固车电气系统在线监测与故障诊断系统(论文参考文献)
- [1]基于HMM-SVM的捣固车液压系统故障诊断研究[D]. 舒捷. 昆明理工大学, 2020(05)
- [2]基于HMM-SVM模型的捣固车液压系统故障诊断方法[J]. 舒捷,王海瑞,吕维宗. 化工自动化及仪表, 2020(02)
- [3]铁路捣固车液压驱动系统设计方法研究[D]. 蔡雄. 湖南大学, 2019(07)
- [4]DCL-32K型捣固车模拟控制系统自动监测技术[J]. 陈建华. 铁道建筑, 2018(03)
- [5]基于GA-BP神经网络的内燃机系统故障诊断研究[D]. 丁剑. 昆明理工大学, 2017(01)
- [6]基于改进的BP神经网络的捣固车故障诊断专家系统的研究[D]. 浦明. 昆明理工大学, 2016(02)
- [7]基于WSN的捣固车作业部件故障状态监测与应用[D]. 于俊夫. 昆明理工大学, 2015(12)
- [8]铁路捣固车设备状态综合评价方法的研究[D]. 罗鹂. 湖南大学, 2014(04)
- [9]优化08-32捣固车作业质量的措施[J]. 郭志勇. 黑龙江科技信息, 2014(11)
- [10]捣固车捣固作业系统健康诊断研究[D]. 王彦. 石家庄铁道大学, 2014(12)