道岔是保障列車安全運(yùn)行的重要設(shè)備,隨著我國高速鐵路的快速發(fā)展,道岔的重要性顯得更為明顯,一旦發(fā)生故障就會導(dǎo)致脫軌、追尾等嚴(yán)重事故。與普速鐵路道岔不同,高速鐵路道岔的列車過岔速度高、維修時(shí)間短,要求其具有更高的安全性、可靠性。因此,對高速鐵路道岔故障進(jìn)行預(yù)測,實(shí)現(xiàn)“狀態(tài)修”,對保證行車安全、提高運(yùn)輸效率具有重要意義。由于對道岔動作電流曲線的整體直接進(jìn)行時(shí)域特征提取會顯得較為粗糙,不利于后續(xù)對故障的分類,而道岔的動作自然分成了不同的時(shí)間區(qū)域,因此就以道岔動作的順序進(jìn)行分區(qū),將其劃分為5個(gè)部分,分別為啟動區(qū)、解鎖區(qū)、轉(zhuǎn)換區(qū)、鎖閉區(qū)和緩放區(qū)。首先,對微機(jī)監(jiān)測系統(tǒng)記錄的電流曲線數(shù)據(jù)根據(jù)分區(qū)進(jìn)行時(shí)域特征提取,并基于Fisher準(zhǔn)則進(jìn)行最優(yōu)特征的選擇。由于選出的最優(yōu)特征數(shù)值差異性較大,直接使用知識約簡方法獲得最小決策表的難度較高,且不利于后續(xù)故障預(yù)測,因此,提出一種“替換”的方法,將差異性較大的具體數(shù)值轉(zhuǎn)換為僅具有三種不同狀態(tài)的特征,然后基于粗糙集理論中的知識約簡方法對決策表進(jìn)行約簡得到最小決策表。根據(jù)最小決策表可以獲得最小診斷規(guī)則,為后續(xù)故障預(yù)測提供規(guī)則庫。對不同“替換”范圍以及不同約簡方法進(jìn)行分... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國內(nèi)研究現(xiàn)狀
        1.2.2 國外研究現(xiàn)狀
    1.3 主要研究工作內(nèi)容
2 道岔的工作原理及故障類型
    2.1 道岔工作原理概述
    2.2 電流數(shù)據(jù)分析
        2.2.1 數(shù)據(jù)監(jiān)測原理
        2.2.2 數(shù)據(jù)描述及分析
    2.3 道岔常見故障類型
        2.3.1 控制電路故障
        2.3.2 表示電路故障
        2.3.3 機(jī)械故障
    2.4 小結(jié)
3 基于粗糙集理論的決策表建立
    3.1 粗糙集理論相關(guān)知識
        3.1.1 粗糙集理論概述
        3.1.2 知識約簡與規(guī)則提取
    3.2 基于粗糙集理論的決策表建立
        3.2.1 數(shù)據(jù)預(yù)處理
        3.2.2 時(shí)域特征參數(shù)提取
        3.2.3 基于Fisher準(zhǔn)則的特征選擇
        3.2.4 決策表建立
    3.3 不同影響因素下的決策表對比
        3.3.1 不同“替換”范圍
        3.3.2 不同約簡方法
    3.4 小結(jié)
4 道岔故障預(yù)測
    4.1 灰色預(yù)測模型建模原理
    4.2 建模軟件介紹
    4.3 模型的建立
    4.4 故障預(yù)測
        4.4.1 預(yù)測步驟
        4.4.2 預(yù)測實(shí)例分析
    4.5 不同預(yù)測次數(shù)的預(yù)測結(jié)果對比
    4.6 實(shí)時(shí)性預(yù)測實(shí)現(xiàn)設(shè)想
    4.7 小結(jié)
5 預(yù)測故障發(fā)生概率計(jì)算及說明
    5.1 診斷準(zhǔn)確率
    5.2 故障發(fā)生概率
    5.3 小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于決策理論粗糙集的一種新屬性約簡方法[J]. 姚晟,吳照玉,陳菊,王維.  微電子學(xué)與計(jì)算機(jī). 2019(05)
[2]不同灰色GM(1,1)模型在地鐵沉降預(yù)測中的效果分析[J]. 成樞,馮子帆,郭祥琳,邱建.  測繪地理信息. 2019(01)
[3]灰色預(yù)測GM(1,1)模型應(yīng)用現(xiàn)狀與展望[J]. 孔雪,王麗,馮益華.  齊魯工業(yè)大學(xué)學(xué)報(bào). 2018(06)
[4]基于區(qū)間灰數(shù)的離散Verhulst直接模型[J]. 龍釗,龍霞.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2018(23)
[5]基于樂觀和悲觀策略的猶豫模糊粗糙集方法[J]. 李建卓.  模式識別與人工智能. 2018(11)
[6]基于群決策的道岔控制電路故障診斷方法[J]. 董煒,劉明明,王良順,趙輝,辜勛.  自動化學(xué)報(bào). 2018(06)
[7]粗糙集規(guī)則匹配算法及其在文本分類中的應(yīng)用[J]. 朱敏玲,吳海艋,石磊.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(04)
[8]灰色Verhulst模型的改進(jìn)及其應(yīng)用[J]. 李志闊.  城市建設(shè)理論研究(電子版). 2018(03)
[9]基于時(shí)滯效應(yīng)的多變量離散灰色預(yù)測模型[J]. 丁松,黨耀國,徐寧,魏龍,葉璟.  控制與決策. 2017(11)
[10]決策樹分析法在道岔故障診斷和預(yù)警系統(tǒng)中的應(yīng)用[J]. 張志宇,劉影.  鐵道通信信號. 2015(05)

博士論文
[1]粗糙集理論中的知識獲取與約簡方法的研究[D]. 張明.南京理工大學(xué) 2012

碩士論文
[1]基于道岔動作電流的故障診斷方法研究[D]. 陳亭.西南交通大學(xué) 2018
[2]道岔故障診斷及健康狀態(tài)預(yù)測[D]. 許慶陽.北京交通大學(xué) 2018
[3]基于文本數(shù)據(jù)的鐵路道岔故障預(yù)測[D]. 王廣.北京交通大學(xué) 2017
[4]基于文本挖掘的道岔故障分類研究[D]. 鄒運(yùn)懷.北京交通大學(xué) 2016
[5]基于相似度的道岔故障電流曲線識別方法研究與實(shí)現(xiàn)[D]. 張星.蘭州交通大學(xué) 2016
[6]ZYJ7型提速道岔故障診斷系統(tǒng)研究[D]. 朱孟雯.西南交通大學(xué) 2016
[7]基于核方法的高速鐵路道岔故障診斷[D]. 程宇佳.北京交通大學(xué) 2016
[8]基于模糊神經(jīng)網(wǎng)絡(luò)的高速鐵路道岔故障診斷方法研究[D]. 田健.北京交通大學(xué) 2015
[9]高速鐵路道岔故障診斷方法研究[D]. 何攸旻.北京交通大學(xué) 2014
[10]基于粗糙集與支持向量機(jī)的工業(yè)企業(yè)經(jīng)濟(jì)景氣指數(shù)智能預(yù)測模型研究[D]. 彭森.華中師范大學(xué) 2012



本文編號：2926477