鐵路作為重要的交通運(yùn)輸方式之一,由于其運(yùn)行成本低、運(yùn)載量大,因此在貨運(yùn)、客運(yùn)中承擔(dān)著重要角色。而列車軸承作為列車的關(guān)鍵部件,其健康狀況對(duì)列車的正常運(yùn)行和乘客的生命安全有著重大的影響。道旁聲學(xué)監(jiān)測(cè)系統(tǒng)具有成本低、非接觸式測(cè)量以及能夠發(fā)現(xiàn)早期故障等優(yōu)點(diǎn),具有良好的應(yīng)用前景。近年來(lái),人工智能與機(jī)器學(xué)習(xí)得到了快速發(fā)展并已成功運(yùn)用于故障診斷領(lǐng)域。本文考慮到列車軸承道旁聲學(xué)信號(hào)特有的多普勒畸變特性,基于機(jī)器學(xué)習(xí)中的安全域（Safety Region,SR）、反向傳播神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network,BPNN）和零次學(xué)習(xí)（Zero-Shot Learning,ZSL）,研究了一種兩階段學(xué)習(xí)模型,具體研究?jī)?nèi)容如下:（1）提出了一種基于SR和BPNN的兩階段學(xué)習(xí)模型,該方法無(wú)需多普勒矯正,并且可以解決故障樣本不充分的問(wèn)題。在應(yīng)用初期故障樣本集缺乏的情況下,僅利用健康樣本建立SR模型。當(dāng)不同故障類型樣本集積累充分之后,利用BPNN建立更加精確的診斷模型。在學(xué)習(xí)模型建立時(shí),直接構(gòu)建信號(hào)統(tǒng)計(jì)特征、車速與診斷結(jié)果之間的函數(shù)關(guān)系。首先,介紹了SR與BPNN的基本理論;其次,... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

列車事故現(xiàn)場(chǎng)圖

安徽大學(xué)碩士學(xué)位論文3列車軸承作為列車的關(guān)鍵部件，其健康狀況對(duì)列車的正常運(yùn)行和乘客的生命安全有著重大的影響。列車軸承一方面其自身結(jié)構(gòu)本身具有高度精密化的特點(diǎn)，另一方面又經(jīng)常在高速重載等工況下連續(xù)運(yùn)轉(zhuǎn)，從而使得列車軸承在經(jīng)過(guò)一段時(shí)間的運(yùn)行后，會(huì)出現(xiàn)磨損甚至失效的情況。因此，對(duì)列車軸承進(jìn)行實(shí)時(shí)有效的監(jiān)測(cè)是一項(xiàng)重要的研究課題。1.3列車軸承道旁聲學(xué)故障診斷方法現(xiàn)有列車軸承在線監(jiān)測(cè)技術(shù)主要有車載和道旁兩種方式。車載，顧名思義就是將監(jiān)測(cè)系統(tǒng)安置在列車上面，通過(guò)對(duì)每一個(gè)被監(jiān)測(cè)部件實(shí)時(shí)監(jiān)測(cè)來(lái)達(dá)到故障診斷的目的，車載方式的缺點(diǎn)是難以兼顧每一個(gè)被監(jiān)測(cè)部件而且需要投入大量資金。道旁方式就是將測(cè)量系統(tǒng)布置在列車軌道的兩側(cè)，當(dāng)列車經(jīng)過(guò)時(shí)，通過(guò)安裝在軌道兩側(cè)的裝置采集列車軸承數(shù)據(jù)，通過(guò)對(duì)采集數(shù)據(jù)分析來(lái)監(jiān)測(cè)列車軸承運(yùn)行狀態(tài)，因此道旁方式具有低成本、非接觸式測(cè)量等優(yōu)點(diǎn)。道旁監(jiān)測(cè)系統(tǒng)主要有熱軸監(jiān)測(cè)（HBD）和道旁聲學(xué)監(jiān)測(cè)（ADBD）兩種方式。與HBD相比，ADBD具有能夠發(fā)現(xiàn)早期故障的優(yōu)點(diǎn)，而HBD系統(tǒng)在監(jiān)測(cè)到故障時(shí)往往故障已經(jīng)形成，因而ADBD系統(tǒng)的應(yīng)用前景更加良好[19,20]。圖1.2列車軸承道旁聲學(xué)監(jiān)測(cè)系統(tǒng)示意圖Figure1.2schematicdiagramoftrainbearingwaysideacousticdetectionsystem美國(guó)鐵路部很早就開(kāi)始道旁聲學(xué)診斷的研究，并開(kāi)發(fā)出了關(guān)于列車輪對(duì)軸承的道旁聲學(xué)監(jiān)測(cè)系統(tǒng)，也就是TADS[21]。在TADS中通過(guò)軌道兩側(cè)麥克風(fēng)采集列車通過(guò)系統(tǒng)時(shí)輪對(duì)軸承發(fā)出的聲信號(hào)，再通過(guò)一系列的信號(hào)處理方法通過(guò)相關(guān)參數(shù)分析對(duì)列車軸承運(yùn)

安徽大學(xué)碩士學(xué)位論文7第二章實(shí)驗(yàn)設(shè)計(jì)2.1引言本章節(jié)簡(jiǎn)要介紹了列車軸承的基本結(jié)構(gòu)以及人工設(shè)置軸承故障的方法。描述了靜態(tài)信號(hào)實(shí)驗(yàn)平臺(tái)的采集方法并對(duì)動(dòng)態(tài)實(shí)驗(yàn)信號(hào)平臺(tái)的搭建作了詳細(xì)的敘述，對(duì)軸承信號(hào)下一步分析研究具有重要意義。2.2列車軸承結(jié)構(gòu)列車軸承是列車的重要組成部件，軸承的健康狀態(tài)關(guān)系著列車的安全穩(wěn)定運(yùn)行。列車軸承一方面其自身結(jié)構(gòu)本身具有高度精密化的特點(diǎn)，另一方面又經(jīng)常在高速重載工況下運(yùn)行，從而使得列車軸承在經(jīng)過(guò)一段時(shí)間的運(yùn)行后，會(huì)出現(xiàn)磨損甚至失效的情況，這就給列車的安全運(yùn)行埋下了隱患。圖2.1軸承的基本結(jié)構(gòu)Figure2.1thebasicstructureofbearing圖2.1為列車軸承的基本結(jié)構(gòu)示意圖，它主要由外圈、內(nèi)圈、滾子和保持架等四個(gè)部分組成。列車軸承常見(jiàn)的轉(zhuǎn)動(dòng)形式是內(nèi)圈轉(zhuǎn)動(dòng)而外圈靜止的方式。當(dāng)內(nèi)圈和外圈之間發(fā)生相對(duì)運(yùn)動(dòng)時(shí)，滾子在自轉(zhuǎn)的同時(shí)也沿著外圈進(jìn)行轉(zhuǎn)動(dòng)。保持架則位于相鄰滾子之間且呈等間隔分布的形式[29]。2.3列車軸承故障設(shè)置本文通過(guò)線切割的方式對(duì)列車軸承的內(nèi)圈、外圈以及滾子等部位進(jìn)行人工故障設(shè)置來(lái)獲得相應(yīng)的列車模擬故障軸承。列車軸承的故障設(shè)置分為單點(diǎn)故障設(shè)置和復(fù)合故障設(shè)

【參考文獻(xiàn)】：
期刊論文
[1]加強(qiáng)項(xiàng)目檔案管理是交通事業(yè)高質(zhì)量發(fā)展的“剛需”——由“9·28”特別重大交通事故排查引發(fā)的思考[J]. 張鳳霞.  檔案與建設(shè). 2020(02)
[2]基于語(yǔ)義自動(dòng)編碼機(jī)的零次學(xué)習(xí)研究[J]. 王陽(yáng),王瓊,陸建峰.  計(jì)算機(jī)與數(shù)字工程. 2019(10)
[3]我國(guó)鐵路重特大事故發(fā)生規(guī)律與特征研究[J]. 范正日.  中國(guó)安全科學(xué)學(xué)報(bào). 2018(S1)
[4]基于不平衡支持向量數(shù)據(jù)描述的故障診斷算法[J]. 韓志艷,王健.  計(jì)算機(jī)工程. 2017(05)
[5]滾動(dòng)軸承安全域建模方法及其在高速列車異常檢測(cè)中的應(yīng)用[J]. 劉志亮,劉仕林,李興林,康金龍,彭興.  機(jī)械工程學(xué)報(bào). 2017(10)
[6]客車起火事故防范對(duì)策研究[J]. 馬明月.  汽車與安全. 2016(08)
[7]基于LMD-PCA-LSSVM的滾動(dòng)軸承安全域估計(jì)和狀態(tài)辨識(shí)方法[J]. 張媛,秦勇,邢宗義,賈利民,陳波.  振動(dòng)與沖擊. 2013(20)
[8]可變懲罰因子的支持向量數(shù)據(jù)描述算法[J]. 劉富,侯濤,劉云,張瀟.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2014(02)
[9]基于全矢譜和動(dòng)態(tài)支持向量數(shù)據(jù)描述的滾動(dòng)軸承故障診斷研究[J]. 李凌均,鞏曉赟,張恒,韓捷.  機(jī)械強(qiáng)度. 2013(02)
[10]基于核主元分析的帶可變懲罰因子最小二乘模糊支持向量機(jī)模型及其在信用分類中的應(yīng)用[J]. 余樂(lè)安,汪壽陽(yáng).  系統(tǒng)科學(xué)與數(shù)學(xué). 2009(10)

博士論文
[1]基于屬性的零樣本學(xué)習(xí)方法的研究[D]. 鞏萍.中國(guó)礦業(yè)大學(xué) 2019
[2]列車軸承軌邊聲學(xué)故障診斷中多源混疊空時(shí)濾波器設(shè)計(jì)方法研究[D]. 熊偉.中國(guó)科學(xué)技術(shù)大學(xué) 2019
[3]列車軸承軌邊聲學(xué)診斷中故障聲譜識(shí)別的時(shí)變陣列分析技術(shù)研究[D]. 張尚斌.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[4]非平穩(wěn)運(yùn)行時(shí)列車輪對(duì)軸承道旁聲學(xué)故障診斷方法研究[D]. 劉方.中國(guó)科學(xué)技術(shù)大學(xué) 2014
[5]列車軸承故障道旁聲學(xué)診斷關(guān)鍵技術(shù)研究[D]. 張翱.中國(guó)科學(xué)技術(shù)大學(xué) 2014
[6]基于道旁聲學(xué)信號(hào)的列車滾動(dòng)軸承故障診斷技術(shù)研究[D]. 吳強(qiáng).中國(guó)科學(xué)技術(shù)大學(xué) 2013
[7]基于非線性信號(hào)分析的滾動(dòng)軸承狀態(tài)監(jiān)測(cè)診斷研究[D]. 劉永斌.中國(guó)科學(xué)技術(shù)大學(xué) 2011

碩士論文
[1]基于自編碼器的零樣本圖像識(shí)別算法研究[D]. 孫廣成.南京郵電大學(xué) 2019
[2]基于魯棒度量學(xué)習(xí)的零樣本圖像分類研究[D]. 王淑健.西安電子科技大學(xué) 2019
[3]基于多普勒原子稀疏表示的列車軸承軌邊信號(hào)消噪研究[D]. 顧康康.安徽大學(xué) 2019
[4]基于軌邊聲學(xué)多普勒畸變信號(hào)的列車軸承故障診斷技術(shù)研究[D]. 范卓幽.西南交通大學(xué) 2019
[5]基于信號(hào)時(shí)頻分析與BP網(wǎng)絡(luò)的列車軸承故障診斷[D]. 孫志誠(chéng).蘇州大學(xué) 2018
[6]列車軸承道旁聲學(xué)信號(hào)瞬態(tài)成分提取與重構(gòu)方法研究[D]. 付洋洋.安徽大學(xué) 2018
[7]基于時(shí)頻分析的道旁聲學(xué)信號(hào)聲源運(yùn)動(dòng)參數(shù)識(shí)別方法研究[D]. 錢強(qiáng).安徽大學(xué) 2018
[8]基于KJADE的軸承故障識(shí)別與性能退化評(píng)估方法研究[D]. 何兵.安徽大學(xué) 2017
[9]基于安全域識(shí)別的滾動(dòng)軸承退化狀態(tài)表征方法研究[D]. 彭興.電子科技大學(xué) 2017
[10]基于屬性學(xué)習(xí)的零樣本圖像分類研究[D]. 喬雪.中國(guó)礦業(yè)大學(xué) 2016



本文編號(hào)：3269581