發(fā)布時(shí)間：2021-07-08 19:15

　　近年來(lái),軌道交通列車以其綠色節(jié)能、安全舒適、準(zhǔn)點(diǎn)快捷的優(yōu)勢(shì)成為越來(lái)越多人出行的首選。在軌道交通列車的運(yùn)行過(guò)程中,輔助逆變器是否能正常工作,會(huì)直接影響到列車的運(yùn)行安全。因此,對(duì)軌道交通列車輔助逆變器故障診斷進(jìn)行詳盡的研究,對(duì)于保障列車安全運(yùn)行,有重要的現(xiàn)實(shí)意義。本文以軌道交通列車輔助逆變器故障診斷為背景,對(duì)其可能發(fā)生的多種IGBT開路情況進(jìn)行故障診斷研究,設(shè)計(jì)了仿真實(shí)驗(yàn)。本文共分為五個(gè)章節(jié)。首先,介紹課題背景以及故障診斷技術(shù)的研究現(xiàn)狀。其次,研究軌道交通列車輔助逆變器工作原理以及產(chǎn)生故障的原因和類型,并在SIMULINK環(huán)境下搭建輔助逆變器仿真模型,對(duì)輔助逆變器IGBT開路故障的21種模式進(jìn)行仿真;在Matlab環(huán)境下編寫了相關(guān)程序,比較了EMD算法和MEEMD算法,并且對(duì)原始故障信號(hào)分別采用這兩種方法進(jìn)行了故障特征分解,選擇了分解準(zhǔn)確性更好的MEEMD算法進(jìn)行特征提取,這種方法能夠有效抑制EMD分解產(chǎn)生的模態(tài)混淆現(xiàn)象;通過(guò)計(jì)算能量矩的方法獲得故障特征向量,作為故障診斷算法的輸入數(shù)據(jù);對(duì)于故障特征向量采用了兩種方法識(shí)別故障類型,一種是基于GRNN神經(jīng)網(wǎng)絡(luò)方法,它的網(wǎng)絡(luò)模型結(jié)構(gòu)簡(jiǎn)單,參數(shù)少... 

【文章來(lái)源】：青島大學(xué)山東省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

故障診斷方法分類（一）傳統(tǒng)故障診斷方法

青島大學(xué)碩士學(xué)位論文5圖1.2神經(jīng)網(wǎng)絡(luò)方法故障診斷原理圖模糊理論診斷法是利用隸屬度函數(shù)和模糊關(guān)系矩陣來(lái)處理故障診斷問(wèn)題。常用的三種方法有：1）建立故障現(xiàn)象與產(chǎn)生這種故障可能的原因之間的模糊關(guān)系矩陣，通過(guò)關(guān)系方程進(jìn)行診斷；2）建立故障現(xiàn)象與原因之間的模糊知識(shí)庫(kù)，通過(guò)邏輯推理進(jìn)行故障診斷；3）對(duì)原始故障數(shù)據(jù)進(jìn)行模糊聚類處理，通過(guò)分析劃分系數(shù)和分離系數(shù)進(jìn)行故障診斷。模糊理論有著類似人類的思維過(guò)程，可讀性強(qiáng)，易于理解，這種診斷技術(shù)是一種非線性映射模型，適合處理需要實(shí)時(shí)快速診斷的場(chǎng)合。但是在該模型中，設(shè)備狀態(tài)和故障類型往往都比較復(fù)雜，它們的匹配程度很難用合適的隸屬度函數(shù)表達(dá)，這也是模糊理論診斷技術(shù)的一個(gè)技術(shù)難點(diǎn)。因此，一般將模糊理論診斷法與其它的方法結(jié)合使用，使算法擁有更好的使用效果，更符合實(shí)際要求。支持向量機(jī)（SupportVectorMachine,SVM）是一個(gè)線性分類器，常用于進(jìn)行二元分類，采用的是監(jiān)督學(xué)習(xí)的方法。采用了結(jié)構(gòu)風(fēng)險(xiǎn)最小化（StructuralRiskMinimization,SRM）原則，并與統(tǒng)計(jì)學(xué)理論相結(jié)合，能夠在有限的樣本數(shù)據(jù)中尋求模型復(fù)雜度與學(xué)習(xí)能力的最佳折中，從而獲得最好的診斷能力。支持向量機(jī)診斷法有很好的適應(yīng)性、泛化能力和分類能力，適合處理樣本數(shù)據(jù)有限的情況。目前在故障診斷領(lǐng)域有很廣泛的應(yīng)用，在智能故障診斷里占有很重要的地位，為解決故障診斷問(wèn)題提供了新的思路。專家系統(tǒng)診斷法是利用專家分析解決問(wèn)題的思路，建立故障診斷的知識(shí)庫(kù)、規(guī)則庫(kù)和推理庫(kù)，完成故障診斷。專家系統(tǒng)減輕了人類不斷重復(fù)的腦力活動(dòng)，是應(yīng)用最為廣泛的故障診斷技術(shù)之一，但是如何將專家處理問(wèn)題的思路準(zhǔn)確的用數(shù)據(jù)形式表達(dá)出來(lái)，是專家系統(tǒng)診斷方法的主要難題，而且只能處理知識(shí)庫(kù)中的存在的問(wèn)題，

青島大學(xué)碩士學(xué)位論文6對(duì)存在的新故障求解有脆弱性[4]。1.2.2故障診斷評(píng)價(jià)指標(biāo)對(duì)于一個(gè)故障診斷系統(tǒng)的好壞，我們不能單純的看最后診斷準(zhǔn)確率的高低，還應(yīng)該綜合考慮系統(tǒng)的運(yùn)行性能。如果一個(gè)系統(tǒng)完成故障識(shí)別所需的時(shí)間很長(zhǎng)，或者對(duì)突發(fā)狀況不能靈活的處理，導(dǎo)致系統(tǒng)的崩潰，那它也就失去了診斷意義。為此我們?cè)O(shè)定了如圖1.3所示的評(píng)價(jià)指標(biāo)來(lái)綜合考量故障診斷系統(tǒng)[5]。圖1.3故障診斷評(píng)價(jià)指標(biāo)（1）智能性：智能是指能隨系統(tǒng)內(nèi)外條件的變化運(yùn)用知識(shí)解決問(wèn)題，并做出正確行為。智能的三個(gè)基本要素是：推理、學(xué)習(xí)和聯(lián)想。低級(jí)的智能是通過(guò)感知環(huán)境變化，做出相應(yīng)的決策和控制行為；高級(jí)的智能要有學(xué)習(xí)、分析、比較和推理能力，不僅能做出正確的決策和行為，還要適應(yīng)復(fù)雜環(huán)境的變化。（2）技術(shù)先進(jìn)性：技術(shù)的先進(jìn)性并不意味著算法有多復(fù)雜，而是要滿足故障診斷的要求，實(shí)現(xiàn)診斷的目的，診斷算法簡(jiǎn)便實(shí)用、結(jié)構(gòu)緊湊、性能可靠，診斷原理簡(jiǎn)單易懂，可操作性強(qiáng)。（3）誤報(bào)率和漏報(bào)率：誤報(bào)是指設(shè)備沒有產(chǎn)生該種故障，而診斷系統(tǒng)診斷其產(chǎn)生了該種故障；漏報(bào)是指設(shè)備明明產(chǎn)生了故障，而診斷系統(tǒng)沒有檢測(cè)出來(lái)，還認(rèn)定設(shè)備是正常運(yùn)行的狀況。這兩種狀況都會(huì)導(dǎo)致最后的診斷準(zhǔn)確率降低。該項(xiàng)評(píng)價(jià)指標(biāo)越低，說(shuō)明診斷系統(tǒng)對(duì)不同故障的區(qū)分能力和辨識(shí)能力越強(qiáng)，診斷效果越好，因此誤報(bào)率和漏報(bào)率是評(píng)價(jià)故障診斷系統(tǒng)的一個(gè)重要指標(biāo)。（4）快速響應(yīng)性：一方面是指當(dāng)故障發(fā)生后，系統(tǒng)能夠在最短時(shí)間內(nèi)給出故障診斷結(jié)果，判斷故障類型；另一方面是指系統(tǒng)對(duì)微小故障信號(hào)也有很好的檢測(cè)能力，能夠盡早的發(fā)現(xiàn)故障，避免系統(tǒng)產(chǎn)生更大的故障，對(duì)系統(tǒng)造成更大的損失。（5）魯棒性：指故障診斷系統(tǒng)在外部噪聲或者干擾的影響下，仍能準(zhǔn)確完成故

【參考文獻(xiàn)】：
期刊論文
[1]基于人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的光伏組件故障診斷定位方法[J]. 郝思鵬,吳清,李佳偉,周宇.  供用電. 2019(10)
[2]基于人工蜂群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的隧道沉降預(yù)測(cè)[J]. 陳柚州,任濤,鄧朋,王斌.  現(xiàn)代隧道技術(shù). 2019(04)
[3]基于自適應(yīng)進(jìn)化策略的人工蜂群優(yōu)化算法[J]. 張強(qiáng),李盼池,王梅.  電子科技大學(xué)學(xué)報(bào). 2019(04)
[4]基于EEMD和GA-BP的列車輔助逆變器開路故障診斷研究[J]. 蔡鵬飛,鄭樹彬,彭樂(lè)樂(lè).  計(jì)算機(jī)測(cè)量與控制. 2019(07)
[5]地鐵車輛輔助逆變器故障分析及整改研究[J]. 鄭超.  設(shè)備管理與維修. 2019(13)
[6]基于核密度估計(jì)的逆變器故障診斷方法[J]. 施翼,楊煥文,陳佐鵬,耿濤.  變頻器世界. 2019(04)
[7]2018年度中國(guó)城市軌道交通協(xié)會(huì)工作報(bào)告[J]. 謝正光.  城市軌道交通. 2019(04)
[8]基于CEEMD和小波包的降噪方法研究[J]. 楊孟,王瑾,周西峰,郭前崗.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[9]基于MEEMD和峭度-相關(guān)系數(shù)電機(jī)軸承故障診斷[J]. 姜建國(guó),王慶.  自動(dòng)化技術(shù)與應(yīng)用. 2018(01)
[10]基于電流矢量特征分析的逆變器開路故障快速診斷與定位方法[J]. 陳勇,劉志龍,陳章勇.  電工技術(shù)學(xué)報(bào). 2018(04)

博士論文
[1]三相逆變器冗余并聯(lián)運(yùn)行關(guān)鍵技術(shù)及應(yīng)用研究[D]. 華明.南京航空航天大學(xué) 2011

碩士論文
[1]城軌列車輔助逆變器故障診斷的研究[D]. 宮志驍.青島大學(xué) 2018
[2]基于蜂群算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)在異步電機(jī)的故障診斷研究[D]. 宋祿杉.中北大學(xué) 2018
[3]基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的三電平逆變器故障診斷研究[D]. 王雷.中國(guó)礦業(yè)大學(xué) 2015
[4]城市軌道列車輔助逆變電源的開路故障診斷研究[D]. 賞吳俊.西南交通大學(xué) 2014
[5]地鐵輔助電源及其監(jiān)控系統(tǒng)的研究與實(shí)現(xiàn)[D]. 鄒輝.中南林業(yè)科技大學(xué) 2014
[6]基于EMD近似熵和LS-SVM的齒輪箱故障診斷研究[D]. 原平.中北大學(xué) 2013
[7]三電平逆變器故障診斷研究[D]. 肖剛.西安理工大學(xué) 2007
[8]鐵路空調(diào)客車逆變器失效分析及其故障診斷系統(tǒng)的研究[D]. 伍啟天.華中科技大學(xué) 2005



本文編號(hào)：3272172