地鐵列車測速定位系統(tǒng)是地鐵列車控制系統(tǒng)中的重要組成部分,承擔(dān)著獲取列車速度和位置信息的任務(wù),保障列車運行的安全和效率,但同時它也是故障的高發(fā)區(qū)。目前針對地鐵列車測速定位系統(tǒng)的故障診斷方法研究主要集中在文本信息上,而對于按時間周期存儲車載設(shè)備信息的列車行車日志的研究較少。這導(dǎo)致目前針對列車行車日志的故障分析仍然依靠專家經(jīng)驗和人工處理,增加了運維人員的工作負(fù)擔(dān)。論文針對測速定位系統(tǒng)的故障行車日志進行分析,將行車日志中按周期存儲的由故障導(dǎo)致的異常數(shù)據(jù)稱為故障時間序列,通過挖掘行車日志中的故障時間序列,建立基于LSTM(Long Short-Term Memory)神經(jīng)網(wǎng)絡(luò)的故障診斷模型提取其時空特征進行多維時間序列的分類,實現(xiàn)列車測速定位系統(tǒng)的故障診斷,降低了地鐵現(xiàn)場的運維成本。論文的主要研究內(nèi)容如下:(1)對測速定位系統(tǒng)相關(guān)的故障及在行車日志中受故障影響的異常數(shù)據(jù)項的時間序列表現(xiàn)進行分析,結(jié)合現(xiàn)場運維人員對于行車日志的分析方法,闡述了論文依托行車日志中的故障時間序列包含的故障信息進行故障診斷的思路。針對行車日志中故障相關(guān)的部分?jǐn)?shù)據(jù)項冗雜無用的問題,運用基于Apriori算法的關(guān)聯(lián)規(guī)則分析方...

【文章頁數(shù)】：107 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 列車測速定位系統(tǒng)故障診斷技術(shù)研究現(xiàn)狀
        1.2.2 時間序列分類技術(shù)研究現(xiàn)狀
        1.2.3 基于時間序列的故障診斷技術(shù)研究現(xiàn)狀
    1.3 論文主要工作內(nèi)容
2 基于時間序列的測速定位系統(tǒng)故障與行車日志分析
    2.1 測速定位系統(tǒng)概述
        2.1.1 車軸測速傳感器
        2.1.2 測速雷達(dá)
        2.1.3 應(yīng)答器定位系統(tǒng)
        2.1.4 多傳感器冗余的列車測速定位系統(tǒng)
    2.2 基于故障時間序列的測速定位系統(tǒng)故障診斷方案研究
        2.2.1 測速定位系統(tǒng)故障時間序列表現(xiàn)分析
        2.2.2 測速定位系統(tǒng)故障診斷工程方法
        2.2.3 基于故障時間序列的測速定位系統(tǒng)故障診斷方案
    2.3 基于加權(quán)最小支持度關(guān)聯(lián)規(guī)則分析的行車日志數(shù)據(jù)項簡約
        2.3.1 關(guān)聯(lián)規(guī)則算法概述
        2.3.2 自適應(yīng)最小支持度的加權(quán)Apriori算法的數(shù)據(jù)項約簡
    2.4 本章小結(jié)
3 基于多傳感器的列車測速定位系統(tǒng)建模及故障仿真
    3.1 列車運動狀態(tài)建模
        3.1.1 列車動力學(xué)模型
        3.1.2 列車運動模型
    3.2 OPG傳感器測速及故障建模
        3.2.1 OPG傳感器測量數(shù)學(xué)模型
        3.2.2 OPG傳感器測速誤差模型
        3.2.3 OPG傳感器故障建模
    3.3 多普勒雷達(dá)測速及故障建模
        3.3.1 測速雷達(dá)測量數(shù)學(xué)模型
        3.3.2 測速雷達(dá)測速誤差模型
        3.3.3 測速雷達(dá)故障建模
    3.4 列車位置不確定性建模
        3.4.1 列車過應(yīng)答器時的位置不確定性模型
        3.4.2 列車正常走行時的位置不確定性模型
        3.4.3 列車打滑時的位置不確定性模型
    3.5 基于多傳感器的測速定位系統(tǒng)模型及故障的仿真與驗證
        3.5.1 基于多傳感器的測速定位系統(tǒng)模型及故障仿真
        3.5.2 基于統(tǒng)計假設(shè)檢驗的仿真結(jié)果驗證
    3.6 本章小結(jié)
4 基于LSTM神經(jīng)網(wǎng)絡(luò)的地鐵測速定位系統(tǒng)故障診斷
    4.1 LSTM神經(jīng)網(wǎng)絡(luò)算法
        4.1.1 神經(jīng)網(wǎng)絡(luò)基本理論
        4.1.2 LSTM神經(jīng)網(wǎng)絡(luò)
    4.2 LSTM神經(jīng)網(wǎng)絡(luò)故障診斷模型構(gòu)建
        4.2.1 數(shù)據(jù)預(yù)處理
        4.2.2 LSTM神經(jīng)網(wǎng)絡(luò)故障診斷模型結(jié)構(gòu)
        4.2.3 LSTM神經(jīng)網(wǎng)絡(luò)故障診斷模型的建立
    4.3 仿真結(jié)果分析
        4.3.1 網(wǎng)絡(luò)調(diào)參
        4.3.2 模型驗證
    4.4 本章小結(jié)
5 測速設(shè)備離線故障診斷系統(tǒng)的設(shè)計與實現(xiàn)
    5.1 測速設(shè)備離線故障診斷系統(tǒng)原理
    5.2 測速設(shè)備離線故障診斷系統(tǒng)架構(gòu)
    5.3 基于多線程的測速設(shè)備離線故障診斷軟件實現(xiàn)
        5.3.1 軟件架構(gòu)
        5.3.2 人機界面
        5.3.3 故障診斷實例
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 成果總結(jié)
    6.2 研究展望
參考文獻(xiàn)
圖索引
表索引
作者簡歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集



本文編號：3754919