列车空调故障诊断系统设计

发布时间：2022-02-23 05:00

　　列车空调关系着乘客出行的舒适性,由于我国南北气候差异较大,列车空调需接受严峻的考验,所以保障列车空调的稳定运行以及故障的及时发现对列车运行至关重要。为了更好的了解列车空调运行特性,对列车制冷系统关键部件如压缩机、冷凝器、储液器、节流装置以及蒸发器进行建模仿真,分析当压缩机转速降低、冷凝器污垢、蒸发器污垢三种故障发生时各特征参数的变化趋势,为后文的数据处理部分提供样本数据。为实现列车空调的故障诊断功能,利用BP以及SVM算法的数据分类功能,在MATLAB平台上建立BP神经网络、SVM算法的训练模型,利用其数据分类功能对故障数据进行分类识别,故障识别准确率分别达到了 96.67%及93.33%。为优化BP算法的训练速度以及故障识别精度,运用PCA以及LLE算法对故障数据进行了降维处理。经过降维后再使用BP算法进行分类识别,最终结果显示,其中经LLE算法降维后的BP神经网络故障识别正确率为95%,训练速度也没有得到优化;经PCA算法处理过的BP神经网络识别率达到了 100%,训练时间减少了 6倍。引入神经网络以及SVM算法对列车空调故障进行识别将会有效的增加故障识别的智能化程度,只需要输入某... 

【文章来源】：大连交通大学辽宁省

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外列车空调故障诊断技术发展
        1.2.1 国外发展概述
        1.2.2 国内发展概述
    1.3 本文研究目的及实现方法
    1.4 章节架构
    本章小节
第二章 列车空调制冷系统原理
    2.1 列车空调概述
    2.2 车顶单元式列车空调结构
    2.3 列车空调的基本工作原理
        2.3.1 列车空调制冷系统循环
        2.3.2 列车空调制冷剂循环特性
    2.4 列车空调关键部件的构成及运行原理
        2.4.1 活塞式压缩机
        2.4.2 空气冷却式冷凝器
        2.4.3 热力膨胀阀
        2.4.4 直接蒸发式蒸发器
    本章小结
第三章 基于FLOWMASTER的列车空调仿真及分析
    3.1 FLOWMASTER简介
    3.2 列车空调制冷系统常见故障分析
    3.3 列车空调制冷系统建模
    3.4 仿真验证
    3.5 仿真结果
        3.5.1 正常状态
        3.5.2 压缩机气阀泄漏
        3.5.3 冷凝器污垢
        3.5.4 蒸发器污垢
        3.5.5 各参数变化趋势总结
    本章小结
第四章 常用数据分类与降维方法
    4.1 人工神经网络
        4.1.1 人工神经网络发展概述
        4.1.2 神经网络在故障诊断领域的应用
        4.1.3 BP神经网络计算原理
    4.2 支持向量机SVM算法
        4.2.1 二分类支持向量机
        4.2.2 多分类支持向量机
    4.3 常用降维算法简介
        4.3.1 PCA算法
        4.3.2 LLE算法
        4.3.3 PCA和LLE降维方法的特点
    本章小结
第五章 列车空调故障诊断系统
    5.1 基于BP神经网络的列车空调故障诊断系统
        5.1.1 特征参数的确定
        5.1.2 BP神经网络模型建立
        5.1.3 仿真结果
    5.2 基于SVM的列车空调故障诊断系统
        5.2.1 SVM多分类算法模型建立
        5.2.2 仿真结果
    5.3 基于LLE的BP神经网络列车空调故障诊断
        5.3.1 LLE数据降维
        5.3.2 构建基于LLE的BP神经网络模型
        5.3.3 仿真结果
    5.4 基于PCA的BP神经网络列车空调故障诊断系统
        5.4.1 PCA数据降维
        5.4.2 构建基于PCA的BP神经网络模型
        5.4.3 仿真结果
    5.5 四种列车空调故障诊断模型对比
    本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢



本文编号：3640922