基于SA-BP神经网络的地铁ATP车载设备故障诊断
发布时间：2020-12-10 16:27
随着中国经济飞跃发展,城市化进程不断加快,地铁作为城市轨道交通的重要基础设施也在不断扩建。地铁列车存在密度高、列车间隔时间短的运营情况,难以避免的会发生故障,进而影响列车的运输效率和安全性。因此,本文将TBS-100型地铁ATP车载设备作为研究对象,基于故障记录表中的故障数据,提出将故障数据的统计结果与SA-BP神经网络相结合的方法对ATP车载设备建立故障诊断模型,并验证模型的可靠性。同时利用该诊断模型,设计并实现地铁ATP车载设备故障诊断系统的仿真软件。本文所做具体工作如下:（1）对TBS-100型地铁ATP车载设备的系统结构和各设备结构的功能进行研究分析,主要分析设备的工作原理和各功能模块之间的工作原理和机制。对ATP车载设备常见的故障类型和故障现象进行归纳总结,同时分析其故障原因,将故障记录表中的故障数据进行处理之后建立样本数据。（2）建立故障诊断模型。从BP神经网络和SA算法的理论出发,采用整理得到的样本数据,以ATP车载设备中的EIC故障代码为例,选择以列车运行时间、紧急制动后恢复次数、紧急停车后掉线次数作为输入,设备模块的故障次数作为输出建立基于SA-BP神经网络的故障诊断...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
ATP系统结构图
西南交通大学硕士研究生学位论文第 8 页动相关的信息进行处理。在该处理通道中有两套相同的模块，即 ATP 处理通道 A ATP 处理通道 B。ATP 处理通道在工作中是采用二取二并行操作的模式，因此要求道 A 和通道 B 在处理信息数据时产生的结果必须是一致的。此外，通过使用专用VME 总线背板（J1）来实现在 ATP 处理通道模块之间的相互通信。ATP 处理通道是由主处理器模块（MPM）、速度与位置模块（SLM）、轨道码模（TCM）、串行输入/输出模块（SIOM）和离散输入/输出模块（DIOM）这 5 个模块成，其功能结构图如图 2-3 所示。
实现对 ATP 处理通道 A 和 ATP 处理通道 B 之间的通信和 ATP 通机接口单元之间的通信。5）离散输入/输出模块（DIOM）DIOM 模块是在输入/输出信号为离散时的通信功能模块。DIOM 模块首先把和非安全相关的离散输入信息转化为数字形式，然后传输给 MPM 模块，最后的模式中，该模块可以接收从 MPM 模块中传递的状态指令。（2）ATP 司机接口单元（DIU）ATP 司机接口单元是实现对 ATP 速度进行控制的功能。ATP 处理通道将列车速度信息和列车的运行状态数据传输到司机接口单元之后，该模块将接收到的行运算之后传输到仪表进行显示，从而为司机在驾驶时提供参考信息。当列车运行出现超速的情况时，DIU 将会在实施满常制动措施的同时禁止输出牵引力将列车的运行速度降低至安全速度范围之内，最终实现对列车超速的自动防护ATP 司机接口单元（DIU）是由中央处理器及存储模块（CPAM）、特殊应用特殊应用接口模块（AS/ASIF）、串并行通信模块和串并行通信接口模块（SPC/SP 3 个模块组成，其结构功能图如图 2-4 所示。
【参考文献】：
期刊论文
[1]基于SA-BP神经网络算法的光伏阵列MPPT研究[J]. 吴玥,行鸿彦. 计算机仿真. 2018(10)
[2]基于SA-BP神经网络算法的光接入网络通道质量评估方法[J]. 蔡冰清,徐思雅,亓峰,葛维春,周桂平,于波涛,李悦悦. 电信科学. 2018(04)
[3]基于SA算法的无绝缘轨道电路故障综合检测方法[J]. 张友鹏,常高武,赵斌. 铁道学报. 2017(04)
[4]基于模拟退火算法改进的BP神经网络算法[J]. 周爱武,翟增辉,刘慧婷. 微电子学与计算机. 2016(04)
[5]CTCS-3级车载系统双系无扰动切换的可行性研究[J]. 孟庆尧,叶峰,黄彬彬,牛道恒. 铁路通信信号工程技术. 2015(06)
[6]基于文本挖掘的高铁信号系统车载设备故障诊断[J]. 赵阳,徐田华. 铁道学报. 2015(08)
[7]基于贝叶斯网络的CTCS-3级列控系统车载子系统可靠性评估[J]. 苏宏升,车玉龙,张友鹏. 中国铁道科学. 2014(05)
[8]基于动态故障树的CTCS-3级ATP系统可靠性分析[J]. 张文韬,张友鹏,苏宏升,杨蕾. 工程设计学报. 2014(01)
[9]基于SA-BP神经网络的软件缺陷预测模型的研究[J]. 尹然,丁晓明,李小亮,梅莹. 西南师范大学学报(自然科学版). 2013(08)
[10]基于模拟退火算法的工具变量选取方法[J]. 胡毅,王美今. 系统工程理论与实践. 2014(04)
博士论文
[1]BP神经网络的理论及其在农业机械化中的应用研究[D]. 王吉权.沈阳农业大学 2011
硕士论文
[1]基于LSTM-BP神经网络的列控车载设备故障诊断方法[D]. 杨嘉明.北京交通大学 2018
[2]基于状态空间的CTCS-3级列控车载设备实时可靠性研究[D]. 李诗薇.北京交通大学 2017
[3]地铁车载信号设备的故障诊断系统研究[D]. 江丹迪.北京交通大学 2016
[4]基于BP神经网络的车载设备故障诊断与预测研究[D]. 吴渊.北京交通大学 2016
[5]基于文本挖掘的高铁车载设备故障诊断方法研究[D]. 王峰.北京交通大学 2016
[6]基于神经网络与案例推理的车载设备故障诊断研究[D]. 曹哲.北京交通大学 2016
[7]ATP车载设备掩盖故障诊断方法研究[D]. 刘雅晴.北京交通大学 2015
[8]基于案例推理的高铁信号系统车载设备故障诊断[D]. 王振显.北京交通大学 2015
[9]列控系统车载ATP的功能安全评估技术研究与应用[D]. 李洋.浙江大学 2013
[10]BP神经网络的改进研究及应用[D]. 刘天舒.东北农业大学 2011
本文编号：2909008
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
ATP系统结构图
西南交通大学硕士研究生学位论文第 8 页动相关的信息进行处理。在该处理通道中有两套相同的模块，即 ATP 处理通道 A ATP 处理通道 B。ATP 处理通道在工作中是采用二取二并行操作的模式，因此要求道 A 和通道 B 在处理信息数据时产生的结果必须是一致的。此外，通过使用专用VME 总线背板（J1）来实现在 ATP 处理通道模块之间的相互通信。ATP 处理通道是由主处理器模块（MPM）、速度与位置模块（SLM）、轨道码模（TCM）、串行输入/输出模块（SIOM）和离散输入/输出模块（DIOM）这 5 个模块成，其功能结构图如图 2-3 所示。
实现对 ATP 处理通道 A 和 ATP 处理通道 B 之间的通信和 ATP 通机接口单元之间的通信。5）离散输入/输出模块（DIOM）DIOM 模块是在输入/输出信号为离散时的通信功能模块。DIOM 模块首先把和非安全相关的离散输入信息转化为数字形式，然后传输给 MPM 模块，最后的模式中，该模块可以接收从 MPM 模块中传递的状态指令。（2）ATP 司机接口单元（DIU）ATP 司机接口单元是实现对 ATP 速度进行控制的功能。ATP 处理通道将列车速度信息和列车的运行状态数据传输到司机接口单元之后，该模块将接收到的行运算之后传输到仪表进行显示，从而为司机在驾驶时提供参考信息。当列车运行出现超速的情况时，DIU 将会在实施满常制动措施的同时禁止输出牵引力将列车的运行速度降低至安全速度范围之内，最终实现对列车超速的自动防护ATP 司机接口单元（DIU）是由中央处理器及存储模块（CPAM）、特殊应用特殊应用接口模块（AS/ASIF）、串并行通信模块和串并行通信接口模块（SPC/SP 3 个模块组成，其结构功能图如图 2-4 所示。
【参考文献】：
期刊论文
[1]基于SA-BP神经网络算法的光伏阵列MPPT研究[J]. 吴玥,行鸿彦. 计算机仿真. 2018(10)
[2]基于SA-BP神经网络算法的光接入网络通道质量评估方法[J]. 蔡冰清,徐思雅,亓峰,葛维春,周桂平,于波涛,李悦悦. 电信科学. 2018(04)
[3]基于SA算法的无绝缘轨道电路故障综合检测方法[J]. 张友鹏,常高武,赵斌. 铁道学报. 2017(04)
[4]基于模拟退火算法改进的BP神经网络算法[J]. 周爱武,翟增辉,刘慧婷. 微电子学与计算机. 2016(04)
[5]CTCS-3级车载系统双系无扰动切换的可行性研究[J]. 孟庆尧,叶峰,黄彬彬,牛道恒. 铁路通信信号工程技术. 2015(06)
[6]基于文本挖掘的高铁信号系统车载设备故障诊断[J]. 赵阳,徐田华. 铁道学报. 2015(08)
[7]基于贝叶斯网络的CTCS-3级列控系统车载子系统可靠性评估[J]. 苏宏升,车玉龙,张友鹏. 中国铁道科学. 2014(05)
[8]基于动态故障树的CTCS-3级ATP系统可靠性分析[J]. 张文韬,张友鹏,苏宏升,杨蕾. 工程设计学报. 2014(01)
[9]基于SA-BP神经网络的软件缺陷预测模型的研究[J]. 尹然,丁晓明,李小亮,梅莹. 西南师范大学学报(自然科学版). 2013(08)
[10]基于模拟退火算法的工具变量选取方法[J]. 胡毅,王美今. 系统工程理论与实践. 2014(04)
博士论文
[1]BP神经网络的理论及其在农业机械化中的应用研究[D]. 王吉权.沈阳农业大学 2011
硕士论文
[1]基于LSTM-BP神经网络的列控车载设备故障诊断方法[D]. 杨嘉明.北京交通大学 2018
[2]基于状态空间的CTCS-3级列控车载设备实时可靠性研究[D]. 李诗薇.北京交通大学 2017
[3]地铁车载信号设备的故障诊断系统研究[D]. 江丹迪.北京交通大学 2016
[4]基于BP神经网络的车载设备故障诊断与预测研究[D]. 吴渊.北京交通大学 2016
[5]基于文本挖掘的高铁车载设备故障诊断方法研究[D]. 王峰.北京交通大学 2016
[6]基于神经网络与案例推理的车载设备故障诊断研究[D]. 曹哲.北京交通大学 2016
[7]ATP车载设备掩盖故障诊断方法研究[D]. 刘雅晴.北京交通大学 2015
[8]基于案例推理的高铁信号系统车载设备故障诊断[D]. 王振显.北京交通大学 2015
[9]列控系统车载ATP的功能安全评估技术研究与应用[D]. 李洋.浙江大学 2013
[10]BP神经网络的改进研究及应用[D]. 刘天舒.东北农业大学 2011
本文编号：2909008
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2909008.html
