基于贝叶斯网络的高铁牵引系统故障预测研究
发布时间：2022-12-23 21:46
随着我国高铁规模的不断扩大,对其运营安全性的要求也越来越高,高铁列车关键设备的故障预测需求日益迫切。故障预测技术不仅可以降低设备的日常维护成本,还能有效预防重大安全事故的发生。本文以CRH5型高速列车牵引系统为应用对象,研究了系统建模、故障模拟、故障预测、元部件退化建模以及系统剩余寿命预测问题,主要工作包括以下几个方面。（1）基于键合图理论的牵引系统闭环建模。在本课题组前期完成的CRH5型高铁牵引系统开环键合图模型基础上,搭建了直接转矩控制的键合图功能模块,完成了基于键合图的高铁牵引系统闭环建模,并在闭环键合图模型中实现了逆变器IGBT故障和电机转子断条故障的模拟注入,仿真结果可验证该牵引系统闭环键合图模型的正确性以及故障注入的合理性。（2）故障概率预测,即计算故障1发生的条件下故障2发生的概率。在闭环键合图基础上,先确定用于故障预测的贝叶斯网络结构,并简化其中的有向环,避免因果关系冲突;然后基于故障样本数据训练贝叶斯网络,预测牵引系统中逆变器IGBT发生故障时电机转子电阻故障的概率。仿真实验结果可验证该算法的可行性和正确性。（3）牵引系统关键元件退化特征提取及系统剩余寿命预测。将设备...
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题背景及意义
1.2 国内外研究现状
1.2.1 故障预测研究现状
1.2.2 贝叶斯网络研究现状
1.3 论文主要工作
第二章 高铁牵引系统组成结构与常见故障
2.1 引言
2.2 开环系统结构及工作原理
2.2.1 逆变器
2.2.2 电机
2.2.3 齿轮箱
2.3 闭环控制原理
2.4 高铁牵引系统常见故障
2.5 本章小结
第三章 闭环键合图模型搭建及故障注入
3.1 引言
3.2 键合图理论
3.2.1 键合图基本元件及其表述
3.2.2 键合图因果关系分配
3.3 开环键合图模型
3.4 闭环键合图模型
3.4.1 模型实现
3.4.2 仿真验证
3.5 故障注入
3.5.1 IGBT故障注入
3.5.2 电机转子断条故障注入
3.6 本章小结
第四章 基于贝叶斯网络的故障概率预测
4.1 引言
4.2 贝叶斯网络简介
4.2.1 基本概念与特性
4.2.2 结构确定
4.2.3 参数学习
4.2.4 联合概率推理
4.3 牵引系统故障概率预测
4.3.1 牵引系统贝叶斯网络结构
4.3.2 数据预处理及参数学习
4.3.3 故障概率预测
4.4 本章小结
第五章 基于改进贝叶斯网络(RBMs-BN)的剩余寿命预测
5.1 引言
5.2 受限玻尔兹曼机简介
5.2.1 基本概念与结构
5.2.2 参数学习
5.2.3 深度信念网络
5.3 基于RBMs-BN的剩余寿命预测
5.3.1 贝叶斯网络结构确定
5.3.2 数据预处理
5.3.3 剩余寿命预测
5.4 实验平台验证
5.4.1 高铁牵引系统半实物仿真平台
5.4.2 中间电路退化故障注入
5.4.3 验证结果对比分析
5.5 本章小结
第六章 总结与展望
6.1 工作总结
6.2 研究展望
参考文献
致谢
在学期间的研究成果及发表的学术论文
【参考文献】：
博士论文
[1]电子系统的故障预测与健康管理技术研究[D]. 许丽佳.电子科技大学 2009
[2]基于贝叶斯网络的知识发现与决策应用研究[D]. 张少中.大连理工大学 2003
硕士论文
[1]基于观测器的高速列车牵引电机故障诊断方法研究[D]. 于晓庆.南京航空航天大学 2018
[2]基于灰色ELM的滚动轴承故障预测[D]. 徐遥.北京交通大学 2017
[3]基于数据挖掘技术的配电网故障预测研究[D]. 卢育梓.北京交通大学 2017
[4]基于图论的高铁牵引系统故障传播分析与危害性评估[D]. 徐溪.南京航空航天大学 2017
[5]基于多特征量的滚动轴承退化状态评估和剩余寿命预测方法研究[D]. 燕晨耀.电子科技大学 2016
[6]基于受限玻尔兹曼机的深度学习模型及其应用[D]. 张艳霞.电子科技大学 2016
[7]基于键合图的高铁牵引系统建模与故障诊断[D]. 勇佳棋.南京航空航天大学 2016
[8]基于贝叶斯网络船用柴油机故障诊断系统的研究[D]. 林洋.大连海事大学 2016
[9]基于受限玻尔兹曼机的面部运动识别方法研究[D]. 仝少敏.哈尔滨工业大学 2014
[10]HXD1型电力机车牵引变流器故障诊断研究[D]. 欧健.中南大学 2014
本文编号：3725475
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题背景及意义
1.2 国内外研究现状
1.2.1 故障预测研究现状
1.2.2 贝叶斯网络研究现状
1.3 论文主要工作
第二章 高铁牵引系统组成结构与常见故障
2.1 引言
2.2 开环系统结构及工作原理
2.2.1 逆变器
2.2.2 电机
2.2.3 齿轮箱
2.3 闭环控制原理
2.4 高铁牵引系统常见故障
2.5 本章小结
第三章 闭环键合图模型搭建及故障注入
3.1 引言
3.2 键合图理论
3.2.1 键合图基本元件及其表述
3.2.2 键合图因果关系分配
3.3 开环键合图模型
3.4 闭环键合图模型
3.4.1 模型实现
3.4.2 仿真验证
3.5 故障注入
3.5.1 IGBT故障注入
3.5.2 电机转子断条故障注入
3.6 本章小结
第四章 基于贝叶斯网络的故障概率预测
4.1 引言
4.2 贝叶斯网络简介
4.2.1 基本概念与特性
4.2.2 结构确定
4.2.3 参数学习
4.2.4 联合概率推理
4.3 牵引系统故障概率预测
4.3.1 牵引系统贝叶斯网络结构
4.3.2 数据预处理及参数学习
4.3.3 故障概率预测
4.4 本章小结
第五章 基于改进贝叶斯网络(RBMs-BN)的剩余寿命预测
5.1 引言
5.2 受限玻尔兹曼机简介
5.2.1 基本概念与结构
5.2.2 参数学习
5.2.3 深度信念网络
5.3 基于RBMs-BN的剩余寿命预测
5.3.1 贝叶斯网络结构确定
5.3.2 数据预处理
5.3.3 剩余寿命预测
5.4 实验平台验证
5.4.1 高铁牵引系统半实物仿真平台
5.4.2 中间电路退化故障注入
5.4.3 验证结果对比分析
5.5 本章小结
第六章 总结与展望
6.1 工作总结
6.2 研究展望
参考文献
致谢
在学期间的研究成果及发表的学术论文
【参考文献】：
博士论文
[1]电子系统的故障预测与健康管理技术研究[D]. 许丽佳.电子科技大学 2009
[2]基于贝叶斯网络的知识发现与决策应用研究[D]. 张少中.大连理工大学 2003
硕士论文
[1]基于观测器的高速列车牵引电机故障诊断方法研究[D]. 于晓庆.南京航空航天大学 2018
[2]基于灰色ELM的滚动轴承故障预测[D]. 徐遥.北京交通大学 2017
[3]基于数据挖掘技术的配电网故障预测研究[D]. 卢育梓.北京交通大学 2017
[4]基于图论的高铁牵引系统故障传播分析与危害性评估[D]. 徐溪.南京航空航天大学 2017
[5]基于多特征量的滚动轴承退化状态评估和剩余寿命预测方法研究[D]. 燕晨耀.电子科技大学 2016
[6]基于受限玻尔兹曼机的深度学习模型及其应用[D]. 张艳霞.电子科技大学 2016
[7]基于键合图的高铁牵引系统建模与故障诊断[D]. 勇佳棋.南京航空航天大学 2016
[8]基于贝叶斯网络船用柴油机故障诊断系统的研究[D]. 林洋.大连海事大学 2016
[9]基于受限玻尔兹曼机的面部运动识别方法研究[D]. 仝少敏.哈尔滨工业大学 2014
[10]HXD1型电力机车牵引变流器故障诊断研究[D]. 欧健.中南大学 2014
本文编号：3725475
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3725475.html
