基于深度学习的城市轨道交通车辆智能诊断系统研究

发布时间：2023-04-24 23:12

　　随着我国城市轨道交通的快速发展,不断增长的客流量发展水平与车辆投运率水平之间的矛盾日益突出,而车辆投运率水平很大程度上依赖车辆运用维修服务水平的持续提升。在保障车辆运营可靠性和维修质量的前提下,进行城市轨道交通车辆智能诊断系统研究,对提升城市轨道交通车辆运用维修服务水平具有重要意义。本文针对当前城市轨道交通车辆检维修模式特点及其在实际检修作业过程中故障诊断技术的实际需求,重点从车辆智能诊断需求分析、系统构成、工作流程和技术框架等方面初步构建了城市轨道交通车辆智能诊断系统。该系统以受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)作为深度神经网络模型基本结构,车辆设备故障特征向量为输入向量,运用维修决策向量为输出向量,搭建基于深度信念网络(Deep Believe Network,DBN)的城市轨道交通车辆智能诊断模型,采用对比发散算法训练该诊断模型,为城市轨道交通车辆提供健康评估及故障预警。本文以某地铁公司车辆轮对尺寸数据为例,对城市轨道交通车辆智能诊断模型进行了训练与验证。验证结果表明,模型诊断准确率高,诊断时间短,满足故障诊断准确率及时效性要求。本文...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
        1.1.1 我国城市轨道交通发展概况
        1.1.2 城市轨道交通运量与运力矛盾突出
        1.1.3 城市轨道交通车辆运用维修情况概述
        1.1.4 研究意义
    1.2 国内外相关研究概况
        1.2.1 设备故障诊断技术研究现状
        1.2.2 城市轨道交通车辆设备故障诊断研究现状
        1.2.3 深度学习的发展及其在故障诊断中的研究现状
    1.3 研究主要内容
    1.4 研究技术路线
    1.5 本章小结
2 城市轨道交通车辆智能诊断系统设计
    2.1 城市轨道交通车辆智能诊断系统概念及必要性分析
        2.1.1 车辆智能诊断系统概念
        2.1.2 车辆智能诊断系统必要性分析
    2.2 城市轨道交通车辆智能诊断系统需求分析
        2.2.1 车辆维修作业概述
        2.2.2 车辆故障诊断现状分析
        2.2.3 车辆维修价值分析
        2.2.4 智能诊断系统需求
    2.3 系统设计工作流程
    2.4 系统技术框架
    2.5 系统关键技术分析
    2.6 系统拓展应用
    2.7 本章小结
3 城市轨道交通车辆深度诊断网络
    3.1 设备特征向量提取
        3.1.1 车辆设备故障描述
        3.1.2 特征向量及决策向量
    3.2 深度学习与深度信念网络
        3.2.1 神经元模型
        3.2.2 受限玻尔兹曼机模型
        3.2.3 受限玻尔兹曼机训练算法
        3.2.4 深度信念网络构建
    3.3 基于DBN的车辆深度诊断网络模型
        3.3.1 故障诊断网络结构设计
        3.3.2 深度诊断网络模型训练过程
    3.4 本章小结
4 模型验证及应用
    4.1 实例数据分析
    4.2 深度诊断网络模型训练测试
        4.2.1 模型训练测试
        4.2.2 模型评价改善
    4.3 其他常用故障诊断模型对比
        4.3.1 基于KNN和ANN-BP的故障诊断模型对比
        4.3.2 模型训练及验证结果对比分析
    4.4 深度诊断网络模型的应用
        4.4.1 轮对运用维修指导
        4.4.2 模型综合应用
    4.5 本章小结
5 总结与展望
    5.1 研究主要工作及成果
    5.2 研究创新点
    5.3 研究展望
致谢
参考文献
附录



本文编号：3800211