基于有限元法的动车组轴箱强度分析

针对目前高铁线路上所使用的动车组列车,通过提取关键部位的载荷谱进行寿命分析,利用有限元法在UIC615-4的标准下,分超常载荷工况和模拟运营载荷工况对轴箱体分别进行静强度和动强度分析.得到在超常载荷工况下和模拟运营载荷工况下,轴箱体所受最大应力都出现在轴箱转臂右侧的孔的位置,其应力值的大小分别是175.29 MPa和9...     

双时间尺度下的设备随机退化建模与剩余寿命预测方法

基于退化建模的剩余寿命预测（Remaining useful life,RUL）是当前可靠性领域研究的热点.现有的退化模型都是针对单个时间尺度下的退化设备,缺少对设备性能变化与多个时间尺度相关的退化建模与剩余寿命预测方法.鉴于此,本文基于Wiener过程提出了一种双时间尺度随机退化建模与剩余寿命预测方法,用随机比例系数描述不同时间尺度之间的不确定关系,推导出丫首达时间意义下设备的双时间尺度剩余寿命分布,讨论了其与基于单时间尺度退化模型得到的剩余寿命分布之间的关系,并给出了基于历史退化数据的未知参数极大似然估计方法.最后,将所提方法应用到惯性平台关键器件陀螺仪的退化建模与剩余寿命预测中,验证了方法的有效性.     

多尺度信息融合下高速动车组故障分级预警方法

传统方法在高速动车组故障预警中的应用效果不佳,不仅误报率较高,而且预警时间较长,无法达到预期的预警效果,为此提出基于多尺度信息融合的高速动车组故障分级预警方法。利用温度传感器、电流传感器、转速传感器采集高速动车组故障数据,通过对采集的故障数据进行多尺度信息融合处理,提取动车组故障特征。根据提取的高速动车组故障特征计算动车组故障概率,确定故障预警等级,实现高速动车组故障分级预警。实验结果表明,该方法的误报率在1%以内,平均预警时间为0.38 s,具有良好的可行性与适用性。     

基于改进CNN-LSTM的剩余使用寿命预测方法

机电设备的寿命预测是状态维修中的一项重要任务.剩余使用寿命(RUL)预测不仅可以有效地防止机械装备发生突发性故障,而且可以最大限度地利用装备的工作能力、减少维修成本.为了更好地预测多工况条件下的设备RUL,提出一种基于卷积神经网络(CNN)联合长短时记忆(LSTM)网络的寿命预测模型.通过变窗口取样获得不同长度的时间序列,基于深度学习方法来发现传感器时序信号与RUL之间的隐藏关系,在训练过程中引入带有热重启的随机梯度下降(SGDR)学习率设定策略,通过感官融合层将子网络的输出特征融合并导入到逻辑回归分类器获得RUL.最后,基于发动机退化仿真数据集进行了有效性验证,表明所提方法在预测精度方面具有明显优势.     

动车组LSSVM建模与速度跟踪控制

动车组运行环境复杂多变、运行过程中空气阻力对动车组运行性能有较大影响,基于线性模型的动车组运行控制策略难以满足高精度跟踪给定速度-位移曲线要求。提出一种动车组非线性模型描述及其运行速度控制方法。首先,基于动车组牵引特性和系统运行数据,建立了动车组LSSVM非线性模型;给出了基于LSSVM模型的动车组运行速度控制方法。基于CRH380AL型动车组运行数据的仿真结果验证了该方法的有效性。     

一种改进的锂离子电池剩余寿命预测算法

锂离子电池故障往往会使系统性能下降甚至瘫痪,故障部件剩余寿命的精确估计对整个系统的寿命预测和健康管理至关重要。粒子滤波是一种有效的序列信号处理方法,然而应用于锂离子电池剩余寿命预测准确性并不高。根据锂离子电池电学特性,提出一种改进的粒子滤波算法,基于锂离子电池容量退化指数模型,结合训练数据对锂离子电池剩余寿命进行预测。仿真及实验结果表明,改进的粒子滤波算法对锂离子电池剩余寿命预测误差小于5%。     

基于深度时序特征迁移的轴承剩余寿命预测方法

不同工况下轴承退化数据分布不一致导致深度学习等方法对剩余寿命预测效果有限,而已有迁移学习预测方法未能充分挖掘不同工况退化序列的内在趋势性,为此,提出一种基于深度时序特征迁移的轴承剩余寿命预测方法.首先,提出一种深度时序特征融合的健康指标构建模型,利用时间卷积网络挖掘退化趋势的内在时序特征,得到源域多轴承的健康指标;然后,提出一种最小化序列相似度的领域自适应算法,利用源域健康指标作为退化趋势元信息,选取目标域与源域之间的公共敏感特征;最后,采用支持向量机构建预测模型.在IEEE PHM Challenge 2012 轴承全寿命数据集上进行实验,结果表明,所提出方法构建的健康指标可更有效地反映退化趋势,同时明显提升剩余寿命预测的准确度.     

动车组转向架虚拟仿真系统设计与实现

动车组转向架结构的复杂性,使得传统的培训模式已不能满足检修人员短时间内快速掌握检修技能的要求。针对CRH5动车组转向架的结构特点和功能,采用虚拟现实、多媒体和仿真技术,设计实现了动车组转向架虚拟仿真系统,可以清晰地表达转向架的技术信息、结构特点、安装顺序以及工艺要求等。详细介绍了该系统设计实现的关键技术和方法。实际应用表明,该系统不仅为动车组转向架的维护和人员培训提供了一个可视化的多媒体信息平台,也为其他场合的交流提供了直观的沟通方式。     

大数据下数模联动的随机退化设备剩余寿命预测技术

面向大数据背景下随机退化设备剩余寿命(Remaining useful life, RUL)预测的现实需求,结合随机退化设备监测大数据特点及剩余寿命预测不确定性量化这一核心问题,深入分析了机理模型与数据混合驱动的剩余寿命预测技术、基于机器学习的剩余寿命预测技术、统计数据驱动的剩余寿命预测技术以及机器学习和统计数据驱动相结合的剩余寿命预测技术的基本研究思想和发展动态,剖析了当前研究存在的局限性和共性难题.针对存在的局限性和共性难题,以多源传感监测大数据下剩余寿命预测问题为例,提出了一种数模联动的大数据下随机退化设备剩余寿命预测解决思路,并通过航空发动机多源监测数据初步验证了该思路的可行性和有效性.最后,借鉴数模联动思路,综合考虑机器学习方法和统计数据驱动方法的优势,紧紧扭住大数据背景下随机退化设备剩余寿命预测不确定性量化问题,提出了大数据背景下深度学习与随机退化建模交互联动、监测大数据与剩余寿命及其预测不确定性映射机制、非理想大数据下的剩余寿命预测等亟待解决的关键科学问题.     

相似性寿命预测中的数据预处理方法研究磁

数据预处理是基于相似性的寿命预测方法的首要步骤，重点研究了变工况下数据预处理的方法。首先研究了其必要性，随后从线性模型和非线性模型的角度研究了多工况健康评估方法。从数据标准化、基于经验信噪比的特征加权和基于主成分分析的特征降维研究了多工况数据标准化方法。研究证明，多工况数据标准化方法更适于相似性寿命预测中的数据预处理。     

应用EMD熵和ReliefF分析高铁横向减振器故障

横向减振器是转向架的关键部件,其作用是衰减车体与转向架间的振动,其性能对列车的舒适性和安全性有重要影响。横向减振器的故障会引起列车车体振动信号的变化,为了能对其进行性能监测和故障诊断,提出一种基于EMD排列组合熵和ReliefF的特征分析方法。先对预处理过的信号进行EMD分解,后对得到的若干个包含主要故障信息的本征模式函数求解熵值,最后用ReliefF对6阶本征模式函数熵值构成的特征矢量进行优化降维,对降维后的特征用支持向量机对四种工况进行分类识别。实验结果表明,对运行速度200 km/h及以上时的平均识别率可以达到96%以上。     

轮轨激励下含局部缺陷的高速列车轴箱轴承动力学仿真分析

轴箱轴承是高速列车走行部中的关键旋转部件,在复杂轮轨激励的作用下容易出现由疲劳、过载等原因导致的失效,影响列车的行车安全.采用UM/Simulink联合仿真的方式,建立了含局部缺陷的轴箱轴承-柔性轴箱-车辆系统耦合动力学模型,研究了不同工况下轴承外圈、内圈和滚子存在单一局部缺陷时系统的动力学响应,分析了轨道不平顺、车轮失圆等轮轨激励对轴箱轴承故障响应的影响.此外,通过对轴箱箱体及轴箱转臂的振动响应进行对比分析,确定了轴箱上提取故障冲击响应的最佳测点位置.相关结果对于指导高速列车轴箱轴承的状态监测和故障诊断具有一定的工程应用价值.     

基于EEMD的高速列车转向架故障诊断

高速列车的转向架机械故障会引起转向架和车体振动信号的变化,严重影响高速列车运行的安全性和舒适度。为此,提出一种基于聚合经验模态分解的高速列车转向架故障诊断方法。针对转向架空气弹簧失气、抗蛇形减振器失效、横向减振器失效和原车4种工况进行仿真实验,得到列车不同位置的振动信号。信号经聚合经验模态分解得到一系列固有模态函数,分别提取能量矩特征,反映不同尺度上能量随时间的分布规律。将第2阶～第6阶经验模态能量矩构成的5维特征矢量作为支持向量机分类器的输入,在列车行驶200km/h的速度下进行转向架故障识别,结果表明,该方法的识别正确率可达到95％以上。     

基于支持向量机的健康状态评估方法

随着高速铁路动车组的快速发展和应用, 其安全性和可靠性引起了广泛关注. 为了准确判别高速铁路动车组轴箱轴承(以下简称轴箱轴承)的健康状态情况, 提出通过采集轴箱轴承温度及在相同和不同转向架驱动侧、非驱动侧各个部件的温度数据, 利用主成分分析法(PCA)进行特征降维, 将基于决策树的支持向量机(DT-SVM)多分类算法作为判别算法, 同时结合层次分析法(AHP)确定向量值权重, 从而进一步提高分类精度. 大量实验表明该方法可使分类准确率提升5%左右, 此外通过建立健康状态评估模型,将轴箱轴承健康状态分为健康、温升、强温和激温四类, 有助于提高轴箱轴承健康状态的判别力和运维决策的准确性.     

高铁轴箱测温孔与轴承部件温度场仿真分析

针对高速列车行驶过程中轴箱轴承温度监测与预警现状,在探讨轴箱轴承产热和传热计算的基础上,建立有限元分析模型,利用ANSYS中Fluent模块对轴箱轴承稳态温度场进行有限元仿真分析,得到其温度数值分布规律,并采用MATLAB软件进行数据拟合,得到测温孔温度与轴承内圈、外圈、保持架、滚动体最高温度之间的关系式以及测温孔温度...     

A novel axle temperature forecasting method based on decomposition,reinforcement learning optimization and neural network

Axle temperature forecasting technology is important for monitoring the status of the train bogie and preventing the hot axle and other dangerous accidents. In order to achieve high-precision forecasting of axle temperature, a hybrid axle temperature time series forecasting model based on decomposition preprocessing method, parameter optimization method, and the Back Propagation (BP) neural network is proposed in this study. The modeling process consists of three phases. In stage I, the empirical wavelet transform (EWT) method is used to preprocess the original axle temperature series by decomposing them into several subseries. In stage II, the Q-learning algorithm is used to optimize the initial weights and thresholds of the BP neural network. In stage III, the Q-BPNN network is used to build the forecasting model and complete predicting all subseries. And the final forecasting results are generated by combining all prediction results of subseries. By comparing all results over three case predictions, it can be concluded that: (a) the proposed Q-learning based parameter optimization method is effective in improving the accuracy of the BP neural network and works better than the traditional population-based optimization methods; (b) the proposed hybrid axle temperature forecasting model can get accurate prediction results in all cases and provides the best accuracy among eight general models.     

基于特征融合和混类增强的深度学习滚动轴承故障诊断

轴承故障诊断在维护旋转机械设备和规避重大灾难事故等方面起着至关重要的作用. 针对现有故障诊断模型无法适应实际工业应用中变化的工作负载的问题, 提出了一种基于特征融合和混类增强的故障诊断方法. 首先, 在原始信号的基础上融合时频特征、工况特征和时间差分特征形成新的特征信号; 然后, 采用相空间重构理论将信号特征转换为图像信号, 在训练时通过混类增强拓展数据的分布; 最后, 利用残差网络进行故障诊断分析. 在CWRU数据集上的实验结果表明, 该方法在同工况下的预测精度高达100%, 在变工况下的平均预测精度高达93.28%, 域适应性强.     

Visual analytics towards axle health of high-speed train based on large-scale scatter image

Axle is an important part of high-speed train. The axle is the key component connecting the train wheelset, which has a great impact on the train safety. The health monitoring of axles is very important for the safe and smooth operation of trains. The axle health detection is a complex process of multi-factor coupling, which faces the problems of health model construction. From the perspective of big data visual analysis, this paper helps people find the information behind the big data of high-speed railway axle monitoring, and makes a prediction and analysis of the health status of high-speed railway axle operation. Starting from the present situation of scatter plot presentation of multi-dimensional data visual analysis, this paper proposes a visual analysis and processing method for high-speed train axle health monitoring, aiming at the problems of intensive rendering, visual mutation and trend prediction when drawing large data scatter plot. Firstly, a new method of the axle data fusion model is proposed in this paper, which can effectively clean the axle health monitoring data and construct the data acquisition and expression mode of axle temperature of high-speed train. Then, visualization of axle data and prediction of axle health trend provide a new analysis model for axle health monitoring. In addition, the visual analysis method of scatter density map data can eliminate the dependence of the original complex mechanical model, and can be used to analyze different working conditions and axle types. Compared with the existing axle health monitoring methods, this method has high accuracy and practicability.

     

地铁列车制动力再分配优化控制研究

针对现有地铁列车在电-空制动力分配控制策略中没有充分考虑各轴应施加制动力存在差异的问题,对制动力再分配优化控制算法进行了研究。在对电制动优先的电-空制动力协调分配算法进行分析的基础上,以北京某地铁列车中2动1拖基本制动单元为研究对象,基于轴重转移原则,提出了根据各轮对所承受压力的大小按比例再分配空气制动力的优化控制算法,并通过Matlab/Simulink软件对地铁列车处于不同制动工况下制动力的再分配情况进行了仿真和分析。仿真结果表明,基于轴重转移的各轴空气制动力再分配优化控制策略有助于改善列车防滑性能、提高列车平稳制动的效果,达到了预期目标。     

服役工况下的高速列车轴承温度预测模型构建

轴承温度预测对高速列车服役状态的评估以及运维策略的制定具有重要作用.针对复杂服役环境下的高速列车轴温预测问题,首先构建了轴承热力学近似计算模型,并分析了引起轴承温升的服役工况敏感参数,再利用支持向量机回归的方法建立了基于服役工况参数的轴承温度预测模型.对高速列车轴承履历服役数据进行统计分析,构建轴承温升相对速度变化的延...