城市轨道交通车辆门系统故障预测与健康管理

车门系统是城市轨道交通车辆系统中的一个重要子系统,而故障预测和健康管理是保障车门系统安全可靠的重要手段。从城市轨道交通车门系统结构出发,将车门典型故障进行分类,包括开关门障碍检测故障、关锁到位开关故障、3秒不解锁故障、电机位置编码器故障及控制器驱动电路MOS管短路故障。针对各类典型车门故障,提出相应的故障预测和健康管理框架,内容包括数据采集、数据预处理、特征值提取、状态监测、健康评估及最优维护。     

城市轨道交通车辆智慧空调技术

智慧空调技术作为城市轨道交通车辆智能化运营的重要技术手段，主要根据车辆运行环境数据来调整空调运行模式，进而改善车内舒适度，对空调机组运行状态进行实时监测及关键零部件故障预警，实现空调机组的智能化健康管理，提升空调运营维护效率。智慧空调系统由车辆空调、车载网络及PHM(故障预测与健康管理)地面支持系统结合搭建而成，通过传感器来监控车辆空调使用环境数据，并自适应性调节空调运行状态以改善车内空气质量。在故障预测及健康管理方面，智慧空调技术通过搭建诊断模型，采集并传输空调机组运行状态数据，实现对空调机组多发性故障的及时预警，对关键零部件使用寿命进行老化预测并采取相应的健康管理措施，进而保障空调机组的安全运行。在车辆的维修维护中，智慧空调技术结合不同的诊断及预警模型数据，合理制定空调机组修程，将空调机组故障修与定时修为主的传统维修模式发展为基于安全监控和健康管理的智能化“状态修”模式。     

基于CNN-LSTM的车辆悬挂系统故障识别方法研究

高速铁路车辆（简称：车辆）运行条件恶劣多变,车辆悬挂系统的可靠性关系到行车安全和乘坐舒适性。当车辆的悬挂系统发生故障时,振动信号呈现非线性、非平稳的特征。为此,提出了一种基于卷积神经网络（CNN,Convolutional Neural Network）-长短时记忆（LSTM,Long Short-Term Memory）模型的车辆悬挂系统故障识别方法。通过SIMPACK平台建立了包含悬挂系统的车辆-轨道耦合动力学模型,获得了车辆系统各部件在健康状态及各类故障状态下的振动信号;以与故障元件关联部件的振动加速度信号作为模型输入,通过构建的CNN-LSTM模型对时序信号进行特征提取和分类预测,进而实现对车辆悬挂系统的故障识别;通过构建不同工况的故障数据集对该方法进行评估。试验结果表明,该方法在速度等级相同的情况下,故障识别准确率可达98%;在速度等级不同的情况下,故障识别准确率可达99%,验证了该方法的有效性。     

基于灰色综合评估和PSO-BP的地铁车辆可靠性评价

为了更加科学地评价地铁车辆的可靠性状态,并依据评价结果指导车辆检修策略的调整,使上线车辆的可靠性处于可控状态,提出采用灰色综合评估和粒子群算法优化反向传播神经网络(PSO-BP)预测相结合,综合评价地铁车辆当前的可靠性状态。依据地铁车辆安全评价相关标准,确定地铁车辆可靠性状态评定等级、取值范围及对应状态。基于车辆各子系统当前故障数据分析获取各子系统可靠度及评分值,同时利用层次分析法确定各子系统所占车辆的权重,根据各子系统评分值及权重采用灰色综合评估法确定车辆不同可靠性等级的比重,对车辆可靠性状态进行预分析。利用BP神经网络和PSO-BP神经网络可靠度预测模型,根据历史故障数据对车辆各子系统的可靠度进行预测,并对比2种模型的预测精度。根据灰色综合评估法预分析结果和PSO-BP神经网络可靠度预测结果,综合评价车辆当前的可靠性状态。以上海地铁某车型为例,依据各子系统的故障数据进行算例分析及验证。研究结果表明:PSO-BP神经网络相比于BP神经网络预测的相对误差降低了4.39%,具有较好的预测精度。将灰色综合评估和PSO-BP预测相结合,可以更客观准确地评价地铁车辆当前可靠性状态,为深入开展轨道交通车辆的可靠性评价体系研究提供新方法与案例支持。     

电力机车变压器潜伏性故障的预测方法

通过大量气相色谱法测定电力机车牵引变压器潜伏性故障的数据统计分析，认为地面变压器故障判断方法及标准不完全适用于电力机车牵引变压器，为此提出了有关预测方法的几点改进意见。     

基于LSTM网络高速列车悬挂系统故障预测方法研究

高速列车悬挂系统安全性对于整车安全运行非常重要,对悬挂系统进行全生命周期状态监测以预测其故障成为不可忽略的研究内容。当高速列车悬挂系统发生机械故障时,产生振动加速度,信号呈现非线性、非平稳特征。文章提出一种基于LSTM网络的高速列车悬挂系统故障预测方法,通过SIMPACK建立某型号高速列车整车模型,获得重要部件在各健康状态下振动信号,以时域指标中均方根值和峰度值指标作为特征构建健康因子曲线,通过LSTM网络对时序数据进行分析预测,为高速列车悬挂系统故障预测提供可行方法,以期为减少悬挂系统故障提供新途径。     

基于超椭球Markov的列车控制中心剩余使用寿命预测

为研究设备可用度对列车控制中心（TCC,Train Control Center）的影响和预测TCC的剩余使用寿命（RUL,Remaining Useful Life）,降低TCC的故障发生率,确保车辆安全运行,构建TCC动态故障树模型。通过引入Markov理论,将其转化为Markov模型,设计了TCC可用度评估与RUL预测方法;考虑了TCC的失效率和共因失效,利用D-S(Dempster-Shafer)证据理论对失效数据作数据融合处理,得到TCC设备初始故障区间概率;在此基础上,采用超椭球模型约束设备初始故障区间概率,得到更加精确的底事件故障区间概率;画出Markov状态转移图,用矩阵推导出TCC可用度和RUL的函数关系式,且对可用度的计算还考虑了维修因素。以兰州—乌鲁木齐客运专线某TCC数据作为分析案例,用该方法计算TCC及其各设备的可用度,并预测TCC的RUL。结果表明：与通用方法相比,评估结果相同,但评估信息更丰富。     

基于状态维修的动车组关键部件寿命预测

随着社会科学技术的发展,动车组维修技术得到了提高,动车组运行时间越长相应的故障率也越高。通过状态维修策略中采集实时数据,与正常值进行对比,就可以发现非正常值,然后预测关键部件的寿命,使动车组达到最优状态。利用状态维修策略建立关键部件的寿命预测模型,通过MATLAB计算数据。结果表明,所研究的模型方法可用于故障性动车组将要运行时间的确定。     

基于递阶神经网络的轨道车辆振动状态预测

车体振动加速度是反映车辆振动状态及轮轨接触性能的重要参数。运用机器学习方法,结合车辆动力学模型,构建了轨道输入参数对车辆振动反映的神经网络预测模型。通过SIMPACK动力学仿真软件获得模型的输入与输出,为提高模型的预测精度,运用遍历法确定了网络的时延阶数、隐节点等模型参数。仿真结果表明,该模型可以准确预测出在不同轨道不平顺激励下的车体振动加速度。     

基于VMD-ICSO-GRU的高铁列控车载设备故障率时间序列预测

有效地预测高铁列控车载设备故障率对合理分配设备备品、制定维修计划、减少故障发生具有重要意义。以列车运行控制系统的历史故障数据为对象，提出一种基于变分模态分解(VMD)和门控循环单元(GRU)的故障率预测模型。首先，利用VMD将车载设备故障率时间序列分解为一组包含不同频率信息的子序列，降低原始序列的非平稳性；然后，针对分解后的各个子序列建立多个基于GRU的时间序列预测模型，为提高预测精度，提出一种改进的猫群优化(ICSO)算法自适应设置各个GRU网络参数；最后，叠加各子序列预测结果得到最终故障率预测值。收集CTCS3-300T型列控车载设备历史故障数据进行实验，结果表明，相比于其他时间序列预测模型，本文模型得到的均方根误差(RMSE)和平均绝对误差(MAE)分别为0.044 5和0.039 1,均低于其他模型，验证了其有效性。     

基于BP神经网络的动车组客室空调故障识别与预警研究

动车组客室空调良好的制冷效果是旅客舒适度和动车组稳定有序运行的重要保证,但客室空调故障的发生具有突发性和隐蔽性特点,给空调系统的日常检修维护带来极大困难。采用BP神经网络算法建立客室室温预测模型,并运用Matlab编程计算实现客室室温理论预测。根据预测模型在CRH380B(L)型动车组客室空调系统中的实际验证情况,制定客室空调故障识别与预警的阈值、规则和等级,为后期客室空调系统故障自动识别与预警系统的开发奠定基础,完善动车组客室空调故障识别和预警机制,对动车组客室空调故障的在线实时识别与潜在故障的预警具有重要意义。     

基于监督学习的轨道车辆车轴裂纹扩展预测方法研究

传统裂纹扩展分析需要精确的数学模型以及校准参数,但现实中的复杂形状裂纹扩展过程难以进行精准建模,而通过有限元软件对裂纹扩展过程进行分析需大量的运算时间。因此,文章提出了基于监督学习的轨道车辆车轴裂纹扩展方法,该方法无需进行数学建模,可通过结构健康监测数据以及初始裂纹数据直接预测裂纹的扩展趋势。经验证,该方法预测准确率较高,能够较好地拟合裂纹扩展趋势。     

城市轨道交通列车噪声预测模型研究

以已建立的城市轨道交通噪声预测模型为基础,提出改进的噪声预测模型。明确了各预测参数,采用对数回归关系确定了各影响因子与等效声级的关系。运用预测模型对长春轻轨噪声进行了预测。通过与实测结果进行比较,预测值与实际结果的误差<1dB(A),表明所提出的预测模型可精确反映长春轻轨的噪声级。     

基于AMESim的铁道车辆空气弹簧系统建模与仿真

空气弹簧对车辆运行的平稳性、稳定性、安全性具有较大影响,为提高车辆动力学分析的准确性,减小误差,改进空气弹簧的建模方法具有很大的必要性。文章提出一种利用AMESim软件的空气弹簧模型建模方法,该种方法方便、准确,模块化程度高,可使分析结果更加接近实际值,对提高车辆动力学分析的准确性具有一定实际意义;并详细介绍了利用AMESim中的组件模拟空气弹簧本体、差压阀和高度控制阀特性的方法。     

长梁山隧道F26断层施工超前地质预报

研究目的：在隧道施工中,准确预报施工前方地质条件,尤其是区域断层的规模、性质和影响范围,将影响施工质量、工期与安全。研究方法：在采用针对性地质调绘、掌子面素描、综合物探、水文长期观测等综合方法基础上,进行相关性分析。研究结果：采用节理相关性预报断层在洞内的出现里程位置,并推导出相关公式。研究结论：经施工验证F26断层采用的综合超前预报技术是合理的、有效的;运用节理相关性分析方法,预报了断层在洞内的出现里程位置;地质超前预报应针对地质特点,选取相应的预测预报技术。     

TSP203Plus超前地质预报系统在高竹顶隧道断层中的应用

研究目的:高竹顶隧道F1断层是一条规模较大的断层带,在隧道施工开挖过程中可能会对围岩稳定产生较大的影响,故在隧道开挖过程中对其开展超前地质预报.研究结论:(1)TSP203 plus是长距离地质预报系统,预报距离一般在100～150 m之间;(2)TSP203 plus超前地质预报能够快速、准确地对预测段作出判断,对隧...     

灰色预测法在城轨客流预测中的应用

选择灰色系统理论对城市轨道交通客流进行预测.此方法利用城市轨道交通客流量历史数据建立GM(1,1)模型群,对模型群中的各个模型进行精度检验,选取其中精度较高的模型对客流进行预测.     

基于径向基函数神经网络的轨道交通车辆振动状态预测

通过遗传算法优化径向基函数神经网络的中心、宽度及权重等参数,构建车辆振动神经网络预测模型。通过42自由度车辆多体动力学模型,以某线路实测轨道不平顺数据作为输入,得到车辆振动加速度数据。通过训练与优化,构建的车辆振动预测模型能预测车体振动加速度变化趋势。