基于神经网络的道岔智能故障诊断方法的研究

论文摘要

随着铁路运行速度的逐年攀升,较快的列车运行速度对道岔提出了更加严格的要求。本论文是道岔监测系统项目的一个子课题,是在道岔监测系统提供的大量道岔状态数据的基础上,应用神经网络对道岔进行智能故障诊断。本文是对道岔智能故障诊断的一次初步尝试,目的是给道岔监测系统的故障诊断功能提供一种可行性实现方法。论文首先介绍神经网络的定义和原理,并分别的从两个典型神经网络——反向传播神经网络（BP神经网络）和径向基神经网络（RBF神经网络）两方面详细阐述了网络的构造,学习算法及其应用。随后,为了方便构造神经网络系统,在介绍道岔转换系统结构的基础上,分析各种典型故障的机理,对杂乱无章的各种故障进行了统一分类,并系统地介绍提供各种道岔监测数据的道岔监测系统。最后,运用MATLAB分别构造BP神经网络模型和RBF神经网络模型。多次测试后,对网络性能进行对比研究,发现诊断结果基本达到预期的诊断要求,完成了道岔智能故障诊断的理论研究。本文重点在以下几个方面进行探索与研究：按照道岔故障机理和神经网络结构特性,把道岔故障分为三类,每类构造一个子神经网络,总体组建成一个并行神经网络系统框架。选择最优BP算法。对某个子神经网络构造BP神经网络模型,应用多种常见BP算.法分别对网络训练并测试,从测试结果中获得每种BP算法的优势和劣势。设计基于BP算法的并行神经网络故障诊断模型。针对于每一个子神经网络,利用经验公式得出隐含层神经元个数的最小范围,然后在最小范围内对隐含层神经元个数逐个尝试,分析不同隐含层节点数对网络性能的影响,采用Levenberg-Marquart算法构造最优BP神经网络。然后训练网络并进行故障诊断测试。设计基于RBF算法的并行神经网络故障诊断模型。针对于每一个子神经网络,通过多次试验获取隐含层神经元个数和径向基分布密度的最优值并构造性能最佳的RBF神经网络,然后训练网络并进行故障诊断测试。通过一系列理论研究和大量仿真试验证明：神经网络技术运用在道岔智能故障诊断方面是切实可行的。该方法能快速、有效地诊断出故障原因,为维修人员提供技术支持。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究的意义
• 1.2 故障诊断概述
• 1.2.1 故障诊断的基本概念
• 1.2.2 故障诊断的方法
• 1.3 课题研究的主要内容及目标
• 1.3.1 课题背景
• 1.3.2 论文主要内容
• 2 神经网络基本原理
• 2.1 信息融合技术概述
• 2.2 神经元的模型
• 2.3 神经元的传递函数
• 2.4 神经网络的分类
• 2.4.1 前向神经网络
• 2.4.2 反馈神经网络
• 2.5 神经网络的学习模型
• 2.5.1 有导师学习
• 2.5.2 无导师学习
• 2.6 神经网络的特点和功能
• 2.7 BP神经网络和RBF神经网络
• 2.7.1 BP神经网络
• 2.7.2 RBF神经网络
• 3 常见道岔故障和道岔监测系统
• 3.1 道岔转换系统的基本组成及其常见故障
• 3.1.1 电气设备的基本组成及其常见故障
• 3.1.2 机械设备的基本组成及其常见故障
• 3.2 道岔监测系统
• 3.2.1 道岔监测系统概况
• 3.2.2 道岔监测系统架构
• 3.2.3 道岔监测系统软件架构
• 4 基于神经网络的道岔智能故障诊断方法的研究与实现
• 4.1 BP神经网络的设计
• 4.1.1 输入/输出层的设计
• 4.1.2 样本的选取与处理
• 4.1.3 初始权值的选择
• 4.1.4 隐含层数和隐含层节点数的确定
• 4.1.5 BP神经网络的训练与测试
• 4.2 RBF神经网络的设计
• 4.2.1 RBF子神经网络1的训练与测试
• 4.2.2 RBF子神经网络2的训练与测试
• 4.2.3 RBF子神经网络3的训练与测试
• 4.3 算法讨论
• 结论
• 参考文献
• 攻读学位期间的研究成果