道岔故障诊断方法研究
摘要 | 第3-4页 |
Abstract | 第4页 |
1 绪论 | 第11-17页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 道岔监测系统研究现状 | 第12-13页 |
1.2.2 道岔故障诊断研究现状 | 第13-15页 |
1.3 本文主要研究内容 | 第15-17页 |
2 道岔的工作原理及故障模式 | 第17-33页 |
2.1 道岔结构组成 | 第17页 |
2.2 道岔机械装置 | 第17-18页 |
2.3 道岔控制电路 | 第18-20页 |
2.4 道岔执行机构 | 第20-25页 |
2.4.1 ZD6系列电动转辙机结构与传动原理 | 第20-24页 |
2.4.2 道岔工作过程 | 第24-25页 |
2.5 道岔故障及原因分析 | 第25-32页 |
2.5.1 道岔故障分类 | 第26-27页 |
2.5.2 道岔常见故障模式、特征及原因分析 | 第27-31页 |
2.5.3 故障诊断类型总结 | 第31-32页 |
2.6 本章小结 | 第32-33页 |
3 道岔运转信号采集系统设计 | 第33-48页 |
3.1 系统需求分析 | 第33页 |
3.2 系统硬件设计 | 第33-38页 |
3.2.1 硬件总体设计 | 第33-35页 |
3.2.2 数据采集板卡选型 | 第35-36页 |
3.2.3 传感器选型 | 第36-38页 |
3.3 系统软件设计 | 第38-44页 |
3.3.1 软件开发环境介绍 | 第38-39页 |
3.3.2 系统软件总体设计 | 第39-40页 |
3.3.3 数据采集模块 | 第40-43页 |
3.3.4 数据存储模块 | 第43页 |
3.3.5 数据显示模块 | 第43-44页 |
3.4 现场信号采集 | 第44-47页 |
3.5 本章小结 | 第47-48页 |
4 基于DWT和C-SVM的道岔故障诊断方法 | 第48-68页 |
4.1 K-Means聚类分析 | 第48-50页 |
4.1.1 聚类分析介绍 | 第48页 |
4.1.2 K-Means算法基本原理 | 第48-49页 |
4.1.3 评价指标 | 第49-50页 |
4.2 小波变换理论 | 第50-53页 |
4.2.1 小波基函数 | 第50-52页 |
4.2.2 小波基选择原则 | 第52页 |
4.2.3 离散小波变换 | 第52-53页 |
4.3 支持向量机 | 第53-56页 |
4.3.1 支持向量机基本原理 | 第53-55页 |
4.3.2 C-SVM基本原理 | 第55页 |
4.3.3 SVM多分类算法 | 第55-56页 |
4.4 基于DWT和C-SVM的道岔故障诊断实现 | 第56-57页 |
4.5 实验分析 | 第57-67页 |
4.5.1 信号选择 | 第57-60页 |
4.5.2 故障特征提取 | 第60-62页 |
4.5.3 故障识别及结果分析 | 第62-67页 |
4.6 本章小结 | 第67-68页 |
5 基于定性趋势分析的道岔故障诊断方法 | 第68-87页 |
5.1 定性趋势分析 | 第68-69页 |
5.1.1 定性趋势分析简介 | 第68页 |
5.1.2 基于QTA的故障诊断技术 | 第68-69页 |
5.2 趋势语言 | 第69-71页 |
5.2.1 三角片断趋势语言 | 第69页 |
5.2.2 基元趋势描述语言 | 第69-71页 |
5.3 趋势提取技术 | 第71-76页 |
5.3.1 趋势提取技术研究现状 | 第71-72页 |
5.3.2 区间半分法 | 第72-76页 |
5.4 趋势匹配技术 | 第76-78页 |
5.4.1 趋势匹配技术简介 | 第76-77页 |
5.4.2 基于模糊逻辑的趋势匹配技术 | 第77-78页 |
5.5 基于定性趋势分析的道岔故障诊断实现 | 第78-80页 |
5.6 实验分析 | 第80-86页 |
5.6.1 建立故障知识规则库 | 第80-83页 |
5.6.2 故障趋势匹配 | 第83-85页 |
5.6.3 故障匹配及结果分析 | 第85-86页 |
5.7 本章小结 | 第86-87页 |
6 结论与展望 | 第87-89页 |
6.1 全文总结 | 第87-88页 |
6.2 研究展望 | 第88-89页 |
致谢 | 第89-90页 |
参考文献 | 第90-95页 |
附录 | 第95页 |