扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
湖南省志(1978-2002)?铁路志
-
>
公路车宝典(ZINN的公路车维修与保养秘籍)
-
>
晶体管电路设计(下)
-
>
基于个性化设计策略的智能交通系统关键技术
-
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移
-
>
花样百出:贵州少数民族图案填色
-
>
识木:全球220种木材图鉴
基于数据驱动的高速列车转向架故障诊断 版权信息
- ISBN：9787030683519
- 条形码：9787030683519 ; 978-7-03-068351-9
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
基于数据驱动的高速列车转向架故障诊断 内容简介
本书系统阐述高速列车转向架故障诊断相关方法的理论基础及实践应用。全书共6章，章主要介绍转向架的基础知识以及国内外故障诊断方法的研究现状。第2～5章主要介绍不同类型的转向架故障诊断方法，分别从信号处理、深度学习、复合模型的角度开展转向架高精度智能故障诊断研究。第6章从转向架智能协同故障诊断、多源振动耦合关系下的故障诊断以及面向嵌入式应用和在线运行的故障诊断三个角度展望了转向架故障诊断方法。 本书可供从事机械振动部件故障诊断研究的相关专业院校与科研机构的研究生和研究人员查阅、参考。
基于数据驱动的高速列车转向架故障诊断 目录
目录
第1章 绪论 1
1.1 高速列车转向架 3
1.1.1 转向架基本知识 3
1.1.2 高速列车转向架故障及性能退化 6
1.2 国内外研究现状 9
1.2.1 故障诊断研究现状 9
1.2.2 高速列车转向架故障诊断研究现状 20
1.3 本书内容构架 22
参考文献 23
第2章 基于信号处理的转向架故障诊断 38
2.1 机械故障信号常规特征参数 38
2.1.1 时域特征 38
2.1.2 频域特征 44
2.1.3 时频域特征 46
2.2 信息测度理论体系 51
2.2.1 信息熵测度指标 51
2.2.2 复杂度指标 52
2.3 基于小波信息熵的转向架故障特征分析 53
2.3.1 小波信息熵理论基础 53
2.3.2 转向架故障信号小波信息熵特征提取 54
2.3.3 高速列车转向架故障诊断 59
2.4 基于经验模态熵的转向架故障特征分析 62
2.4.1 聚合经验模态分解理论 62
2.4.2 经验模态能量矩特征提取 66
2.4.3 经验模态熵特征提取 68
2.4.4 经验模态复杂度特征提取 74
2.5 转向架性能退化的关联信息测度特征分析 82
2.5.1 转向架性能退化估计方法 82
2.5.2 互相关样本熵 82
2.6 基于复合特征分析模型的转向架故障诊断 85
2.6.1 复合信息测度模型 85
2.6.2 多准则特征选择 87
2.6.3 流形二次特征降维 91
参考文献 95
第3章 基于卷积神经网络的转向架故障诊断 97
3.1 卷积神经网络模型概述 97
3.2 基于一维卷积神经网络的转向架故障分类 102
3.2.1 一维卷积神经网络模型 102
3.2.2 故障分类实验结果分析 106
3.3 基于胶囊神经网络的转向架故障分类 109
3.3.1 胶囊神经网络模型 109
3.3.2 故障分类实验结果分析 112
3.4 基于RSNet卷积神经网络的转向架故障诊断 116
3.4.1 RSNet卷积神经网络模型 116
3.4.2 故障分类实验结果分析 118
3.4.3 故障定位实验结果分析 122
参考文献 123
第4章 基于递归神经网络的转向架故障诊断 124
4.1 递归神经网络模型概述 124
4.1.1 循环神经网络 124
4.1.2 长短期记忆网络 125
4.2 基于LSTM的转向架故障分类 127
4.2.1 LSTM网络模型 127
4.2.2 故障分类实验结果分析 128
4.2.3 对比实验结果分析 130
4.2.4 数据特征扩展及鲁棒性验证 133
4.3 基于LSTM的转向架部件参数蜕变拟合 138
4.3.1 部件参数蜕变拟合实验设计 138
4.3.2 固定行车速度的单通道部件参数蜕变拟合分析 141
4.3.3 固定行车速度的全通道部件参数蜕变拟合分析 149
4.4 基于GRU网络的转向架故障分类 154
4.4.1 GRU网络模型 154
4.4.2 故障分类实验结果分析 155
4.4.3 部件性能退化程度实验结果分析 156
4.4.4 对比实验结果分析——极限梯度提升(XGBoost) 157
参考文献 159
第5章 基于复合模型的转向架故障诊断 161
5.1 基于卷积循环神经网络的转向架故障分类 161
5.1.1 卷积循环神经网络模型 161
5.1.2 消融实验 166
5.1.3 与机器学习算法的对比实验 166
5.1.4 与深度学习算法的对比实验 169
5.2 基于多重卷积循环神经网络的转向架故障分类与性能退化评估 171
5.2.1 多重卷积循环神经网络模型 172
5.2.2 消融实验 173
5.2.3 对比实验结果分析 176
5.2.4 泛化性能结果分析 177
5.3 基于双域融合DenseNet的转向架故障诊断 179
5.3.1 DenseNet模型 179
5.3.2 双域融合网络模型结构 180
5.3.3 实验数据及流程 182
5.3.4 故障分类实验结果分析 184
5.3.5 故障定位实验结果分析 188
5.3.6 基于分类算法的转向架性能退化评估 189
5.4 基于ICEEMDAN和1D-CNN的转向架故障诊断 191
5.4.1 ICEEMDAN和1D-CNN模型 191
5.4.2 故障分类实验结果分析 196
5.4.3 故障定位实验结果分析 199
参考文献 203
第6章 未来展望 205
6.1 基于复合神经网络的转向架智能协同故障诊断 205
6.1.1 高速列车转向架的多传感器优化布局 206
6.1.2 高速列车转向架智能协同一次诊断 206
6.1.3 高速列车转向架智能协同二次诊断 207
6.2 前转向架-车体-后转向架耦合振动机理分析及故障诊断 207
6.2.1 前转向架-车体-后转向架耦合振动机理分析 207
6.2.2 前后转向架多源振动信号分离与识别 208
6.2.3 多源振动耦合关系下转向架故障诊断 208
6.3 面向转向架在线故障诊断的神经网络泛化和轻量化 209
6.3.1 面向多速度、多车型、多轨道的转向架故障诊断模型泛化 209
6.3.2 面向嵌入式应用的转向架故障诊断模型轻量化 209
6.3.3 面向在线运行的高速列车转向架故障诊断模型融合 210
第1章 绪论 1
1.1 高速列车转向架 3
1.1.1 转向架基本知识 3
1.1.2 高速列车转向架故障及性能退化 6
1.2 国内外研究现状 9
1.2.1 故障诊断研究现状 9
1.2.2 高速列车转向架故障诊断研究现状 20
1.3 本书内容构架 22
参考文献 23
第2章 基于信号处理的转向架故障诊断 38
2.1 机械故障信号常规特征参数 38
2.1.1 时域特征 38
2.1.2 频域特征 44
2.1.3 时频域特征 46
2.2 信息测度理论体系 51
2.2.1 信息熵测度指标 51
2.2.2 复杂度指标 52
2.3 基于小波信息熵的转向架故障特征分析 53
2.3.1 小波信息熵理论基础 53
2.3.2 转向架故障信号小波信息熵特征提取 54
2.3.3 高速列车转向架故障诊断 59
2.4 基于经验模态熵的转向架故障特征分析 62
2.4.1 聚合经验模态分解理论 62
2.4.2 经验模态能量矩特征提取 66
2.4.3 经验模态熵特征提取 68
2.4.4 经验模态复杂度特征提取 74
2.5 转向架性能退化的关联信息测度特征分析 82
2.5.1 转向架性能退化估计方法 82
2.5.2 互相关样本熵 82
2.6 基于复合特征分析模型的转向架故障诊断 85
2.6.1 复合信息测度模型 85
2.6.2 多准则特征选择 87
2.6.3 流形二次特征降维 91
参考文献 95
第3章 基于卷积神经网络的转向架故障诊断 97
3.1 卷积神经网络模型概述 97
3.2 基于一维卷积神经网络的转向架故障分类 102
3.2.1 一维卷积神经网络模型 102
3.2.2 故障分类实验结果分析 106
3.3 基于胶囊神经网络的转向架故障分类 109
3.3.1 胶囊神经网络模型 109
3.3.2 故障分类实验结果分析 112
3.4 基于RSNet卷积神经网络的转向架故障诊断 116
3.4.1 RSNet卷积神经网络模型 116
3.4.2 故障分类实验结果分析 118
3.4.3 故障定位实验结果分析 122
参考文献 123
第4章 基于递归神经网络的转向架故障诊断 124
4.1 递归神经网络模型概述 124
4.1.1 循环神经网络 124
4.1.2 长短期记忆网络 125
4.2 基于LSTM的转向架故障分类 127
4.2.1 LSTM网络模型 127
4.2.2 故障分类实验结果分析 128
4.2.3 对比实验结果分析 130
4.2.4 数据特征扩展及鲁棒性验证 133
4.3 基于LSTM的转向架部件参数蜕变拟合 138
4.3.1 部件参数蜕变拟合实验设计 138
4.3.2 固定行车速度的单通道部件参数蜕变拟合分析 141
4.3.3 固定行车速度的全通道部件参数蜕变拟合分析 149
4.4 基于GRU网络的转向架故障分类 154
4.4.1 GRU网络模型 154
4.4.2 故障分类实验结果分析 155
4.4.3 部件性能退化程度实验结果分析 156
4.4.4 对比实验结果分析——极限梯度提升(XGBoost) 157
参考文献 159
第5章 基于复合模型的转向架故障诊断 161
5.1 基于卷积循环神经网络的转向架故障分类 161
5.1.1 卷积循环神经网络模型 161
5.1.2 消融实验 166
5.1.3 与机器学习算法的对比实验 166
5.1.4 与深度学习算法的对比实验 169
5.2 基于多重卷积循环神经网络的转向架故障分类与性能退化评估 171
5.2.1 多重卷积循环神经网络模型 172
5.2.2 消融实验 173
5.2.3 对比实验结果分析 176
5.2.4 泛化性能结果分析 177
5.3 基于双域融合DenseNet的转向架故障诊断 179
5.3.1 DenseNet模型 179
5.3.2 双域融合网络模型结构 180
5.3.3 实验数据及流程 182
5.3.4 故障分类实验结果分析 184
5.3.5 故障定位实验结果分析 188
5.3.6 基于分类算法的转向架性能退化评估 189
5.4 基于ICEEMDAN和1D-CNN的转向架故障诊断 191
5.4.1 ICEEMDAN和1D-CNN模型 191
5.4.2 故障分类实验结果分析 196
5.4.3 故障定位实验结果分析 199
参考文献 203
第6章 未来展望 205
6.1 基于复合神经网络的转向架智能协同故障诊断 205
6.1.1 高速列车转向架的多传感器优化布局 206
6.1.2 高速列车转向架智能协同一次诊断 206
6.1.3 高速列车转向架智能协同二次诊断 207
6.2 前转向架-车体-后转向架耦合振动机理分析及故障诊断 207
6.2.1 前转向架-车体-后转向架耦合振动机理分析 207
6.2.2 前后转向架多源振动信号分离与识别 208
6.2.3 多源振动耦合关系下转向架故障诊断 208
6.3 面向转向架在线故障诊断的神经网络泛化和轻量化 209
6.3.1 面向多速度、多车型、多轨道的转向架故障诊断模型泛化 209
6.3.2 面向嵌入式应用的转向架故障诊断模型轻量化 209
6.3.3 面向在线运行的高速列车转向架故障诊断模型融合 210
展开全部
基于数据驱动的高速列车转向架故障诊断 节选
第1章 绪论 近年来，我国在高速铁路基础设施建设、高速动车组设计制造领域均实现了一系列重大科技创新，并得到了国际上广泛认可。目前，中国已经建成世界上规模*大、运营速度*快的高速铁路网。时至今日，大力发展高速铁路仍是我国经济、社会乃至攸关国家安全的重大战略需求，是《中国制造2025》《“十三五”国家科技创新规划》《推进“一带一路”建设科技创新合作专项规划》《中长期铁路网规划(2016—2025)》等行动纲领、路线规划的重要支撑。从1997年至2007年，经过十年的发展，我国已经形成了“四纵四横”的高速铁路网。现阶段，我国正在紧锣密鼓地实施“八纵八横”的宏伟蓝图，截至2020年底，我国高速铁路营业里程将突破3.9万km。到2030年，高速铁路将覆盖到全国各个城市，“八纵八横”预计完工，真正实现全国高速铁路化[1]。中国不同车型的高速列车如图1-1所示。 图1-1 中国不同车型的高速列车 **排为“和谐号”列车，第二排为“复兴号”列车 1964年，全世界首条真正意义上的高速铁路——连接日本东京与大阪的东海道新干线建成通车，“子弹头”高速列车Shinkansen的*高速度可达210km/h，刷新了当时列车在轨运行的*快纪录，开创了高速列车从无到有的新纪元[2]。高速列车以其灵活、高效、可靠、舒适等特点备受世界铁路运输的青睐。20世纪90年代，我国开始提出兴建高速铁路，从1990年至2007年，不断引进德国、日本、法国动车组技术并经历了五次全国铁路大提速；2008年，依托科技部和铁道部联合签署的《中国高速列车自主创新联合行动计划》，国内多家科研院所、高校等开展了高速列车自主创新研究，并成功研发了CRH系列；2017年，具有完全自主知识产权的“复兴号”动车组研制成功，并且在6月26日，速度高达350km/h的“复兴号”在京沪高速铁路正式双向首发，标志着中国高速列车系统的设计、制造、实验及评估技术均达到国际领先水平。随着高速铁路运营里程的高速增长和运行时速的持续提高，开展高速列车安全运维研究，监测并评估高速列车的服役状态，预防或减少安全事故发生，已成为高速铁路科技发展的当务之急。 高速列车利用二级悬挂系统，保障高速列车的稳定运行，其结构如图1-2所示。作为连接车体和轨道之间的唯一结构，转向架不仅负责支撑车身，隔离由车轮上的轨道不平整产生的力，还负责控制车身相对于轨道表面的高度，以保证乘客乘坐时具有良好的舒适性。所以，转向架的可靠性对高速列车的安全性和舒适性至关重要。 图1-2 高速列车二级悬挂系统 1-二系悬挂装置 2-一系悬挂装置 3-转向架构架 4-轮对 影响高速列车安全运行的因素具有复杂关联关系，其中，部件磨耗、异常振动等对高速列车运行安全的影响尤为严重。在故障影响因素长期耦合作用下，转向架出现性能退化及完全故障，直接影响高速列车的运行品质，进而导致安全事故发生[3，4]。作为高速列车安全运维技术的关键手段，研究高速列车转向架故障识别及性能退化评估的监测评估方法，正是目前关注的重点[5-8]。其中，高速列车服役状态评估又是安全运维技术的核心技术。如何利用海量监测数据分析高速列车运行状态，掌握高速列车故障状态和性能退化的关联关系，成为亟待解决的研究难点[9]。由此，也产生许多值得深入研究的问题。 1)多源异构数据的信息处理问题 高速列车安全运维系统可以获取海量的监测数据，其中高速列车动力学参数众多[10]。转向架的故障模态和性能退化之间关系复杂，如何从多源异构数据中提取稳定的故障特征，以辅助监测数据与故障状态及性能参数的动态演变关系建立，实现列车转向架关键部件的故障识别，成为处理时的难点问题。 2)复合故障模态的反演识别问题 基于历史监测数据反演识别高速列车的运行工况，分析影响转向架性能状态的信息特征，评估高速列车安全运行状态，实现基于大数据的高速列车故障诊断[11]。监测数据的信息量丰富，扰动因素众多，且故障模态与性能退化之间相互关联耦合。如何在运行工况、多轨道激励的影响下分析高速列车复合故障模态特征，并依据故障特征进行复合故障模态的反演识别，是该研究的关键问题。 3)故障模态及性能退化之间的复杂关联关系 目前，转向架故障模态与性能退化之间的复杂机理关系尚不明确，在高速列车性能退化评估领域的研究较少。如何基于历史监测数据提取故障模态及性能退化特征，评估高速列车运行性能，是极具挑战性的科学问题。基于海量监测数据揭露高速列车性能退化机理，挖掘性能退化特征，研究转向架故障状态的变化规律，预防潜隐故障发生。 1.1 高速列车转向架 转向架作为连接车体与轨道的唯一走行部件，是高速列车重要的组成部分。转向架可以吸收和减少由轨道不平顺和轮轨磨耗产生的振动，因此其机械性能对高速列车的安全可靠性有着显著影响。中国高速列车运营系统具有超长距离、较高速度、持续运行等特点，转向架经受轴箱磨耗加快、耦合振动加剧、性能退化频繁等众多因素影响，使得转向架故障诊断的复杂性和特殊性较高。为了保证列车的运行品质，研究转向架系统的故障诊断问题，提高高速列车系统可靠性，对于确保高速列车安全运行尤为重要。 1.1.1 转向架基本知识 高速列车作为铁路运输的重要工具，首先必须尽量保证它的安全运行。影响高速列车安全平稳运行的因素众多，其中*重要的因素就是高速列车的转向架故障。转向架作为高速列车走行部件的核心部分，在为高速列车提供动力的同时负载着整车的重量，是高速列车的基石。因而，了解、分析高速列车转向架的振动特性对确定高速列车故障诊断的策略具有至关重要的意义。图1-3是高速列车转向架的主要结构，包括轮对和轴箱、转向架构架、基础制动装置、牵引驱动装置、一系悬挂装置及二系悬挂装置。 图1-3 高速列车转向架的主要结构 各部件作用如下： (1)轮对和轴箱。轮对承担高速列车车身的载荷，通过轮轨之间的黏着产生牵引力和制动力，保证高速列车在钢轨上的正常运行。轴箱在轮对和转向架构架之间，有着承上启下的作用，不仅能够保证轮对的回转，还可以辅助轮对进行上下、左右、前后运动。 (2)转向架构架。转向架构架都是由耐腐蚀材料铸成的，主要用来联系转向架各组成部分和传递各方向的力，并用来保持车轴在转向架内的位置。 (3)基础制动装置。基础制动装置把充入制动缸的压缩空气在活塞上产生的推动力经杠杆系统放大后均匀地传给各个闸瓦，使之压紧车轮和制动盘，从而产生制动作用。 (4)牵引驱动装置。牵引驱动装置主要由牵引电机和齿轮箱构成，向轮对传输动力。 (5)一系悬挂装置。一系悬挂装置能有效抑制车体的振动，缓和轮轨之间的相互作用力。 (6)二系悬挂装置。二系悬挂装置主要用来传递列车车体与转向架之间的垂向力、纵向力和横向力，实现转向架与车体之间的弹性连接，保证列车运行时的安全性和舒适性。 转向架各部件性能直接影响列车系统运行的舒适性、可靠性和安全性。在这个多体系统中，每个部件都具有6个自由度，因此一个拖车车辆系统的自由度至少有42个。转向架系统的自由度越高，在建立状态空间模型时，状态向量就越多，计算量也就越大，解析模型的计算结果收敛就越难。因此，针对基于解析模型的高速列车转向架故障诊断，需要考虑建立一个高效、低维的状态空间模型，以提高计算效率且保证能够准确地表示转向架系统的故障特征。 图1-4为转向架的动力学模型简图，中国CRH系列高速动车组上安装的减振器以油压减振器为主，其中二系悬挂装置连接车体与转向架，缓冲外界异常振动与干扰。 图1-4 转向架的动力学模型简图 二系悬挂装置通常包括横向减振器(lateral damper，LD)、空气弹簧(air spring，AS)和抗蛇行减振器(anti-yaw damper，AD)等。各部件的具体作用如下： (1)横向减振器。横向减振器位于车体和转向架构架之间，如图1-5(a)所示。单转向架上含有两个横向减振器，分别安装在中央牵引拉杆座与转向架构架横梁连接梁间的前后部位，方位上呈横向布置。其作用是抑制转向架和车体间的相对横向运动，并衰减转向架的垂直作用力，从而提高高速列车横向平稳性及乘坐舒适度。 (2)空气弹簧。空气弹簧安装在车体和转向架构架的连接处，位于转向架构架纵向两端，如图1-5(b)所示。空气弹簧由气囊和附加橡胶弹簧组合而成，提供三向刚度，主要抑制转向架和车体之间的相对垂向运动，以衰减转向架向车体传递的垂向振动能量，提高车辆垂向平稳性和乘坐舒适度。 图1-5 转向架二系悬挂装置各部件模型图 (3)抗蛇行减振器。抗蛇行减振器安装在转向架两侧，如图1-5(c)所示。每台转向架安装两对四个抗蛇行减振器。抗蛇行减振器主要抑制列车在高速运行中产生的蛇行运动(图1-6)，可以有效防止列车蛇行失稳。抗蛇行减振器安装在转向架构架外侧，方位上呈纵向布置，因此也称为纵向减振器。其主要减振原理是利用工作液的阻尼力所做的功来吸收蛇行振动所产生的能量。 图1-6 蛇行运动 1.1.2 高速列车转向架故障及性能退化 转向架的工作环境恶劣，长期暴露在外部，常会遭受雨水和沙尘侵蚀，或会受到外力撞击。转向架故障可能会使得车辆的振动加剧，影响到车辆的乘坐舒适度，严重时，甚至会导致车辆转向架上的空气弹簧漏气及减振器部件的开裂漏油。转向架故障大部分属于潜隐故障，无法从外观上进行判断。常见的转向架故障表现形式如图1-7所示，包括减振器部件故障(横向减振器故障、空气弹簧故障、抗蛇行减振器故障)、轮对踏面故障、轮对轴承故障及转向架构架故障。不同的部件，其发生故障的原因及形式都不相同，下面将详细叙述常见的6种故障形式。 1)横向减振器故障 车辆横向平稳性主要取决于二系横向刚度和二系横向减振器阻尼，在车辆系统没有失稳时，主要依靠合理选取二系阻尼参数来改善车辆的横向平稳性[12]。增大二系阻尼能够有效抑制车体的低频横向振动，但是二系阻尼过大，车体的高频振动反而会加剧。横向减振器一般为液压式，减振器裂纹和漏油是比较常见的故障，图1-7(a)为横向减振器出现裂纹故障，横向减振器的性能退化或者失效都将降低高速列车运行的稳定性，甚至导致高速列车横向失稳[13]。
基于数据驱动的高速列车转向架故障诊断 作者简介
黄德青，西南交通大学教授，博士生导师。2002年毕业于四川大学数学专业；2007年获四川大学应用数学专业理学博士学位；2011年获新加坡国立大学控制科学与工程专业工学博士学位；2010-2013年于新加坡国立大学从事博士后研究（Research Fellow）；2013-2016年于英国伦敦帝国理工学院从事博士后研究（Research Associate）；2016年1月加入西南交通大学，任系主任、国家品质专业负责人。四川省杰出青年基金获得者、四川省“QR计划”特聘专家、四川省学术和技术带头人后备人选，主要从事列车智能控制和运维等方面研究。曾先后主持高铁联合基金重点项目、国家自然科学基金面上项目、应急项目等纵横项目10余项。在IEEE汇刊等靠前期刊杂志和会议上合作发表论文120余篇，相关会议论文获得第十三届靠前控制与系统大会杰出论文奖、第九届IEEE数据驱动与学习系统会议很好论文奖。
书友推荐
本类畅销
-
中国传统民俗文化:建筑系列:中国古代桥梁
¥19.6¥58 -
渡河工程
¥20.2¥60 -
图说摩托车维修
¥60¥82 -
北京高速公路建设实录
¥122.4¥360 -
路文化
¥22.1¥66 -
河北高速公路建设实录
¥163.2¥480
