[碩士]基于神經網絡的道岔智能故障診斷方法的研究

內容簡介

　　隨著鐵路運行速度的逐年攀升，較快的列車運行速度對道岔提出了更加嚴格的要求。本論文是道岔監(jiān)測系統(tǒng)項目的一個子課題，是在道岔監(jiān)測系統(tǒng)提供的大量道岔狀態(tài)數據的基礎上，應用神經網絡對道岔進行智能故障診斷。本文是對道岔智能故障診斷的一次初步嘗試，目的是給道岔監(jiān)測系統(tǒng)的故障診斷功能提供一種可行性實現(xiàn)方法?！　≌撐氖紫冉榻B神經網絡的定義和原理，并分別的從兩個典型神經網絡——反向傳播　　神經網絡(BP神經網絡)和徑向基神經網絡(ImF神經網絡)兩方面詳細闡述了網絡的構造，學習算法及其應用。隨后，為了方便構造神經網絡系統(tǒng)，在介紹道岔轉換系統(tǒng)結構的基礎上，分析各種典型故障的機理，對雜亂無章的各種故障進行了統(tǒng)一分類，并系統(tǒng)地介紹提供各種道岔監(jiān)測數據的道岔監(jiān)測系統(tǒng)。最后，運用IvIATLAB分別構造BP神經網絡模型和RBF神經網絡模型。多次測試后，對網絡性能進行對比研究，發(fā)現(xiàn)診斷結果基本達到預期的診斷要求，完成了道岔智能故障診斷的理論研究?！　”疚闹攸c在以下幾個方面進行探索與研究：　　按照道岔故障機理和神經網絡結構特性，把道岔故障分為三類，每類構造一個子神　　經網絡，總體組建成一個并行神經網絡系統(tǒng)框架?！　∵x擇最優(yōu)BP算法。對某個子神經網絡構造BP神經網絡模型，應用多種常見BP算法分別對網絡訓練并測試，從測試結果中獲得每種BP算法的優(yōu)勢和劣勢。　　設計基于BP算法的并行神經網絡故障診斷模型。針對于每一個子神經網絡，利用　　經驗公式得出隱含層神經元個數的最小范圍，然后在最小范圍內對隱含層神經元個數逐個嘗試，分析不同隱含層節(jié)點數對網絡性能的影響，采用I，ev叻berg-Marqu礬算法構造最優(yōu)BP神經網絡。然后訓練網絡并進行故障診斷測試。　　設計基于RBF算法的并行神經網絡故障診斷模型。針對于每一個子神經網絡，通過多次試驗獲取隱含層神經元個數和徑向基分布密度的最優(yōu)值并構造性能最佳的RBF　　神經網絡，然后訓練網絡并進行故障診斷測試。　　通過一系列理論研究和大量仿真試驗證明：神經網絡技術運用在道岔智能故障診斷　　方面是切實可行的。該方法能快速、有效地診斷出故障原因，為維修人員提供技術支持。

專題推薦