基于频率切片小波变换的轨道列车轮对振动信号分析

为了提取轨道列车轮对振动特征信息,提出一种基于频率切片小波变换的故障特征提取方法。首先,利用频率切片小波变换获取振动信号在全频带的时频分布;然后,依据得到的振动信号能量分布特点选择时频目标区域;接着,分割出含有故障特征的时频区域;最后,通过逆变换对目标区域的信号分量进行重构,分离出有效的信号时频特征。仿真结果表明,利用频率切片小波变换分离轮对振动信号时频特征效果较好,为轨道列车轮对振动信号时频特征精确提取提供一种新的方法。

基于改进NARX神经网络的接触线表面不平顺与弓网接触力关联分析方法

建立弓网耦合动力学模型,采用软件MATLAB的Simulink模块对该模型进行动态仿真,获取接触线表面不平顺和弓网接触力数据;对接触线表面不平顺和弓网接触力数据进行归一化处理后,分别作为非线性自回归(NARX)神经网络的输入和输出;对传统的贝叶斯正则化算法进行改进,并采用改进的贝叶斯正则化算法进行NARX神经网络权值修正,得到改进的NARX(NARX—IR)神经网络方法;利用NARX—IR神经网络方法进行接触线表面不平顺与弓网接触力的关联分析。采用根均方误差和相关系数,对基于LM算法的BP(BP—LM)神经网络方法、基于传统贝叶斯正则化算法的NARX(NARX—BR)神经网络方法和NARX—IR神经网络方法进行性能评价。结果表明:BP—LM神经网络方法难以描述接触线表面不平顺与弓网接触力的复杂关联关系;不论在训练还是预测中,NARX—IR神经网络方法的根均方误差均小于NARX—BR神经网络方法,而相关系数则大于NARX—BR神经网络方法。由此可推断:NARX—IR神经网络方法更适合于分析接触线表面不平顺与弓网接触力的关联关系。

基于RCM的动车牵引变压器的维修优化研究

本文研究基于RCM的动车牵引变压器的维修优化问题,为制定牵引变压器的预防性维修计划提供了决策支持。首先给出了RCM的维修逻辑决策图和维修策略评价指标,然后采用截尾试验法估计牵引变压器的故障率的威布尔分布参数,在满足设备可靠性的前提下根据故障率演化规则确定预防性维修间隔,优化预防性维修次数,使牵引变压器在其生命周期内维修成本率最小。试验结果及其分析,验证了本文提出方法的正确性与可推广性。

动车组牵引电机接地故障预测

牵引电机是动车组动力传动系统中的关键部件,在牵引电机故障中最常见的故障为牵引电机接地故障。通过对某动车组牵引电机控制单元的历史数据挖掘,实现对牵引电机接地故障的预测。数据挖掘建模使用了RBF神经网络、决策树和支持向量机3种机器学习算法。试验结果表明,3种算法的预测准确度均高于84%,其中决策树相较于RBF神经网络和支持向量机,具有更高的预测精度,模型预测精度达到85.6%。因此,选取决策树模型预测动车组牵引电机接地故障的发生。

静态拉伸载荷下焊接残余应力演变规律

静态工作应力与焊接残余应力叠加,将导致构件产生局部塑性变形以及焊接残余应力重新分布,静态工作应力卸载后,可以降低残余应力峰值。基于此理论,选用A6005A-T6铝合金焊接接头作为研究对象,研究静态加载条件和逐级加载条件下残余应力的演变规律。结果表明:平板焊接试板经过静态拉伸(加载载荷150 MPa)后残余应力发生了很大程度的释放,纵向残余应力峰值由125 MPa降为48 MPa,横向残余应力峰值由155 MPa降为56 MPa。这是因为外载与残余应力叠加超过材料屈服强度产生了塑性变形,残余应力发生释放。焊接构件使用前可以进行一定程度的静拉伸,从而消除一部分残余应力,尤其是降低残余应力的峰值。