受电弓振动主动控制研究现状分析

电力机车高速行驶时,弓网振动将导致弓网接触力产生波动进而引起机车受流不良,降低机车运行性能甚至会损害机车电气设备。受电弓主动控制可以有效减小弓网振动,本文从控制算法方面介绍了受电弓振动主动控制的研究现状,总结分析了近年来国内外学者在这方面取得的研究成果以及各种控制算法的优缺点,并展望了未来受电弓振动主动控制的发展趋势和研究方向。

基于支持向量机的接触网故障识别方法研究

接触网作为牵引供电系统中关键的子系统,一旦发生故障将直接影响行车安全,因此接触网故障的智能识别就尤为重要。基于铁路接触网结构模型及动力学特性,建立了垂向弓网耦合模型,对不同接触网故障情况下的受电弓振动响应进行了动力学仿真及分析,并提出了一种基于支持向量机和受电弓振动响应的接触网故障识别方法,为了提高故障的识别率及分类准确率,在支持向量机参数选择上使用了粒子群算法。将所提出的新方法应用于接触网故障识别仿真中,分析受电弓动力学响应中相应的故障特征,故障识别准确率达到83. 3%且没有漏检,表明了上述方法的有效性及实用性。

基于GNG聚类与LS-SVM的接触网故障预警方法研究

受电弓-接触网系统作为电气化铁路的重要组成部分,一旦发生故障将严重影响弓网正常受流及行车安全,因此对接触网故障的预警就尤为重要。本文基于接触网结构模型及动力学特性,建立了垂向弓网耦合模型,在不同弓网动力参数下,对受电弓振动响应进行了仿真与分析。为了在接触网可能发生故障时提出预警,提出了一种基于GNG聚类与LS-SVM的接触网故障预警方法。首先运用GNG聚类算法对正常状态数据分类,得到若干聚类点,并计算当前状态与聚类中心的距离得出相似度趋势;同时构建历史矩阵,根据LS-SVM回归模型的回归结果得出预测差值,将相似度趋势和预测差值结合得到故障预警风险系数,对弓网故障状态提出预警。针对接触网正常状态和故障状态,做出了有效预警,表明了该方法的实用性。

诊断铁路接触网硬点CEEMDAN-SPWVD边际指数方法

在接触网检测中,通常用受电弓滑板滑行时垂直方向上的加速度最大值来表示硬点,基于这个特点,提出一种新的诊断铁路接触网硬点CEEMDAN-SPWVD边际指数方法。对受电弓垂向加速度数据进行自适应噪声的完整集合经验模态分解CEEMDAN,得到若干固有模态函数(IMF),计算各阶IMF的平滑伪Wigner Ville分布SPWVD。将各IMF的时频分布进行叠加得到弓网系统振动的时频信息。根据时频分布得到的边际谱移动窗频率选择范围,以及接触网硬点的冲击特性,选择合适的时间窗长,以计算信号的移动滤波边际谱,并用于诊断接触网硬点病害。根据大量的检测数据对移动边际谱进行归一化处理,得到接触网边际指数(CMI)。在该方法中CEEMDAN将同一时间不同成分信号分离开,以避免交叉项干扰,而SPWVD相比WVD分布能有效消除不同时间冲击之间产生的交叉项干扰,最后归一化处理得到的CMI解决了直接通过幅值诊断硬点绝对阈值难以确定的问题。将该方法应用于接触网检测车实测数据,经过一系列分析,验证了该方法的有效性和稳定性。