基于时序特征模式识别的列车网侧过流故障实时诊断

为了提升列车的智能化水平与现场检修效率,文中从系统角度出发,针对高速列车牵引传动系统网侧过流的精确故障定位问题,提出一种基于故障时序特征模式识别的实时诊断方法。该方法首先通过机理分析选择故障源集合关联的系统信号,其次,结合案例数据波形与专家经验,挖掘故障源与系统信号的关联规律,提取相关故障特征指标;然后,基于故障特征指标的时序变化特性,利用高斯混合模型与隐层马尔科夫链算法建立列车网侧过流的时序特征辨识的故障诊断模型。最后,应用列车实际运行数据对提出的故障诊断模型进行验证,实验结果表明,所提算法能实现有效的故障检测与隔离功能,具有良好的应用价值。

基于系统信号时序特征辨识的电力机车齿轮弛缓故障实时诊断

牵引控制单元是列车动力系统唯一的控制装置,充分利用其全面的信息采集和处理能力,准确诊断出牵引传动系统关联的走行部件故障,以便控制单元及时执行合理的保护动作,对提升列车的可靠性和安全性至关重要。现有的齿轮弛缓故障诊断方法因仅采用了牵引电机速度信息,存在误报或漏报现象,为此,文中提出一种基于多维系统信号时序特征模式辨识的弛缓故障实时诊断方法。该方法首先从齿轮传动系统弛缓故障机理入手,结合历史故障案例数据,从相关系统信号中提取出能够有效表征故障的特征指标;其次,揭示列车不同工况下的特征指标的变化规律,建立与弛缓故障强相关的多变量时序特征模式库;然后,基于动态时间弯曲算法实现与模式库相关时序特征的实时相似度匹配并采用CUSUM算法进行诊断决策,实现弛缓故障的有效辨识。最后,应用列车实际运行数据对提出的故障诊断模型进行验证。测试结果表明,相比现有的方法,提出的方法明显提升了弛缓故障检测率,且在速度传感器发生故障和轮对空转时,不会出现弛缓故障误报,具有良好的实用价值。

基于工况事件时序特征的牵引变压器次边短路故障实时诊断与保护

针对目前列车牵引变压器次边短路故障无法实现实时检测,难以实现全工况有效保护和故障点精确定位的问题,提出了一种基于工况事件时序特征的实时诊断与保护方法。该方法通过分析不同工况下时序特征变化规律,总结与工况强关联的事件时序特征模式,并设计出能实现其故障检测与定位的工况事件诊断规则模型与时序特征模式诊断规则库,基于诊断结果设计合理的检测保护策略,实现次边短路故障的全工况实时诊断与保护。最后通过仿真测试验证了所提方法的有效性。

Numerical analysis of wave hazards in a harbor

Resonance may occur when the periods of incoming waves are close to the eigen-periods of harbor basin.The amplified waves by resonance in harbor will induce serious wave hazards to harbor structures and vehicles in it.Through traditional theoretical approaches,the eigen-periods of harbor basin with regular shapes can be obtained.In our study,we proposed a numerical model to simulate the behavior characteristics of the harbor waves.A finite difference numerical model based on the shallow water equations(SWE) is developed to simulate incoming tsunami and tidal waves.By analyzing the time series data of water surface wave amplitude variations at selected synthetic observation locations,we estimate the wave height and arrival time in coastal area.Furthermore,we use frequency spectrum analysis to investigate the natural frequencies from the data recorded at the synthetic observation stations.