基于车载检测的列车轮对踏面擦伤故障诊断研究

为确保高速列车的行车安全,需实时监测列车轮对的运行状态,提出了基于惯性基准法的车载轮对几何参数的检测方法,并在此基础上设计了基于粗糙集理论(RS)和支持向量机(SVM)的轮对踏面擦伤故障诊断模型,对轮对踏面进行状态监测与故障诊断。整个故障诊断方法为:首先利用传感器组采集轮对几何参数,将采集数据用时间对准算法进行对准;然后将对准数据进行小波包分析、构造故障特征集;再用粗糙集理论进行属性约简,提取特征集,消除冗余信息;最后使用支持向量机构建故障诊断模型进行故障分类,从而实现轮对踏面擦伤故障实时诊断。MATLAB仿真分析表明,使用该故障诊断方法构建故障诊断模型时间短(为0.226 633 s),诊断准确率高,达100%,取得了较好的诊断效果。文中所用方法也可以推广应用到如轨道交通、船泊、采矿等有旋转体并需要进行实时数据采集、状态监测与故障诊断的领域。

基于小波包和贝叶斯分类的机车走行部滚动轴承故障诊断研究

机车走行部滚动轴承的状况直接关系到机车的性能和列车的运行安全。针对目前机车走行部滚动轴承故障诊断准确率不高、模型构建时间较长的问题,提出一种基于小波包和贝叶斯分类的故障诊断方法。通过小波包变换构造故障特征集,利用粗糙集和主成分分析进行降维,将未降维和降维之后的故障特征集输入到贝叶斯分类模型中实现故障诊断,最后将贝叶斯分类方法和神经网络及最小二乘支持向量机方法进行比较。仿真结果表明,朴素贝叶斯分类方法构建模型的时间更短,分类准确率更高。