电力机车或电动车组是一个结构非常复杂的系统,而且其绝大部分时间都处于运行状态,这对机车系统的运行可靠性提出了很高的要求。机车实时故障诊断,是防止列车故障,保障运行安全,提高运输效率的一个重要技术手段。 数据挖掘可以从大量的数据中智能地、自动地提取有价值的知识和信息,是当前相当活跃的研究领域。随着我国铁路信息化建设快速发展,知识的自动获取已经成为制约其进一步发展的“瓶颈”。因此,适用于机车故障诊断领域的数据挖掘,具有理论意义和重要的实用价值。 电力机车与电动车组的电力牵引传动系统是其核心,牵引变流器的可靠性决定着机车系统的可靠运行,论文选择机车变流器作为研究对象。 论文首先介绍了数据挖掘中几种比较成熟的算法的基础,提出了尝试采用决策树、粗糙集和关联规则三种方法用于挖掘的思路。 论文以韶山8型电力机车主变流器为研究对象,通过对主变流器工作原理的分析,用MATLAB6建立了主变流器的仿真模型。通过仿真得到了在不同故障模式下主变流器输出电压的变化波形图。然后采用小波分析的方法对电压波形进行了能量分解,构造了相应的特征向量,得出了由特征向量分析判断故障的结论。 由于特征向量存在冗余,特征向量过多也意味着实际操作时连接的传感器也过多,且可能产生不可识别的故障。所以论文采用数据挖掘的方法对冗余特征向量进行识别和删除。论文分别采用决策树,粗糙集及关联规则对一组典型特征向量进行挖掘,详细分析了挖掘过程,得到了理想的效果。 最后通过建立数据挖掘软件系统,利用仿真得到的数据建立数据库,进行了数据预处理计算并对三种算法进行验证。