论文部分内容阅读
中国是一个铁路货运大国,伴随着国家经济快速发展和亚欧铁路等项目的建设,铁路货车的载重量不断提高,运行距离不断加大,同时铁路货车运行的安全问题也越发凸显。铁路货车制动系统是保障安全运行的关键装置,其一旦发生故障极易引发严重事故,造成财产甚至人员损失。所以对铁路货车制动系统开展故障监测和诊断具有重要意义。我国铁路货车大多数使用120型空气分配阀为核心的空气制动系统。本文通过研究120型空气制动系统运行原理和常见故障机理,提出基于故障预测与健康管理(PHM)技术的铁路货车制动系统故障诊断方案。该方案主要包含两部分内容。一是建立制动系统车载监测系统,实现对制动系统运行状态的实时监测,获取货车制动系统空气压力参数,并根据监测数据提取故障特征参数。二是开展制动系统故障诊断,分别建立基于BP神经网络和RBF神经网络的故障诊断模型,依据监测系统反馈的故障特征参数完成模型训练,比较两种模型诊断效果,实现对铁路货车制动系统的故障诊断。本文主要完成了以下工作:(1)分析了 120型空气制动系统组成结构和充气缓解、减速充气缓解、常规制动、紧急制动、制动保压五种工作状态的运行原理。依据车载监测系统反馈的监测数据,研究了空气制动系统制动感度故障、制动安定故障、缓解不良故障和自然缓解故障的故障机理。(2)根据PHM技术要求,设计出由车载装置、地面读出装置和应用服务器以及传输网络组成的铁路货车空气制动系统车载监测系统。系统首次采用“四点监测法”,使用集成夹片式和分散安装式两种方式对列车管、副风缸、制动缸上游、制动缸下游的空气压力数据进行采集。并对系统反馈的监测数据进行统计分析,成功提取了故障特征。(3)按照PHM技术方案,开展人工神经网络基本理论研究,对BP神经网络和RBF神经网络的结构和算法进行了详细分析。分别构建基于BP神经网络和RBF神经网络的故障诊断模型,比较两种方法诊断效果。模型依据车载监测系统反馈的故障特征数据完成神经网络的训练和测试。其中,BP神经网络测试准确率为75%,对部分故障类型无法识别。RBF神经网络测试准确率达到98.75%,实现了对空气制动系统的故障诊断。