基于神經(jīng)網(wǎng)絡(luò)與案例推理的車載設(shè)備故障診斷研究.pdf

1、隨著高速鐵路運(yùn)輸?shù)目焖侔l(fā)展，運(yùn)行速度不斷提升，集成化程度越來(lái)越高。作為高速列車平穩(wěn)運(yùn)行保障的CTCS-3級(jí)列控系統(tǒng)，其可靠性和安全性尤為重要，列車車載設(shè)備作為列控系統(tǒng)中核心部分，控制高速條件下列車運(yùn)行速度、運(yùn)行間隔、實(shí)時(shí)監(jiān)控和超速防護(hù)。因此，快速準(zhǔn)確的車載設(shè)備故障診斷對(duì)于保障列車高效安全運(yùn)行具有重要意義。
　　車載設(shè)備的集成化、復(fù)雜化、耦合化的發(fā)展，產(chǎn)生故障也具有隨機(jī)性、突發(fā)型、多樣性以及重疊性，這些特點(diǎn)增大了診斷和維護(hù)的難度。僅

2、僅依靠維修人員的知識(shí)經(jīng)驗(yàn)進(jìn)行診斷，效率較為低下，誤診斷和漏診斷率較高。本文在目前車載設(shè)備故障診斷基礎(chǔ)上，將神經(jīng)網(wǎng)絡(luò)與粗糙集案例推理相結(jié)合的方法引入故障診斷，提高診斷效率和準(zhǔn)確率。
　　本文首先介紹了車載設(shè)備系統(tǒng)的結(jié)構(gòu)、故障特點(diǎn)、故障種類。由于車載設(shè)備故障種類的多樣性以及運(yùn)行過(guò)程中數(shù)據(jù)采集的不完整以及隨機(jī)性、突發(fā)性故障，采用神經(jīng)網(wǎng)絡(luò)與案例推理結(jié)合的集成診斷方法，并引入粗糙集約簡(jiǎn)的理論和模糊神經(jīng)網(wǎng)絡(luò)來(lái)優(yōu)化診斷效率和準(zhǔn)確度。建立BP神經(jīng)

3、網(wǎng)絡(luò)模型，并根據(jù)車載設(shè)備常見(jiàn)的故障現(xiàn)象和原因構(gòu)建神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)訓(xùn)練樣本。之后，將模糊邏輯推理與神經(jīng)網(wǎng)絡(luò)結(jié)合，模糊化故障特征參數(shù)，提取安全計(jì)算機(jī)運(yùn)行周期作為訓(xùn)練數(shù)據(jù)，并通過(guò)MATLAB仿真驗(yàn)證模型。
　　對(duì)案例推理的邏輯結(jié)構(gòu)和推理知識(shí)以及案例的表示、構(gòu)建案例庫(kù)、案例檢索、案例學(xué)習(xí)等進(jìn)行了研究。介紹了粗糙集理論及應(yīng)用方法與案例推理結(jié)合的綜合推理技術(shù)，研究了理論模型融合的技術(shù)方法，對(duì)CTCS-3級(jí)高速列車車載設(shè)備故障及故障特征進(jìn)行分析總計(jì)

4、，通過(guò)基于可辨識(shí)差別矩陣對(duì)車載設(shè)備故障案例庫(kù)屬性值進(jìn)行約簡(jiǎn)，得到最小特征屬性集。
　　智能診斷檢索技術(shù)進(jìn)行研究。標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)算法加入附加動(dòng)量方法進(jìn)行改進(jìn)，針對(duì)案例推理的診斷技術(shù)在大型系統(tǒng)中診斷精度不高，推理過(guò)程較為緩慢的問(wèn)題。本文將兩種方法進(jìn)行結(jié)合，設(shè)計(jì)了結(jié)合方案，神經(jīng)網(wǎng)絡(luò)作為分類器以及案例檢索的算法，提高學(xué)習(xí)速度。
　　分析案例推理與神經(jīng)網(wǎng)絡(luò)結(jié)合的模型，根據(jù)系統(tǒng)設(shè)計(jì)要求，在Windows環(huán)境下，運(yùn)用Visual Stu