隨著高速鐵路的快速發(fā)展,行車(chē)密度逐年增加,列車(chē)行駛的安全性問(wèn)題變得越來(lái)越突出。列車(chē)傳動(dòng)系統(tǒng)作為轉(zhuǎn)向架的重要組成,由電機(jī)、聯(lián)軸器、齒輪箱、傳動(dòng)軸、軸箱等關(guān)鍵部件組成,主要負(fù)責(zé)動(dòng)力驅(qū)動(dòng)和動(dòng)力傳遞,在列車(chē)運(yùn)行過(guò)程中由于受到軌道不平順激擾,長(zhǎng)期承受高頻振動(dòng)很容易出現(xiàn)疲勞損壞,影響列車(chē)的安全運(yùn)行。目前,我國(guó)已經(jīng)投入運(yùn)營(yíng)的CRH系列動(dòng)車(chē)組,雖然已經(jīng)安裝了傳感器用于采集關(guān)鍵部件的狀態(tài)信息,但是對(duì)于傳動(dòng)系統(tǒng)關(guān)鍵部件的監(jiān)測(cè)力度還遠(yuǎn)遠(yuǎn)不夠。傳感器的安裝數(shù)量有限,多傳感器信息融合程度低,使得采集的多源信息得不到充分利用,故障診斷可靠性不高。為了提高列車(chē)傳動(dòng)系統(tǒng)的運(yùn)行可靠性,本文基于多傳感器數(shù)據(jù)融合技術(shù)對(duì)高速列車(chē)傳動(dòng)系統(tǒng)關(guān)鍵部件故障診斷與健康狀態(tài)預(yù)測(cè)兩個(gè)方面進(jìn)行研究。主要研究?jī)?nèi)容如下:（1）高速列車(chē)傳動(dòng)系統(tǒng)關(guān)鍵部件監(jiān)測(cè)傳感器布局優(yōu)化為了優(yōu)化高速列車(chē)傳動(dòng)系統(tǒng)關(guān)鍵部件的傳感器布局,建立傳動(dòng)系統(tǒng)的三維幾何模型,應(yīng)用ANSYS有限元分析軟件對(duì)高速列車(chē)傳動(dòng)系統(tǒng)關(guān)鍵部件進(jìn)行靜強(qiáng)度分析、模態(tài)分析和諧響應(yīng)分析,找出振動(dòng)最劇烈以及應(yīng)力、應(yīng)變最大的薄弱部位布置加速度傳感器,實(shí)現(xiàn)高速列車(chē)傳動(dòng)系統(tǒng)關(guān)鍵部件的有效監(jiān)測(cè)。（2）基于多測(cè)點(diǎn)... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：127 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
縮略詞
第1章 緒論
    1.1 依托項(xiàng)目
    1.2 研究背景及意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 高速列車(chē)傳動(dòng)系統(tǒng)故障診斷研究現(xiàn)狀
        1.3.2 基于多傳感器數(shù)據(jù)融合的故障診斷研究現(xiàn)狀
        1.3.3 基于性能退化的健康狀態(tài)預(yù)測(cè)研究現(xiàn)狀
        1.3.4 研究現(xiàn)狀總結(jié)
    1.4 主要研究?jī)?nèi)容
    1.5 技術(shù)路線
    1.6 本章小結(jié)
第2章 高速列車(chē)傳動(dòng)系統(tǒng)關(guān)鍵部件狀態(tài)監(jiān)測(cè)
    2.1 高速列車(chē)傳動(dòng)系統(tǒng)基本結(jié)構(gòu)及工作原理
    2.2 高速列車(chē)傳動(dòng)系統(tǒng)關(guān)鍵部件常見(jiàn)故障
    2.3 高速列車(chē)傳動(dòng)系統(tǒng)關(guān)鍵部件監(jiān)測(cè)傳感器布局優(yōu)化
        2.3.1 電機(jī)傳感器布局優(yōu)化
        2.3.2 齒輪箱傳感器布局優(yōu)化
        2.3.3 軸箱傳感器布局優(yōu)化
    2.4 高速列車(chē)傳動(dòng)系統(tǒng)監(jiān)測(cè)數(shù)據(jù)的采集與分析
        2.4.1 數(shù)據(jù)采集
        2.4.2 監(jiān)測(cè)數(shù)據(jù)分析
    2.5 本章小結(jié)
第3章 基于多測(cè)點(diǎn)信息融合的高速列車(chē)齒輪箱故障診斷
    3.1 相關(guān)函數(shù)融合算法
    3.2 融合信息特征提取
        3.2.1 集合經(jīng)驗(yàn)?zāi)B(tài)分解理論
        3.2.2 IMF熵特征提取
    3.3 模糊C均值聚類(lèi)算法
    3.4 基于多測(cè)點(diǎn)信息融合的高速列車(chē)齒輪箱故障診斷
    3.5 實(shí)驗(yàn)驗(yàn)證
        3.5.1 齒輪箱各測(cè)點(diǎn)振動(dòng)信息相關(guān)性分析
        3.5.2 IMF熵特征提取
        3.5.3 FCM聚類(lèi)分析結(jié)果
    3.6 本章小結(jié)
第4章 基于多傳感器數(shù)據(jù)融合的高速列車(chē)傳動(dòng)系統(tǒng)故障診斷
    4.1 故障特征提取
    4.2 局部保持投影算法
    4.3 模糊積分融合算法
        4.3.1 模糊測(cè)度
        4.3.2 模糊積分
    4.4 高速列車(chē)傳動(dòng)系統(tǒng)多傳感器數(shù)據(jù)融合故障診斷
    4.5 實(shí)驗(yàn)驗(yàn)證
        4.5.1 數(shù)據(jù)采集與分析
        4.5.2 故障特征提取與降維
        4.5.3 基于FCM-FI融合診斷
        4.5.4 對(duì)比分析
    4.6 本章小結(jié)
第5章 高速列車(chē)傳動(dòng)系統(tǒng)關(guān)鍵部件振動(dòng)信號(hào)多模型混合預(yù)測(cè)
    5.1 時(shí)間序列預(yù)測(cè)算法分析
    5.2 自回歸模型
    5.3 支持向量機(jī)
        5.3.1 支持向量回歸機(jī)
        5.3.2 SVR預(yù)測(cè)過(guò)程
    5.4 構(gòu)建混合預(yù)測(cè)模型
        5.4.1 EEMD-AR-SVR-CPSO混合預(yù)測(cè)模型
        5.4.2 混沌粒子群優(yōu)化算法
        5.4.3 適應(yīng)度函數(shù)的確定
        5.4.4 預(yù)測(cè)性能評(píng)價(jià)指標(biāo)
    5.5 實(shí)驗(yàn)驗(yàn)證
        5.5.1 實(shí)車(chē)數(shù)據(jù)驗(yàn)證
        5.5.2 智能維護(hù)系統(tǒng)數(shù)據(jù)集驗(yàn)證
    5.6 本章小結(jié)
第6章 高速列車(chē)傳動(dòng)系統(tǒng)關(guān)鍵部件健康狀態(tài)預(yù)測(cè)
    6.1 構(gòu)建健康指標(biāo)
        6.1.1 退化特征提取
        6.1.2 退化特征選擇
        6.1.3 自組織映射特征融合
    6.2 長(zhǎng)短期記憶網(wǎng)絡(luò)
        6.2.1 長(zhǎng)短期記憶網(wǎng)絡(luò)基本原理
        6.2.2 LSTM網(wǎng)絡(luò)參數(shù)反向調(diào)整
    6.3 高速列車(chē)傳動(dòng)系統(tǒng)關(guān)鍵部件健康狀態(tài)預(yù)測(cè)流程
    6.4 實(shí)驗(yàn)驗(yàn)證
        6.4.1 數(shù)據(jù)來(lái)源
        6.4.2 HI退化曲線構(gòu)建
        6.4.3 基于LSTM網(wǎng)絡(luò)健康狀態(tài)預(yù)測(cè)
        6.4.4 高速列車(chē)傳動(dòng)系統(tǒng)其他部件健康狀態(tài)預(yù)測(cè)
    6.5 本章小結(jié)
第7章 總結(jié)與展望
    7.1 全文總結(jié)
    7.2 研究展望
參考文獻(xiàn)
作者簡(jiǎn)介及在學(xué)期間所取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于GRU遞歸神經(jīng)網(wǎng)絡(luò)的城市道路超車(chē)預(yù)測(cè)[J]. 王浩,黃美鑫,武志薪,鞠建敏.  中國(guó)科技論文. 2019(03)
[2]基于多傳感器數(shù)據(jù)融合的軌道車(chē)輛齒輪箱異常檢測(cè)[J]. 劉玉梅,喬寧國(guó),莊嬌嬌,劉鵬程,胡婷,陳立軍.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(05)
[3]改進(jìn)加權(quán)融合算法與雙譜技術(shù)在風(fēng)電軸承故障診斷中的應(yīng)用[J]. 李紅,孫冬梅,沈玉成.  電子器件. 2018(04)
[4]基于LPP的轉(zhuǎn)子振動(dòng)故障特征提取方法[J]. 梁超,路鵬,郜寧,祁偉.  振動(dòng)工程學(xué)報(bào). 2018(03)
[5]基于EEMD-TEO熵的高速列車(chē)軸承故障診斷方法[J]. 靳行,林建輝,伍川輝,鄧韜,黃晨光.  西南交通大學(xué)學(xué)報(bào). 2018(02)
[6]長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)在機(jī)械狀態(tài)預(yù)測(cè)中的應(yīng)用[J]. 陳再發(fā),劉彥呈,劉厶源.  大連海事大學(xué)學(xué)報(bào). 2018(01)
[7]基于EEMD能量熵的高速列車(chē)蛇行診斷研究[J]. 劉棋,寧?kù)o,葉運(yùn)廣,陳春俊.  中國(guó)測(cè)試. 2017(05)
[8]基于D-S證據(jù)理論高速列車(chē)橫向失穩(wěn)故障判別研究[J]. 劉棋,寧?kù)o,葉運(yùn)廣,陳春駿.  中國(guó)測(cè)試. 2017(07)
[9]EEMD能量熵與優(yōu)化LS-SVM的滾動(dòng)軸承故障診斷[J]. 陳法法,李冕,陳保家,陳從平.  組合機(jī)床與自動(dòng)化加工技術(shù). 2016(12)
[10]城市軌道列車(chē)齒輪箱模態(tài)及振動(dòng)響應(yīng)分析[J]. 陳忠偉,盧寧,楊建偉.  機(jī)械傳動(dòng). 2016(12)

博士論文
[1]機(jī)械旋轉(zhuǎn)部件的性能退化及其壽命預(yù)測(cè)方法研究[D]. 牛乾.浙江大學(xué) 2018
[2]高速列車(chē)齒輪箱箱體動(dòng)態(tài)特性及疲勞可靠性研究[D]. 李廣全.北京交通大學(xué) 2018
[3]高速列車(chē)傳動(dòng)系統(tǒng)可靠性分析與評(píng)估[D]. 趙聰聰.吉林大學(xué) 2016
[4]數(shù)據(jù)驅(qū)動(dòng)的機(jī)械設(shè)備性能退化建模與剩余壽命預(yù)測(cè)研究[D]. 張彬.北京科技大學(xué) 2016

碩士論文
[1]基于奇異值分解與深度遞歸神經(jīng)網(wǎng)絡(luò)的齒輪剩余壽命預(yù)測(cè)方法研究[D]. 張清亮.重慶大學(xué) 2018
[2]基于深度學(xué)習(xí)的變負(fù)載下滾動(dòng)軸承故障診斷方法研究[D]. 那曉棟.哈爾濱理工大學(xué) 2018
[3]高速列車(chē)軸箱軸承故障仿真及試驗(yàn)研究[D]. 張火車(chē).大連交通大學(xué) 2017
[4]標(biāo)準(zhǔn)動(dòng)車(chē)組齒輪箱箱體強(qiáng)度分析與壽命預(yù)測(cè)[D]. 袁文東.北京交通大學(xué) 2016
[5]基于分?jǐn)?shù)階傅立葉變換的高速列車(chē)監(jiān)測(cè)數(shù)據(jù)特征分析[D]. 侯曉東.西南交通大學(xué) 2015
[6]基于改進(jìn)D-S證據(jù)理論的高速列車(chē)走行部故障診斷研究[D]. 賀曉.西南交通大學(xué) 2015
[7]動(dòng)車(chē)組齒輪傳動(dòng)系統(tǒng)振動(dòng)特性研究[D]. 付永佩.西南交通大學(xué) 2015
[8]動(dòng)車(chē)組齒輪傳動(dòng)裝置強(qiáng)度分析及優(yōu)化設(shè)計(jì)[D]. 鬧加才讓.蘭州交通大學(xué) 2015
[9]基于多層次監(jiān)測(cè)數(shù)據(jù)融合的多狀態(tài)系統(tǒng)動(dòng)態(tài)可靠度評(píng)估方法研究[D]. 陳初杰.電子科技大學(xué) 2015
[10]高速列車(chē)跟蹤試驗(yàn)及狀態(tài)監(jiān)測(cè)的時(shí)序模型研究[D]. 李霞.西南交通大學(xué) 2014



本文編號(hào)：3150992