牽引網(wǎng)故障診斷方法研究
發(fā)布時(shí)間:2023-03-16 18:42
受到高速鐵路沿途復(fù)雜多變的自然條件等因素的影響,牽引網(wǎng)輸電線路容易發(fā)生故障跳閘,直接影響到供電設(shè)備及輸電網(wǎng)絡(luò)的安全可靠運(yùn)行。為了快速有效地恢復(fù)牽引網(wǎng)穩(wěn)定工作,就必須要準(zhǔn)確識別故障類型,進(jìn)而針對不同的故障類型采取不同的措施使鐵路恢復(fù)運(yùn)輸,對于維護(hù)高速鐵路安全和穩(wěn)定運(yùn)行有著重要的意義。本文針對牽引網(wǎng)線路故障特征提取和模式識別算法、基于云平臺的牽引網(wǎng)故障診斷方法的應(yīng)用展開研究:通過牽引網(wǎng)變電站樣本數(shù)據(jù)的統(tǒng)計(jì)分析,劃分了牽引網(wǎng)故障類型,并對網(wǎng)上異物、電力機(jī)車、天氣影響、設(shè)備異常、過負(fù)荷、保護(hù)誤動、外部網(wǎng)絡(luò)、雷擊等8種主要故障模式展開研究,確定基于頻域法的牽引網(wǎng)故障診斷技術(shù)的研究方向;針對故障行波的非平穩(wěn)暫態(tài)信號特點(diǎn),提出了一種應(yīng)用于牽引網(wǎng)故障信號的主特征提取算法,結(jié)合了小波包能量譜法和主成分分析法獲取故障行波的主要特征向量,并確定了牽引網(wǎng)故障模式識別的評判標(biāo)準(zhǔn);采用GA-BP神經(jīng)網(wǎng)絡(luò)算法模型完成牽引網(wǎng)故障模式的診斷工作,把從已知故障行波中獲取的主要能量特征作為算法模型的訓(xùn)練樣本進(jìn)行學(xué)習(xí),實(shí)現(xiàn)了故障模式識別算法設(shè)計(jì),識別準(zhǔn)確率在90%以上;提出了將云服務(wù)器技術(shù)與牽引網(wǎng)故障診斷方法相結(jié)合的應(yīng)用系統(tǒng)...
【文章頁數(shù)】:86 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題的研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
1.2.1 故障檢測方法發(fā)展?fàn)顩r
1.2.2 故障診斷方法發(fā)展?fàn)顩r
1.3 本文的主要內(nèi)容
1.4 本文的章節(jié)安排
第2章 牽引網(wǎng)線路故障模式分析
2.1 牽引網(wǎng)故障行波特性
2.1.1 故障行波的產(chǎn)生
2.1.2 故障行波的折反射特性
2.1.3 故障行波的傳播特性
2.2 牽引網(wǎng)故障模式分類及其主要特征
2.2.1 牽引網(wǎng)故障數(shù)據(jù)樣本獲取
2.2.2 牽引網(wǎng)故障模式統(tǒng)計(jì)分析
2.3 本章小結(jié)
第3章 牽引網(wǎng)線路故障信號特征提取
3.1 故障信號特征提取算法設(shè)計(jì)
3.2 小波包能量特征提取算法
3.2.1 小波包分析
3.2.2 小波包能量特征矩陣
3.2.3 能量特征主成分分析
3.3 故障行波信號的特征提取
3.3.1 故障行波信號能量特征向量分布
3.3.2 故障行波信號主特征向量提取
3.4 本章小結(jié)
第4章 牽引網(wǎng)故障模式識別算法研究
4.1 牽引網(wǎng)故障模式識別方案設(shè)計(jì)
4.2 BP神經(jīng)網(wǎng)絡(luò)故障模式識別算法
4.2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
4.2.2 故障模式識別算法設(shè)計(jì)
4.3 GA-BP神經(jīng)網(wǎng)絡(luò)模式識別算法
4.3.1 遺傳算法模型構(gòu)建
4.3.2 GA-BP神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)
4.4 本章小結(jié)
第5章 基于云平臺的牽引網(wǎng)故障模式診斷系統(tǒng)設(shè)計(jì)
5.1 系統(tǒng)總體方案設(shè)計(jì)
5.2 牽引網(wǎng)故障模式診斷系統(tǒng)模塊設(shè)計(jì)
5.2.1 牽引網(wǎng)故障通信系統(tǒng)設(shè)計(jì)
5.2.2 牽引網(wǎng)故障數(shù)據(jù)調(diào)控中心設(shè)計(jì)
5.2.3 牽引網(wǎng)故障數(shù)據(jù)計(jì)算節(jié)點(diǎn)設(shè)計(jì)
5.3 牽引網(wǎng)故障模式診斷系統(tǒng)測試
5.3.1 測試平臺構(gòu)建
5.3.2 系統(tǒng)功能測試
5.3.3 系統(tǒng)性能分析
5.4 本章小結(jié)
第6章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻(xiàn)
本文編號:3763107
【文章頁數(shù)】:86 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題的研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
1.2.1 故障檢測方法發(fā)展?fàn)顩r
1.2.2 故障診斷方法發(fā)展?fàn)顩r
1.3 本文的主要內(nèi)容
1.4 本文的章節(jié)安排
第2章 牽引網(wǎng)線路故障模式分析
2.1 牽引網(wǎng)故障行波特性
2.1.1 故障行波的產(chǎn)生
2.1.2 故障行波的折反射特性
2.1.3 故障行波的傳播特性
2.2 牽引網(wǎng)故障模式分類及其主要特征
2.2.1 牽引網(wǎng)故障數(shù)據(jù)樣本獲取
2.2.2 牽引網(wǎng)故障模式統(tǒng)計(jì)分析
2.3 本章小結(jié)
第3章 牽引網(wǎng)線路故障信號特征提取
3.1 故障信號特征提取算法設(shè)計(jì)
3.2 小波包能量特征提取算法
3.2.1 小波包分析
3.2.2 小波包能量特征矩陣
3.2.3 能量特征主成分分析
3.3 故障行波信號的特征提取
3.3.1 故障行波信號能量特征向量分布
3.3.2 故障行波信號主特征向量提取
3.4 本章小結(jié)
第4章 牽引網(wǎng)故障模式識別算法研究
4.1 牽引網(wǎng)故障模式識別方案設(shè)計(jì)
4.2 BP神經(jīng)網(wǎng)絡(luò)故障模式識別算法
4.2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
4.2.2 故障模式識別算法設(shè)計(jì)
4.3 GA-BP神經(jīng)網(wǎng)絡(luò)模式識別算法
4.3.1 遺傳算法模型構(gòu)建
4.3.2 GA-BP神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)
4.4 本章小結(jié)
第5章 基于云平臺的牽引網(wǎng)故障模式診斷系統(tǒng)設(shè)計(jì)
5.1 系統(tǒng)總體方案設(shè)計(jì)
5.2 牽引網(wǎng)故障模式診斷系統(tǒng)模塊設(shè)計(jì)
5.2.1 牽引網(wǎng)故障通信系統(tǒng)設(shè)計(jì)
5.2.2 牽引網(wǎng)故障數(shù)據(jù)調(diào)控中心設(shè)計(jì)
5.2.3 牽引網(wǎng)故障數(shù)據(jù)計(jì)算節(jié)點(diǎn)設(shè)計(jì)
5.3 牽引網(wǎng)故障模式診斷系統(tǒng)測試
5.3.1 測試平臺構(gòu)建
5.3.2 系統(tǒng)功能測試
5.3.3 系統(tǒng)性能分析
5.4 本章小結(jié)
第6章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻(xiàn)
本文編號:3763107
本文鏈接:http://www.sikaile.net/kejilunwen/jiaotonggongchenglunwen/3763107.html
最近更新
教材專著