基于粗糙集理论的高速道岔损伤识别研究

基于粗糙集理论的高速道岔损伤识别研究

ID:17697766

大小:3.79 MB

页数:137页

时间:2018-09-04

基于粗糙集理论的高速道岔损伤识别研究_第1页
基于粗糙集理论的高速道岔损伤识别研究_第2页
基于粗糙集理论的高速道岔损伤识别研究_第3页
基于粗糙集理论的高速道岔损伤识别研究_第4页
基于粗糙集理论的高速道岔损伤识别研究_第5页
资源描述:

《基于粗糙集理论的高速道岔损伤识别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、国内图书分类号:U213.6密级:公开国际图书分类号:西南交通大学研究生学位论文基于粗糙集理论的高速道岔损伤识别研究年级:2011级姓名:苏跃斌申请学位级别:博士专业:交通信息工程及控制指导老师:郭进二零一七年十一月二十日ClassifiedIndex:U213.6U.D.C:SouthwestJiaotongUniversityDoctorDegreeDissertationSTUDYONDAMAGEIDENTIFICATIONOFHIGHSPEEDTURNOUTSBASEDONROUGHSETTHEORY

2、Grade:2011Candidate:SuYuebinAcademicDegreeAppliedfor:Ph.DSpecialty:TrafficInformationEngineering&ControlSupervisor:GuoJinNov.20,2017西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留,同意学校、使用学位论文的规定保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库

3、进行检索,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于.,1保密□在年解密后适用本授权书;2.不保密V适用本授权书。“”(请在以上方框内打V)学位论文作者签名:指导老师签名:日期:月%日日期"月舛日I西南交通大学博士学位论文创新性声明本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研宄工作所得的成果,。除文中己经注明引用的内容外本论文不包含任何其他个人或集体已经发表或撰写过的研宄成果,。对本文的研宄做出贡献的个人和集体均已在文中

4、作了明确的说明。本人完全意识到本声明的法律结果由本人承担。本学位论文的主要创新点如下:1、提出了基于EEMD能量奇异熵的高速道岔损伤特征提取方法。(第三章)一2、提出了种基于正域的全局离散化方法,在此基础上对高速道岔损伤特征进行了离散化。(第四章)一一3、改进了非致决策表的属性约简方法;提出了个满足等价性的适应度函数;提出了一约简的高速道岔损种随机算法的解空间的划分方法;提出了基于粗糙集属性伤特征选择方法。(第五章)“”4、通过分析对象对聚类中心的影响因子,提出了一种基于均

5、匀分布的粗糙k-均值算法,以此为基础构建了基于粗糙集理论与RBF神经网络的高速道岔损伤识别模?。(第六章)型,为髙速道岔的损伤识别问题提供了种较为有效地解决方案学位论文作者签"名:,芬、歡讀^日期:年月M日西南交通大学博士研究生学位论文第I页摘要高速铁路道岔是铁路轨道线路中的基本连接设备。与基本轨相比,道岔的种类繁多且结构复杂。在道岔的运行过程中,轮对通过轨道时产生的冲击作用以及其它各种外部因素的共同作用易使得道岔轨道产生诸如形变、剥落掉块、裂纹甚至断裂等损伤现象。这些损伤会对通过道岔的

6、高速列车的稳定性产生不良影响,严重时甚至影响列车的安全运行。因此,开展高速铁路道岔的损伤监测研究对于及时、精准地维护与检修道岔,保障列车安全运行具有重要作用。列车过岔时,由轮轨相互作用所产生的振动响应信号包含了道岔当前运行状态的重要信息,利用传感器采集振动响应信号是道岔监测的重要手段。然而,列车过岔时所采集的振动响应信号通常是成分复杂的非平稳信号。经验模态分解虽然能够将非平稳的时变信号自适应的分解到时频平面上的不同频段上,展现信号在时域与频域上的特征,但由于高速道岔结构复杂,伤损机理、方式、位置变化多样,如何

7、识别并精准判断高速道岔的损伤,仍然是各国专家不懈努力的热点问题。粗糙集理论是一种能够有效地从数据中分析并发掘隐含知识的数据分析理论,对优化结构损伤特征参量集,选取对损伤工况敏感的损伤特征参量集有着重要作用。神经网络是模式识别问题中一类重要的非线性建模工具,广泛应用于结构损伤识别问题的研究。但是粗糙集理论与神经网络仍然存在不足,例如经典粗糙集理论只能处理符号型数据,基于粗糙集属性约简的决策规则泛化能力不足,而神经网络部分参数设定困难。针对这些问题,本文在深入研究粗糙集理论的基础上,采用经验模态分解理论对道岔的随

8、机响应信号进行分析处理,结合粗糙集理论和RBF神经网络的建模方法,研究基于振动信号的高速道岔的智能损伤识别。主要工作及成果包括:(1)提出了基于IMF能量奇异熵的高速道岔损伤特征提取方法。首先分析并对比了当前常用高速道岔钢轨无损检测方法的优点以及缺点,给出了基于振动响应信号的试验方法。基于EEMD理论,分析了IMF分量与模态响应之间关系,提取实测高速道岔振动信号的能量比特征、奇异熵特征以及能量奇异熵

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。