探析基于专家系统与神经网络的电力机车故障诊断方法研究

《探析基于专家系统与神经网络的电力机车故障诊断方法研究》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、中南大学硕士学位论文基于专家系统与神经网络的电力机车故障诊断方法研究姓名：王智申请学位级别：硕士专业：交通信息工程及控制指导教师：黄志武20050401硕士学位论文摘要电力机车在运行过程中不可避免地会发生各种故障，由于机车发生故障时可能引起严重后果，造成重大损失，所以对机车进行实时故障诊断对保证机车安全正常运行是十分必要的。由于电力机车结构复杂，并且具有故障识别空间跨度大、难度高等特点，只采用一种方法很难对机车系统进行全面地诊断．本文在深入理解专家系统原理、派克向量法原理及径向基神经网络原理的基础上设计了专家系统与人工神经网络的电力机车故障诊断方法。本文采用了基于通信网络的专家系统

2、与神经网络相结合的电力机车故障诊断思路，以数据的分布采集与故障的集中诊断为基础的系统设计思路。以8K型电力机车电气设备为研究对象，为电气控制设备设计了基于专家系统的规则提取方法和推理诊断策略；在详细分析了8K型电力机车中感应电机的PWM供电电源产生的谐波成份后，设计了基于PWM供电电源的派克向量及径向基人工神经网络的感应电机故障诊断方法．本文通过现场试验，对所设计的电力机车故障诊断方法进行试验分析。试验内容包括：验证所设计的系统网络拓扑结构、网络协议的合理性以及所提出的专家系统知识库设计方法和推理策略的有效性；验证所提出的基于派克向量与径向基神经网络的感应电机故障诊断方法的有效性．

3、试验结果表明，基于专家系统和神经网络的电力机车故障诊断方法是完全可行、而且行之有效的．关键词专家系统，派克向量，神经网络，电力机车，故障诊断硕士学位论文Abstracthisinevitableforelectriclocomotivetomalfimctioninitsroutineuse，andseriousresultmightbecausedbyitsfaults，SOon-linefaultdiagnosisisaveryimportantproofofitsrunningsafety．Complexityoftlleelectriclocomotiveandtheran

4、geandthedifficultyofthefaultsidentifyingareveryUgh,itisdifficulttodiagnoseallthefaultsonlyuseonefaultdiagnosistechnique．Basedonthecomprehensionofthetheoryofexpertsystem但S)，Park'svectormethodandRadial-BasisFunction(RBF)neuralnetwork,thepaperresearchanewfaultsdiagnosticmethodbasedontheexpertsyst

5、emandtheartificialneuralnetwork(ANN)．Thepaperpresentedthefaultsdiagnosismethodofexpertsystemandneuralnetworkbasedonthecommunicationnetwork,andthedesignmethodbasedondistributeddatagatheringandfocusedfaultsdiagnosis．Objectedelectricsystemof8Kelectriclocomotive，thepaperdesignRulePick-UpmethodandR

6、egulationStrategyoftheexpertsystemtodiagnosetheelectriccontrolequipment,andafteranalyzethePWMharmonics。designdiagnosismethodbasedonPark’sVectorMethodandRBFneuralnetworktodiagnosethefaultsofallkindsofauxiliaryinductionmotorsin8Kelectriclocomotive．111epaperanalyzedtheelectriclocomotivefaultdiagn

7、osismethodbyfieldexperiment．啊1econtentofexperimentincludetestilyingthereasonabilityofthedesignedtopologystructure，thenetworkprotocolandthedata6．ameformatofthecommunicationnetworkofthefaultdiagnosissystemandtheefficiencyoftheexpertsystem