基于互信息和rbfnn高速列车走行部故障诊断

基于互信息和rbfnn高速列车走行部故障诊断

ID:34872965

大小:9.34 MB

页数:70页

时间:2019-03-13

基于互信息和rbfnn高速列车走行部故障诊断_第1页
基于互信息和rbfnn高速列车走行部故障诊断_第2页
基于互信息和rbfnn高速列车走行部故障诊断_第3页
基于互信息和rbfnn高速列车走行部故障诊断_第4页
基于互信息和rbfnn高速列车走行部故障诊断_第5页
资源描述:

《基于互信息和rbfnn高速列车走行部故障诊断》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、SOUTHWESTJIAOTONGUNIVERSITY硕士学位论文MASTERDISSERTATION论文题目:基于互信息和RBFNN高速列车走行部故障诊断二一二年级:零级姓名:耿继伟申请学位级别:工程领士—专业:控制工程指导教师;张翠芳教授二零一五年五月国内图书分类号:TP183密级:公幵国际图书分类号:西南交通大学研究生学位论文基干互信息和RBFNN高速列车走行部故障诊断年级二零一二级姓名耿继伟申请学位级别工程硕士专业控制工程指导老师张翠芳教

2、授二零一五年四月ClassifiedIndex:TP183U:.D.CSouthwestJiaotonUniversitgyMasterDereeThesisgRESEARCHON-THEHIGHSPEEDTRAINRUNNINGGEARFAULTDIAGNOSISWITHMUTUALINFORMATIONANDRBFNEURALNETWORKGrade:2012Candidate:GenJiweigAcademicDegreeAppliedfor:EngineeringM

3、asterSpecialit:ControlenineerinyggSuervisor:ProfessorZhanCuifanpggAril2015p,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、使用学位论文的规定,同意学校保留并向国家。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进行检索,可以釆用影印、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。保密口,在年解密后适用本授权书;2.不保密K/使用

4、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:‘曰期:5:-B期^.719西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下:本文的主要从分类器设计和特征维数约简两个方面对高速列车走行部故障诊断系统做出改进,并利用高速列车走行部实验数据进行了仿真验证。主要完成的具体内容包括:-1.分别釆用梯度下降、粒子群、PSOCLS和蝙蝠算法对RBF网络参数进行优化-RBF网络应用于高速列。通过高速列车走行部实验数据仿真,验证了将BA车走行部故障诊断,能够加快故障的识别速度和识别准确率

5、。2一.针对单传感器对高速列车走行部故障诊断精度不高,容易对相似故障造成误判。本文采用多传感器融合的故障诊断方法,将多个传感器采集的故障特征进行无监督的UFS-MI之间的冗余和干扰蹄选,消除故障特征,减少了故障特征-RBF网络维数。同时将特征维数约简与BA结合。通过高速列车走行部实验数据一--MI与BARBFNN结合分类精度仿真验证,将UFS,能进步提高诊断速度和。.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究工作所得的成果。除文中已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发表或撰写过的研究成果。对本文的研究做出贡

6、献的个人和集体,均已在文中作了明确说明一。本人完全了解违反上述声明所引起的切法律责任将由本人承担。学位论文作者签名:i料)f-曰期:5206.t西南交通大学硕士研究生学位论文第V页摘要高速列车是复杂的非线性系统,随着髙速列车的发展,对高速列车的故障诊断系统要求也越来也高。高速列车的故障诊断不仅要求准确率高,还要实时性好,而且高速列车所拥有的海量特征数据也对分类器设计提出了更高的要求。本文从分类器设计和特征维数约简两个方面对高速列车走行部故障诊断方法进行研究,并利用实验数据进行了仿真验证。首先详细给出了高速列车走行部的

7、四种工况、实验数据来源以及本文采用的特征提取方法。然后,采用基于梯度下降的RBF网络构建高速列车走行部故障诊一断模型。在此基础上,釆用PSO算法对RBF网络参数进行调整和优化,在定程度上避免了RBF网络参数训练陷入局部最优,提高了神经网络分类精度。将PSO算法和局部混纯搜索(ChoasLocalSearch,CLS)相结合,增强了PSO算法的局一一一部搜索能力。接着,引入种新兴的元启发式智能算法蝙蝠算法(BatA一lorithmBA)对RBF网络参。g,数进行优化,进步提高网络的分

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。