论文部分内容阅读
自2009年10月我国第一条高速铁路武广高铁运营以来，标志着我国铁路向现代化技术迈进的动车组被广泛运用到我国各铁路干线。牵引电机作为动车组的核心设备，与列车安全运行息息相关。随着动车组新车型的不断增加、运营速度的不断提高，对牵引电机的安全性能也提出了越来越高的要求。因此，研究牵引电机故障诊断具有十分重要的现实意义。论文在分析现有牵引电机故障诊断方法的基础上，采用小波包分析与SVM(SupportVector Machine,支持向量机)对牵引电机故障进行了研究。其主要研究内容如下：(1)对动车组牵引电机的构成、工作原理、常见故障与产生故障机理进行了分析；总结分析牵引电机常见的故障类型及各种电机故障与特征频率之间的内在联系；并通过分析得出了故障特征。(2)针对传统信号处理方法只适合处理平稳、非时变信号，且不具有局部分析能力，利用小波包分析在信号去噪和突变点检测方面的优越性，论文采用小波包技术并结合频带能量分析技术对故障信号进行了降噪处理和能量特征提取，并进行了仿真验证。(3)对SVM与最小二乘支持向量机的分类原理进行了研究。利用小波包提取的特征频带内的能量值作为训练与测试样本，对基于最小二乘支持向量机的牵引电机故障诊断方法进行了仿真分析。并与基于神经网络的方法进行了比较。(4)由于最小二乘支持向量机模型参数对分类精度和模型泛化能力有较大影响，采用QPSO(Quantum Particle Swarm Optimization,量子行为粒子群优化算法)和ARPSO(Attr-active and Repulsive Particle Swarm Optimizer,群多样性的粒子群算法)优化最小二乘支持向量机参数，利用优化参数后的最小二乘支持向量机进行了仿真实验，并与传统最小二乘支持向量机方法以及粒子群优化算法优化参数的方法进行了对比分析。理论研究和仿真结果表明，小波包分析结合QPSO优化的最小二乘支持向量机的诊断方法能够有效地对牵引电机故障进行检测、诊断。