学位论文 > 优秀研究生学位论文题录展示

基于变换和计算智能的城轨列车辅助逆变器主电路故障诊断方法

作　者: 胡子腾
导　师: 蒋熙
学　校: 北京交通大学
专　业: 安全技术及工程
关键词: 城轨列车辅助逆变器主电路变换计算智能 PSO-BP神经网络
分类号: U279
类　型: 硕士论文
年　份: 2014年
下　载: 18次
引　用: 0次
阅　读: 论文下载

内容摘要

本文以城轨列车辅助逆变器主电路故障为诊断对象,以提高诊断技术水平为出发点,结合城轨列车辅助逆变器主电路故障的特点,提出了一种基于变换和计算智能的城轨列车辅助逆变器主电路故障诊断方法。首先,阐明了论文研究的背景和意义,接着综述了逆变器主电路故障诊断技术研究现状。其次,详细论述了城轨列车辅助逆变器的结构和工作原理以及控制技术,根据对辅助逆变器工作机理的分析,通过SIMULINK软件建立并验证了辅助逆变器的仿真模型。通过对辅助逆变器主电路故障模式的分析,利用已经建立的仿真模型仿真了辅助逆变器运行时不同IGBT开路的故障情况,从而得到了各个故障所对应的输出电压波形。再次,针对仿真的故障波形,研究了基于变换的故障特征提取方法,通过将故障输出的三相电压通过3/2变换变换到2维空间,得到了各个故障的电压轨迹图,进而根据轨迹图的特点明确了采用重心法来提取故障特征,并分析了此方法的局限性。进而又研究了将三相电压进行FFT变换来提取故障特征的方法,并分析了此方法的局限性。经过这两种方法的比较分析,明确了结合这两种方法来同时提取故障特征的方法,并构造了特征向量。最后,在明确故障特征提取方法的基础上,研究了基于计算智能的故障识别方法,通过采用PSO-BP(?)神经网络对辅助逆变器主电路的故障进行识别,明确了故障编码以及PSO-BP神经网络的构建方法,并分别通过仿真数据和现场数据验证其诊断方法的有效性。本文的研究结果表明,文中城轨列车辅助逆变器仿真模型的建立,故障的仿真,故障特征的提取方法和故障识别方法都是有效的,具有研究价值。

全文目录

致谢  5-6
中文摘要  6-7
ABSTRACT  7-14
1 绪论  14-22
  1.1 研究的背景和意义  14-16
    1.1.1 研究的背景  14-15
    1.1.2 研究的意义  15-16
  1.2 逆变器主电路故障诊断技术研究现状  16-19
    1.2.1 基于变换的方法  17-18
    1.2.2 基于计算智能的方法  18-19
  1.3 选题来源及研究内容  19-21
    1.3.1 论文的选题来源和研究目标  19
    1.3.2 论文技术路线  19-20
    1.3.3 论文思路及研究主要内容  20-21
  1.4 本章小结  21-22
2 城轨列车辅助逆变器工作原理分析  22-32
  2.1 城轨列车辅助逆变系统简介  22-24
    2.1.1 辅助逆变系统在列车的分布  22
    2.1.2 辅助逆变系统的供电方式  22-23
    2.1.3 辅助逆变器的结构及主要技术参数  23-24
  2.2 城轨列车辅助逆变器电路原理分析  24-26
    2.2.1 预充电电路组成及工作原理  24-25
    2.2.2 逆变电路组成及工作原理  25-26
    2.2.3 输出电路组成及工作原理  26
  2.3 城轨列车辅助逆变器的控制  26-31
    2.3.1 控制单元组成及控制流程  27-28
    2.3.2 辅助逆变器的控制原理  28-29
    2.3.3 辅助逆变器谐波的消除  29-31
  2.4 本章小结  31-32
3 城轨列车辅助逆变器主电路的故障仿真  32-42
  3.1 城轨列车辅助逆变器主电路仿真模型建立  32-36
    3.1.1 基于SIMULINK的仿真模型建立  32-34
    3.1.2 城轨列车辅助逆变器主电路仿真模型验证  34-36
  3.2 城轨列车辅助逆变器主电路故障仿真  36-41
    3.2.1 城轨列车辅助逆变器主电路故障模式  36-37
    3.2.2 城轨列车辅助逆变器主电路故障分类  37-38
    3.2.3 城轨列车辅助逆变器主电路故障仿真  38-41
  3.3 本章小结  41-42
4 基于变换的城轨列车辅助逆变器主电路故障特征提取  42-54
  4.1 基于三相-两相变换和重心法的故障特征提取  42-46
    4.1.1 三相-两相变换  42-43
    4.1.2 三相电压的三相-两相变换  43-44
    4.1.3 基于重心的电压轨迹图特征提取及分析  44-46
  4.2 基于快速傅立叶变换的故障特征提取  46-52
    4.2.1 离散傅里叶变换  46-47
    4.2.2 基于快速傅里叶变换的输出电压特征提取及分析  47-52
  4.3 故障特征提取方法的确定  52-53
  4.4 本章小结  53-54
5 基于计算智能的城轨列车辅助逆变器主电路故障识别  54-76
  5.1 PSO-BP神经网络模型的构建  54-58
    5.1.1 BP神经网络及粒子群优化算法概述  54-57
    5.1.2 PSO-BP神经网络模型的构建  57-58
  5.2 基于PSO-BP的城轨列车辅助逆变器主电路故障识别  58-70
    5.2.1 辅助逆变器主电路故障的识别过程及编码  58-61
    5.2.2 故障特征的样本数据获取  61-63
    5.2.3 BP神经网络和PSO-BP神经网络训练效果比较  63-65
    5.2.4 基于PSO-BP神经网络的故障识别测试  65-70
  5.3 辅助逆变系统现场监测数据测试  70-75
    5.3.1 辅助逆变系统监测数据的采集  70-73
    5.3.2 辅助逆变系统监测数据的处理  73-74
    5.3.3 辅助逆变系统监测数据测试  74-75
  5.4 本章小结  75-76
6 结论与展望  76-78
  6.1 结论  76-77
  6.2 展望  77-78
    6.2.1 不足之处  77
    6.2.2 下一步工作  77
    6.2.3 应用前景  77-78
参考文献  78-80
作者简历  80-82
学位论文数据集  82

基于变换和计算智能的城轨列车辅助逆变器主电路故障诊断方法

内容摘要

全文目录

相似论文