周飛翔 史彥洋 蔣熠陽 姚新科

摘要：根據(jù)鐵路車輛懸掛系統(tǒng)的特征，對鐵路車輛懸掛系統(tǒng)的故障診斷應(yīng)用神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù)。提供了一種用于診斷鐵路車輛彈簧和故障緩沖的BP神經(jīng)網(wǎng)絡(luò)模型，并建立了車輛懸掛系統(tǒng)。神經(jīng)網(wǎng)絡(luò)故障診斷模型在此基礎(chǔ)上，遺傳算法被用于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)診斷模型。為了避免軌道不規(guī)則對故障狀態(tài)的影響，選擇自對比特性指數(shù)和相對特性指數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，并使用優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模擬測試。結(jié)果顯示，優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)診斷算法提高了穩(wěn)定性和準(zhǔn)確性，并實(shí)現(xiàn)了預(yù)期的診斷結(jié)果。

關(guān)鍵詞：道車輛;彈簧故障;故障特征;BP神經(jīng)網(wǎng)絡(luò);故障診斷

0引言

隨著鐵路運(yùn)輸?shù)陌l(fā)展，鐵路運(yùn)輸在公共交通中占據(jù)了非常重要的位置。在軌車輛的安全和舒適是影響其發(fā)展的重要因素。其性能直接影響到車輛的安全性和舒適性，因此，對懸掛系統(tǒng)故障的可靠和實(shí)時(shí)診斷的研究已經(jīng)成為國內(nèi)外研究人員的一個(gè)熱點(diǎn)。

目前，全國內(nèi)外有許多鐵路車輛懸掛系統(tǒng)的故障診斷方法，包括基于IMM算法的車輛懸掛系統(tǒng)故障診斷。然而，基于觀察的車輛懸掛系統(tǒng)的故障診斷等，人造神經(jīng)網(wǎng)絡(luò)算法是在現(xiàn)代神經(jīng)科學(xué)基礎(chǔ)上逐漸發(fā)展的學(xué)科。BP能夠從一個(gè)不穩(wěn)定的非線性信號中識別相應(yīng)的故障，人行道構(gòu)成軌道車輛的重要部分，并起支持、牽引、移動(dòng)和制動(dòng)作用。該文件建立了軌道動(dòng)態(tài)模擬模型和數(shù)據(jù)采集處理。通過使用基因算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法，對車輛的關(guān)鍵部件進(jìn)行故障診斷。

1 BP神經(jīng)網(wǎng)絡(luò)模型的建立

該BP神經(jīng)網(wǎng)絡(luò)是一個(gè)多層先進(jìn)的神經(jīng)網(wǎng)絡(luò)，可以存儲(chǔ)大量經(jīng)修改的映射關(guān)系，從而容易地獲得故障診斷和模式分類。通過調(diào)整加權(quán)系數(shù)和閾值，可以獲得BP神經(jīng)網(wǎng)絡(luò)。為了解決一般的故障診斷問題，通常使用單層BP網(wǎng)絡(luò)模型，圖1顯示了該網(wǎng)絡(luò)的拓?fù)淝闆r。

1.1 特征向量的選取

為了確保對車輛零部件進(jìn)行實(shí)時(shí)監(jiān)視，更多地使用復(fù)雜的傳感器和結(jié)構(gòu)系統(tǒng)不僅昂貴，而且難以進(jìn)行監(jiān)視。加速傳感器僅安裝在轉(zhuǎn)向架和車輛主體上，以獲得加速信號，并利用這些信號對車輛彈簧和阻尼裝置的故障進(jìn)行診斷。

為了滿足第一個(gè)選擇參數(shù)的標(biāo)準(zhǔn)，選擇了三個(gè)特性：V1、V2、V5.V1，用于車輛正常狀態(tài)與故障時(shí)車身垂直加速度絕對值之比;V2，用于車輛正常狀態(tài)與絕對值之差。車身故障時(shí)的垂直加速，V5用于車輛故障前的垂直加速，在0-23Hz頻率下，內(nèi)部平均值與故障后平均值之比。選擇V3和V4特性量以滿足第二標(biāo)準(zhǔn)。V3是車身垂直加速度絕對平方根值與車輛垂直加速度絕對根值的平均根值后車身加速絕對值的平均根值。選擇了V6特性量以滿足第三項(xiàng)標(biāo)準(zhǔn)。V6特性量是車輛的位置/行駛距離/行駛時(shí)間。滿足了車輛安全電路條件的自比較、對比和對比。

1.2BP神經(jīng)網(wǎng)絡(luò)算法的優(yōu)化

BP神經(jīng)網(wǎng)絡(luò)存在的不足，如收斂速度慢、不能保證全局最小、結(jié)構(gòu)不確定等。對于神經(jīng)網(wǎng)絡(luò)算法初始權(quán)閾值隨機(jī)的情況，可采用遺傳算法進(jìn)行優(yōu)化，提高診斷精度。

1.3 網(wǎng)絡(luò)結(jié)構(gòu)及故障模式的確定

研究決定，選取軌道車輛轉(zhuǎn)向架一系彈簧的6個(gè)故障特征作為輸入層的參數(shù)，所以輸入層的節(jié)點(diǎn)有8個(gè)，同時(shí)選取輸出層節(jié)點(diǎn)為5個(gè)。輸出形式表示如下：正常（10000）、彈簧斷裂故障（01000）、彈簧輕微故障（00100）、彈簧中等故障（00010）、彈簧斷裂故障（00001）。因采用三層網(wǎng)絡(luò)結(jié)構(gòu)，所以對于隱含層節(jié)點(diǎn)數(shù)n2和輸入層節(jié)點(diǎn)數(shù)n1有一近似關(guān)系，即n2=2* n1+1.故輸入層神經(jīng)元6個(gè)，隱含層神經(jīng)元13個(gè)，神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)是（8，13，5）。

2 動(dòng)力學(xué)模型的建立

車輛建模的基本目的是提供理論上的幫助和研究主題的數(shù)據(jù)。模型產(chǎn)生的數(shù)據(jù)可以分析系統(tǒng)狀況，并從系統(tǒng)故障中提取特征。文件詳細(xì)介紹了軌道車輛懸掛系統(tǒng)的建模。問題在于彈簧安全預(yù)警和軌道車輛懸掛系統(tǒng)的緩沖，由此可以在Matlab-Simulink軟件的基礎(chǔ)上為軌道車輛垂直懸掛系統(tǒng)建立一個(gè)安全預(yù)警模型。建立了軌道車輛懸掛系統(tǒng)的故障模擬，并用于產(chǎn)生相關(guān)的研究數(shù)據(jù)。

2.1 車輛動(dòng)力學(xué)模型的建立

軌道車輛的六度垂直自由模型包括車身、底盤、懸掛件和二次懸掛件，該模型是一種剛性系統(tǒng)，模擬以V速度在軌道上移動(dòng)一個(gè)反射V，同時(shí)考慮到六度的自由度。例如，車輛的倒塌和搖桿運(yùn)動(dòng)、前后框架的倒塌和搖桿運(yùn)動(dòng)。轉(zhuǎn)向車的軸為2LA，前后轉(zhuǎn)向車的中心距離為2LS。為了區(qū)分懸掛彈簧和緩沖彈簧，所述轉(zhuǎn)向車的中心距離為2LS。彈簧和阻尼分別稱為K1-K6和C1-C6。硬度矩陣、阻尼矩陣和系統(tǒng)質(zhì)量矩陣是通過硬度相關(guān)矩陣獲得的。彈簧被正壓和負(fù)壓。

2.2 軌道不平順信號獲取

軌道不連續(xù)是車輛振動(dòng)的根本原因根據(jù)目前的鐵路交通狀況，選擇了美國第6類軌道頻譜的反向位移頻譜作為激勵(lì)信號。軌道：軌道所有方向的異?？梢杂弥谎芯看怪闭駝?dòng)的公式來計(jì)算，從而可以使用垂直不對稱公式來計(jì)算相應(yīng)的位移頻譜作為激勵(lì)。

通過Matlab將美國六級軌道譜、功率譜反演至空間域信號如圖5所示，以此數(shù)據(jù)作為動(dòng)力學(xué)模型的軌道不平順外部激勵(lì)源。

3 結(jié)束語

診斷BP神經(jīng)網(wǎng)絡(luò)故障的方法應(yīng)用于軌道車輛懸掛系統(tǒng)故障的診斷。根據(jù)人造神經(jīng)網(wǎng)絡(luò)的基本概念和BP-L神經(jīng)網(wǎng)絡(luò)的基本理論，使用模擬數(shù)據(jù)作為測試數(shù)據(jù)認(rèn)證。雖然使用遺傳算法改進(jìn)了BP神經(jīng)網(wǎng)絡(luò)算法，但實(shí)驗(yàn)結(jié)果表明，基于遺傳算法的改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法明顯優(yōu)于先前的網(wǎng)絡(luò)算法，而不是同一樣本的改進(jìn)。網(wǎng)絡(luò)形成.基于改進(jìn)的遺傳算法的BP神經(jīng)網(wǎng)絡(luò)算法更加精確和穩(wěn)定，本發(fā)明減少了學(xué)習(xí)期間的振蕩現(xiàn)象，提供了良好的診斷效率和準(zhǔn)確性，并且在實(shí)踐中，滿足軌道車輛懸掛系統(tǒng)的故障診斷。