检索结果-南通市图书馆

Deep learning-based fault diagnostic network of high-speed train secondary suspension systems for immunity to track irregularities and wheel wear

引用

Railway Engineering Science 2022年第1期30卷 96-116页

作者： yunguang ye Ping Huang Yongxiang Zhang Institute of Land and Sea Transport Systems Technical University of BerlinBerlin 10587Germany National United Engineering Laboratory of Integrated and Intelligent Transportation Southwest Jiaotong UniversityChengdu 610031China Institute for Transport Planning and Systems ETH Zurich8093 ZurichSwitzerland

Fault detection and isolation of high-speed train suspension systems is of critical importance to guarantee train running safety. Firstly, the existing methods concerning fault detection or isolation of train suspension systems are briefly reviewed and divided into two categories, i.e., model-based and data-driven approaches. The advantages and disadvantages of these two categories of approaches are briefly summarized. Secondly, a 1D convolution network-based fault diagnostic method for highspeed train suspension systems is designed. To improve the robustness of the method, a Gaussian white noise strategy(GWN-strategy) for immunity to track irregularities and an edge sample training strategy(EST-strategy) for immunity to wheel wear are proposed. The whole network is called GWN-EST-1 DCNN method. Thirdly, to show the performance of this method, a multibody dynamics simulation model of a high-speed train is built to generate the lateral acceleration of a bogie frame corresponding to different track irregularities, wheel profiles, and secondary suspension faults. The simulated signals are then inputted into the diagnostic network, and the results show the correctness and superiority of the GWN-EST-1DCNN method. Finally,the 1DCNN method is further validated using tracking data of a CRH3 train running on a high-speed railway line.

关键词： High-speed train suspension system Fault diagnosis Track irregularities Wheel wear Deep learning Literature review

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Railway wheel profile fine-tuning system for profile recommendation

引用

Railway Engineering Science 2021年第1期29卷 74-93页

作者： yunguang ye Jonas Vuitton Yu Sun Markus Hecht Institute of Land and Sea Transport Systems Technical University of Berlin10587 BerlinGermany College of Transportation Science and Engineering Nanjing Tech UniversityNanjing 210009China

This paper develops a wheel profile fine-tuning system(WPFTS)that comprehensively considers the influence of wheel profile on wheel damage,vehicle stability,vehicle safety,and passenger *** can recommend one or more optimized wheel profiles according to train operators’needs,e.g.,reducing wheel wear,mitigating the development of wheel out-of-roundness(OOR),improving the shape stability of the wheel ***,WPFTS includes four modules:(I)a wheel profile generation module based on the rotary-scaling finetuning(RSFT)method;(II)a multi-objective generation module consisting of a rigid multi-body dynamics simulation(MBS)model,an analytical model,and a rigid–flexible MBS model,for generating 11 objectives related to wheel damage,vehicle stability,vehicle safety,and passenger comfort;(III)a weight assignment module consisting of an adaptive weight assignment strategy and a manual weight assignment strategy;and(IV)an optimization module based on radial basis function(RBF)and particle swarm optimization(PSO).Finally,three cases are introduced to show how WPTFS recommends a wheel profile according to train operators’*** them,a wheel profile with high shape stability,a wheel profile for mitigating the development of wheel OOR,and a wheel profile considering hunting stability and derailment safety are developed,respectively.

关键词： Wheel profile fine-tuning system Optimization Recommendation Wear Contact concentration index Multi-body dynamics simulation(MBS) Railway wheel

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Rotary-scaling fine-tuning (RSFT) method for optimizing railway wheel profiles and its application to a locomotive

引用

Railway Engineering Science 2020年第2期28卷 160-183页

作者： yunguang ye Yayun Qi Dachuan Shi Yu Sun Yichang Zhou Markus Hecht Institute of Land and Sea Transport Systems Technical University of Berlin10587 BerlinGermany State Key Laboratory of Traction Power Southwest Jiaotong UniversityChengdu 610331China College of Transportation Science and Engineering Nanjing Tech UniversityNanjing 210009China

The existing multi-objective wheel profile optimization methods mainly consist of three sub-modules:(1)wheel profile generation,(2)multi-body dynamics simulation,and(3)an optimization *** the first module,a comparably conservative rotary-scaling finetuning(RSFT)method,which introduces two design variables and an empirical formula,is proposed to fine-tune the traditional wheel profiles for improving their engineering *** the second module,for the TRAXX locomotives serving on the Blankenburg–Rubeland line,an optimization function representing the relationship between the wheel profile and the wheel–rail wear number is established based on Kriging surrogate model(KSM).For the third module,a method combining the regression capability of KSM with the iterative computing power of particle swarm optimization(PSO)is proposed to quickly and reliably implement the task of optimizing wheel ***,with the RSFT–KSM–PSO method,we propose two wear-resistant wheel profiles for the TRAXX locomotives serving on the Blankenburg–Rubeland line,namely S1002-S and *** S1002-S profile minimizes the total wear number by 30%,while the S1002-M profile makes the wear distribution more uniform through a proper sacrifice of the tread wear number,and the total wear number is reduced by 21%.The quasi-static and hunting stability tests further demonstrate that the profile designed by the RSFT–KSM–PSO method is promising for practical engineering applications.

关键词： Wheel profile optimization Wear reduction Rotary-scaling fine-tuning Particle swarm optimization Kriging surrogate model

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

小波包熵与多核学习在列车转向架轴承故障诊断中的应用

引用

燕山大学学报 2017年第5期41卷 401-406页

作者：周彭滔单奇叶运广西南交通大学机械工程学院四川成都610031

为提高列车转向架轴承故障诊断的准确性和效率,提出一种基于小波包熵和多核学习的列车轴承故障智能诊断方法。该方法通过对轴承振动信号进行小波包分解,提取小波包特征分量,通过广义信息熵的概念定义了小波包特征熵函数,最后基于多核学... 详细信息

为提高列车转向架轴承故障诊断的准确性和效率,提出一种基于小波包熵和多核学习的列车轴承故障智能诊断方法。该方法通过对轴承振动信号进行小波包分解,提取小波包特征分量,通过广义信息熵的概念定义了小波包特征熵函数,最后基于多核学习训练出的分类器对轴承故障类型进行分类,判断轴承的工作状态。实验结果表明,该方法可以准确、有效地实现列车轴承的故障判别,为列车转向架轴承早期故障诊断的研究提供一定的新的思路。

关键词：列车转向架轴承故障诊断小波包熵多核学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

大件运输车-桥耦合动力学分析

引用

中国测试 2017年第1期43卷 127-131页

作者：周彭滔单奇叶运广西南交通大学机械工程学院四川成都610031

特殊大件运输车货质量可达千吨,在判断大件运输车辆能否安全通过桥梁时,以桥梁跨中挠度作为评判标准关键指标。该文以四川德阳市石亭江大桥为例,采用Auto CAD软件对大桥进行建模,而车辆的模型以尼古拉斯全液压平板车组为模版进行建模,... 详细信息

特殊大件运输车货质量可达千吨,在判断大件运输车辆能否安全通过桥梁时,以桥梁跨中挠度作为评判标准关键指标。该文以四川德阳市石亭江大桥为例,采用Auto CAD软件对大桥进行建模,而车辆的模型以尼古拉斯全液压平板车组为模版进行建模,然后在ADAMS软件中对车辆与桥梁进行耦合动力学分析,研究不同轴数、轴距、轴线载荷的大件运输车辆通过桥梁时桥梁跨中挠度的变化情况。建立的模型和分析结果可以用于预估大件运输车辆通过桥梁时的跨中挠度,为大件运输车辆桥梁通过性提供定量分析方法。

关键词：公路运输车-桥耦合动力学分析大件运输挠度

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

高速列车转向架蛇行失稳的MEEMD-LSSVM预测模型

引用

铁道学报 2018年第1期40卷 38-43页

作者：叶运广宁静种传杰崔万里陈春俊西南交通大学机械工程学院四川成都610031

为预测列车转向架蛇行失稳异常运动状态,提出一种改进的集总平均经验模态分解-最小二乘法支持向量机(MEEMD-LSSVM)的预测模型。以转向架正常、过渡、蛇行失稳3种状态下振动信号为研究对象,通过MEEMD对信号进行分解,再用Hilbert变换(HT)... 详细信息

为预测列车转向架蛇行失稳异常运动状态,提出一种改进的集总平均经验模态分解-最小二乘法支持向量机(MEEMD-LSSVM)的预测模型。以转向架正常、过渡、蛇行失稳3种状态下振动信号为研究对象,通过MEEMD对信号进行分解,再用Hilbert变换(HT)分析其时频能量特征,最后采用固有模态函数(IMF)的能量特征作为LSSVM的输入,通过识别过渡状态,预测列车蛇行失稳。试验表明,列车处于330~350km/h之间时,预测准确率为93.33%,并且MEEMD-LSSVM方法准确率和计算耗时优于EEMD-SVM方法,证明该预测模型的有效性和快速性。

关键词：高速列车蛇行失稳 MEEMD LSSVM 预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于D-S证据理论高速列车横向失稳故障判别研究

引用

中国测试 2017年第7期43卷 103-107页

作者：刘棋宁静叶运广陈春骏西南交通大学机械工程学院四川成都610031

为解决高速列车发生横向失稳故障时,转向架的运行情况难以被单一传感器测量得到全面信息以及准确地反应等问题,提出利用多个加速度传感器组成多信息源网络系统,建立基于多信息源的高速列车横向失稳故障决策融合诊断系统。由于高速列车... 详细信息

为解决高速列车发生横向失稳故障时,转向架的运行情况难以被单一传感器测量得到全面信息以及准确地反应等问题,提出利用多个加速度传感器组成多信息源网络系统,建立基于多信息源的高速列车横向失稳故障决策融合诊断系统。由于高速列车发生横向失稳故障存在复杂的轮轨耦合关系,导致列车横向失稳故障状态诊断难度大,基于此提出D-S证据理论方法融合系统中各个传感器中测量数据信息并应用于高速列车横向失稳故障状态判别。结果表明:基于D-S证据理论方法与任何单一传感器诊断结果相比,识别效果更好,对正常状态、小幅蛇行以及大幅蛇行故障状态的识别率分别达92.3%、82.89%、88.67%,证明该方法有效。

关键词：高速列车横向失稳 D-S证据理论决策融合故障判别

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于EEMD能量熵的高速列车蛇行诊断研究

引用

中国测试 2017年第5期43卷 96-100页

作者：刘棋宁静叶运广陈春俊西南交通大学机械工程学院四川成都610031

为解决列车高速运行时,出现的蛇行失稳故障难以被准确识别的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)熵特征和最小二乘法支持向量机(least squares support vector machine,LSSVM)的高速列车蛇... 详细信息

为解决列车高速运行时,出现的蛇行失稳故障难以被准确识别的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)熵特征和最小二乘法支持向量机(least squares support vector machine,LSSVM)的高速列车蛇行异常运动状态的诊断方法。首先通过EEMD对高速列车蛇行故障振动信号进行分解,再提取固有模态函数(intrinsic mode function,IMF)分量的样本熵特征、香农熵特征和能量熵特征,最后分别用LSSVM进行训练和识别。试验结果表明:高速列车在330~350 km/h的运行速度下,EEMD熵特征-LSSVM方法能准确识别高速列车蛇行失稳状态,并且LSSVM的输入特征为能量熵特征时,识别效果优于样本熵特征和香农熵特征,识别率达到95%。

关键词：蛇行失稳集合经验模态分解固有模态函数熵特征最小二乘法支持向量机

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于代理模型的高速列车齿轮箱裂纹识别

引用

中国测试 2018年第3期44卷 131-136页

作者：王清波宁静叶运广陈春俊西南交通大学机械工程学院四川成都610031

为建立裂纹结构动力响应与裂纹参数之间的解析关系从而对齿轮箱裂纹进行有效识别,提出一种可替代原有高精度分析模型的计算量小且计算精度较高的基于代理模型的裂纹识别方法。利用初始样本通过有限元与插值算法建立裂纹结构参数与动力... 详细信息

为建立裂纹结构动力响应与裂纹参数之间的解析关系从而对齿轮箱裂纹进行有效识别,提出一种可替代原有高精度分析模型的计算量小且计算精度较高的基于代理模型的裂纹识别方法。利用初始样本通过有限元与插值算法建立裂纹结构参数与动力响应之间的Kriging代理模型对应关系,从而代替原有的物理参数模型与结构响应关系,有效减少有限元计算次数,并通过随机粒子群优化方法对建立的代理模型进行全局裂纹参数寻优。通过一个悬臂梁结构的数值算例,对所提方法进行有效验证,并将该方法应用到某高速列车齿轮箱的裂纹识别中,结果表明该方法能够有效地对结构裂纹进行识别。

关键词：高速列车齿轮箱裂纹识别 Kriging代理模型随机粒子群优化算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于MEEMD-HT的高速列车转向架蛇行失稳特征分析

引用

中国测试 2016年第9期42卷 120-125页

作者：叶运广宁静种传杰崔万里刘棋西南交通大学机械工程学院四川成都610031

为研究高速列车蛇行失稳时转向架横向、纵向和垂向的时频能特征，针对集合经验模态分解（EEMD）的模态分裂问题．提出一种改进的集合经验模态分解一Hilbert变换（MEEMD—HT）方法，首先对列车速度330～350km／h时转向架蛇行失稳状态下... 详细信息

为研究高速列车蛇行失稳时转向架横向、纵向和垂向的时频能特征，针对集合经验模态分解（EEMD）的模态分裂问题．提出一种改进的集合经验模态分解一Hilbert变换（MEEMD—HT）方法，首先对列车速度330～350km／h时转向架蛇行失稳状态下的横向、纵向和垂向振动信号进行MEEMD分解，再通过HT分析MEEMD—HT能量谱和边际谱，并将MEEMD—HT分析结果与集合经验模态分解-Hilbert变换（EEMD—HT）对比。结果表明：列车蛇行失稳时，横向失稳现象最为明显，频率、能量分布高度集中，振动最为剧烈，纵向、垂向相对次之，但失稳现象显著；同时，MEEMD—HT方法能够体现出信号的时频能细节分布特征，优于传统的EEMD—HT方法。

关键词：高速列车蛇行失稳改进的集合经验模态分解 Hilbert变换

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：