基于BP神經(jīng)網(wǎng)絡的車輛故障診斷

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)的故障診斷應用神經(jīng)網(wǎng)絡故障診斷技術(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)絡模型，并建立了車輛懸掛系統(tǒng)。神經(jīng)網(wǎng)絡故障診斷模型在此基礎上，遺傳算法被用于優(yōu)化BP神經(jīng)網(wǎng)絡診斷模型。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)絡的輸入數(shù)據(jù)，并使用優(yōu)化的BP神經(jīng)網(wǎng)絡模型進行模擬測試。結(jié)果顯示，優(yōu)化的BP神經(jīng)網(wǎng)絡診斷算法提高了穩(wěn)定性和準確性，并實現(xiàn)了預期的診斷結(jié)果。

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

0引言

隨著鐵路運輸?shù)陌l(fā)展，鐵路運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)故障的可靠和實時診斷的研究已經(jīng)成為國內(nèi)外研究人員的一個熱點。

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)絡算法是在現(xiàn)代神經(jīng)科學基礎上逐漸發(fā)展的學科。BP能夠從一個不穩(wěn)定的非線性信號中識別相應的故障，人行道構(gòu)成軌道車輛的重要部分，并起支持、牽引、移動和制動作用。該文件建立了軌道動態(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)絡算法，對車輛的關鍵部件進行故障診斷。

1 BP神經(jīng)網(wǎng)絡模型的建立

該BP神經(jīng)網(wǎng)絡是一個多層先進的神經(jīng)網(wǎng)絡，可以存儲大量經(jīng)修改的映射關系，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。為了解決一般的故障診斷問題，通常使用單層BP網(wǎng)絡模型，圖1顯示了該網(wǎng)絡的拓撲情況。

1.1 特征向量的選取

為了確保對車輛零部件進行實時監(jiān)視，更多地使用復雜的傳感器和結(jié)構(gòu)系統(tǒng)不僅昂貴，而且難以進行監(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行診斷。

為了滿足第一個選擇參數(shù)的標準，選擇了三個特性：V1、V2、V5.V1，用于車輛正常狀態(tài)與故障時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準。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標準。V6特性量是車輛的位置/行駛距離/行駛時間。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)絡算法的優(yōu)化

BP神經(jīng)網(wǎng)絡存在的不足，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)絡算法初始權(quán)閾值隨機的情況，可采用遺傳算法進行優(yōu)化，提高診斷精度。

1.3 網(wǎng)絡結(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個故障特征作為輸入層的參數(shù)，所以輸入層的節(jié)點有8個，同時選取輸出層節(jié)點為5個。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)絡結(jié)構(gòu)，所以對于隱含層節(jié)點數(shù)n2和輸入層節(jié)點數(shù)n1有一近似關系，即n2=2* n1+1.故輸入層神經(jīng)元6個，隱含層神經(jīng)元13個，神經(jīng)網(wǎng)絡模型結(jié)構(gòu)是（8，13，5）。

2 動力學模型的建立

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。文件詳細介紹了軌道車輛懸掛系統(tǒng)的建模。問題在于彈簧安全預警和軌道車輛懸掛系統(tǒng)的緩沖，由此可以在Matlab-Simulink軟件的基礎上為軌道車輛垂直懸掛系統(tǒng)建立一個安全預警模型。建立了軌道車輛懸掛系統(tǒng)的故障模擬，并用于產(chǎn)生相關的研究數(shù)據(jù)。

2.1 車輛動力學模型的建立

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速度在軌道上移動一個反射V，同時考慮到六度的自由度。例如，車輛的倒塌和搖桿運動、前后框架的倒塌和搖桿運動。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矩陣獲得的。彈簧被正壓和負壓。

2.2 軌道不平順信號獲取

軌道不連續(xù)是車輛振動的根本原因根據(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信號。軌道：軌道所有方向的異常可以用只研究垂直振動的公式來計算，從而可以使用垂直不對稱公式來計算相應的位移頻譜作為激勵。

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)作為動力學模型的軌道不平順外部激勵源。

3 結(jié)束語

診斷BP神經(jīng)網(wǎng)絡故障的方法應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)絡的基本概念和BP-L神經(jīng)網(wǎng)絡的基本理論，使用模擬數(shù)據(jù)作為測試數(shù)據(jù)認證。雖然使用遺傳算法改進了BP神經(jīng)網(wǎng)絡算法，但實驗結(jié)果表明，基于遺傳算法的改進的BP神經(jīng)網(wǎng)絡算法明顯優(yōu)于先前的網(wǎng)絡算法，而不是同一樣本的改進。網(wǎng)絡形成.基于改進的遺傳算法的BP神經(jīng)網(wǎng)絡算法更加精確和穩(wěn)定，本發(fā)明減少了學習期間的振蕩現(xiàn)象，提供了良好的診斷效率和準確性，并且在實踐中，滿足軌道車輛懸掛系統(tǒng)的故障診斷。