基于贝叶斯网络机车牵引变流器故障预测

《基于贝叶斯网络机车牵引变流器故障预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文摘要摘要：电力机车是一个结构非常复杂的系统，其绝大部分时间都处于工作状态，这就要求机车运行具有较高的可靠性。对机车运行状态进行实时监控和故障预测是防止机车故障，保障运行安全的重要手段。牵引变流器是电力机车以及安装电传动装置的其他机车上设置在牵引主电路中的变流器，其功能是转换直流制和交流制间的电能量，并对各种牵引电动机起控制和调节作用，从而控制机车的运行，故牵引变流器的可靠性是机车安全运行的重要保障。本文的主要贡献如下：1、提出将贝叶斯网络方法应用于牵引变流器故障的预测。论文阐明了故障预测的目的、意义和发展现状，分析了将智能故障预测方法应用于机车设备的紧迫性。引入故障预测的前沿工具一贝叶斯

2、网络，阐述了贝叶斯网络诊断的优越性，提出了将贝叶斯网络技术应用于牵引变流器故障预测的全新方法。2、明确贝叶斯网络基本理论及其建模方法。对贝叶斯网络的基本理论及方法进行了研究，贝叶斯网络提供了一种因果关系的数据表达法，可以用来挖掘数据之间的潜在关系，在不确定性推理及数据建模等方面具有特有的优势。贝叶斯网络的条件独立性能够很好的表达故障之间的关联关系。3、将贝叶斯网络理论应用于牵引变流器的故障预测。论文选择电力机车牵引变流器为研究对象，介绍了韶山8型电力机车主变流器的电路结构和工作原理，通过对变流器工作机理及常见故障：过电流故障、过电压故障、欠电压故障、过热故障、过载故障等故障及其原因的分析，利

3、用模糊理论将从系统采集的信号进行处理、判断，借助仿真软件MATLAB中的FullBNT-1．0．7工具箱构建贝叶斯网络，通过贝叶斯网络的参数学习强化模型，依靠其推理能力，对可能发生故障原因做出决策并进行故障的诊断。研究表明，贝叶斯网络用于故障预测方法实时性好，准确性高，为机车牵引变流器可靠性研究提供了新的、更为有力的技术方法。关键词：故障预测；贝叶斯网络：牵引变流器；不确定性推理；模糊理论分类号：[请输入分类号(1-2)，以分号分隔。]j匕京交通太堂亟±堂僮途窒△旦墨!＆△￡!ABSTRACTABSTRACT：ElectriclocomotiveisquitcacoIIlpleXsmlctu

4、rc砌chhasahighrequireInentofreliabil埘so也atitcaIlke印wo幽ngalltlletime．MoIlitoring也ereal—timestateoflocomotivemldestablisllingaschemeoff撕lurcp础ictionareVeryinlportanttopreveIltf越lur骼andtoe11suresafeoperation．nactionconVerterisinstallediIlelectric10comotiveandomerlocomotiveswllic：hhaveelectricilriVesyst

5、ems．nissetiIlthemaincircllitofmetractioncorⅣerteranditsRmctionistoconvertmeelectricenergybe咐eenDCsystemandACsystem．TractionconVenercaIlco曲∞la11dupdateav乏ldetyoftractionmotorstomakesuremelocomotiVesrullregul矾y．SoⅡlereliabilityof屯ractionconverterisaniIllportantguaranteefort11esafeoperationof10comotiV

6、es．Themamcontributionsofmistllesisareorganizedasfollows：1．Proposedame山od砌chcallapplyBayesiallne研orI(stof．aultpredictionof们ctionoonverter．Thjsmesisexpoulldedtllepulpose，significanceaIIdmestatusoft11edeVelopmentoffaultprediction．Itpresentedtheurgencyofapplyingt11eiIltelligencefaultpredictionmemodto10

7、comotiVeequipment．AnadVallcedtooln锄edBayesiaIln咖orkwasin们ducedtof．aultpredictioninthisthesisandmesuperioritywaSi11us缸．atedcomp撕ngwitllⅡleotherdiagnosticmemods．Anewteclulologyw11ich印pliedBayesiannet、Ⅳorktof．