基于BP神經(jīng)網(wǎng)絡(luò)的車輛故障診斷

周飛翔 史彥洋 蔣熠陽(yáng) 姚新科

摘要：根據(jù)鐵路車輛懸掛系統(tǒng)的特征，對(duì)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(duì)故障狀態(tài)的影響，選擇自對(duì)比特性指數(shù)和相對(duì)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(cè)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(duì)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(guó)內(nèi)外研究人員的一個(gè)熱點(diǎn)。

目前，全國(guó)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(hào)中識(shí)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(guò)使用基因算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法，對(duì)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(guò)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(wèn)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(duì)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(hào)，并利用這些信號(hào)對(duì)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(duì)值之比;V2，用于車輛正常狀態(tài)與絕對(duì)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(duì)平方根值與車輛垂直加速度絕對(duì)根值的平均根值后車身加速絕對(duì)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(duì)比和對(duì)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(duì)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(duì)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(wèn)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(guò)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(hào)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(guó)第6類軌道頻譜的反向位移頻譜作為激勵(lì)信號(hào)。軌道：軌道所有方向的異?？梢杂弥谎芯看怪闭駝?dòng)的公式來(lái)計(jì)算，從而可以使用垂直不對(duì)稱公式來(lái)計(jì)算相應(yīng)的位移頻譜作為激勵(lì)。

通過(guò)Matlab將美國(guó)六級(jí)軌道譜、功率譜反演至空間域信號(hào)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(yǔ)

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(cè)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。