Fault diagnosis of choke adapter transformer based on rough set and fuzzy inference for high-speed railway
-
摘要: 文章梳理了扼流适配变压器故障模式和类型，完成了室内电路搭建及故障数据采集；选用粗糙集理论进行决策规则提取，在保持分类能力不变的条件下，去除监测数据表中大量的冗余特征，并提取出简明决策规则；进一步结合模糊推理，确定适用的隶属度，实现高正确率的故障诊断；最后，利用实际数据对此诊断方法的效果进行了验证，诊断正确率为92.5%，满足实际需求。Abstract: This article combed failure modes and types of choke adapter transformer, implemented indoor circuit construction and fault data acquisition, chose the applicable fault diagnosis method, i.e. rough set theory, to obtain decision rules. On the condition that classification capability remained unchanged, plenty of redundancy features in the monitoring data table were reduced and concise decision rules were obtained. Forther more, this article used fuzzy inference to determine the applicable membership functions, implemented the fault diagnosis with high accuracy, used real data to verify the result of this fault diagnosis method. The accuracy was 92.5%, it met the actual demands.
-
Keywords:
- high-speed railway /
- choke adapter transformer /
- fault diagnosis /
- rough set /
- fuzzy inference
-
-
[1] 杨世武. 铁路信号抗干扰技术[M]. 北京：北京交通大学出版社，2012. [2] Yang S W, Cui Y, Liu J L, et al. Research on the modeling of the impedance match bond at station track circuit in Chinese high-speed railway[J]. Advances in Mechanical Engineering, 2015, 7(11) ：1-7. [3] 郑含博. 电力变压器状态评估及故障诊断方法研究[D]. 重庆：重庆大学，2012. [4] Zhao L H, Wu J P, Ran Y K. Fault diagnosis for track circuit using AOK-TFRs and AGA[J]. Control Engineering Practice, 2012, 20(12): 1270-1280. [5] Yang S W, Chen J Y, Wang Z, et al. Design of automatic test system for railway signaling equipments based on virtual instrument[C]. ICEMI 2005: Conference Proceedings of the Seventh International Conference on Electronic Measurement & Instruments, 2005: 249-252. [6] 吴浩中, 王开文. 模糊神经网络在摆式列车作动系统故障诊断中的应用[J]. 中国铁道科学，2002（3）：35-38. [7] 赵林海, 冉义奎, 穆建成. 基于遗传算法的无绝缘轨道电路故障综合诊断方法[J]. 中国铁道科学，2010（3）：107-114. [8] 中华人民共和国铁道部. 铁道信号维护规则技术标准I[S].北京：中国铁道出版社，2008. [9] 杨润霞. 25Hz 相敏轨道电路故障诊断系统的研究与设计[D].兰州：兰州交通大学，2014. [10] 吴尚智. 基于粗糙集的一种属性值约简算法及其应用[J].计算机应用与软件，2009（2）：263-265. [11] Yao Y Y, Zhao Y. Attribute reduction in decision-theoretic rough set models[J]. Information Sciences, 2008, 178(17): 3356-3373. [12] Tian D, Zeng X J, Keane J, Core-Generating Discretization for Rough Set Feature Selection[C]. in Transactions on Rough Sets Xiii, 2011: 135-158. [13] 钱 锋. 基于粗糙集知识的离散化方法和约简算法的研究[D]. 厦门：厦门大学，2007. [14] Bilski P, Wojciechowski J M. Rough-Sets-Based Reduction for Analog Systems Diagnostics[J]. Ieee Transactions on Instrumentation and Measurement, 2011, 60(3): 880-890. [15] 李 凡, 刘启和, 叶 茂, 等. 不一致决策表的知识约简方法研究[J]. 控制与决策，2006（8）： 857-862. [16] 张国军. 基于粗糙集的相对属性约简算法及决策方法研究[D]. 武汉：华中科技大学，2010. [17] Chen D, Wang C Z, Hu Q H. A new approach to attribute reduction of consistent and inconsistent covering decision systems with covering rough sets[J]. Information Sciences,
2007, 177(17): 3500-3518.[18] 陈 阳, 王 涛, 刘玉航. 二型模糊集下的推理模型及Mamdani 推理算法[J]. 模糊系统与数学，2008（3）： 41-48. [19] 李国栋，丁 宁，徐永海. 基于Mamdani 型模糊推理的电压暂降源识别[J]. 华北电力大学学报：自然科学版，2010（2）：43-48. [20] 潘正华. 模糊推理算法的数学原理[J]. 计算机研究与发展，2008（S1）： 165-168. [21] 张德丰. MATLAB 模糊系统设计[M]. 北京：国防工业出版社，2009. -
期刊类型引用(9)
1. 薛锋，吴林鸿，汪雯文，周琳. 基于MI-PSO-RBF神经网络的铁路客货运量预测研究. 铁道运输与经济. 2024(09): 123-135 . 
百度学术
2. 崔淑华，侯慧君，武慧荣. 利用标准差赋权组合模型预测大宗货物运输需求. 交通科技与经济. 2022(06): 31-38 . 百度学术
3. 徐菲，任爽. 基于分解—集成的铁路货运需求预测研究. 运筹与管理. 2021(08): 133-138 . 百度学术
4. 刘金芳，向万里，王璐璐. 基于VMD-BAS-BP的铁路货运量预测研究. 青海交通科技. 2021(06): 50-56+68 . 百度学术
5. 徐文文，彭建平，邱春蓉. 基于支持向量回归的地铁受电弓滑板磨耗趋势预测模型研究. 铁路计算机应用. 2020(01): 77-81 . 本站查看
6. 杨基宏，陈浩林，徐刚，余澄庆，刘辉. 基于ELM的城市轨道交通系统建设成本估算研究. 铁路计算机应用. 2020(04): 1-4 . 本站查看
7. 谭雪，张小强. 基于GRU深度网络的铁路短期货运量预测. 铁道学报. 2020(12): 28-35 . 百度学术
8. 张蕾，孙德山，张文政，王玥. 基于灰色关联分析的支持向量机的铁路货运量预测研究. 经济数学. 2018(02): 58-61 . 百度学术
9. 任巧丽，马乾. PCA-RBF神经网络对兰州市日平均气温的预测. 宜宾学院学报. 2018(12): 111-115 . 百度学术
其他类型引用(10)
计量
- 文章访问数: 114
- HTML全文浏览量: 0
- PDF下载量: 12
- 被引次数: 19
下载:
