捣固车自动引导与智能故障诊断技术

目录
第1章　捣固车概述1
1.1　捣固车的用途1
1.2　国内外捣固车发展状况1
1.3　D08-32型捣固车的结构及主要性能2
1.3.1　F12L413F型柴油机3
1.3.2　高速走行传动系统6
1.3.3　作业走行传动系统8
1.3.4　液力变矩器8
1.3.5　动力换挡变速器的结构与原理14
1.3.6　分动箱、车轴齿轮箱及传动轴16
1.4　本章小结17
第2章　捣固车自动引导技术理论基础18
2.1　AGC的概念18
2.2　AGC的研究意义及现状18
2.2.1　AGC的研究意义18
2.2.2　AGC的国内外研究现状19
2.3　AGC的系统组成26
2.3.1　捣固车AGC系统26
2.3.2　作业控制系统27
2.3.3　线路测量系统28
2.3.4　程序控制系统28
2.4　AGC的硬件构成28
2.5　AGC的软件构成30
2.6　本章小结32
第3章　铁路线路作业参数计算的数学模型创建34
3.1　铁路轨道概述36
3.1.1　铁路曲线的线型36
3.1.2　单弦法整正曲线的基本原理38
3.2　线路方向的偏差检测及整正原理40
3.2.1　单弦检测系统中的三点法检测原理41
3.2.2　单弦检测系统中的四点法检测原理42
3.2.3　线路方向整正后的残留偏差分析43
3.3　修正值计算原理45
3.3.1　三点法检测拨道数学模型46
3.3.2　三点法修正值计算数学模型46
3.3.3　四点法检测拨道数学模型47
3.3.4　四点法修正值计算数学模型48
3.4　修正值的计算49
3.4.1　三点法检测拨道修正值计算49
3.4.2　三点法修正值和矢距变化曲线50
3.4.3　四点法检测拨道修正值计算51
3.4.4　四点法修正值和矢距变化曲线53
3.4.5　正矢修正值计算方程的具体实现53
3.5　起道抄平系统原理69
3.5.1　纵向水平检测及起道原理70
3.5.2　横向水平检测及起道原理72
3.5.3　横纵平综合检测及起道原理76
3.5.4　起道减少量原理和计算77
3.6　计算方程的正确性验证81
3.6.1　对线路平面的线型方程验证的方法81
3.6.2　对轨道线路数学模型人工验算的方法84
3.7　本章小结90
第4章　捣固车自动引导控制系统的实现91
4.1　捣固车自动引导控制系统的组成91
4.2　自动引导控制体框架设计92
4.3　基于智能控制方法的捣固车故障诊断95
4.4　捣固车自动引导控制平台的开发与实现96
4.4.1　系统数据结构设计97
4.4.2　通信数据定义与转换及通用接口的设计100
4.5　捣固车自动引导控制平台运行实例103
4.6　本章小结105
第5章　捣固车远程故障诊断系统技术实现106
5.1　远程故障诊断系统整体架构与工作流程106
5.1.1　远程故障诊断系统整体架构106
5.1.2　专家诊断系统结构图106
5.1.3　客户端系统体系结构107
5.1.4　远程故障诊断系统工作流程107
5.2　网络通信技术方案108
5.2.1　网络通信设计方式108
5.2.2　网络参数设定109
5.3　大型铁路养护设备车载信号诊断系统110
5.4　数据库、知识库技术应用111
5.4.1　服务器的设计方案111
5.4.2　数据库设计技术113
5.4.3　信号数据库设计技术114
5.4.4　用户数据库设计技术116
5.4.5　服务器集群的分类116
5.5　专家诊断系统客户端技术119
5.6　E-CFD任务分解过程模型在远程故障诊断系统协调性处理中的应用120
5.7　远程故障诊断系统的安全策略级实现技术121
5.8　本章小结122
第6章　捣固车滚动轴承故障诊断的实现123
6.1　基于谐波小波包捣固车滚动轴承故障特征信号提取123
6.1.1　滚动轴承的基本结构和失效表现123
6.1.2　滚动轴承的振动机理124
6.1.3　滚动轴承故障的振动特性128
6.1.4　滚动轴承的振动信号处理129
6.1.5　基于谐波小波包的滚动轴承故障特征提取131
6.1.6　仿真实验及结果分析132
6.2　基于IAGA优化RVM核函数134
6.2.1　RVM理论134
6.2.2　RVM基本原理136
6.2.3　IAGA137
6.2.4　基于IAGA优化RVM的故障诊断模型139
6.2.5　仿真分析142
6.3　利用谐波小波包和改进OAO-RVM实现捣固车滚动轴承的故障诊断144
6.3.1　滚动轴承故障分析分类识别方法144
6.3.2　多分类方法研究144
6.3.3　基于谐波小波包和改进OAO-RVM的滚动轴承故障诊断步骤147
6.3.4　仿真实验及结果分析148
6.4　本章小结152
第7章　捣固车液压系统153
7.1　概述153
7.1.1　信号降噪与特征提取技术的研究现状153
7.1.2　FSVM技术的研究现状153
7.1.3　液压系统故障诊断技术的研究现状154
7.2　振动信号降噪与特征提取技术155
7.2.1　基于改进EMD阈值处理的降噪方法156
7.2.2　基于Q-Shift双树复小波域HMT模型降噪方法158
7.2.3　改进EMD阈值结合Q-Shift双树复小波域HMT模型降噪方法161
7.2.4　信号降噪仿真实验及分析161
7.2.5　基于CEEMD与模糊熵的捣固车液压系统故障特征提取165
7.3　FSVM故障诊断模型172
7.3.1　FSVM的相关理论172
7.3.2　FSVM故障诊断模型的构建及分类流程175
7.3.3　故障诊断实验176
7.4　基于PSO算法优化FSVM模型在捣固车液压系统故障诊断中的应用178
7.4.1　PSO算法及其改进178
7.4.2　FSVM模型的参数优化180
7.4.3　改进的PSO算法优化FSVM模型的流程与步骤181
7.4.4　仿真实验分析183
7.5　本章小结185
第8章　基于KPCA-RVM的故障诊断模型在捣固车捣固装置上的应用187
8.1　捣固车捣固装置故障及故障特征提取187
8.1.1　捣固车捣固装置及其常见故障187
8.1.2　PCA方法基本原理188
8.1.3　核方法基本原理191
8.1.4　KPCA方法简介192
8.1.5　基于KPCA的故障数据提取方法193
8.2　故障识别分类技术195
8.2.1　分类问题195
8.2.2　SVM方法基本原理196
8.2.3　RVM方法基本原理198
8.2.4　RVM的多分类模型202
8.2.5　SVM和RVM对比分析204
8.3　利用KPCA-RVM实现捣固车捣固装置的故障诊断204
8.3.1　故障诊断模型及故障类型204
8.3.2　KPCA的核函数选择205
8.3.3　改进OAO-RVM多分类方法207
8.3.4　故障类型识别209
8.4　本章小结210
参考文献211