隨著中國經濟飛躍發展,城市化進程不斷加快,地鐵作為城市軌道交通的重要基礎設施也在不斷擴建。地鐵列車存在密度高、列車間隔時間短的運營情況,難以避免的會發生故障,進而影響列車的運輸效率和安全性。因此,本文將TBS-100型地鐵ATP車載設備作為研究對象,基于故障記錄表中的故障數據,提出將故障數據的統計結果與SA-BP神經網絡相結合的方法對ATP車載設備建立故障診斷模型,并驗證模型的可靠性。同時利用該診斷模型,設計并實現地鐵ATP車載設備故障診斷系統的仿真軟件。本文所做具體工作如下:（1）對TBS-100型地鐵ATP車載設備的系統結構和各設備結構的功能進行研究分析,主要分析設備的工作原理和各功能模塊之間的工作原理和機制。對ATP車載設備常見的故障類型和故障現象進行歸納總結,同時分析其故障原因,將故障記錄表中的故障數據進行處理之后建立樣本數據。（2）建立故障診斷模型。從BP神經網絡和SA算法的理論出發,采用整理得到的樣本數據,以ATP車載設備中的EIC故障代碼為例,選擇以列車運行時間、緊急制動后恢復次數、緊急停車后掉線次數作為輸入,設備模塊的故障次數作為輸出建立基于SA-BP神經網絡的故障診斷... 

【文章來源】：西南交通大學四川省 211工程院校 教育部直屬院校

【文章頁數】：73 頁

【學位級別】：碩士

【部分圖文】：

ATP系統結構圖

西南交通大學碩士研究生學位論文第 8 頁動相關的信息進行處理。在該處理通道中有兩套相同的模塊，即 ATP 處理通道 A ATP 處理通道 B。ATP 處理通道在工作中是采用二取二并行操作的模式，因此要求道 A 和通道 B 在處理信息數據時產生的結果必須是一致的。此外，通過使用專用VME 總線背板（J1）來實現在 ATP 處理通道模塊之間的相互通信。ATP 處理通道是由主處理器模塊（MPM）、速度與位置模塊（SLM）、軌道碼模（TCM）、串行輸入/輸出模塊（SIOM）和離散輸入/輸出模塊（DIOM）這 5 個模塊成，其功能結構圖如圖 2-3 所示。

實現對 ATP 處理通道 A 和 ATP 處理通道 B 之間的通信和 ATP 通機接口單元之間的通信。5）離散輸入/輸出模塊（DIOM）DIOM 模塊是在輸入/輸出信號為離散時的通信功能模塊。DIOM 模塊首先把和非安全相關的離散輸入信息轉化為數字形式，然后傳輸給 MPM 模塊，最后的模式中，該模塊可以接收從 MPM 模塊中傳遞的狀態指令。（2）ATP 司機接口單元（DIU）ATP 司機接口單元是實現對 ATP 速度進行控制的功能。ATP 處理通道將列車速度信息和列車的運行狀態數據傳輸到司機接口單元之后，該模塊將接收到的行運算之后傳輸到儀表進行顯示，從而為司機在駕駛時提供參考信息。當列車運行出現超速的情況時，DIU 將會在實施滿常制動措施的同時禁止輸出牽引力將列車的運行速度降低至安全速度范圍之內，最終實現對列車超速的自動防護ATP 司機接口單元（DIU）是由中央處理器及存儲模塊（CPAM）、特殊應用特殊應用接口模塊（AS/ASIF）、串并行通信模塊和串并行通信接口模塊（SPC/SP 3 個模塊組成，其結構功能圖如圖 2-4 所示。

【參考文獻】：
期刊論文
[1]基于SA-BP神經網絡算法的光伏陣列MPPT研究[J]. 吳玥,行鴻彥.  計算機仿真. 2018(10)
[2]基于SA-BP神經網絡算法的光接入網絡通道質量評估方法[J]. 蔡冰清,徐思雅,亓峰,葛維春,周桂平,于波濤,李悅悅.  電信科學. 2018(04)
[3]基于SA算法的無絕緣軌道電路故障綜合檢測方法[J]. 張友鵬,常高武,趙斌.  鐵道學報. 2017(04)
[4]基于模擬退火算法改進的BP神經網絡算法[J]. 周愛武,翟增輝,劉慧婷.  微電子學與計算機. 2016(04)
[5]CTCS-3級車載系統雙系無擾動切換的可行性研究[J]. 孟慶堯,葉峰,黃彬彬,牛道恒.  鐵路通信信號工程技術. 2015(06)
[6]基于文本挖掘的高鐵信號系統車載設備故障診斷[J]. 趙陽,徐田華.  鐵道學報. 2015(08)
[7]基于貝葉斯網絡的CTCS-3級列控系統車載子系統可靠性評估[J]. 蘇宏升,車玉龍,張友鵬.  中國鐵道科學. 2014(05)
[8]基于動態故障樹的CTCS-3級ATP系統可靠性分析[J]. 張文韜,張友鵬,蘇宏升,楊蕾.  工程設計學報. 2014(01)
[9]基于SA-BP神經網絡的軟件缺陷預測模型的研究[J]. 尹然,丁曉明,李小亮,梅瑩.  西南師范大學學報(自然科學版). 2013(08)
[10]基于模擬退火算法的工具變量選取方法[J]. 胡毅,王美今.  系統工程理論與實踐. 2014(04)

博士論文
[1]BP神經網絡的理論及其在農業機械化中的應用研究[D]. 王吉權.沈陽農業大學 2011

碩士論文
[1]基于LSTM-BP神經網絡的列控車載設備故障診斷方法[D]. 楊嘉明.北京交通大學 2018
[2]基于狀態空間的CTCS-3級列控車載設備實時可靠性研究[D]. 李詩薇.北京交通大學 2017
[3]地鐵車載信號設備的故障診斷系統研究[D]. 江丹迪.北京交通大學 2016
[4]基于BP神經網絡的車載設備故障診斷與預測研究[D]. 吳淵.北京交通大學 2016
[5]基于文本挖掘的高鐵車載設備故障診斷方法研究[D]. 王峰.北京交通大學 2016
[6]基于神經網絡與案例推理的車載設備故障診斷研究[D]. 曹哲.北京交通大學 2016
[7]ATP車載設備掩蓋故障診斷方法研究[D]. 劉雅晴.北京交通大學 2015
[8]基于案例推理的高鐵信號系統車載設備故障診斷[D]. 王振顯.北京交通大學 2015
[9]列控系統車載ATP的功能安全評估技術研究與應用[D]. 李洋.浙江大學 2013
[10]BP神經網絡的改進研究及應用[D]. 劉天舒.東北農業大學 2011



本文編號：2909008