铁路道岔转辙机故障诊断技术
正版全新
￥ 129.97 8.2折 ￥ 158 全新
库存11件
上海浦东
认证卖家担保交易快速发货售后保障
作者黄晋英,罗佳
出版社化学工业出版社
ISBN9787122449856
出版时间2022-12
装帧平装
开本16开
纸张胶版纸
定价158元
货号3676417
上书时间2024-05-12
商品详情
- 品相描述：全新
- 商品描述
-
【书 名】 铁路道岔转辙机故障诊断技术
【书 号】 9787122449856
【出 版 社】 化学工业出版社
【作 者】 黄晋英,罗佳
【出版日期】 2024-05-01
【开 本】 16开
【定 价】 158.00元
【编辑推荐】
本书具有以下特点：（1）针对铁路道岔转辙机故障诊断这一热点问题，汲取国内外该领域的新研究成果，总结作者近来年在信号处理和深度学习方法在转辙机故障诊断中的应用方面的研究成果，内容具有先进性和新颖性。（2）章节内容衔接连贯，简单易懂。本书共分7章，在简要介绍转辙机故障诊断发展现状、基本结构原理和故障模式之后，重点讲述特征提取、智能故障诊断 、迁移学习、多特征融合等方法，形成基于转辙机的故障诊断系统。（3）面向应用，实用性强。结合转辙机常见故障类型和实测数据分析，提出故障特征提取和诊断的解决方案，方法思路独特，形成的故障诊断管理系统满足企业需求。
【内容简介】
本书面向科学发展前沿与工程迫切需求，以铁路道岔电液式转辙机及其关键部件柱塞泵为研究对象，按照“结构-技术-实例-系统”的逻辑主线，简要介绍铁路道岔转辙机故障诊断研究背景、意义及发展现状，基本结构原理和故障模式。基于转辙机油压信号和柱塞泵振动信号，重点研究信号处理、深度学习、迁移学习、连续学习、多特征信息融合等基础理论和核心技术，涵盖了特征提取、智能故障诊断、寿命预测等主要研究方法，*后形成基于道岔转辙机的故障诊断管理系统。所述内容兼具前沿性、创新性与工程实用性。本书结合了作者团队在铁路道岔转辙机故障诊断领域积累的十几年研究成果与*新进展，适合从事系统智能故障诊断工作的技术人员阅读，也可作为高等学校相关专业师生的参考用书。
【目录】
第1章 绪论 001
1.1 铁路道岔转辙机故障诊断研究背景及意义 001
1.2 铁路道岔转辙机故障诊断技术研究进展 002
1.2.1 基于解析模型的方法 002
1.2.2 基于信号处理的方法 002
1.2.3 基于人工智能的方法 003
1.3 铁路道岔转辙机故障诊断存在的问题与发展方向 003
参考文献 004
第2章 道岔转辙机及关键部件 007
2.1 相关概念 007
2.1.1 道岔 007
2.1.2 液压道岔 007
2.2 道岔基本结构 007
2.3 转辙机基本结构及原理 008
2.3.1 基本结构 008
2.3.2 外锁闭装置工作原理 010
2.3.3 液压系统工作原理 011
2.4 柱塞泵基本结构及原理 012
参考文献 014
第3章 转辙机故障诊断实验及油压信号特征提取 015
3.1 转辙机工作过程原理分析 015
3.1.1 道岔转辙机敏感参数分析 015
3.1.2 道岔转辙机工作过程油压信号分析 016
3.2 非现场道岔转辙机故障模拟实验 017
3.2.1 道岔转辙机故障模拟实验平台介绍 017
3.2.2 模拟故障设计 017
3.2.3 转辙机油压数据采集 018
3.2.4 转辙机故障油压信号分析 019
3.3 基于改进集成经验模态分解的转辙机故障特征提取 021
3.3.1 经验模态分解算法原理 021
3.3.2 基于信息熵的特征提取方法 027
3.3.3 基于核主成分分析（KPCA）的特征融合 031
3.4 基于ITD-SDP图像的转辙机特征提取 035
3.4.1 ITD分解算法原理 035
3.4.2 SDP基本原理 035
3.4.3 图像特征提取 036
3.5 道岔转辙机故障状态监测 037
3.5.1 道岔转辙机故障状态监测算法 038
3.5.2 基于AOA-XGBoost道岔转辙机故障状态监测方法 042
参考文献 045
第4章 柱塞泵故障诊断实验及振动信号特征提取 047
4.1 柱塞泵故障诊断实验 047
4.1.1 柱塞泵故障诊断实验平台搭建与数据采集 047
4.1.2 柱塞泵典型故障及故障机理 052
4.1.3 柱塞泵故障诊断实验设计 056
4.2 测点振动信号的故障特征参量提取 056
4.2.1 时频域特征参量 057
4.2.2 小波能量谱特征提取 063
4.2.3 双谱特征提取 067
4.3 基于VMD的故障振动信号时频分析法 070
4.3.1 变分模态分解VMD 070
4.3.2 VMD分解性能分析 074
4.3.3 VMD重要参数的选取 078
4.3.4 连续小波变换CWT 080
4.3.5 二维时频特征 081
4.4 改进的局部特征尺度分解法 082
4.4.1 局部特征尺度分解LCD 082
4.4.2 改进的局部特征尺度分解DMLCD 084
4.4.3 仿真实例 085
4.4.4 应用实例 089
4.5 基于ICEEMDAN的故障特征提取 090
4.5.1 自适应噪声的集成经验模态分解CEEMDAN 090
4.5.2 改进的自适应噪声完备集成经验模态分解ICEEMDAN 091
4.5.3 仿真实例 092
4.5.4 应用实例 094
4.6 基于精细复合多尺度散布熵的故障特征提取 098
4.6.1 灰色关联度 098
4.6.2 散布熵优化 099
4.6.3 精细复合多尺度散布熵RCMDE 100
4.6.4 应用实例 101
4.7 基于DMLCD与GRCMDE的故障特征提取 103
4.7.1 广义精细复合多尺度散布熵GRCMDE 103
4.7.2 GRCMDE与RCMDE性能对比分析 104
4.7.3 应用实例 105
参考文献 110
第5章 道岔转辙机及柱塞泵智能故障诊断 113
5.1 基于改进SVM的故障诊断 114
5.1.1 支持向量机算法原理 114
5.1.2 核参数优化 116
5.1.3 应用实例 121
5.2 基于改进KELM的故障诊断 132
5.2.1 极限学习机算法原理 132
5.2.2 核极限学习机算法原理 135
5.2.3 算术优化算法 136
5.2.4 应用实例 138
5.3 基于卷积神经网络的故障诊断 143
5.3.1 卷积神经网络模型 143
5.3.2 DSCNN故障诊断 149
5.3.3 DS-ResNet故障诊断 154
5.3.4 CBAM-ResNet故障诊断 157
5.3.5 CNN-LSTM-Attention故障诊断 164
5.3.6 CNN-GRU故障诊断 171
5.3.7 GCN故障诊断 175
5.3.8 CNN预训练模型故障诊断 189
参考文献 200
第6章 基于信息融合的道岔转辙机故障诊断 204
6.1 信息融合技术 204
6.1.1 信息融合定义 205
6.1.2 信息融合模型和结构 206
6.1.3 信息融合算法 211
6.1.4 信息融合关键问题 213
6.2 数据层信息融合的故障诊断应用实例 214
6.2.1 注意力机制 214
6.2.2 多通道信号集 215
6.2.3 基于注意力机制的多通道CNN模型 215
6.3 特征层信息融合的故障诊断应用实例 220
6.3.1 数据不平衡处理方法 221
6.3.2 双向门控循环单元 223
6.3.3 双通道特征融合的故障诊断模型 224
6.4 基于决策层信息融合的故障诊断模型 229
6.4.1 D-S证据理论 230
6.4.2 基于D-S证据理论的决策层融合诊断 231
参考文献 237
第7章 基于连续学习的柱塞泵类增量故障诊断 239
7.1 连续学习相关理论 240
7.1.1 连续学习 240
7.1.2 元学习 241
7.1.3 连续学习基模型与WKN 242
7.2 基于权重空间元表示的类增量故障诊断方法 243
7.2.1 类增量故障诊断问题设置 243
7.2.2 改进WKN的基模型 243
7.2.3 基于权重空间元表示的连续学习方法 245
7.2.4 特定于诊断任务模型的重构与集成推理 247
7.3 柱塞泵类增量故障诊断应用实例 249
7.3.1 类增量故障诊断任务设置 249
7.3.2 权重空间元表示实验结果分析 252
参考文献 257
第8章 柱塞泵剩余使用寿命预测 260
8.1 剩余使用寿命预测模型 260
8.1.1 多元HI构建模块 261
8.1.2 图注意力网络 262
8.1.3 K 阶下三角邻接矩阵和HI特征图 264
8.2 应用实例 264
8.2.1 寿命数据采集 264
8.2.2 RUL预测区间划分 265
8.2.3 健康指标构建 266
8.2.4 RUL预测 267
8.3 不同构图法对GAT预测模块的影响 269
8.4 GAT预测模块性能评估 270
参考文献 270
第9章 基于知识图谱的道岔转辙机故障诊断系统 272
9.1 知识图谱相关技术理论 272
9.1.1 知识图谱概述 272
9.1.2 自然语言处理 273
9.1.3 深度学习 274
9.2 转辙机故障诊断领域知识图谱的构建 274
9.2.1 知识图谱构建流程 274
9.2.2 本体构建 275
9.2.3 道岔转辙机故障记录文本相关实体抽取 276
9.2.4 实体对齐 281
9.2.5 信息拼接 281
9.2.6 知识图谱可视化 282
9.3 基于知识图谱的道岔转辙机故障诊断 283
9.3.1 基于知识图谱的智能问答 283
9.3.2 基于知识图谱的故障诊断 288
9.4 道岔转辙机故障诊断管理系统实现 288
9.4.1 系统功能需求 288
9.4.2 系统总体构架 289
9.4.3 数据库构建 289
9.4.4 系统功能实现 291
参考文献 296
【前言】
随着我国铁路的高速发展，列车的运行速度、运行里程以及运行密度也在不断增加，铁路交通运行过程中的安全问题日益凸显。铁路道岔转辙机作为转换列车行进方向的关键铁路信号设备，其安全状况直接影响铁路交通正常运转。目前，我国铁路运行监测系统通过对转辙机进行定期检修和设天窗点维修手段来保证转辙机安全可靠地运行，但这种传统的方式工作量大、工作效率低，开箱操作还有可能由于人工操作失误带来更大的安全隐患，所以依靠人工经验对转辙机进行故障识别，很容易因为经验问题引起故障漏判和错判。因此，应用数据分析处理技术实现道岔转辙机智能故障诊断对铁路长久运营发展意义重大。鉴于工程迫切需求与智能运维优势的双重驱动，笔者团队萌生了将多年研究成果撰写成书分享给更多读者的想法，本书正是在这样的背景下诞生的。
本书的研究对象是ZYL* 道岔转辙机设备和关键部件柱塞泵，使用的全部数据均来自于某铁路局电务器材公司提供的现场微机检测系统采集的实时工作状态下的实验数据。在此基础上，探究人工智能理论的新思路、新方法，开展对铁路道岔转辙机故障诊断技术的研究。本书具有以下特点：
① 针对铁路道岔转辙机故障诊断这一热点问题，汲取国内外该领域的*新研究成果，总结笔者近年来利用信号处理和深度学习方法在电液式转辙机故障诊断应用方面的研究成果，内容具有先进性和新颖性。
② 章节内容衔接连贯，简单易懂。本书共9章。第1章为绪论，概述了铁路道岔转辙机故障诊断研究背景及意义、研究进展，总结了铁路道岔转辙机故障诊断存在的问题与发展方向。第2章对电液式道岔转辙机及关键部件柱塞泵的基本结构、工作原理进行分析，并阐述其工作过程。第3章为电液式转辙机故障诊断实验及油压信号特征分析提取，介绍了电液式转辙机故障实验平台及三种故障工况下油压信号采集原理，通过油压数据曲线分析道岔转辙机转换过程，并对油压信号特征提取方法及故障状态监测进行相关研究。第4章是电液式转辙机关键部件柱塞泵故障诊断实验及振动信号特征提取分析，介绍柱塞泵故障诊断实验平台，对柱塞泵振动信号时频分析和特征提取方法进行研究。第5章是电液式道岔转辙机及柱塞泵智能故障诊断，基于机器学习和深度学习两方面，构建常用智能诊断模型，实现转辙机和柱塞泵的故障诊断。第6章是基于信息融合的柱塞泵故障诊断，将多传感器信息融合技术应用于故障诊断领域中。第7章是基于连续学习的柱塞泵类增量故障诊断，将连续学习与元学习相结合，构建可以不断适应数据在时间方向分布变化的在线故障诊断模型，并将它应用于柱塞泵故障诊断。第8章是柱塞泵剩余使用寿命预测，综合应用多尺度并行设计和轻量化的图神经网络，将多传感器采样条件下的新模型用于柱塞泵的寿命预测。第9章引入目前发展迅速的知识图谱技术，构建基于知识图谱的电液式转辙机故障诊断管理系统。
③ 面向应用，实用性强。本书结合转辙机常见故障类型和实测数据分析，提出故障特征提取和诊断的解决方案，方法思路独特，形成的故障诊断管理系统满足企业需求。
近年来，笔者有幸获得山西省重点研发计划(项目编号201903D421008)、山西省自然科学基金(项目编号201901D111157，202203021211096)和山西省回国留学人员科研项目(项目编号2022-141)的资助。结合这些项目，针对铁路道岔电液式转辙机故障诊断中存在的一些关键问题，笔者对特征提取、多特征融合、迁移学习、连续学习、深度学习等技术进行了探索研究，并取得了一些研究成果。
本书由中北大学黄晋英统稿并撰写第1章，中北大学罗佳撰写第2、4章，中北大学刘思远撰写第7、8、9章;山西电子科技学院杨喜旺撰写第5章;太原师范学院李红梅撰写第3、6章。本书是研究团队集体智慧的结晶。团队研究生马健程、常佳豪、张建飞、蔡波、赫婷、高佳鑫、王智超、何宗博、胡孟楠、徐晓燕等对本书的编写做出了重要贡献。本书的汇稿和校稿得到了全体团队成员的鼎力支持和大力帮助，在此深表感谢!
由于本书涉及的内容广泛且多学科交叉，其中很多关键技术、方法和应用仍处于发展和完善阶段，同时由于笔者水平有限，书中难免有不妥之处，敬请各位专家与读者批评指正。
著者
— 没有更多了 —
以下为对购买帮助不大的评价