MATLAB神经网络列车智能诊断系统设计+源程序(3)
1.2 国内外研究概况
1.2.1 国内研究概况
1.2.2 国外研究概况
1.3 本文的主要内容
本文是利用MATLAB软件进行编程，建立一个GUI界面通过神经网络中的RBF方法对采集来的列车转子的信号进行特征提取后进行RBF诊断，由输出的数值具体判断转子的故障类型达到诊断的效果。本文的主内容为：
第一章主要对本论文主要内容进行了大致的阐述包括研究此课题的背景，目的及意义，对研究内容和方法的国内外的情况进行了简单概括，并介绍了本文的主要内容。
第二章介绍了列车关键部件常见故障，并简介了列车上的一些部件的的故障类型的分类发生他们的原因以及分析故障提取特征的方法。
第三章绍了神经网络中的RBF神经网络的结构图形以及基本原理并将RBF方法与其他几种神经网络方法进行了比较，比较出使用RBF神经网络的优势。
第四章对MATLAB进行了简单的操作介绍并对具体的建模步骤进行了介绍，如何建立诊断的GUI，如何编程，具体程序如何都做了介绍，对建立好的诊断系统进行了验证输入信号运行诊断系统得出具体的转子故障类型。
第五章对本文做出总结，对本文做出展望。
2 列车关键部件常见故障
列车在高速运行时，设备与设备之间的连接部位由于列车自身的振动、设备与设备间的摩擦使设备发生高温现象、环境的影响列车运行的环境一般都是外界，有各种电磁干扰，空气，日晒，湿度，风沙等极易让设备发生故障。这是很致命的！本章就列车的故障诊断，故障诊断的分类、对列车在运行时列车主要部件会出现的故障进行了阐述。了解这些故障类型，并了解分析这些故障的方法。经过比较选择神经网络方法进行诊断系统的研究。
2.1 列车关键部件故障诊断
2.1.1 简介
当今世界，现代化大生产中的系统（设备）越来越复杂，如，一台电力机车由牵引变压器、整流机组、牵引电动机、控制系统、辅助机组、走行部、制动系统、通风系统等许多分系统组成，然而每一个分系统又由许多子（分）系统或部件组成，这些分系统之间在构造上和功能上都存在众多的联系或耦合作用，随着工况的变换（如速度，运行阻力的变化），系统的输出与输入之间的关系也随之发生变化，这就是故障。列车在高速运行时，在恶劣的环境，各种电磁干扰和列车长期高速运行时使设备摩擦导致设备磨损与温度过高的情况下列车上的设备容易出各种故障，影响了高速列车的行驶安全，甚至可能直接威胁到列车的运行安全，严重情况下造成重大事故，带来巨大的损失，列车故障诊断非常重要。
2.1.2 分类
由于各种系统（设备）的构成及其工作方式之间往往差别很大，因而故障的形式也有所不同，必须对其进行分类，从而确定采用何种诊断方法。系统的故障可按以下几种方式分类。
1.故障存在的程度分类
（1）暂时性故障。这类故障带有间断性，在一定条件下系统所产生的功能上的故障，通过调整系统参数或运行参数，不需要更换零件即可恢复系统的正常功能。
（2）永久性故障。这类故障是由因为某些零件损坏而引起的，必须经过更换或者修复零部件后才能完全消除其中的故障。
2.按故障发生、发展的进程分类
（1）突发性故障。这类故障在发生前没有明显征兆，难以依靠早期实验或测试来预测。发生时间短，危害性大。
（2）渐发性故障。这类故障是由于部件在使用过程中因为磨损和年龄老化出现疲劳，最终使部件不符合使用的标准。这类故障在所有系统故障中占有相当大的比重具有一定的规律性能通过早期状态监测和故障预报来预防。