一、故障振动诊断技术在机车状态修中的应用（论文文献综述）
郝伟[1]（2021）在《基于PHM技术的高速动车组关键部件智能检修理论与方法研究》文中研究指明随着我国高速动车组运行速度的提高和运用规模的增长,动车组运营安全和保障技术挑战日趋突出。故障预测与健康管理（Prognostics and Health Management,PHM）作为一种设备健康管理技术,可以实现设备状态监控、异常预测、故障诊断、维修预测和维修决策等功能。为了提升高速动车组安全保障能力、降低检修成本、提高检修效率,本文将高速动车组检修业务和PHM技术深度融合,探索基于PHM技术的高速动车组关键部件智能检修理论与方法。重点研究基于风险预判防范的部件状态预测、故障诊断技术,以及基于固定修程计划预防的部件维修预测和维修决策技术,为动车组检修模式从“计划修”向“计划修+预测性维修”转变提供理论依据和技术支撑。主要研究内容包括以下四个方面:（1）针对高速动车组关键部件服役环境复杂、故障模式多样背景下的状态异常预测问题,提出一种在线监测与多隐藏层神经网络预测相结合的方法。该方法对高速动车组关键部件轴承开展状态在线监测,采集动车组齿轮箱轴承、牵引电机驱动端轴承等8类关键位置累计约30000公里样本数据,分析不同温度条件、不同运行状态各区间的轴承温度变化规律,研究轴承温度与时间、行驶特征的相关性,通过多隐藏层神经网络预测方法预判部件健康状况。实验结果表明,与常见方法相比,轴承温度预测精度提升显着,MAPE均在3%以内,RMSE在1以内。（2）针对高速动车组关键部件故障样本数据少导致的识别精度问题,提出一种面向非均衡数据的优化在线序贯极限学习机故障诊断方法。该方法采用K-Means SMOTE方法和基于欧氏距离的欠采样方法重构样本数据集,并利用非均衡数据分类评价函数作为适应度函数,全局寻优故障诊断模型参数,构建故障诊断模型。同时,准确分类的数据作为序贯样本持续更新诊断模型。以实际运营的动车组轴箱轴承数据为样本进行验证,结果表明,与已有方法相比,G-mean值提高了6.9%以上,F1-measure值提高了9%以上。（3）针对高速动车组高级修计划中的运行里程难以预测的问题,提出一种基于经验模态分解与优化深度学习的里程预测算法。该方法采用经验模态分解方法将里程时间序列分解为高低频时间序列,通过构建优化深度置信网络预测模型计算里程预测结果,实现对高级修时间窗的预测。以动车组3年的运行数据为样本,分析样本周期对预测结果的影响,确定里程预测模型的样本周期,实验结果表明,所提方法相对于传统预测方法,MSE降低23.9%以上,MAE降低22%以上,RMSE降低12.7%以上,可作为编制动车组高级修计划的有效依据。（4）针对检修需求非均衡导致的检修资源空置和挤兑、动车组利用率低等问题,提出一种基于粒子群算法的高级修计划优化方法。该方法综合分析动车组高级修计划的影响因素,建立基于损失里程、检修能力和节假日检修天数的高级修计划评价指标,并将评价指标作为粒子群算法适应度函数,构建高级修计划优化模型,全局寻优检修计划方案。实验结果表明,所提方法与传统高级修计划编制方法相比,评价指标降低35.9%,编制耗时大幅减少。本文从关键部件安全保障和能力保持两个方面展开研究,构建智能检修模型,通过动车组实际运营数据和真实业务场景,验证了所提方法的有效性。本文包含图70幅,表35个,参考文献153篇。
李鑫[2]（2021）在《铁路机车设备画像理论及关键技术研究》文中提出铁路机务专业是铁路运输系统的重要行车专业,主要负责各型机车的运用组织、整备保养和综合检修。作为重要的铁路运输生产设备,机车的运输生产效率、设备质量状态、整备检修能力、安全管理水平等均会对铁路运输生产能力的稳健提升和经营管理工作的稳步发展产生重要影响。随着各种监测检测设备以及各类信息管理系统的广泛应用,围绕机车积累了形式多样的海量数据,数据增量及质量均大幅提升,数据价值日益体现,铁路行业对于完善机车健康管理的需求十分迫切。当前铁路机务专业在进行机车健康管理的过程中,存在分析方法较少、大数据挖掘不足、管理决策科学性较弱、综合分析平台缺失等问题。铁路机车设备画像理论及关键技术研究作为实现机车健康管理的重要手段,致力于加强机车数据资源的整合利用,通过客观、形象、科学的标签体系全面而精准地刻画机车的质量安全状态,并以此为基础深入挖掘潜藏的数据价值,实现机车事故故障关联分析、安全状态预警盯控、质量安全态势预测、检修养护差异化施修、稳健可靠管理决策等目的,支撑起铁路运输生产及质量安全管理工作的科学化、数字化、智能化发展。本文主要对铁路机车设备画像理论及其一系列关键技术进行了研究与应用,取得了以下创新成果:（1）提出了铁路机车设备画像理论。通过梳理机车设备画像的含义及研究意义,明确了构建铁路机车设备画像理论的必要性及其定位。基于此,给出铁路机车设备画像理论的定义与内涵,梳理了符合现阶段机车运输生产管理需要的铁路机车设备画像理论的构成,阐述了关键技术的研究方法及之间的逻辑关系。同时,设计相匹配的应用架构,介绍了其所包含的核心应用、赋能应用、总体目标等6个方面内容。这为系统性地开展机车健康管理相关研究提供了崭新的理论和方法支持。（2）构建了基于设备画像的铁路机车画像标签体系。通过整合利用机车多维度数据,提出了机车设备画像3级标签体系技术架构,全面分析所包含的数据采集层、标签库层和标签应用层,详细阐释各级标签的内容构成,形成机车画像标签体系的构建方法。针对聚类这一标签产生方式,改进K均值（K-means）聚类算法的初始质心选取方法,提高标签获取的精度和稳定性。通过在某铁路局开展机车设备画像实地应用研究,获得了客观、精准、完整、可靠的机车画像。（3）提出了基于Ms Eclat算法的铁路机车事故故障多最小支持度关联规则挖掘方法。针对机车事故故障在关联规则挖掘中具有不同支持度的特点,提出了改进的等价变换类（Eclat）算法——多最小支持度等价变换类（Ms Eclat）算法,以各项目的支持度值为排序依据重新构建数据集,进而运用垂直挖掘思想获得频繁项集;为了进一步提高Ms Eclat算法在大数据分析场景中的执行效率,将布尔矩阵和并行计算编程模型Map Reduce应用于算法的计算过程,得到优化的Ms Eclat算法,设计并阐述了相应的频繁项集挖掘步骤。通过比较,Ms Eclat算法及其优化算法在多最小支持度关联规则挖掘方面有着极大的计算效率优势。通过在某铁路局开展实际应用研究,验证了算法的有效性、高效性和准确性。（4）设计了基于时变概率的PSO+DE混合优化BP神经网络的机车质量安全态势预测模型。通过总结反向传播（BP）神经网络、粒子群优化（PSO）算法和差分进化（DE）算法的原理及优缺点,设计了基于时变概率且融入了防早熟机制的PSO+DE混合优化BP神经网络预测模型,详细阐释了这一预测模型的训练步骤。以某铁路局的机车质量评价办法为依托,选用灰色关联度分析方法选择出运用故障件数、碎修件数等7个评价项点,预测机车未来3个月的质量安全态势。经过实验对比,新提出的预测模型有着更好的收敛能力,对于机车质量评价等级预测及分值变化趋势预测的准确度分别可以达到98%和91%以上。最后开展了实际预测应用及分析,为科学把控机车质量安全态势提供了较好的技术方法。（5）设计了基于铁路机车设备画像理论的铁路机车健康管理应用。通过总结梳理铁路机车健康管理应用与铁路机车设备画像理论及机务大数据三者间的关系,设计了基于铁路机车设备画像理论的铁路机车健康管理应用的“N+1+3”总体架构及其技术架构。基于此,从设备、人员和综合管理3个方面介绍了机车运用组织、机车整备检修、辅助决策分析等7个典型应用场景,并特别给出这些场景的数据挖掘分析思路及框架,为铁路机车设备画像理论的扎实应用奠定了重要基础。最后,将本文所取得的相关研究成果在某铁路局开展实地的铁路机车健康管理应用实践,通过搭建人机友好的应用系统,完成一系列机务大数据挖掘分析算法模型的封装,实现了机车画像标签生成及设备画像分析、机车事故故障关联分析、机车质量评价分析、机车质量安全态势预测分析等多项功能。通过实际的工程应用,实现了铁路机车设备画像理论及其关键技术的创新实践,取得了良好的效果。全文共有图56幅,表21个,参考文献267篇。
高勤云,杨晓燕,王雷,王琰琰[3]（2021）在《内燃机车检测技术的开发与应用》文中指出内燃机车在当前企业中的应用是多方面的,机车的检修是保障正常作业的基础,通过对内燃机车进行系统的检测,探讨内燃机车检测技术的开发与应用情况,构建以预防为主的检测维修模式,实现内燃机车检测效率提升,有效控制检测和维修成本。
孙鑫海[4]（2021）在《内燃机车柴油机主轴承失效机理及预防研究》文中提出国产主型内燃机车柴油机的主轴承均采用液体动压滑动式轴承结构,其具有承载能力大、抗冲击能力强和摩擦损耗小、寿命长等特点。但是,随着内燃机车使用年限的增长,柴油机各机械组件逐渐老化,加之维修、运用不当,易导致主轴承工作失效。主轴承失效轻则造成轴瓦损伤影响机车正常使用,重则引发机体、曲轴报废导致严重机破,不仅会给铁路局机务段带来较大的直接经济损失,严重时甚至会扰乱正常的运输和生产秩序,造成巨大间接经济损失。本论文通过分析滑动轴承机构和滑动轴承失效形式,结合内燃机车16V240ZJ、12V240ZJ、8240ZJ型柴油机主轴承失效典型故障案例,从影响柴油机主轴承工作状态最直接、重要的曲轴、机体、轴瓦三大部件进行分析,总结出了主轴承检修、组装和运用过程中可能诱发主轴承失效的主要因素,提出了精细选配主轴瓦、液氮冷却法更换曲轴油堵等技术改进措施,并设计制作了曲轴清洗试压装备,解决了曲轴内油道清洗不彻底和内油道无法做密封性试验的难题,有效地提升了柴油机主轴承组件的检修水平,为遏止柴油机主轴承非正常失效惯性质量故障打下了坚实的基础。同时,结合光谱分析技术和铁谱分析技术的优缺点,提出了以光谱分析为主、以铁谱分析为辅的光铁谱油液综合诊断应用方法,即通过运用光谱分析技术确定磨粒的元素类型和浓度,再对光谱分析显示异常磨粒的油液进行铁谱分析,确定出异常磨粒的可能来源,从而为更有针对性地开展技术检查提供依据,进而更快捷、准确地查找出异常磨损的部位。光铁谱油液综合诊断应用方法有助于提前预测主轴承的磨损状态,避免因主轴承过度磨损导致工作失效而引发柴油机大部件破损,保障机车运用安全可靠,为运输生产节约成本,达到节支降耗的目的。
张明明[5]（2021）在《基于牵引电机定子电流改进小波双谱分析的机车传动系统故障诊断技术研究》文中研究指明机车传动系统发生故障时,发出的信号表现出更强的非线性、非平稳性。为了充分利用信号的相位信息提取故障特征,本文将改进小波双谱引入牵引电机定子电流分析,诊断机车传动系统故障,取得以下成果:分析了变速条件下,电机定子电流信号特点。机械故障引起电机电流信号某些成分相位耦合加剧。针对变速条件下,电机定子电流信号中二次相位耦合随时间变化的特点,本文将改进小波双谱引入电机电流信号分析,提取时变的二次相位耦合。针对小波双谱在分析非平稳信号时,会丢失部分瞬态信息的问题,开展了瞬态双相随机小波双谱的应用研究。通过仿真信号说明了瞬态双相随机小波双谱在分析非平稳信号时的优点,可以提取任意时刻的随时间变化的二次相位耦合。通过传动轴试验台和机车线路运行实验,证实了瞬态双相随机小波双谱的分析方法较传统小波双谱的优势。机械故障会引起信号非线性成份的分布发生变化。本文提出了小波双谱熵,定量描述信号非线性成分在双频域内的分布形态。由于小波双谱熵对机械故障引起的信号非线性成份分布变化敏感,可用来检测机械故障的出现。本文通过实验进行了有效验证。在上述研究的基础上,提出了先用小波双谱熵检测机械故障的出现,再用瞬态双相随机小波双谱检测故障发生位置的诊断方法。机车线路运行试验证明,上述方法能够有效诊断机车传动系统故障。
胡鑫磊[6]（2021）在《基于自适应共振解调的滚动轴承故障诊断系统设计》文中指出在我国轨道交通事业蒸蒸日上的今天,机车能够安全长久的运行受到越来越多的关注。机车在行驶的过程中,如若出现了故障的状况,但是未能及时的对故障进行报警并解除故障的话,就可能会造成严重的后果,极端情况下,甚至会引发车毁人亡的重大事故。滚动轴承作为机车运行的关键部件之一,其能否正常安全的运行是整个机车是否安全稳定的重要因素之一,如果可以实现实时的诊断滚动轴承故障,就能使机车事故的发生概率大大降低,因此,在机车运行过程中,实时检测滚动轴承的运行状态是非常重要的。基于此,本文从滚动轴承故障诊断这个研究点出发,根据机车滚动轴承常见故障的产生原因,选择了以轴承振动信号为分析数据的故障诊断技术,在FPGA的硬件环境下,针对滚动轴承的振动信号采集和故障特征提取等问题进行深入分析,并完成硬件系统的设计研究。本文研究的主要内容如下:首先,对故障诊断系统的整体方案进行设计。从滚动轴承常见的失效形式入手,根据其出现的原因及不同故障的振动机理对本文的系统整体框架进行了设计。本文的设计方案采用了基于FPGA硬件环境,主要用到编程软件是美国XILINX公司的配套开发工具Vivado,根据系统需求及相关规范选定系统的主控芯片,最终确定采取美国XILINX公司的PYNQ-Z2板卡作为系统的主控芯片。软件开发采用Verilog语言编程的编程方法,并采用IP核进行搭配使用,使系统不仅程序开发方便,而且能满足轴承振动信号准确采集和处理的实时性要求;其次,针对传统共振解调算法自适应能力差的缺点,本文提出了使用基于LMS自适应滤波器的自适应共振解调算法作为本文设计方案中用作振动数据处理的核心算法。利用LMS自适应滤波器将原始轴承振动信号进行自适应降噪,再根据共振解调算法提取出故障特征,解决了共振解调算法自适应能力差的问题;再次,对本文系统的数据采集模块和自适应共振解调模块进行了FPGA层面的设计与实现。在数据采集模块方面,对系统选取的传感器和采样芯片进行了介绍,对采样模块的硬件电路连接、采样频率选定和程序流程设计多方面进行了分析;在自适应共振解调模块实现方面,对之前选择的基于最小均方误差算法的自适应共振解调方法进行了基于FPGA层面的实现,在Vivado开发软件上分别对LMS自适应滤波器与共振解调算法进行了移植,并将两个算法结合实现硬件自适应共振解调系统,通过对自适应共振解调模块进行仿真分析,验证了其可行性;最后,对系统的数据采集模块和自适应共振解调模块进行整合,构建最终的滚动轴承故障诊断系统,并对整体系统的系统特性进行了测试,测试结果表明,本文设计的系统节约了资源的消耗,得到了较高的系统响应速度;之后将系统下载到本文使用的FPGA板卡,在轴承试验台上进行了实验,通过实验证明,滚动轴承故障诊断系统能够能够判断轴承是否存在故障,并且可以得到包含轴承故障频率信息的数据,从而进行后续故障诊断。
程琳[7]（2021）在《改进的卷积神经网络在设备故障诊断中的应用研究》文中提出旋转机械是机械设备状态监测与故障诊断工作的重点,而滚动轴承是机械设备常用的部件之一,同时也是易损部件之一。机械设备的故障诊断越来越受到人们的重视,在目前的故障诊断领域,通过实时有效的检测方法采集到足够的信号样本并且客观地分析机械设备运行的状态信息,对判别不同工况下的故障设备状态以及对故障类型实现准确诊断具有重要意义。目前机械设备故障诊断主要有两种思路:一种是对机械设备的振动信号进行时频域分析,这种方法在强噪声和变载荷等复杂因素干扰下往往很难提取故障特征,并且依赖于人工经验;另一种是基于深度学习的故障诊断方法,先对样本信号预处理,再输入神经网络进行训练分类,能够自动完成特征提取以及故障模式识别。随着机械设备制造工艺日益复杂,传统浅层且单一的神经网络已经不能满足故障诊断需求,限制了故障诊断效率的进一步提升。本文对普通浅层卷积神经网络进行改进和优化,主要内容概括如下:首先针对普通卷积神经网络识别精度低的问题,提出了改进的卷积神经网络,对于MaFaulDa轴承数据,通过在两组卷积层中嵌入恒等映射的卷积组,减小了网络模型计算量的同时又增强了网络的特征提取能力,并对Adam优化器进行改进,采用幂指数型的学习率来控制迭代方向和步长,根据上一阶段的学习率以及前一阶段和当前阶段的梯度关系进行自适应调整,对实验结果采用五折交叉验证对比不同方法的分类准确度。对于美国凯斯西楚大学轴承数据库,引入了一种新的数据处理方式,将滚动轴承原始振动时域信号数据转化为二维矩阵,采用可变卷积核的方式进行特征提取和映射,改变了传统网络固定卷积核的模式,实现对滚动轴承振动信号的高精度识别。对普通卷积神经网络进行改进和优化之后能够提高模型的训练准确率和稳定性,但在滚动轴承的检测中,多种故障共存的情况普遍存在。考虑到轴承复合故障以及振动信号的时序性,提出改进ResNet-LSTM的机车轴承复合故障诊断模型。通过对两组卷积层和池化层的原始卷积神经网络进行改进,在两组卷积层内部嵌入四个残差块,每个残差块包含两个卷积层,同时引入长短时记忆网络的门限机制对数据信息进行跟踪和更新,从空间和时间两个维度分别对滚动轴承进行局部和全局特征提取,最后通过Softmax函数得到预测值的概率分布从而实现轴承故障类型多分类。从实验结果可以看出本文提出的改进的卷积神经网络故障诊断方法在不同的实验数据,包括单一故障和机车轴承复合故障都具有良好的诊断效果,具有一定的实际应用价值。
张大勇[8]（2021）在《铁路交流牵引电机故障诊断技术研究及应用》文中指出铁路交流牵引电机工作环境复杂恶劣,故障发生率相对较高,其故障诊断技术是提高机车车辆可靠性和安全性的关键技术之一。总结牵引电机常见故障类型,明确轴承故障与定子绝缘故障是牵引电机的2种主要故障类型,着重分析牵引电机绝缘和轴承故障诊断理论与应用成果,并基于实际应用情况和相关技术发展趋势,提出交流牵引电机故障诊断技术的发展方向。
张成新[9]（2021）在《和谐机车走行部关键部件故障诊断技术研究》文中研究说明机车走行部的关键部件是行车安全的重中之重,如果一旦有走行部故障的发生,造成的后续影响将非常严重,因此无论是行车过程中的在线车载故障诊断,还是机车入库修时进行的地面轴承顶轮检测都是非常有必要的。目前各站段常规检查手段还不能完全准确掌握走行部关键部件的状态,维修效率更是难以提升,因此通过机车车辆走行部故障诊断检测装置和手段,加强对机车走行部电机轴承、传动齿轮、轴箱轴承等关键部件的振动、冲击及温度等数据进行分析及诊断,并对监测过程中发现的异常故障信息及时发出预警信息,以达到实时掌握机车走行部运行状态,有效降低机车走行部机械故障带来的影响运行安全的风险。文围绕着和谐型交流机车走行部的技术特点和运用维护现状进行介绍和研究分析,对现有机车走行部关键部件故障的诊断监测装置和方法进行比较分析,提出将机车走行部车载在线监测诊断技术与地面检测诊断方法相结合的方式,全方位的对机车走行部关键部件故障进行检测,同时为满足目前和谐型交流机车的需要,对以上两种检测装置功能进行优化改进,提高机车走行部关键部件报警信息的准确性,使该装置系统能有效的为机车状态检修和机车安全运用发挥更大作用。
李勇墙[10]（2021）在《SS4型机车制动系统运用与维修研究》文中提出长期以来,铁路货运持续增长并稳定在一定水平,对我国经济建设贡献了巨大作用。尽管自2006年,和谐大功率交流传动型机车逐步投入运用后,承担了大部分的铁路运输牵引任务,铁路牵引动力依然紧缺,SS型系列电力机车和DF型系列内燃机车仍大量运用。因大秦铁路万吨重载发展的需要,原配属湖东机务段的部分SS4型机车换装成CCBⅡ制动系统,后因和谐型大功率交流传动机车的大量投用,部分SS4型机车转配属太原机务段。目前,太原机务段装用DK-1和CCBⅡ两种制动系统的SS4型电力机车,持续为铁路运输牵引发挥作用,只是机车投用时间较长,自身性能质量逐步下降,机车故障率较高、修程检修质量不高、故障应急处置能力较低等问题给机车的运用与维修带来很多困扰。论文主要针对SS4型电力机车运用与检修两个方面,简述了国内外机车制动技术的发展历程及SS4型电力机车制动系统组成、工作原理。本文重点从SS4型机车制动系统运用与维修方面研究存在的问题并提出改进建议,分析了机车DK-1和CCBⅡ制动系统中的常见故障问题,结合国铁集团机车修程修制改革的要求,探讨了制动系统修程修制的优化。主要研究结果如下:（1）机车常见故障统计与分析通过对2019年SS4型电力机车故障情况的统计,制动系统故障率相对较高,但对于机车安全运行来说,重要程度比其他系统高。（2）DK-1电空制动系统主要故障研究将109型分配阀作为研究对象,以试验对比为主要方法分析了109型分配阀装车运用前后的性能及变化。研究表明,109型分配阀在运用较短时间内性能已有下降,除了运用环境影响以外,本身的滑阀结构也是主要原因,并且该滑阀结构限定了109型分配阀的较短修程,制约了机车制动系统修程修制的优化。针对109型分配阀在运用中暴露出的故障及修程方面的问题,通过对新型分配阀的性能试验与结构分析,研究了新型和109型分配阀在机车静置试验后性能变化。研究表明,新型分配阀的稳定性和可靠性好一些,如果实现新型分配阀对109型分配阀的完全替代,除了性能保证外,可实现检修作业的简化,以及可进一步优化实现DK-1机车电空制动机的修程修制。通过对电空制动控制器结构和制动后中立位工作原理介绍,总结中立位不保压的常见现象,并针对故障现象研究分析产生的原因,提出相应预防措施。（3）DK-1电空制动系统故障分析与研究通过对SS4型机车CCBⅡ制动系统近几年故障部件的统计,结合克诺尔公司实验室的故障模拟试验,研究分析IPM模块和LCDM故障产生的原因。重点对IPM模块故障进行现场模拟试验验证,并提出相应的改进建议。结合机车实际运用情况,总结乘务员应急处置CCBⅡ制动系统故障代码的措施。（4）SS4型机车制动系统修程修制分析与研究综述了机车修程修制的现状和优化措施,如合理规划检修周期、优化检修范围等,从优化后机车故障变化、检修成本、检修台数等方面分析优化成效。针对检修模式优缺点、制动系统关键部件检修周期和范围优化等方面进行了探讨。本文通过对DK-1电空制动系统关键阀件、CCBⅡ制动系统惯性故障以及检修模式优化的研究,对机车的运用与维修有重要的意义。图53幅,表17个,参考文献39篇。
二、故障振动诊断技术在机车状态修中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、故障振动诊断技术在机车状态修中的应用（论文提纲范文）
（1）基于PHM技术的高速动车组关键部件智能检修理论与方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 动车组关键部件状态检测和故障诊断研究现状 |
| 1.2.2 动车组检修计划与检修决策研究现状 |
| 1.2.3 主要存在的问题 |
| 1.3 研究内容 |
| 1.4 组织结构 |
| 2 高速动车组关键部件检修业务与PHM技术分析 |
| 2.1 高速动车组关键部件检修业务 |
| 2.1.1 计划修 |
| 2.1.2 预测性维修 |
| 2.1.3 关键部件检修业务分析 |
| 2.2 PHM技术 |
| 2.2.1 PHM体系结构 |
| 2.2.2 极限学习机 |
| 2.2.3 支持向量机 |
| 2.2.4 神经网络 |
| 2.2.5 深度学习 |
| 2.2.6 PHM技术分析 |
| 2.3 本章小结 |
| 3 高速动车组轴承温度信息在线监测与预测 |
| 3.1 问题背景 |
| 3.2 相关研究 |
| 3.3 动车组轴承温度在线监测 |
| 3.4 动车组轴承温度预测模型 |
| 3.4.1 多隐藏层神经网络 |
| 3.4.2 轴承温度预测模型 |
| 3.5 实验与分析 |
| 3.5.1 数据描述 |
| 3.5.2 评价指标 |
| 3.5.3 实验结果分析 |
| 3.6 本章小结 |
| 4 基于优化极限学习机的非均衡数据故障诊断 |
| 4.1 问题背景 |
| 4.2 相关研究 |
| 4.3 基于优化极限学习机的非均衡数据故障诊断模型 |
| 4.3.1 优化的极限学习机 |
| 4.3.2 非均衡数据处理策略 |
| 4.3.3 优化的故障诊断模型 |
| 4.4 实验与分析 |
| 4.4.1 数据描述 |
| 4.4.2 评价指标 |
| 4.4.3 实验结果分析 |
| 4.5 本章小结 |
| 5 基于优化深度学习的动车组高级修计划预测 |
| 5.1 问题背景 |
| 5.2 相关研究 |
| 5.3 高级修计划时间模型及里程预测分析 |
| 5.3.1 高级修计划时间模型 |
| 5.3.2 里程预测分析 |
| 5.4 基于EMD与优化深度学习的动车组里程预测模型 |
| 5.4.1 经验模态分解 |
| 5.4.2 优化的深度学习预测模型 |
| 5.4.3 动车组里程预测模型 |
| 5.5 实验与分析 |
| 5.5.1 数据描述 |
| 5.5.2 评价指标 |
| 5.5.3 时序数据分解 |
| 5.5.4 实验结果分析 |
| 5.6 本章小结 |
| 6 基于粒子群算法的动车组高级修计划优化 |
| 6.1 问题背景 |
| 6.2 相关研究 |
| 6.3 高级修计划模型 |
| 6.3.1 模型设计难点 |
| 6.3.2 模型设计思路 |
| 6.3.3 数学模型 |
| 6.4 基于粒子群算法的高级修计划模型优化 |
| 6.4.1 粒子群算法 |
| 6.4.2 基于粒子群算法的高级修计划模型 |
| 6.5 实验与分析 |
| 6.5.1 数据描述 |
| 6.5.2 实验结果分析 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 主要结论 |
| 7.2 主要创新点 |
| 7.3 工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）铁路机车设备画像理论及关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 前言 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 必要性及可行性分析 |
| 1.2.1 必要性 |
| 1.2.2 可行性 |
| 1.3 本文拟解决的主要问题 |
| 1.4 本文研究的主要内容 |
| 1.5 本文组织架构及技术路线 |
| 1.6 本章小结 |
| 2 国内外研究现状及发展趋势 |
| 2.1 机务大数据研究及应用 |
| 2.1.1 国外 |
| 2.1.2 国内 |
| 2.2 机车检修现状 |
| 2.3 设备画像 |
| 2.3.1 画像的概念 |
| 2.3.2 构成要素 |
| 2.3.3 模型与方法 |
| 2.4 标签技术 |
| 2.4.1 画像标签的定义 |
| 2.4.2 标签分类 |
| 2.4.3 标签构建原则 |
| 2.4.4 标签构建方法 |
| 2.5 设备健康管理 |
| 2.5.1 国外设备健康管理现状 |
| 2.5.2 国内设备健康管理现状 |
| 2.5.3 我国铁路机务专业PHM技术发展差距 |
| 2.6 本章小结 |
| 3 铁路机车设备画像理论 |
| 3.1 机车设备画像概述 |
| 3.2 铁路机车设备画像理论构建 |
| 3.2.1 铁路机车设备画像理论的定义与内涵 |
| 3.2.2 铁路机车设备画像理论的构成 |
| 3.2.3 铁路机车设备画像理论的应用架构 |
| 3.3 本章小结 |
| 4 基于设备画像的铁路机车标签体系构建 |
| 4.1 问题概述 |
| 4.2 面向设备画像的标签技术 |
| 4.3 机车画像标签体系构建 |
| 4.3.1 机车画像标签体系技术架构 |
| 4.3.2 机车画像标签体系 |
| 4.4 基于聚类的机车第三级标签获取方法 |
| 4.4.1 K-means算法 |
| 4.4.2 K-means算法的改进 |
| 4.4.3 K-means算法与改进算法的比较验证 |
| 4.5 机车画像标签体系构建实例 |
| 4.5.1 K-means改进算法的应用 |
| 4.5.2 机车完整标签体系的产生 |
| 4.6 本章小结 |
| 5 基于MsEclat算法的铁路机车事故故障多最小支持度关联规则挖掘 |
| 5.1 问题概述 |
| 5.2 MsEclat算法的背景知识 |
| 5.2.1 垂直格式数据集 |
| 5.2.2 支持度、置信度与提升度 |
| 5.2.3 概念格理论 |
| 5.2.4 多最小支持度下的频繁项集判定 |
| 5.2.5 面向有序项目集合的最小支持度索引表 |
| 5.2.6 基于等价类的可连接性判定 |
| 5.3 MsEclat算法原理 |
| 5.3.1 Eclat算法简述 |
| 5.3.2 改进的Eclat算法—MsEclat算法 |
| 5.4 优化的Ms Eclat算法 |
| 5.4.1 基于布尔矩阵的T_(set)位运算求交 |
| 5.4.2 基于MapReduce的等价类并行运算 |
| 5.4.3 大数据场景下优化的MsEclat算法的频繁项集挖掘步骤 |
| 5.5 算法比较验证 |
| 5.5.1 MsEclat算法与水平挖掘算法的对比 |
| 5.5.2 MsEclat算法与其优化算法的对比 |
| 5.6 机车事故故障关联规则挖掘分析 |
| 5.6.1 待分析项目的选取 |
| 5.6.2 关联规则挖掘结果分析 |
| 5.7 本章小结 |
| 6 基于PSO+DE混合优化BP神经网络的铁路机车质量安全态势预测 |
| 6.1 问题概述 |
| 6.2 机车质量等级评价 |
| 6.3 基于机车质量评价项点的特征选择 |
| 6.3.1 灰色关联度分析 |
| 6.3.2 机车质量等级的比较特征选择 |
| 6.4 PSO+DE混合优化BP神经网络 |
| 6.4.1 BP神经网络原理 |
| 6.4.2 PSO算法原理 |
| 6.4.3 DE算法原理 |
| 6.4.4 基于时变概率的PSO+DE混合优化BP神经网络预测模型 |
| 6.5 机车质量安全态势预测分析 |
| 6.5.1 预测模型训练 |
| 6.5.2 预测模型训练结果分析 |
| 6.5.3 预测模型应用分析 |
| 6.6 本章小结 |
| 7 基于铁路机车设备画像理论的铁路机车健康管理应用总体设计 |
| 7.1 机务大数据与机车健康管理 |
| 7.2 铁路机车健康管理应用设计 |
| 7.2.1 设计目标及定位 |
| 7.2.2 总体架构设计 |
| 7.2.3 技术架构设计 |
| 7.3 铁路机车健康管理应用的典型应用场景分析 |
| 7.3.1 设备质量综合分析 |
| 7.3.2 人员运用综合把控 |
| 7.3.3 运输生产综合管理 |
| 7.4 本章小结 |
| 8 某铁路局机车健康管理应用实践 |
| 8.1 应用开发方案 |
| 8.1.1 系统开发环境 |
| 8.1.2 数据调用方式 |
| 8.1.3 分析模型定时任务调用方式 |
| 8.2 机车数据管理功能 |
| 8.2.1 基本数据管理 |
| 8.2.2 视频数据管理 |
| 8.2.3 机务电子地图 |
| 8.3 机车画像标签生成及分析功能 |
| 8.3.1 机车画像标签管理 |
| 8.3.2 单台机车画像分析 |
| 8.3.3 机车设备画像分析 |
| 8.4 机车事故故障关联分析功能 |
| 8.5 机车质量评价分析功能 |
| 8.5.1 单台机车质量安全分析 |
| 8.5.2 机务段级机车质量安全分析 |
| 8.5.3 机务部级机车质量安全分析 |
| 8.5.4 全局机务专业质量安全综合分析 |
| 8.6 机车质量安全态势预测分析功能 |
| 8.7 本章小结 |
| 9 总结与展望 |
| 9.1 本文总结 |
| 9.2 研究展望 |
| 参考文献 |
| 图索引 |
| FIGURE INDEX |
| 表索引 |
| 学位论文数据集 |
| TABLE INDEX |
| 作者简历及攻读博士学位期间取得的科研成果 |
（3）内燃机车检测技术的开发与应用（论文提纲范文）
| 0 引言 |
| 1 内燃机车检测现状概述 |
| 2 某部门内燃机车基本状态 |
| 3 柴油机状态在线检测系统 |
| 3.1 系统组成 |
| 3.2 故障诊断原理 |
| 4 机车振动检测 |
| 5 轴承检测技术 |
| 5.1 地面检测平台的建立 |
| 5.2 振动检测数据库的建立与使用 |
| 5.3 轴承状态的分析与评价 |
| 6 机车轮箍的红外检测 |
| 7 讨论 |
| 8 结束语 |
（4）内燃机车柴油机主轴承失效机理及预防研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 滑动轴承润滑研究现状 |
| 1.2.2 曲轴动力学分析研究 |
| 1.2.3 轴承合金层应力分析研究 |
| 1.2.4 润滑油性能分析研究 |
| 1.2.5 柴油机主轴承故障监测研究 |
| 1.3 论文的主要内容及结构 |
| 2 液体动压滑动轴承基础理论 |
| 2.1 引言 |
| 2.2 液体动压润滑的基本原理和基本关系 |
| 2.2.1 液体动压油膜的形成原理 |
| 2.2.2 液体动压润滑的基本方程 |
| 2.2.3 油楔承载机理 |
| 2.3 液体动压径向滑动轴承基本原理 |
| 2.4 滑动轴承失效形式及产生原因 |
| 2.4.1 磨粒磨损 |
| 2.4.2 疲劳破坏 |
| 2.4.3 咬粘(胶合) |
| 2.4.4 擦伤 |
| 2.4.5 过度磨损 |
| 2.4.6 腐蚀 |
| 2.4.7 其他失效形式 |
| 2.5 本章小结 |
| 3 主轴承失效分析 |
| 3.1 引言 |
| 3.2 制造和装配质量不达标 |
| 3.2.1 曲轴 |
| 3.2.2 机体 |
| 3.2.3 轴瓦 |
| 3.3 使用维护方法不当 |
| 3.3.1 柴油机飞车 |
| 3.3.2 滑油压力异常 |
| 3.3.3 司机操纵不当 |
| 3.3.4 配件检修质量不高 |
| 3.4 本章小结 |
| 4 主轴承失效控制措施 |
| 4.1 引言 |
| 4.2 主轴承相关配件清洁度控制 |
| 4.2.1 清洁度标准制定 |
| 4.2.2 曲轴清洗试压设备的设计制作 |
| 4.3 曲轴检测组装质量控制 |
| 4.3.1 曲轴修复 |
| 4.3.2 曲轴油堵更换方法 |
| 4.3.3 曲轴检测 |
| 4.4 机体检测组装质量控制 |
| 4.4.1 机体修复 |
| 4.4.2 机体检测 |
| 4.4.3 机体组装 |
| 4.5 轴瓦质量控制 |
| 4.5.1 轴承游隙值的确定 |
| 4.5.2 轴瓦检验与装配 |
| 4.6 使用维护要求 |
| 4.6.1 滑油压力监测 |
| 4.6.2 日常操作注意事项 |
| 4.7 本章小结 |
| 5 主轴承失效预防性研究 |
| 5.1 引言 |
| 5.2 铁谱、光谱分析和油品理化指标分析的原理和特点 |
| 5.2.1 铁谱分析 |
| 5.2.2 光谱分析 |
| 5.2.3 油品理化指标分析 |
| 5.3 光铁谱综合诊断技术研究 |
| 5.3.1 确定分析对象 |
| 5.3.2 光铁谱诊断标准 |
| 5.4 综合检测分析技术的应用 |
| 5.4.1 光谱分析 |
| 5.4.2 铁谱分析 |
| 5.4.3 分析结果的验证 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 作者简历及攻读学位期间取得的科研成果 |
| 附录2 学位论文数据集 |
（5）基于牵引电机定子电流改进小波双谱分析的机车传动系统故障诊断技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 机车传动系统故障诊断研究综述 |
| 1.3 电机定子电流分析 |
| 1.4 高阶统计量分析 |
| 1.5 本文工作 |
| 2 定子电流信号中的二次相位耦合 |
| 2.1 电机定子电流信号特征 |
| 2.2 电气故障引发的电流信号相位耦合 |
| 2.3 机械故障引起的电流信号相位耦合 |
| 2.4 本章小结 |
| 3 小波双谱信号分析方法 |
| 3.1 傅里叶双谱 |
| 3.2 小波双谱 |
| 3.2.1 小波分析 |
| 3.2.2 小波双谱和小波双相干谱 |
| 3.2.3 仿真信号分析 |
| 3.3 改进小波双谱 |
| 3.3.1 瞬态双相随机小波双谱 |
| 3.3.2 仿真信号分析 |
| 3.4 小波双谱熵 |
| 3.4.1 信息熵 |
| 3.4.2 双谱熵 |
| 3.4.3 小波双谱熵 |
| 3.4.4 仿真信号分析 |
| 3.5 本章小结 |
| 4 实验验证 |
| 4.1 试验台实验 |
| 4.1.1 机车传动轴模拟试验台 |
| 4.1.2 实验验证 |
| 4.2 工业实验 |
| 4.2.1 诊断实例1—牵引电机轴承 |
| 4.2.2 诊断实例2—机车传动齿轮 |
| 4.3 本章小结 |
| 5 总结展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（6）基于自适应共振解调的滚动轴承故障诊断系统设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 滚动轴承故障诊断技术国内发展现状 |
| 1.2.2 滚动轴承故障诊断技术国外发展现状 |
| 1.3 本文的创新点 |
| 1.4 章节安排 |
| 第二章 滚动轴承故障机理分析及整体方案设计 |
| 2.1 滚动轴承故障机理分析 |
| 2.1.1 滚动轴承结构特征及振动机理 |
| 2.1.2 滚动轴承常见失效形式及产生原因 |
| 2.1.3 滚动轴承故障特征频率计算 |
| 2.2 系统整体方案设计 |
| 2.2.1 FPGA基本知识与设计流程 |
| 2.2.2 FPGA芯片选型 |
| 2.2.3 系统总体结构设计框图 |
| 2.3 本章小结 |
| 第三章 自适应共振解调算法在轴承故障诊断中的应用 |
| 3.1 自适应共振解调算法的基本原理 |
| 3.1.1 共振解调算法 |
| 3.1.2 最小均方误差(LMS)算法 |
| 3.2 自适应共振解调算法流程 |
| 3.3 实测信号分析 |
| 3.4 本章小结 |
| 第四章 数据采集模块的设计与实现 |
| 4.1 传感器的选择 |
| 4.2 传感器的安装布置 |
| 4.3 ADC采样芯片的选取 |
| 4.4 数据采集模块的开发 |
| 4.5 本章小结 |
| 第五章 自适应共振解调模块的设计与实现 |
| 5.1 共振解调算法的FPGA设计与实现 |
| 5.1.1 共振解调算法模型构建 |
| 5.1.2 共振解调算法FPGA实现 |
| 5.1.3 仿真测试 |
| 5.2 LMS自适应滤波器的FPGA设计与实现 |
| 5.2.1 LMS算法模型构建 |
| 5.2.2 LMS自适应滤波器的FPGA实现 |
| 5.2.3 仿真测试 |
| 5.3 基于LMS算法的自适应共振解调模块构建 |
| 5.3.1 整体模块构建 |
| 5.3.2 模块仿真测试 |
| 5.4 本章小结 |
| 第六章 系统的测试与验证 |
| 6.1 系统性能分析 |
| 6.2 轴承试验台测试实验与数据分析 |
| 6.2.1 报警标准设定 |
| 6.2.2 实验装置介绍 |
| 6.2.3 实验对象及目的 |
| 6.2.4 实验步骤及现象 |
| 6.2.5 实验数据分析 |
| 6.2.6 实验结论 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（7）改进的卷积神经网络在设备故障诊断中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外机械设备故障诊断研究现状及发展趋势 |
| 1.3 卷积神经网络在故障诊断领域中的研究现状 |
| 1.4 本文研究内容及章节安排 |
| 1.4.1 研究内容及创新之处 |
| 1.4.2 本文组织结构 |
| 第2章 机械设备故障诊断相关理论及深度学习基础概念介绍 |
| 2.1 轴承故障诊断相关理论知识 |
| 2.2 轴承故障诊断基本方法 |
| 2.3 深度学习的基础概念 |
| 2.3.1 深度学习的总体感知 |
| 2.3.2 深度学习训练 |
| 2.3.3 误差反向传播 |
| 2.4 本章小结 |
| 第3章 基于改进的卷积神经网络的轴承故障诊断方法研究 |
| 3.1 引言 |
| 3.2 卷积神经网络CNN基本理论 |
| 3.2.1 卷积层 |
| 3.2.2 激活函数 |
| 3.2.3 池化层 |
| 3.3 基于改进的卷积神经网络的轴承故障诊断模型 |
| 3.3.1 改进的CNN网络结构描述 |
| 3.3.2 MaFaulDa轴承数据实验台 |
| 3.3.3 美国凯斯西楚大学数据库 |
| 3.4 滚动轴承单一故障诊断实验与分析 |
| 3.4.1 改进的恒等映射卷积神经网络模型 |
| 3.4.2 MaFaulDa轴承数据故障诊断结果 |
| 3.4.3 改进的变卷积核卷积神经网络模型 |
| 3.4.4 美国凯斯西楚大学轴承数据故障诊断结果 |
| 3.5 本章小结 |
| 第4章 基于改进的ResNet-LSTM的机车轴承复合故障诊断研究 |
| 4.1 引言 |
| 4.2 滚动轴承复合故障诊断基本模型 |
| 4.2.1 残差优化的卷积神经网络模型 |
| 4.2.2 LSTM网络模型 |
| 4.3 基于改进的ResNet-LSTM的机车轴承复合故障诊断模型 |
| 4.3.1 数据预处理 |
| 4.3.2 改进的ResNet-LSTM网络模型 |
| 4.4 滚动轴承复合故障诊断实验与分析 |
| 4.4.1 实验室电力机车滚动轴承实验台 |
| 4.4.2 实验数据准备 |
| 4.4.3 故障诊断结果 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 攻读硕士学位期间发表的论文 |
| 参与的科研项目 |
| 致谢 |
（8）铁路交流牵引电机故障诊断技术研究及应用（论文提纲范文）
| 1 概述 |
| 2 牵引电机常见故障类型 |
| 2.1 定子绝缘故障 |
| 2.2 轴承故障 |
| 3 电机定子绝缘故障诊断方法 |
| 3.1 在线诊断方法 |
| 3.2 离线诊断方法 |
| 3.2.1 绝缘电阻 |
| 3.2.2 介质损耗因数 |
| 3.2.3 局部放电 |
| 4 电机轴承故障诊断方法 |
| 5 结论与展望 |
（9）和谐机车走行部关键部件故障诊断技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 问题的提出 |
| 1.2 机车故障诊断技术的发展现状与趋势 |
| 1.3 本文研究的主要内容、目标 |
| 2 和谐机车走行部的技术特点与运用维护 |
| 2.1 和谐机车走行部技术特点 |
| 2.1.1 机车轮对技术特点 |
| 2.1.2 驱动装置技术特点 |
| 2.1.3 牵引电机技术特点 |
| 2.2 机车走行部维修情况 |
| 2.2.1 机车维修计划 |
| 2.2.2 机车轮对驱动系统维修工作要求 |
| 2.3 机车走行部运用现状 |
| 2.3.1 轴承故障现象判断 |
| 2.3.2 齿轮失效现象判断 |
| 2.3.3 和谐机车运用中走行部故障情况 |
| 3 故障诊断技术的研究 |
| 3.1 轴承故障 |
| 3.1.1 轴承故障的基本形式 |
| 3.1.2 轴承的振动信号特性 |
| 3.1.3 轴承的振动信号分析 |
| 3.2 齿轮失效 |
| 3.2.1 齿轮失效的基本形式 |
| 3.2.2 齿轮的振动信号特性 |
| 3.2.3 齿轮的振动信号分析 |
| 3.3 常规故障诊断方法 |
| 3.3.1 时域分析法 |
| 3.3.2 频域分析法 |
| 3.3.3 时频分析法 |
| 4 机车走行部故障诊断技术分析 |
| 4.1 感温贴片 |
| 4.1.1 感温贴片使用说明 |
| 4.1.2 感温贴片使用规范 |
| 4.2 YZB-1 型机车熔断式轴温报警装置 |
| 4.2.1 YZB-1 装置结构原理 |
| 4.2.2 YZB-1 装置技术特点 |
| 4.3 JK00430 机车走行部车载诊断监测系统 |
| 4.3.1 JK00430 装置结构原理 |
| 4.3.2 JK00430 装置技术特点 |
| 4.4 机车走行部车载监测装置比较 |
| 5 和谐机车走行部故障诊断装置的实施运用分析 |
| 5.1 HXD1C型机车走行部故障诊断装置的设计方案 |
| 5.1.1 执行标准 |
| 5.1.2 使用环境 |
| 5.1.3 装置组成 |
| 5.1.4 装置正常诊断报警需要具备的基本条件 |
| 5.1.5 装置技术特点 |
| 5.2 数据分析方法 |
| 5.2.1 常规数据分析 |
| 5.2.2 报警数据分析 |
| 5.3 现场使用效果 |
| 6 移动式轴承顶轮检测装置的分析与应用 |
| 6.1 机车走行部轴承顶轮检测技术研究 |
| 6.1.1 滚动轴承振动机理及故障诊断原理 |
| 6.1.2 机车走行部轴承简易诊断技术研究 |
| 6.1.3 机车走行部轴承精密诊断技术研究 |
| 6.2 机车走行部轴承顶轮检测系统总体方案 |
| 6.2.1 系统总体设计构思 |
| 6.2.2 系统主要设计具体架构及参数 |
| 6.3 顶轮检测系统现场应用 |
| 6.3.1 门限值的制定 |
| 6.3.2 现场应用情况及典型案例分析 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历及攻读学位期间取得的科研成果 |
| 学位论文数据集 |
（10）SS4型机车制动系统运用与维修研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外机车制动技术发展历程 |
| 1.2.1 国外机车制动技术发展 |
| 1.2.2 国内机车制动技术发展 |
| 1.3 SS4 型机车概况 |
| 1.3.1 机车运用现状 |
| 1.3.2 机车检修现状 |
| 1.4 机车修程修制 |
| 1.4.1 国内外维修模式 |
| 1.4.2 国内检修模式存在的问题 |
| 1.4.3 机车修程修制 |
| 1.5 论文的主要研究内容和方法 |
| 1.5.1 主要研究内容 |
| 1.5.2 主要研究方法 |
| 1.6 研究的目的与意义 |
| 第2章 SS4 型机车制动系统设计与运用 |
| 2.1 SS4 型机车制动系统概况 |
| 2.2 SS4 型机车空气管路系统介绍 |
| 2.2.1 风源系统 |
| 2.2.2 控制管路系统 |
| 2.2.3 辅助管路系统 |
| 2.3 SS4 型机车制动系统介绍 |
| 2.3.1 DK-1 型电空制动系统 |
| 2.3.2 CCBⅡ制动系统 |
| 2.4 小结 |
| 第3章 机车常见故障统计与分析 |
| 3.1 机车设备故障统计 |
| 3.2 机车非正常停车故障统计 |
| 3.3 机车及制动系统碎修统计 |
| 3.4 SS4 型机车及制动系统临修统计 |
| 3.5 风源及管路系统故障分析与整治 |
| 3.5.1 风源质量不高的影响 |
| 3.5.2 风源及管路系统故障分析 |
| 3.5.3 风源系统惯性故障专项整治 |
| 3.6 小结 |
| 第4章 DK-1 电空制动系统故障分析与研究 |
| 4.1 分配阀故障分析与研究 |
| 4.1.1 109 型分配阀概述 |
| 4.1.1.1 109 型分配阀突出问题分析 |
| 4.1.1.2 109 型分配阀性能研究 |
| 4.1.2 新型分配阀概述 |
| 4.1.3 新型分配阀与109 型分配阀对比分析 |
| 4.1.3.1 外观对比 |
| 4.1.3.2 部件组成及底座对比 |
| 4.1.3.3 主要结构对比 |
| 4.1.3.4 检修成本对比 |
| 4.1.4 功能参数对比 |
| 4.1.5 新型分配阀和109 型分配阀试验台试验对比 |
| 4.1.6 新型分配阀与109 型分配阀装车性能试验对比 |
| 4.1.7 新型分配阀和109 型分配阀装车静置试验对比 |
| 4.1.7.1 109 型分配阀装车静置试验研究 |
| 4.1.7.2 新型分配阀装车静置试验研究 |
| 4.1.8 DK-1 制动机采用新型分配阀可行性分析 |
| 4.2 电空制动控制器中立位不保压故障分析与研究 |
| 4.2.1 电空制动控制器中立位不保压故障现象 |
| 4.2.2 电空制动控制器的结构和工作原理 |
| 4.2.3 中立位不保压故障研究分析 |
| 4.2.4 中立位不保压故障预防 |
| 4.3 小结 |
| 第5章 CCBⅡ制动系统故障分析与研究 |
| 5.1 CCBⅡ制动系统运用故障与检修现状 |
| 5.2 CCBⅡ制动系统主要部件故障和分析 |
| 5.2.1 CCBⅡ制动系统主要部件故障 |
| 5.2.2 CCBⅡ制动系统结构分析 |
| 5.3 IPM模块故障研究分析 |
| 5.3.1 IPM模块故障前期改进措施 |
| 5.3.2 IPM模块故障产生的原因分析 |
| 5.3.3 IPM模块降低振动改进措施 |
| 5.4 LCDM故障分析与改进 |
| 5.4.1 LCDM故障前期改进措施 |
| 5.4.2 LCDM故障运用措施 |
| 5.4.3 LCDM失效分析 |
| 5.5 故障处理学习,改进机车运用 |
| 5.6 小结 |
| 第6章 SS4 型机车制动系统修程修制分析与研究 |
| 6.1 机车修程修制 |
| 6.1.1 SS4 型机车修程现状 |
| 6.1.2 SS4 型机车制动系统小辅修检修范围 |
| 6.1.3 修程修制优化的意义 |
| 6.2 SS4 型机车制动系统的修程修制优化 |
| 6.2.1 合理规划,上限公里检修 |
| 6.2.2 合理优化,调整检修范围 |
| 6.3 修程修制优化后成效 |
| 6.3.1 优化前后故障对比 |
| 6.3.2 用足检修周期 |
| 6.3.3 检修成本降低 |
| 6.3.4 优化小辅修修程 |
| 6.4 针对修程修制优化的探讨 |
| 6.4.1 检修模式优缺点探讨 |
| 6.4.2 制动系统中修范围对比探讨 |
| 6.4.3 DK-1 电空制动系统部件修程延长研究 |
| 6.4.4 新型分配阀检修周期探讨 |
| 6.4.5 CCBⅡ制动系统部件检修工艺分析 |
| 6.4.6 DK-1 电空制动机检修工艺探讨和提升 |
| 6.5 小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
| 学位论文数据集 |
四、故障振动诊断技术在机车状态修中的应用（论文参考文献）
- [1]基于PHM技术的高速动车组关键部件智能检修理论与方法研究[D]. 郝伟. 北京交通大学, 2021
- [2]铁路机车设备画像理论及关键技术研究[D]. 李鑫. 中国铁道科学研究院, 2021(01)
- [3]内燃机车检测技术的开发与应用[J]. 高勤云,杨晓燕,王雷,王琰琰. 内燃机与配件, 2021(12)
- [4]内燃机车柴油机主轴承失效机理及预防研究[D]. 孙鑫海. 中国铁道科学研究院, 2021(01)
- [5]基于牵引电机定子电流改进小波双谱分析的机车传动系统故障诊断技术研究[D]. 张明明. 北京交通大学, 2021
- [6]基于自适应共振解调的滚动轴承故障诊断系统设计[D]. 胡鑫磊. 石家庄铁道大学, 2021
- [7]改进的卷积神经网络在设备故障诊断中的应用研究[D]. 程琳. 西安邮电大学, 2021(02)
- [8]铁路交流牵引电机故障诊断技术研究及应用[J]. 张大勇. 中国铁路, 2021(05)
- [9]和谐机车走行部关键部件故障诊断技术研究[D]. 张成新. 中国铁道科学研究院, 2021(01)
- [10]SS4型机车制动系统运用与维修研究[D]. 李勇墙. 中国铁道科学研究院, 2021(01)