城轨车辆走行系多证据源融合故障诊断方法

"这篇论文是关于城轨车辆走行系基于证据理论的融合故障诊断方法的研究，发表于2014年。论文指出单一证据源的诊断方法在故障诊断准确率上存在不足，并通过证据理论结合多个证据源来提高诊断效率。研究中，作者分析了轴承和轮对可能的故障，构建了诊断框架，并选择了轴箱振动、轨旁振动和轴温三个证据源。通过专家经验法确定信任分配函数，结果显示多证据源融合的诊断准确率达到80%，提升了故障诊断的可靠性。" 基于上述摘要，以下是相关的知识点： 1. **证据理论**：证据理论是一种处理不确定性和不完整性信息的数学工具，它允许不同的证据源同时存在并融合，即使这些证据可能存在冲突或不确定性。 2. **城轨车辆走行系**：城轨车辆的重要组成部分，包括车轮、车轴、轴承等，负责车辆在轨道上的移动和支撑。 3. **故障诊断**：通过检测和分析系统异常，识别和定位设备故障的过程。在城轨车辆中，准确的故障诊断对于确保运行安全至关重要。 4. **单一证据源的局限性**：仅依赖一个传感器或监测数据进行故障诊断可能导致误诊或漏诊，尤其是在数据不完整或有噪声时。 5. **多证据源融合**：结合多个独立或互补的证据源，如振动分析、温度监控和视觉检查，以提高故障识别的准确性和完整性。 6. **矛盾因子**：在证据理论中，矛盾因子用于处理高冲突和低信任度情况下的证据融合问题，它可以减少或解决悖论，使融合过程更加合理。 7. **轴承和轮对故障分析**：论文深入分析了城轨车辆走行系中轴承和轮对可能出现的各种故障模式，这包括磨损、疲劳裂纹、润滑失效等。 8. **识别框架**：建立的识别框架为诊断过程提供了一个结构化的模型，帮助识别和分类故障症状，指导故障诊断流程。 9. **证据源选择**：轴箱振动诊断、轨旁振动诊断和轴温诊断是选择的三个关键证据源，它们分别反映了不同方面的系统状态。 10. **基本信任分配函数**：通过专家经验确定，该函数用于分配证据源的信任度，反映了每个证据源在决策中的相对权重。 11. **诊断准确率提升**：采用多证据源融合的诊断方法显著提高了故障诊断的准确性，例如在考虑轮对和轴承两个对象的情况下，准确率达到了80%。 12. **可靠性增强**：论文的研究成果表明，这种方法能有效提高城轨车辆走行系的故障诊断可靠性，对于预防性的维护和系统的安全性具有积极影响。 13. **应用领域**：论文的研究成果适用于城市轨道交通控制与安全领域，特别是故障预测和预防维护系统的设计。 14. **文献标识码**和**中图分类号**：这些都是学术文献的分类标记，用于指示论文的主题和学科领域，方便检索和归类。 通过以上知识点的详细阐述，我们可以看出这篇论文在城轨车辆故障诊断技术上的创新和贡献，它为实际的车辆维护提供了科学的决策支持。