题目：轻轨牵引供电线路故障诊断

随着北京轻轨在首都城市交通体系中所处地位的日益显著，保证轻轨的安全稳定运行已成为人们关注和研究的热点，而作为其薄弱环节——牵引供电线路——的研究和检测更成为了重中之重。据统计，最易混淆的为机车的启动状态和机车的短路状态。本论文也就是以这两种状态为研究对象。 传统的轻轨线路保护方式一般基于线路电流的阈值。而轻轨启动状态和机车重载状态电流大小近似。现有的保护方式不能正确区分供电线路的故障类型，对其被迫采用盲目式重合闸，这给线路带来了不必要的二次冲击。文章提出了基于多重特征量的判断，包括斜率、凹凸性、方差等。该保护主要是通过对故障性质的正确识别，给重合闸装置一个正确的触发信号，以保证重合闸的合理动作。 本文围绕轻轨机车诊断系统，重点研究了数据采集方案的设计、数据特征量的提取和系统总体的设计等，在研究过程中用到MATLAB COM组件技术、Labview虚拟仪器显示技术、MATLAB与VC混合编程等关键技术在文章中也有较为详细的介绍。 文章首先通过高速8位数据采集卡、工控机等设备搭建起数据采集系统，然后根据实际需求运用C++语言开发数据采集系统，实现了实时、快速、准确的采集效果。根据采集得到的数据，分析并确定故障特征量。在特征量选用上，根据两种典型状态的不同点，本文选用斜率、凹凸性、方差三种物理量作为特征量。 故障模式识别是基于BP神经网络平台，首先利用已知故障类型的样本数据进行网络训练BP神经网络，使网络具有收敛性。此时的神经网络就可以进行故障诊断。未知故障类型的故障输入，根据数据的特征量提取，BP网络判断，就可以得到故障类型。 最后，基于VC++6.0平台，开发一个故障诊断的人机交互平台，实现MFC平台和MATLAB平台数据的数据交互。最终的人机交互平台可实现故障诊断系统采集参数的设置、采集数据的存储、数据波形的显示、故障类型显示等相关功能。该故障诊断系统无论在实验室的实验，还是在现场调试使用，都能满足对短路故障和启动两种状态的准确、快速的识别。