摘  要
列车长时间的运行会使列车轴承和车轴温度升高，有可能导致切轴甚至列车颠覆，是列车运行中的重大隐患。为了确保列车安全运行，目前普遍采用了第二代红外线网络检测列车轴承温度（以下简称轴温）。当前红外线系统的热判模式主要采取峰值比较法，轴温波形的判定、分类均要由人工凭经验来完成。整个铁路运输系统运行的时候会产生大量的轴温波形，利用人工的方法对于这种大量的数据进行实时分类显然不适用。现在迫切需要一种能对轴温进行智能识别分类的方法来减轻人工负担。
近年来人工神经网络在模式识别、图像处理、控制和优化等方面有着广泛的应用。本文应用了BP神经网络这一新的方法来对轴温波形行识别分类。具体使用MATLAB这个工具软件构建与训练轴温波形的BP神经网络，利用VC6.0的良好的交互性编写了轴温波形的绘制、分类和处理程序来进行人机交互。最后利用实际的轴温波形来验证网络的正确性。经过大量的结果的检验分析，按此种方法构建的网络对各类波形进行分类，产生的分类结果非常理想。
总之，本文采用的神经网络的方法对于轴温这类非线性数据的识别分类可以取的非常好的效果，适合在实时地分析轴温数据，提高工作效率，减轻人工负担。

关键词：红外线轴温探测系统；BP神经网络；模式分类

ABSTRACT
When the train running continuously, the temperature of axles and the axle's bearing will rise. This will induce some accidents about the train. It is a great hidden trouble when the train running. For the safety of the running train, we usually adopt the 2nd IR detection system of axle temperature to detect the axle temperature. Currently the distinguish method use choosing the max point, and the distinguish, classify was carried out by manual work. When the whole system is running, it will bring out mass of axle temperature wave, it is obvious inaptitude to carry out manually. It is imminently to invent a new method distinguishing the axle temperature intellectively to lighten our burden.
Artificial neural network is widely used in pattern recognition, image processing, controling and optimize in recent years. This paper uses BP neural network to classifying the axle temperature.  At first we use MATLAB to build and train the BP neural network. Secondly we use make a programme to draw, classify and redraw the temperature wave by VC 6.0. At last we use the actual temperature wave to verify the neural network. The result is pretty good. There is no mistake of all the results.
In a word，the neural network is very applicable for the nonlinear data such as the axle temperature .It is suitable for analyzing axle temperature real-timely, rise efficiency and lighten our burden.

Key words: IR detection system of axle temperature; BP neural network; Partten classify
 
目  录
目  录 1
第1章 绪论 4
1.1红外线轴温探测系统的概况 4
1.2二代红外线网络的构成 5
1.3人工神经网络简介 7
1.4论文的主要工作 8
第2章 人工神经网络概述 9
2.1 人工神经网络概况 9
2.1.1生物神经元模型 9
2.1.2神经元模型 10
2.1.3神经元网络模型 12
2.2人工神经网络的应用 15
2.3 BP神经网络 15
2.3.1 BP网络结构 16
2.3.2 BP网络学习公式推导 17
2.3.3 Levenberg-Marquardt算法 22
2.4 本章小结 23
第3章 神经网络的设计与训练 25
3.1 MATLAB神经网络工具包简介 25
3.2轴温波形的分类方法 26
3.2.1轴温波形特点的分析 26
3.2.2轴温波形的分类标准 30
3.3神经网络的建立与训练 31
3.3.1神经网络的建立 31
3.3.2样本数据的预处理 32
3.3.3 MATLAB程序的编写 33
3.4 网络训练结果分析 34
3.5 本章小结 36
第４章 利用VC编写人机交互程序 38
4.1 Visual C++ 6.0 简介 38
4.2程序设计 38
4.2.1 程序的总体设计 38
4.2.2 波形数据的读取与绘制 40
4.2.3 轴温波形分类程序设计 41
4.2.4 主程序的设计 43
4.2.5 程序界面的调整 44
4.3程序的调试 46
4.4本章小结 48
结  论 50
参考文献 52
致  谢 54
 
第1章 绪论
红外线轴温探测系统，是利用红外线技术对运行的铁路列车车辆轴温进行监测，发现车辆热轴、防止车辆燃轴的安全保障设施，是确保铁路运输安全的重要设备。以往的轴温判别分类方法大都是依*人工判别，本文给出了一种基于神经网络的智能识别技术。
1.1红外线轴温探测系统的概况
我国铁路红外线轴温探测设备研制工作始于1958年[1]，采用硫化铅红外线元件进行非接触式探测。1970年研制出我国第一台铁路红外线轴温探测设备(简称一代机)，科技水平接近当时世界先进水平。一代机主要由车轮传感器(简称磁钢)、轴温传感器(简称红外探头)、轴温信息传输和描笔记录仪构成。值班人员根据每个轴温脉冲幅值的高低，进行滚滑判别和热轴判别。
目前我国广泛使用的第二代红外线轴温探测设备(简称二代机)，科技水平达到世界先进水平。二代机引进了计算机技术，克服了以往系统的单点应用的缺点，具有网络布点、热轴跟踪、区间无人探测、人机对话等特点，具有自动探测热轴、自动测速、自动计轴计辆、自动识别客货车辆、自动识别滚动和滑动轴承等功能。目前国内主要生产厂家及其主要设备型号如下：航天部502所，HBDS—II型；哈尔滨铁路局科研所，HTK—391型；成都铁路局广汉通信信号厂，HZT—II 9012型。