摘要：二十一世纪我国铁路事业在“客运高速、货运重载”的主题下实现了跨越式发展。随着列车运营速度的提高、单列机车牵引吨位的增加,对机车、车辆装备的检修和维护提出了更高的要求。电力机车主变压器作为电力机车能量的来源,是电力机车的心脏,其安全可靠运行对于保障铁路运输的安全、高效具有重要作用。但与电力机车主变压器的重要作用形成鲜明对比的是,对电力机车主变压器故障诊断技术的研究明显不足。因此,开展电力机车主变压器的故障诊断技术研究对于提高机车检修保障水平,完善电力机车故障诊断技术理论,增强电力机车/电动车组运行的安全性和可靠性具有重要意义。本文以电力机车主变压器为主要研究对象,在概述了电力机车主变压器结构和应用特点的基础上,从机械振动学、电磁学、电化学、电气学出发,研究分析了电力机车主变压器油箱壁振动信号、变压油中溶解气体的特点。并深入探索了符合我国目前电力机车主变压器检修工作实际需求和发展机车“状态维修”需要的电力机车主变压器故障诊断技术。针对机车主变压器绕组、铁芯变形故障,本文提出了基于油箱振动信号的电力机车主变压器故障诊断技术,该技术不但灵敏度高,而且为发展机车主变压器在线状态监测提供了基础。本文首先从变压器的振动产生机理出发,对机车主变压器振动信号的来源进行了详细的分析,探讨了机车主变压器油箱振动信号测量位置的选择。同时,本文一方面利用质量-弹簧模型建立了机车主变压器绕组振动的等效数学模型,推导了机车主变压器稳态运行时绕组振动的加速度方程；另一方面深入探讨了引起机车主变压器铁芯振动的主要原因及影响其振动信号特征的因素。针对机车主变压器绕组变形的故障检测,本文从麦克斯韦方程组和变压器等效电路出发,推导了变压器电磁场耦合方程组,并利用ANASYS软件对HXD1C型电力机车用主变压器进行了实体有限元建模,研究了在不同预紧力下绕组振动信号的变化特点,提出了利用绕组轴向100Hz振动信号对变压器绕组预紧力进行监测的方法。针对变压器铁芯振动信号的特点,本文提出了一种基于混合粒子群优化算法的小波神经网络训练算法,并将该算法训练的小波神经网络应用于电力机车牵引变压器铁芯松动的故障诊断。MATLAB仿真测试表明应用该算法训练的小波神经网络对基于振动信号的电力机车牵引变压器铁芯松动诊断具有更快的收敛速度以及更高的诊断精度。针对DGA技术在电力机车主变压器故障诊断中遇到的问题,本文在系统分析了DGA技术的原理和已有DGA诊断算法的基础上,将多种DGA诊断方法有机的整合起来,结合机车主变压器的特点,提出了一套完整的电力机车主变压器DGA诊断流程。同时,本文提出了一种自组织RBF神经网络训练算法,并将其应用于电力机车主变压器DGA故障诊断。该算法利用平均粒距描述粒子的集中程度,结合Gaussian随机数,按一定概率加大PSO算法中的惯性因子,从而增强了传统PSO的全局搜索能力；同时将FCM算法和Gaussian-PSO算法融合应用到RBF神经网络隐层节点的选择和网络连接权值的优化,改善了以往RBF神经网络的不足,并利用鸢尾属植物数据集及葡萄酒数据集对算法进行了验证。MATLAB仿真测试表明该算法确实具有更高的诊断精度,但训练时间较长。最后,针对目前机车主变压器检修试验装备较为落后的现状,本文在详细研究了机车主变压器型式试验的基本要求和目前机车主变压器检修工作存在的主要问题的基础上,详细给出了机车主变压器综合测试及故障诊断系统的软、硬件设计方案。该系统可以满足目前国内主流电力机车用主变压器的所有型式试验要求并能利用变压器油中溶解气体数据、变压器表壁振动信号和型式试验数据对被试变压器进行综合诊断。