[發明專利]一種基于多方向重構的列車軸承故障診斷方法

有效

• 申請號: 201810934136.8
• 申請日: 2018-08-16
• 公開（公告）號: CN109141945B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 劉強;方彤;秦泗釗
• 申請（專利權）人: 東北大學
• 主分類號: G01M17/08
• 分類號: G01M17/08;G01M13/04;G01K13/00;G06F17/16;G06K9/62
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李運萍

本發明提供一種基于多方向重構的列車軸承故障診斷方法，涉及基于數據驅動的列車故障診斷的技術領域。本發明是采用動態內模主元分析方法，對列車正常運行過程中的各軸承溫度數據建模，從而對列車運行過程中各軸承進行監控，當檢測到故障發生時，基于多方向重構的貢獻方法對故障樣本進行診斷，定位故障軸承。本發明本發明提供的方法對列車軸承故障狀態具有更合理解釋性，有效監測列車運行過程中軸承狀態，可解決傳統基于閾值規則的檢測方法的漏報問題，及時檢測列車軸承故障狀態。

技術領域

本發明涉及基于數據驅動的列車故障診斷技術領域，尤其涉及一種基于多方向重構的列車軸承故障診斷方法。

背景技術

列車運行速度可達300km/h以上，在高交通密度下運行一旦發生故障，其后果是災難性的。其中，軸箱故障，齒輪箱故障，電機定子故障，電機驅動端故障，電機非驅動端故障等為經常發生的軸承故障。健康狀態的軸承是列車運行和人員安全的基本保證。因此，為保證列車運行和人員安全，列車的軸承故障監測和診斷至關重要。

目前，列車通常采用基于規則的方法進行軸承故障監測與診斷，如法國的TGV高鐵(TrainGrande Vitesse)和德國的ICE城際列車(Intercity-Express)。這種基于閾值規則的診斷方法通過檢測單一軸承溫度來判斷軸溫的超限情況，從而判斷軸承的狀態。然而閾值范圍內，各軸承溫度間相關性發生異常變化的故障情況無法被該方法檢測，從而導致異常情況的漏報。

發明內容

針對上述現有技術的不足，本發明提供一種基于多方向重構的列車軸承故障診斷方法，對列車軸承故障狀態具有更合理解釋性，有效監測列車運行過程中軸承狀態，可解決傳統基于閾值規則的檢測方法的漏報問題，及時檢測列車軸承故障狀態；檢測到故障后，多方向重構貢獻方法有效減少了候選故障變量數，提高故障變量定位的準確性。

為解決上述技術問題，本發明所采取以下技術方案來實現的：一種基于多方向重構的列車軸承故障診斷方法，具體步驟如下：

步驟1：建立訓練列車軸承溫度的數據模型；利用DiPCA算法對列車的歷史正常軸溫數據的訓練集進行數據建模，所述DiPCA代表動態內模主元分析方法；

步驟2：監控列車軸承狀態；DiPCA建模后，對列車軸承狀態的監控從測試集的動態部分和靜態部分進行監控；所述動態部分即對動態潛變量預測誤差部分，所述靜態部分即提取動態潛變量后的靜態殘差部分；

步驟3：診斷列車軸承故障；當測試集的動態部分或靜態部分的綜合指標超限時，說明有故障發生在了動態部分或者靜態部分，需要進一步對故障軸承進行定位，通過基于DiPCA的多向重構的貢獻方法對檢測到的故障進行診斷。

所述步驟1的具體步驟如下：利用DiPCA對列車的歷史正常軸溫數據的訓練集進行訓練,通過訓練得出軸承溫度模型的動態負載矩陣P，對于時刻j的列車軸承溫度訓練樣本x_j，提取出j時刻的動態潛變量t_j＝x_jP，并根據列車軸承溫度的動態關系得出由j的前s個時刻的動態潛變量線性表達，為動態潛變量t_j的估計值，經訓練得出線性系數為β，v_j為j時刻動態潛變量的預測誤差，在動態潛變量t_j被提取后，對x_j的靜態殘差部分e_j進行PCA建模，所述PCA為靜態主元分析法，P_r為e_jPCA建模所得的負載矩陣，t_r,j為e_j的潛變量，e_r,j為e_j經PCA建模后的靜態殘差部分；模型結構公式如下：

其中，β_i為β的第i列向量，i＝1，2，…，s。

所述步驟2包括如下步驟：