[發明專利]一種高速列車牽引系統故障診斷方法有效
| 申請號： | 201910708383.0 | 申請日： | 2019-08-01 |
| 公開（公告）號： | CN110991471B | 公開（公告）日： | 2023-07-11 |
| 發明（設計）人： | 冒澤慧;閆宇;姜斌;嚴星剛;呂迅竑 | 申請（專利權）人： | 南京航空航天大學 |
| 主分類號： | G06V10/762 | 分類號： | G06V10/762;G06V10/77;G06V10/774;G06V10/82;G06N3/0442;G06N3/08;G01M17/08 |
| 代理公司： | 江蘇圣典律師事務所 32237 | 代理人： | 蘇一幟 |
| 地址： | 211100 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 高速 列車 牽引 系統 故障診斷 方法 | ||
1.一種高速列車牽引系統故障診斷方法，其特征在于：
(a)從半物理仿真平臺采集序列數據并進行預處理，得到數據集，所述數據集包括訓練集和測試集；
(b)利用狀態微分反饋控制對LSTM自編碼器進行改進，得到LSTM自編碼器一，所述LSTM自編碼器一由L個LSTM單元組成；
(c)利用所述數據集對所述LSTM自編碼器一訓練獲取LSTM自編碼器二；
(d)利用所述LSTM自編碼器二對所述測試集提取原始特征向量；
(e)利用t-SNE算法對所述原始特征向量進行特征降維；
(f)對降維后的原始特征向量通過DBSCAN聚類方法進行故障診斷，得到診斷結果；
所述(c)包括：
利用所述數據集對所述LSTM自編碼器一訓練獲取LSTM自編碼器二；
所述LSTM自編碼器一讀取所述數據集,所述數據集為向量型序列數據，X＝x1,x2...,xL-1,xL，Nv表示向量維度，L表示序列數據樣本長度；
所述LSTM自編碼器一最后一層隱單元狀態作為特征向量，將所述特征向量作為GRU解碼器第一層的隱單元狀態所述GRU解碼器輸出序列其中
對所述與X進行最小化平方誤差Jed訓練，
其中DN表示整個訓練集,所述訓練在度量下保持相似，順序相反。
2.如權利要求1所述的高速列車牽引系統故障診斷方法，其特征在于：所述(a)中預處理包括：
利用k-最近距離鄰法對所述序列數據進行缺失值填充；
通過箱形圖對所述序列數據異常值進行分析，利用k-最近距離鄰法修改判定為異常值的序列數據；
利用小波濾波對所述序列數據平滑濾波，利用Z-score標準化方法對所述序列數據歸一化處理。
3.如權利要求1所述的高速列車牽引系統故障診斷方法，其特征在于：所述(d)中，還包括：
所述LSTM自編碼器二提取原始特征向量，所述原始特征向量包含故障信息，將所述故障信息變量嵌入到固定長度的所述原始特征向量中。
4.如權利要求1所述的高速列車牽引系統故障診斷方法，其特征在于：所述(e)包括：
定義損失函數JSNE，所述損失函數JSNE為所述原始特征向量與目標降維中數據分布聯合概率PD與QD的差異，所述概率PD與QD的差異概率分布差異采用Kullback-Leibler散度；
通過隨機梯度下降法最小化Kullback-Leibler散度。
5.如權利要求1所述的高速列車牽引系統故障診斷方法，其特征在于：所述(f)中,
對降維后的特征向量通過DBSCAN聚類方法進行故障診斷，得到診斷結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京航空航天大學，未經南京航空航天大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910708383.0/1.html，轉載請聲明來源鉆瓜專利網。
