[發明專利]一種在途智能列車空調機組故障診斷方法、裝置、設備及介質

有效

• 申請號: 202010552814.1
• 申請日: 2020-06-17
• 公開（公告）號: CN111723925B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 劉輝;李燕飛;楊宇翔;劉澤宇
• 申請（專利權）人: 中南大學
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06F18/214;G06F18/22;G06F17/16;G06N3/006;B61D27/00
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 龔燕妮

1.一種在途智能列車空調機組故障診斷方法，其特征在于，包括以下步驟：

步驟1，通過電力負荷監控傳感器獲取列車空調機組的標準電功率時間序列并構建標準事件模板庫；所述標準電功率時間序列是指列車空調機組在各種工況均正常運行時的電功率時間序列，所述標準事件模板庫中包括由標準電功率時間序列分割得到的瞬態標準事件模板和穩態標準事件模板；

步驟2，獲取列車空調機組在已知故障類型運行時的歷史電功率時間序列，采用事件檢測算法將電功率歷史時間序列分割為歷史電功率瞬態時間子序列和歷史電功率穩態時間子序列；

步驟3，通過計算和比較路徑長度，在標準事件模板庫中找到分別與每個歷史電功率瞬態時間子序列匹配的瞬態標準事件模板，找到分別與每個歷史電功率穩態時間子序列匹配的穩態標準事件模板；

步驟4，將所有歷史電功率瞬態時間子序列均與其匹配的瞬態標準事件模板作差得到對應的歷史電功率瞬態殘差子序列，將所有歷史電功率穩態時間子序列均與其匹配的穩態標準事件模板作差得到對應的歷史電功率穩態殘差子序列；

步驟5，將歷史電功率時間序列對應得到的所有歷史電功率瞬態殘差子序列和歷史電功率穩態殘差子序列，按時間順序拼接得到與歷史電功率時間序列對應的歷史電功率殘差序列；

步驟6，以歷史電功率殘差序列為輸入、相應的故障類型為輸出，訓練極限學習機模型，得到列車空調機組故障預測模型；

步驟7，通過電力負荷監控傳感器獲取在途列車空調機組的實時電功率時間序列，按步驟2-5相同方法獲取對應的實時電功率殘差序列，并輸入至列車空調機組故障預測模型中，即輸出得到在途列車空調機組的故障類型。

2.根據權利要求1所述的方法，其特征在于，步驟6訓練極限學習機模型時，采用差分進化算法優化極限學習機參數。

3.根據權利要求1所述的方法，其特征在于，采用事件檢測算法將標準電功率時間序列分割得到瞬態標準事件模板和穩態標準事件模板。

4.根據權利要求1所述的方法，其特征在于，步驟3采用動態時間彎曲算法，計算歷史電功率瞬態時間子序列與每個瞬態標準事件模板之間的路徑長度，以及計算歷史電功率穩態時間子序列與每個穩態標準事件模板之間的路徑長度。

5.根據權利要求1所述的方法，其特征在于，設每個歷史電功率瞬態時間子序列和歷史電功率穩態時間子序列均可表示為時間子序列Q＝(q₁，q₂，...，q_i，...，q_n)，每個瞬態標準事件模板和穩態標準事件模板均可表示為時間子序列C＝(c₁，c₂，...，c_j，...c_m)，則采用動態時間彎曲算法計算歷史電功率瞬態時間子序列與每個瞬態標準事件模板之間的路徑長度以及計算歷史電功率穩態時間子序列與每個穩態標準事件模板之間的路徑長度，具體方法為：

定義n行m列的DTW對準矩陣M，DTW對準矩陣M中第i行第j列的元素為時間子序列Q中對準點q_i和時間子序列C中對準點c_j之間的距離d(q_i，c_j)，其中d(q_i，c_j)＝(q_i-c_j)²；

根據時間子序列Q的對準點q₁和對準點q_n，在DTW對準矩陣M中搜索滿足|i-j|≤r的所有彎曲路徑，將每條彎曲路徑中所有元素均表示為集合W＝{w₁，w₂，...，W_k，...，w_K}，取路徑總長最小的彎曲路徑作為時間子序列Q與時間子序列C之間路徑長度：

6.根據權利要求1所述的方法，其特征在于，故障類型包括正常工況、冷劑泄漏、蒸發皿堵塞、冷凝器結垢和壓縮機磨損。