[發明專利]一種電力機車故障源定位方法及裝置

在審

• 申請號: 202010694631.3
• 申請日: 2020-07-17
• 公開（公告）號: CN111830934A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 王玉祥;魯振山;劉艷龍
• 申請（專利權）人: 中車大連電力牽引研發中心有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02;G06N3/04;G06N3/08
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 李馨

1.一種電力機車故障源定位方法，其特征在于，包括：

通過TCMS總線獲取機車子設備單元的運行數據；

通過訓練好的故障源識別模型對所述運行數據進行故障識別，得到故障源自動識別結果，所述故障源識別模型用于對所述運行數據進行分類，得到所述運行數據所屬類別對應的故障源數據，所述故障源自動識別結果為故障源數據。

2.根據權利要求1所述的電力機車故障源定位方法，其特征在于，所述故障源識別模型為誤差反向傳播神經網絡模型，將歷史運行數據作為所述誤差反向傳播神經網絡模型的輸入層神經元的輸入數據、將與所述歷史運行數據相對應的故障源數據作為所述誤差反向傳播神經網絡模型的輸出層神經元的輸出數據，訓練所述誤差反向傳播神經網絡模型。

3.根據權利要求2所述的電力機車故障源定位方法，其特征在于，所述將歷史運行數據作為所述誤差反向傳播神經網絡模型的輸入層神經元的輸入數據、將與所述歷史運行數據相對應的實際故障源數據作為所述誤差反向傳播神經網絡模型的輸出層神經元的輸出數據，訓練所述誤差反向傳播神經網絡模型，包括：

根據所述誤差反向傳播神經網絡模型的輸出層神經元的輸出數據與所述實際故障數據的差值調整誤差函數，使所述誤差函數達到最小。

4.根據權利要求3所述的電力機車故障源定位方法，其特征在于，所述將歷史運行數據作為所述誤差反向傳播神經網絡模型的輸入層神經元的輸入數據、將與所述歷史運行數據相對應的實際故障源數據作為所述誤差反向傳播神經網絡模型的輸出層神經元的輸出數據，訓練所述誤差反向傳播神經網絡模型，還包括：

根據所述誤差函數調節所述誤差反向傳播神經網絡模型的結構參數，所述結構參數包括輸入層節點與隱含層節點間的關聯權值、隱含層各節點的相應閥值、隱含層節點與輸出層節點間的關聯權值以及輸出層各節點的相應閥值。

5.根據權利要求1所述的電力機車故障源定位方法，其特征在于，方法還包括：對所述機車子設備單元的運行數據進行存儲。

6.一種電力機車故障源定位裝置，其特征在于，包括：

獲取單元，用于通過TCMS總線獲取機車子設備單元的運行數據；

識別單元，用于通過訓練好的故障源識別模型對所述運行數據進行故障識別，得到故障源自動識別結果，所述故障源識別模型用于對所述運行數據進行分類，得到所述運行數據所屬類別對應的故障源數據，所述故障源自動識別結果為故障源數據。

7.根據權利要求6所述的電力機車故障源定位裝置，其特征在于，所述故障源識別模型為誤差反向傳播神經網絡模型；

所述識別單元包括模型訓練模塊，用以將歷史運行數據作為所述誤差反向傳播神經網絡模型的輸入層神經元的輸入數據、將與所述歷史運行數據相對應的故障源數據作為所述誤差反向傳播神經網絡模型的輸出層神經元的輸出數據，訓練所述誤差反向傳播神經網絡模型。

8.根據權利要求7所述的電力機車故障源定位裝置，其特征在于，所述訓練模塊還用于根據所述誤差反向傳播神經網絡模型的輸出層神經元的輸出數據與所述實際故障數據的差值調整誤差函數，使所述誤差函數達到最小。

9.根據權利要求8所述的電力機車故障源定位裝置，其特征在于，所述訓練模塊還用于：根據所述誤差函數調節所述誤差反向傳播神經網絡模型的結構參數，所述結構參數包括輸入層節點與隱含層節點間的關聯權值、隱含層各節點的相應閥值、隱含層節點與輸出層節點間的關聯權值以及輸出層各節點的相應閥值。

10.根據權利要求6所述的電力機車故障源定位裝置，其特征在于，裝置還包括存儲模塊，用于對所述機車子設備單元的運行數據進行存儲。