[發明專利]一種高速列車走行部系統智能故障診斷方法

在審

• 申請號: 202011187700.8
• 申請日: 2020-10-30
• 公開（公告）號: CN112395684A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 程超;王久赫;王艷
• 申請（專利權）人: 長春工業大學
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/20;G06F119/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種高速列車走行部系統智能故障診斷方法，包括：

獲取列車運行狀態下包括多種工況下的溫度測量數據構成訓練集，由領域專家給定置信規則庫的初始經驗并構建初始診斷模型；

提取每個訓練集的均值、峰度等統計特征，并計算傳感器所帶來的干擾，得到靜態可靠性和動態可靠性；

構建置信規則庫的待優化參數的目標函數并訓練模型的初始參數；

實時采集走行部系統當前時刻的溫度測量數據并將其轉換為均值、峰度等統計特性作為測試數據；

基于證據折扣理論將靜態、動態可靠性融入置信規則庫的推理部分中，并聚合庫中激活的置信規則，從得到的分布式診斷結果判斷該測試樣本是否包含故障。

2.根據如權利要求1所述的方法，由領域專家給定置信規則庫的初始經驗并構建初始診斷模型的步驟包括：

領域專家給出置信規則庫模型的參數向量V＝[θ_k,δ_i,β_n,k]^T,θ_k表示第k條規則的權重，δ_i是第i個前提屬性的權重，β_n,k表示第k條規則第n個結果的置信度；

選擇式(1)給出初始置信規則庫的第k條規則：

其中，分別代表的是置信規則庫中的靜態可靠性、動態可靠性的量化值。

3.如權利要求1所述的方法，選擇式(2)-(3)提取每個訓練集的均值、峰度等統計特征：

m＝E[q(t)] (2)

ku＝E[(q(t)-m)⁴]/σ⁴ (3)

其中σ²代表q(t)的方差，q(t)表示第t時刻的監測樣本，并且，計算靜態可靠性和動態可靠性的步驟包括：

根據式(4)-(9)的方法來量化靜態可靠性：

其中x_i(m_i)(i＝1,…,M；m_i＝1,…,P_i)為第i個傳感器的第m_i個監測樣本，Pi是樣本總數，x-_i表示第i個傳感器總樣本的平均值。自相似性測度由相對距離轉化而來；

利用自相似性測度的統計指標對支持度進行篩選；

其中，由此可以得到靜態可靠性r_s的計算方法：

根據式(10)-(14)的方法來量化動態可靠性：

其中，0≤d_i(m_i)≤1。計算x_i(m_i)的點信息量e_i(m_i)及總體樣本的平均鄧熵E_i：

由于每個時刻對應一個監測數據，所以H_d為1；

4.如權利要求1所述的方法，構建置信規則庫的待優化參數的目標函數并訓練模型的初始參數步驟如下：

由于故障檢測是一個分類問題，錯誤的分類率應該盡可能低，(1-UA)作為優化的目標函數，其中UA如公式(15)所示，正確檢測的樣本數目與樣本總數之比：

其中Number_c是訓練樣本中檢測正確的數目，Number是訓練總體樣本，則目標函數表示如下：

V＝[θ_l,δ_i,β_n,k]^T (17)

其中V＝[θ_k,δ_i,β_n,k]^T表示模型中待優化的參數向量，參數向量V滿足如下約束：

其中，min(·)表示目標函數的最小值，參數訓練方法的本質是彌補初始專家經驗的不足，可以有效提高建模精度，提升模型的診斷能力。