[發明專利]基于NEST和SPRT融合算法的軸溫故障檢測方法

有效

• 申請號: 202011241574.X
• 申請日: 2020-11-09
• 公開（公告）號: CN112231849B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 吳志強
• 申請（專利權）人: 北京國信會視科技有限公司
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/17;G06F30/27;G01K13/00;G01M13/00;G01M13/02;G01M13/021;G01M13/04;G06F119/02;G06F119/04;G06F119/08
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 于國強

1.基于NEST和SPRT融合算法的軸溫故障檢測方法，其特征在于，包括以下步驟：

S1)獲取動車軸溫歷史數據特征集，對所述動車軸溫歷史數據特征集進行特征降維，獲得降維后的動車軸溫特征參數；

S2)獲取與所述降維后的動車軸溫特征參數相對應的動車軸溫歷史正常樣本集，建立NSET模型，利用所述動車軸溫歷史正常樣本集獲得所述NSET模型的記憶矩陣D；

S3)獲取動車軸溫測試數據，將所述動車軸溫測試數據輸入所述NSET模型，所述NSET模型根據所述記憶矩陣D輸出動車軸溫殘差序列；

S4)利用SPRT檢驗法對所述動車軸溫殘差序列進行方差檢驗，獲得軸溫狀態故障檢測結果；

步驟S4)中，利用SPRT檢驗法對所述動車軸溫殘差序列進行方差檢驗，獲得軸溫狀態故障檢測結果，包括以下步驟：

S41)假設正常狀態下的第j個降維后的動車軸溫特征參數的動車軸溫殘差序列滿足假設H_j0：μ_j0＝0，故障狀態下的第j個降維后的動車軸溫特征參數的動車軸溫殘差序列滿足備擇假設H_j1：μ_j1＝0，μ_j0、分別為正常狀態下與第j個降維后的動車軸溫特征參數相對應的動車軸溫殘差序列的均值和方差，μ_j1、分別為故障狀態下與第j個降維后的動車軸溫特征參數相對應的動車軸溫殘差序列測試數據的均值和方差，j＝1、2、…、n，n為動車軸溫特征參數的種類數；

S42)計算概率比函數r_k，所述概率比函數r_k滿足k為與第j個降維后的動車軸溫特征參數相對應的動車軸溫殘差序列測試數據個數，x_i為第i個與第j個降維后的動車軸溫特征參數相對應的動車軸溫殘差序列測試數據；

S43)獲取所述概率比函數r_k的上界B和下界A，所述上界所述下界T為誤報率，U為漏報率；

S44)若概率比函數r_k大于上界B，則判定第j個降維后的動車軸溫特征參數發生故障；若概率比函數rk小于下界A，則判定第j個降維后的動車軸溫特征參數未發生故障；若A≤r_k≤B，則繼續采樣動車軸溫測試數據重復比較；

S45)對所有降維后的動車軸溫特征參數依次按照步驟S41)至步驟S44)進行故障判斷，獲得所有動車軸溫特征參數的軸溫狀態故障檢測結果。

2.根據權利要求1所述的基于NEST和SPRT融合算法的軸溫故障檢測方法，其特征在于，在步驟S1)中，利用灰色關聯分析算法對所述動車軸溫歷史數據特征集進行特征降維。

3.根據權利要求1或2所述的基于NEST和SPRT融合算法的軸溫故障檢測方法，其特征在于，所述動車軸溫歷史數據特征集包括外界環境溫度、速度、里程、制動缸壓力、軸電機側軸溫和軸車輪側溫度。

4.根據權利要求3所述的基于NEST和SPRT融合算法的軸溫故障檢測方法，其特征在于，所述降維后的動車軸溫特征參數包括外界環境溫度、軸電機側軸溫和軸車輪側溫度。