[發明專利]一種無人駕駛列車車載電氣系統故障非侵入診斷方法

有效

• 申請號: 202011616269.4
• 申請日: 2020-12-30
• 公開（公告）號: CN112798888B
• 公開（公告）日: 2021-12-17
• 發明（設計）人: 劉輝;余澄慶;李燕飛;李燁;尹詩;譚靜
• 申請（專利權）人: 中南大學
• 主分類號: G01R31/00
• 分類號: G01R31/00;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 長沙正奇專利事務所有限責任公司 43113
• 代理人: 馬強;李美麗

本發明公開了一種無人駕駛列車車載電氣系統故障非侵入診斷方法，包括：采集不同已知故障類型下的多組建模數據；基于以總電壓和總電流時間序列作為輸入向量、以各電氣設備的電壓和電流時間序列作為輸出向量的深度學習模型，獲得訓練好的深度學習模型；提取電力特征；確定特征選擇方法和分類器；采集多組實測數據，將實測數據對應的總電壓時間序列和總電流時間序列作為輸入向量輸入深度學習模型，提取實測數據經由深度學習模型后輸出的各輸出向量中的電力特征，對實測數據對應的電力特征進行選擇，并將其輸入分類器，分類器輸出待診斷的電氣系統的故障類型。本發明的電力負荷分解準確性高，電力特征分析性能高，故障診斷結果準確性高，時效性好。

技術領域

本發明屬于故障診斷技術領域，特別涉及一種無人駕駛列車車載電氣系統故障非侵入診斷方法。

背景技術

隨著時代的發展，軌道交通在全球公共交通領域發揮著越來越重要的作用。政府和社會的迫切需求對軌道交通的安全性、效率和運營成本提出了越來越高的要求。軌道交通智能化是當前和未來軌道交通行業發展的核心之一。無人駕駛鐵路車輛是軌道交通行業智能化水平的重要體現和核心代表。對于無人駕駛智慧列車來說，電氣系統是保證整個列車運行安全及舒適的核心組成部分。

為了提高運輸安全保障能力，提高運輸服務質量，提高運輸效率，保證乘客們的安全，電氣系統的故障診斷和實時監控技術發揮著越來越重要的作用。

傳統的侵入式電氣系統監控技術雖然檢測準確度高，但是布置成本高。此外，隨著科學技術的發展，車載電氣設備的種類不斷增加，侵入式電氣系統監測系統難以全面覆蓋整個列車的電氣系統監控。

隨著計算機科學與大數據技術的不斷發展，非侵入式電力負荷識別技術得到了有效的運用。該技術能有效減少成本，實現電氣系統的實時有效監測。

目前，隨著列車電氣系統的電力負荷的變化以及不同電力負荷種類的增加，列車電氣系統的實時監控與分析難度逐漸增大。

電流、電壓、功率等指標的監測對于實現電氣系統的穩定以及故障分析預警是十分重要的。要實現電氣系統的非侵入式故障診斷，最為重要的就是實現總功率等電力負荷的實時分解，提取不同電氣設備的電力特征，并根據電力特征實現不同電氣設備的實時診斷分析。目前，主流的電力負荷分解方法是基于無監督學習的隱馬爾可夫方法，該方法得到了有效的運用，但是，隨著電力負荷種類的不斷增加，其識別能力很難得到進一步提高。

另一方面，對于不同電氣設備數據的電力特征分析能有效減少信息冗余度，提高檢測準確率。目前，主流的特征選擇方法是基于種群的啟發式方法，該方法雖然受到廣泛的研究，但是由于進化能力有限，導致最終特征分析性能無法得到有效突破。

最后，實現實時高精度的故障類型診斷，有效的分類器的選擇十分重要。傳統的RNN方法由于無法實現并行計算，導致模型計算時間冗長，無法滿足電氣系統診斷實效性的需求。

發明內容

本發明的目的在于，針對上述現有技術的不足，提供一種無人駕駛列車車載電氣系統故障非侵入診斷方法。

為解決現有非侵入式電氣系統故障診斷方法中存在的電力負荷分解準確性低的技術問題，本發明所采用的技術方案是：

一種無人駕駛列車車載電氣系統故障非侵入診斷方法，其特點是包括以下步驟：

步驟A，采集M種不同已知故障類型下的多組建模數據，其中，每組建模數據包括各故障類型下的電氣系統總電壓數據、電氣系統總電流數據、電氣系統中各電氣設備的電壓數據、電氣系統中各電氣設備的電流數據；將各組建模數據轉換為額定工作頻率相同的時序序列后，按照設定的比例將轉換后的多組建模數據分成訓練集和測試集；