[發(fā)明專利]一種軌道列車的電機濾網(wǎng)堵塞預(yù)警方法、裝置及相關(guān)設(shè)備

在審

• 申請?zhí)枺?/td>: 202110008428.0
• 申請日: 2021-01-05
• 公開（公告）號: CN112668243A
• 公開（公告）日: 2021-04-16
• 發(fā)明（設(shè)計）人: 戴計生;劉勇;張士強;江平;盧青松;詹彥豪;唐黎哲
• 申請（專利權(quán)）人: 株洲中車時代電氣股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/14;G06F119/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 劉翠香

1.一種軌道列車的電機濾網(wǎng)堵塞預(yù)警方法，其特征在于，包括：

獲取軌道列車中牽引電機的狀態(tài)參數(shù)的采樣值；所述狀態(tài)參數(shù)包括電機溫度參數(shù)和非電機溫度參數(shù)；

調(diào)用預(yù)設(shè)的專家規(guī)則預(yù)警模型計算本牽引電機的規(guī)則預(yù)警估計值；所述規(guī)則預(yù)警估計值基于本牽引電機與其他牽引電機的狀態(tài)參數(shù)一致性的校驗結(jié)果而計算生成；

判斷所述規(guī)則預(yù)警估計值是否取值在預(yù)設(shè)故障區(qū)間之內(nèi)；

若是，則判定本牽引電機發(fā)生電機濾網(wǎng)堵塞故障，并生成堵塞預(yù)警指令；

若否，則調(diào)用預(yù)設(shè)的機器學習預(yù)警模型對本牽引電機進行電機濾網(wǎng)堵塞判斷；所述機器學習預(yù)警模型的判斷結(jié)果基于非電機溫度參數(shù)與電機溫度參數(shù)的匹配性而計算生成。

2.根據(jù)權(quán)利要求1所述的電機濾網(wǎng)堵塞預(yù)警方法，其特征在于，所述調(diào)用預(yù)設(shè)的專家規(guī)則預(yù)警模型計算本牽引電機的規(guī)則預(yù)警估計值，包括：

依據(jù)預(yù)設(shè)的特征參數(shù)對應(yīng)關(guān)系，從各種狀態(tài)參數(shù)中確定出與本牽引電機的型號對應(yīng)的特征參數(shù)；

針對本牽引電機的每種特征參數(shù)，分別計算與同工況條件下其他牽引電機的一致性校驗值；

對本牽引電機的各特征參數(shù)的一致性校驗值進行加權(quán)求和，以計算本牽引電機的所述規(guī)則預(yù)警估計值。

3.根據(jù)權(quán)利要求2所述的電機濾網(wǎng)堵塞預(yù)警方法，其特征在于，所述針對本牽引電機的每種特征參數(shù)，分別計算與同工況條件下其他牽引電機的一致性校驗值，包括：

基于一致性校驗公式，分別計算本牽引電機的各特征參數(shù)與同工況條件下其他牽引電機的一致性校驗值；所述一致性校驗公式為：

其中，U_i為本牽引電機第i個特征參數(shù)的一致性校驗值；Y_i為本牽引電機第i個特征參數(shù)的采樣值；μ_(other)i為其他牽引電機的第i個特征參數(shù)的采樣平均值；Y_(other)ij為第j個其他牽引電機的第i個特征參數(shù)的采樣值；k為牽引電機的總數(shù)量。

4.根據(jù)權(quán)利要求3所述的電機濾網(wǎng)堵塞預(yù)警方法，其特征在于，對于目標型號牽引電機，所述特征參數(shù)對應(yīng)關(guān)系的確定過程包括：

獲取所述目標型號牽引電機的狀態(tài)參數(shù)的樣本數(shù)據(jù)；

分別計算所述目標型號牽引電機的各非電機溫度參數(shù)與電機溫度參數(shù)的關(guān)聯(lián)度；

將電機溫度參數(shù)以及關(guān)聯(lián)度最高的第一預(yù)設(shè)數(shù)量個非電機溫度參數(shù)確定為與所述目標型號牽引電機對應(yīng)的特征參數(shù)。

5.根據(jù)權(quán)利要求4所述的電機濾網(wǎng)堵塞預(yù)警方法，其特征在于，所述分別計算所述目標型號牽引電機的各非電機溫度參數(shù)與電機溫度參數(shù)的關(guān)聯(lián)度，包括：

依據(jù)關(guān)聯(lián)度計算公式，分別計算所述目標型號牽引電機的各非電機溫度參數(shù)與電機溫度參數(shù)的關(guān)聯(lián)度；所述關(guān)聯(lián)度計算公式為：

其中，a_i為所述目標型號牽引電機的非電機溫度參數(shù)的采樣值；b_i為所述目標型號牽引電機的電機溫度參數(shù)的采樣值；m為采樣數(shù)據(jù)量；a為a_i的平均值；b為b_i的平均值。

6.根據(jù)權(quán)利要求4所述的電機濾網(wǎng)堵塞預(yù)警方法，其特征在于，在所述分別計算所述目標型號牽引電機的各非電機溫度參數(shù)與電機溫度參數(shù)的關(guān)聯(lián)度之后，還包括：

根據(jù)關(guān)聯(lián)度大小為各個所述特征參數(shù)確定對應(yīng)的權(quán)重，以便在執(zhí)行所述對本牽引電機的各特征參數(shù)的一致性校驗值進行加權(quán)求和的步驟時，基于所述權(quán)重進行加權(quán)求和計算。

7.根據(jù)權(quán)利要求1所述的電機濾網(wǎng)堵塞預(yù)警方法，其特征在于，所述機器學習預(yù)警模型的訓(xùn)練過程包括：

獲取在未發(fā)生電機濾網(wǎng)堵塞故障時的狀態(tài)參數(shù)的樣本數(shù)據(jù)；

對所述樣本數(shù)據(jù)進行歸一化處理；

確定神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)結(jié)構(gòu)；

以所述樣本數(shù)據(jù)中的非電機溫度參數(shù)為輸入、電機溫度參數(shù)為輸出，對所述神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，以生成所述機器學習預(yù)警模型。