[發明專利]基于觀測模塊的貝葉斯網絡軌道客車牽引系統故障診斷方法及系統

有效

• 申請號: 202110022093.8
• 申請日: 2021-01-08
• 公開（公告）號: CN112749744B
• 公開（公告）日: 2022-10-21
• 發明（設計）人: 陳志文;陳文英;彭濤;樊欣宇;陽春華;伍曉贊
• 申請（專利權）人: 中南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N7/00;G06Q10/00;G06Q50/30
• 代理公司: 長沙朕揚知識產權代理事務所(普通合伙) 43213
• 代理人: 鄧宇

1.一種基于觀測模塊的貝葉斯網絡軌道客車牽引系統故障診斷方法，其特征在于，包括：

步驟S1、選取觀測點，在各所述觀測點部署傳感器采集各觀測點包含正常狀態數據和故障狀態的初始數據集；對各觀測點單獨從相對應的初始數據集中提取時頻域特征建立特征變量庫D1，并對其進行降維得到特征變量庫D2；

步驟S2、將各觀測點的狀態變量、降維后的特征變量和故障模式變量作為貝葉斯網絡模型的輸入，建立輸入的各特征變量和故障模式變量與觀測點狀態變量之間的關聯矩陣，根據所述關聯矩陣將所有輸入劃分成與觀測點數量相等數量的觀測模塊；若第k個降維后的特征變量或故障模式變量對第n個觀測點狀態變量有影響，則對應的關聯矩陣元素值為1，若無影響，則為0；

步驟S3、利用結構學習算法學習每個觀測模塊的最優圖，并將各個觀測點的最優圖合并成一個完整的網絡；網絡各節點之間的信度條件概率參數采用最大似然算法進行學習，得到模塊化貝葉斯網絡模型；包括以下步驟：

S31、利用貝葉斯信息標準評分函數對各個觀測模塊的所有圖進行評分，然后計算出評分最高的最優圖G^*n；

S32、優化G^*n，將搜索空間限制在通過添加一條邊，刪除一條邊或反轉現有邊來獲得的相鄰圖上，利用貪心搜索算法確定是否接受相鄰圖；若是，則更新G^*n為相鄰圖；若否，則繼續搜索，直至搜索完所有相鄰圖為止；

S33、獲得最終的G^*n后，將所有觀測模塊的G^*n基于關聯矩陣C_nk組合成完整的貝葉斯網絡結構，基于觀測模塊得到的G^*n包括以下網絡節點：

與所有故障模式M_z一一對應的故障節點；

與所有特征一一對應的特征節點；

與所有觀測點一一對應的觀測點狀態節點；

S34、利用最大似然估計方法計算貝葉斯網絡結構中各節點間的條件概率參數，所述條件概率參數包括概率密度函數、對數似然函數和條件概率參數；

步驟S4、實時采集各觀測點的傳感器數據，利用推理引擎更新模塊化貝葉斯網絡模型各節點的后驗概率，根據各節點的后驗概率判斷相應的節點是否發生故障。

2.根據權利要求1所述的方法，其特征在于，當所述特征變量庫D1增加新的特征變量時，若新增變量映射到所述特征變量庫D2，則依次更新所述關聯矩陣、觀測模塊、最優圖及貝葉斯網絡模型；或者

當所述故障模式變量增加新的變量時，則依次更新所述關聯矩陣、觀測模塊、最優圖及貝葉斯網絡模型。

3.根據權利要求1或2所述的方法，其特征在于，所述步驟S1具體包括：

S11：根據牽引系統的傳感器分布，確定觀測點的個數N；采集牽引系統歷史正常狀態數據及故障狀態數據組成初始數據集，包括由恒定采樣率為f_s的電流傳感器采集的電流瞬時值I_n,i＝1,2,...,N；其中，將三相電流傳感器作為一個觀測點，該觀測點包括a、b和c相定子電流瞬時值I_{n_a}、I_{n_b}和I_{n_c}；

S12：利用特征提取方法提取觀測點I_n的第m個特征變量F_nm,n＝1,2,...,N,m＝1,2,...,M，建立特征變量庫D1；

S13：利用降維算法將特征變量庫D1里的特征映射到低維的特征變量庫D2，計算過程如下：

對第n個觀測點的特征F_nm進行去均值處理：

式中，μ為均值計算函數，F_nm是D1中觀測點I_n的第m個特征；

計算主成分：

式中，A是特征變量從D1映射到D2的變換矩陣，是D1中觀測點I_n第m個特征對應的主成分；

計算并提取D1中累計貢獻率大于等于σ的前J個主成分作為D2的特征變量，計算公式為：

式中，λ_nm是的特征值，σ為維度選取的閾值，J為降維之后的維數，G_n為I_n前J個主成分的累計貢獻率，是低維特征變量庫D2中I_n的第j個特征變量。