[發明專利]一種半定量信息融合的高速列車走行部系統故障診斷方法

有效

• 申請號: 202110192488.2
• 申請日: 2021-02-20
• 公開（公告）號: CN112990275B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 程超;王久赫;王威珺;謝普;邵俊捷;付彩欣
• 申請（專利權）人: 長春工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 張換男

1.一種半定量信息融合的高速列車走行部系統故障診斷方法，其特征在于，所述方法具體包括以下步驟：

步驟一、采集走行部系統在實際運行時的監測數據，再利用采集的監測數據構造訓練數據集，并記錄好標簽；

初始化置信規則庫中的參數向量，建立置信規則庫模型；

步驟二、分析置信規則庫模型中初始化參數的可靠程度，獲得每條置信規則的可靠性因子；

所述步驟二的具體實現過程為：

采用式(3)計算可靠性因子：

其中，S(·,·)表示任意兩個置信規則向量間的相似性測度，R^k代表第k條置信規則，R^j代表第j條置信規則，j＝1,2，…，L，L代表置信規則的總條數，r_k表示第k條置信規則的可靠性因子；

步驟三、將可靠性因子集成于置信規則庫模型的證據推理部分中；

步驟四、將訓練數據集作為集成了可靠性因子的置信規則庫模型的輸入，以各故障類型下的正確分類概率作為目標函數，并使用協方差矩陣自適應進化策略優化置信規則庫模型，最終獲得訓練好的置信規則庫模型；

步驟五、采集走行部系統在實際運行時的監測數據作為待測數據，并將待測數據輸入訓練好的置信規則庫模型，輸出對待測數據的故障診斷結果。

2.根據權利要求1所述的一種半定量信息融合的高速列車走行部系統故障診斷方法，其特征在于，所述步驟一中，采集走行部系統在實際運行時的監測數據，再利用采集的監測數據構造訓練數據集，其具體過程為：

采集列車走行部系統在實際運行時的N₁個時刻的監測數據，其中，每個時刻的監測數據為走行部系統中不同部件的溫度數據；再將N₁個時刻信息、采集的監測數據以及對應標簽存儲為二維數據矩陣X₁，二維數據矩陣X₁的第1列為N₁個時刻信息，第2列為每個時刻采集的溫度數據，第3列為每個時刻對應的標簽；

對二維數據矩陣X₁的第2列中第1行至第n₁行的溫度數據進行均值和峰度特征的提取，再對二維數據矩陣X₁的第2列中第n₁+1行至第2n₁行的溫度數據進行均值和峰度特征的提取，以此類推，直至對二維數據矩陣X₁的第2列中的溫度數據全部處理完成后，將提取的均值和峰度特征存儲為二維數據矩陣X₂，二維數據矩陣X₂的第1列為均值特征，第2列為峰度特征，第3列為對應的標簽，將二維數據矩陣X₂作為訓練數據集。

3.根據權利要求2所述的一種半定量信息融合的高速列車走行部系統故障診斷方法，其特征在于，所述步驟一中，初始化置信規則庫中的參數向量，建立置信規則庫模型，其具體過程為：

初始化置信規則庫中的參數向量，選擇式(1)所示的第k條置信規則R^k作為所建立置信規則庫模型的知識表達：

其中，x_m表示輸入的第m個前提屬性，表示第k條置信規則下第m個前提屬性的輸入參考值，m＝1,2,…,M，M為輸入的前提屬性的總個數，是第k條置信規則下相對于第n個故障類型D_n的置信度，n＝1,2，…，N，N為故障類型的總個數，θ_k是第k條置信規則的規則權重，δ_m為第m個前提屬性的輸入參考值的權重，r_k是可靠性因子。

4.根據權利要求3所述的一種半定量信息融合的高速列車走行部系統故障診斷方法，其特征在于，所述步驟三中，將可靠性因子集成于置信規則庫模型的證據推理部分中，其具體過程為：

其中，ω_k表示第k條置信規則的激活權重，是經可靠性因子r_k修正后的權重值；

再將集成于式(7)和式(8)所示的推理中：

其中，為第n個故障類型的置信度。