[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

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，它屬于故障診斷領域。本發明解決了目前研究中沒有分析現有知識的可靠性對基于置信規則庫的故障診斷過程的影響問題。本發明利用高速列車實際運營中積累的大量知識和監測數據進行建模，無需走行部精確的解析模型，也無需大量走行部異常工況下的監測數據，小樣本情況下也能很好的實現診斷功能，便于實際應用；還考慮了置信規則庫理論在走行部故障診斷中的難點，即知識不可靠表達下故障診斷難。通過量化知識的不可靠部分，修正置信規則庫的知識推理，從而提高故障診斷的效果；同時實現了走行部系統軸向軸承故障診斷和故障分類。本發明可以應用于走行部系統故障診斷。

技術領域

本發明屬于故障診斷領域，具體涉及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。

背景技術

隨著科學技術的發展與進步，高速鐵路的規模以及復雜程度都得到了巨大提高。作為高鐵核心的運載工具，高速列車是我國自主創新的成功范例也是高端裝備的代表，其安全可靠運行是交通運輸發展的根本前提。走行部系統是高速列車核心系統之一，有著支承車體，傳遞載荷及制動力、牽引力等重要作用，走行部性能優劣直接影響在軌車輛的可靠性與安全性。故障診斷技術是提高系統可靠性、保證列車正常運作、降低事故發生風險的有效措施，現已受到學術界和工業界廣泛關注。目前，主流的故障診斷技術主要可分為基于模型、基于數據驅動和半定量信息融合技術。近年來，作為半定量信息融合技術的重要代表之一，基于置信規則庫的方法在走行部故障診斷中體現出其獨特的優勢。主要有以下兩點原因：1)隨著傳感器技術的不斷進步，在高速列車運行中可以獲得大量的監測數據，但無效數據匱乏，只有少量數據包含系統異常運行狀況的信息；2)走行部系統工藝機理復雜，精確的解析方程難以獲取，或者需要付出大量的人力物力，且得到的模型可靠性難以保證?；谥眯乓巹t庫的方法可以有效避免解析模型的獲取，且不依靠大量的異常數據，允許其在小樣本情況下，有效融合定量數據特征和定性知識，準確完成故障診斷任務的同時，使模型輸入輸出具有可解釋性。

此外，基于置信規則庫的診斷方法本質上是一類知識系統，模型的構建通常需要大量準確、可靠的知識。然而，走行部系統是多個子系統的集成，其功能的實現需要各個部件相互協作、共同完成，各部分之間緊密耦合。一旦設備出現故障，故障的表征及功能失效的原因遠比表面復雜得多，可能是單個部件的故障，也可能是復合故障，專家僅依據自身的領域經驗和相關機理分析，很難給出完全準確可靠的知識。因此，對基于置信規則庫的故障診斷技術中現有知識進行可靠性分析非常重要。當前一些主流的研究主要關心模型參數的優化，而沒有利用可靠性因子來增強模型的診斷能力。因此，亟需一種新的置信規則庫方法及可靠性因子模型實現對走行部系統故障的檢測和分類。

發明內容

本發明的目的是為解決目前研究中沒有分析現有知識的可靠性對基于置信規則庫的故障診斷過程的影響問題，而提出了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。

本發明為解決上述技術問題所采取的技術方案是：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，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；

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。