[發明專利]一種城軌車齒輪箱故障預測方法

在審

• 申請號: 202210294991.3
• 申請日: 2022-03-23
• 公開（公告）號: CN114580619A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 吳志強;宋峰;李國慶;曹淑森;高文旭;劉景軍
• 申請（專利權）人: 北京國信會視科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62;G06N20/10;G01M13/04
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 于國強

1.一種城軌車齒輪箱故障預測方法，其特征在于，所述方法包括：

獲取齒輪箱的數據集；

將所述數據集輸入至故障預測模型中獲取軸溫異常信息；

根據所述軸溫異常信息判斷齒輪箱故障情況，并對所述故障預測模型進行優化調整；

其中，所述故障預測模型依次包括基于深度神經網絡構建的軸溫預測模型和基于oneclass SVM算法構建的異常檢測模型，所述軸溫預測模型輸出的軸溫數據作為所述異常檢測模型的輸入。

2.根據權利要求1所述的城軌車齒輪箱故障預測方法，其特征在于，所述數據集包括當天城軌車的行駛速度和齒輪箱的軸溫數據以及第二天的環境溫度；

所述軸溫數據包括一軸小齒輪箱車輪側軸承溫度、一軸小齒輪箱電機側軸承溫度、一軸大齒輪箱車輪側軸承溫度、一軸大齒輪箱電機側軸承溫度、二軸小齒輪箱車輪側軸承溫度、二軸小齒輪箱電機側軸承溫度、二軸大齒輪箱車輪側軸承溫度和二軸大齒輪箱電機側軸承溫度。

3.根據權利要求2所述的城軌車齒輪箱故障預測方法，其特征在于，所述軸溫預測模型采用sigmoid函數作為激勵函數，采用均方誤差作為模型目標函數，采用梯度下降法作為優化算法；輸入節點為當天城軌車的行駛速度和齒輪箱的軸溫數據以及第二天的環境溫度；輸出節點為第二天齒輪箱的軸溫數據。

4.根據權利要求3所述的城軌車齒輪箱故障預測方法，其特征在于，所述軸溫預測模型利用齒輪箱的歷史數據集進行模型訓練和驗證，所述齒輪箱的歷史數據集包括齒輪箱的歷史軸溫數據與對應時間的城軌車的行駛速度和環境溫度。

5.根據權利要求2所述的城軌車齒輪箱故障預測方法，其特征在于，所述異常檢測模型是采用SVDD實現的，所述異常檢測模型利用齒輪箱的歷史軸溫數據進行模型訓練和驗證。

6.根據權利要求4或5所述的城軌車齒輪箱故障預測方法，其特征在于，所述齒輪箱的歷史軸溫數據為預處理后的軸溫數據，所述預處理步驟包括：

獲取齒輪箱的初始歷史軸溫數據；

基于所述初始歷史軸溫數據對應時間的環境溫度，通過無監督聚類算法進行分類，得到不同環境溫度類別；

獲取最高環境溫度類別中對應的齒輪箱的初始歷史軸溫數據作為預處理后的軸溫數據。