[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

本發明涉及軌道交通設備故障診斷領域，尤其涉及一種城軌車齒輪箱故障預測方法，將城軌車的大小齒輪箱作為預測對象，利用故障預測模型進行故障預測；具體的，基于DNN算法建立大小齒輪箱軸承的軸溫預測模型，實現對其未來一天的軸溫的預測；利用OneClassSVM算法建立異常檢測模型實現對未來一天的軸溫進行異常監測，若監測結果出現異常點，則通過預警告知檢修人員，并把監測結果反饋給故障預測模型對模型進行調優，實現最優模型的構建。本發明利用該方法能夠提前發現故障趨勢，實現提前預警，盡可能保證大小齒輪箱的安全，減少使用和維修成本。

技術領域

本發明涉及軌道交通設備故障診斷領域，尤其涉及一種城軌車齒輪箱故障預測方法。

背景技術

城軌車運行過程中由于長時間行駛勢必會造成走行部的各個部件產生大量的熱量，進而導致溫度過高，這對于城軌車運行會產生不良影響，并且會對減少大小齒輪箱使用壽命。當前對大小齒輪箱故障的研究主要是基于檢修專家的行業經驗，來設定報警閾值對齒輪箱的狀態進行監控，但是這種方法帶有較強的主觀性，不能準確地提前發現齒輪箱的故障，導致造成不良后果，增加齒輪箱的使用及維修成本。

發明內容

本發明的目的在于提供一種城軌車齒輪箱故障預測方法，從而解決現有技術中存在的前述問題。

為了實現上述目的，本發明采用的技術方案如下：

一種城軌車齒輪箱故障預測方法，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(Deep Neural Networks，簡稱DNN)構建的軸溫預測模型和基于one class SVM(One-Class Support Vector Machine，單類支持向量機)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。

優選的，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。

優選的，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。

優選的，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。

優選的，所述異常檢測模型是采用SVDD(support vector data description，支持向量數據描述)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。

優選的，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。

本發明的有益效果是：