[發明專利]故障預測模型的訓練方法、列車系統故障預測方法和裝置

有效

• 申請號: 202210319588.1
• 申請日: 2022-03-29
• 公開（公告）號: CN114611561B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 張藝菲;鄭杰;尼古拉斯·邁克爾·漢森
• 申請（專利權）人: 西門子交通技術（北京）有限公司
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06N3/0442;G06N3/08
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 李慧

本發明提供了故障預測模型的訓練方法、列車系統故障預測方法和裝置，該方法包括:獲取當前列車系統的本地樣本運行信號和樣本環境信號；對本地樣本運行信號進行特征提取，得到關鍵指標特征；對樣本環境信號進行特征提取，得到環境指標特征；根據關鍵指標特征和環境指標特征之間的依賴性，確定用于對故障進行預測的主導特征；利用主導特征訓練故障預測模型。本方案能夠提高對列車故障進行預測的準確性。

技術領域

本發明涉及軌道交通技術領域，特別涉及故障預測模型的訓練方法、列車系統故障預測方法和裝置。

背景技術

隨著軌道交通逐漸成為人們日常生活和國家經濟發展中必不可少的交通工具，其運營中的安全性也越來越受到人們的關注。列車中的關鍵系統或部件的性能直接關系到列車運行的安全性和可靠性，如轉向架、牽引電機和輪對等。因此，及時地進行故障預測對列車安全至關重要。

然而，目前的列車系統或部件具有較強的復雜性，而且會受到不確定環境的干擾，而這些環境因素與一些潛在的故障密切相關。比如，電機或轉向架可能出現的故障會受到環境條件、負載以及路徑條件等運行環境的影響；再比如，高速斷路器會受到其控制單元、供電網絡等環境因素的影響。因此，列車的故障不僅由某一系統或部件所決定，而且會受到其他系統或部件的干擾和影響，這導致目前在利用單一部件或系統的數據來對列車故障進行預測的準確性較低。

發明內容

本發明提供了故障預測模型的訓練方法、列車系統故障預測方法和裝置，能夠提高對列車故障進行預測的準確性。

第一方面，本發明實施例提供了一種故障預測模型的訓練方法，包括：

獲取當前列車系統的本地樣本運行信號和樣本環境信號；

對所述本地樣本運行信號進行特征提取，得到關鍵指標特征；

對所述樣本環境信號進行特征提取，得到環境指標特征；

根據所述關鍵指標特征和所述環境指標特征之間的依賴性，確定用于對故障進行預測的主導特征；

利用所述主導特征訓練所述故障預測模型。

在一種可能的實現方式中，進行特征提取的步驟，包括：

當信號為高頻信號時，在時域范圍內進行特征提取、在頻域范圍內進行特征提取，和/或在時頻域范圍內進行特征提取；

當信號為低頻信號時，提取如下中的至少一項：信號的變化趨勢、自相關系數和坡度。

在一種可能的實現方式中，所述在時域范圍內進行特征提取，包括：對信號的峰值、熵、標準差、均值和能量中的至少一個進行提??；

和/或，

所述在頻域范圍內進行特征提取，包括：對信號頻譜曲線中能夠指示列車系統處于異常狀態的特征頻率進行提取；其中，所述信號頻譜曲線是由信號通過時域到頻域的變換得到；

和/或，

所述在時頻域范圍內進行特征提取，包括：對時頻域功率譜中各個頻帶的能量幅值進行提取；其中，所述時頻域功率譜是利用小波包變換和經驗模式分解中的至少一個對信號進行分解得到。

在一種可能的實現方式中，所述根據所述關鍵指標特征和所述環境指標特征之間的依賴性確定用于對故障進行預測的主導特征的步驟，包括：

確定所述關鍵指標特征和所述環境指標特征之間的注意力得分；其中，所述注意力得分用于表征所述關鍵指標特征和環境指標特征中的其中一個對另一個的影響值；

利用所述注意力得分對所述關鍵指標特征和所述環境指標特征進行調整，得到調整指標特征；

根據所述調整指標特征、所述關鍵指標特征和所述環境指標特征，確定所述主導特征。