一种基于随机故障注入的诊断算法评估方法及系统技术方案

本发明专利技术涉及牵引系统故障诊断领域，公开了一种基于随机故障注入的诊断算法评估方法及系统，以对系统待评估诊断算法进行更全面更客观的评估；本发明专利技术的方法包括建立故障注入模型库，将故障注入模型库中的每一个故障注入模型的故障信息进行分层，故障信息包括故障位置、故障类型、以及故障参数；根据设定要求随机对每一个故障注入模型的故障信息进行分层抽取，为待评估诊断算法选取相应的故障注入模型；采用选取的故障注入模型对待评估诊断算法进行测试，并根据测试结果计算评估指标，并将评估指标的计算值与设定的评估等级进行匹配，以得到待评估诊断算法的评估等级。

A Method and System for Evaluating Diagnostic Algorithms Based on Random Fault Injection

The invention relates to the field of traction system fault diagnosis, and discloses a method and system for evaluating diagnosis algorithm based on random fault injection, so as to evaluate the diagnosis algorithm to be evaluated more comprehensively and objectively. The method of the invention includes establishing a fault injection model library, layering the fault information of each fault injection model in the model library, and fault information. Including fault location, fault type and fault parameters; according to the set requirements, the fault information of each fault injection model is randomly extracted hierarchically, and the corresponding fault injection model is selected for the evaluation diagnosis algorithm; the selected fault injection model is used to test the evaluation diagnosis algorithm, and the evaluation index is calculated according to the test results, and the evaluation index is calculated. Values are matched with the set evaluation level to obtain the evaluation level of the diagnostic algorithm to be evaluated.

【技术实现步骤摘要】
一种基于随机故障注入的诊断算法评估方法及系统
本专利技术涉及牵引系统故障诊断领域，尤其涉及一种基于随机故障注入的诊断算法评估方法及系统。
技术介绍
随着现代轨道交通技术的不断发展，高速列车的安全性已经成为高速铁路运行与发展的首要问题，牵引传动控制系统作为高速列车运行安全的关键系统之一，也是高速列车高发故障的主要来源之一，为了实时检测牵引传动控制系统的安全可靠运行，往往采用各种诊断算法对牵引传动控制系统进行实时检测，以能及时检测并诊断牵引传动控制系统的故障，但所采用的故障诊断算法在投入运行使用之前，都必须通过实验验证其算法的准确性。目前，对诊断算法进行测试的方式大多是人为设定下故障场景(类型、参数等)的确定型试验，无法对所有可能的故障场景(类型、参数等)进行全覆盖的大量随机测试，测试结果存在很大程度上的片面性及偶然性；此外，对于测试结果的评估，现有评估方法仅选取几个评估指标，很难客观、全面、综合地评估诊断算法的性能。因此，如何更准确更全面、客观地对系统故障诊断算法进行测试与评估成为一个急需解决的问题。
技术实现思路
本专利技术目的在于提供一种基于随机故障注入的诊断算法评估方法及系统，以更全面更客观地对牵引传动控制系统用的诊断算法进行测试与评估。为实现上述目的，本专利技术提供了一种基于随机故障注入的诊断算法评估方法，包括以下步骤：S1：建立故障注入模型库，将所述故障注入模型库中的每一个故障注入模型的故障信息进行分层，所述故障信息包括故障位置、故障类型、以及故障参数；S2：根据设定要求随机对每一个所述故障注入模型的故障信息进行分层抽取，为待评估诊断算法选取相应的故障注入模型；S3：采用S2中选取的故障注入模型对待评估诊断算法进行测试，并根据测试结果计算评估指标，并将所述评估指标的计算值与设定的评估等级进行匹配，以得到待评估诊断算法的评估等级。优选地，所述S3中，所述设定的评估指标包括基本性能指标、关键性能指标、以及综合性能指标；所述基本性能指标包括：检测延迟率，灵敏度，检测率，误检率，漏检率，故障位置辨识率，故障类型辨识率，故障参数辨识率；所述关键性能指标包括反应力、有效性、以及辨识力；其中，所述反应力、所述有效性、以及所述辨识力分别由所述所有基本性能指标分组并进行组合加权计算得出；所述综合性能指标由所述所有关键性能指标加权计算得出。优选地，还包括步骤：根据所述基本性能指标构建至少三个指标群，分别为：反应力指标群、有效性指标群、以及辨识力指标群；所述反应力指标群包括：所述检测延迟率和所述灵敏度；所述有效性指标群包括：所述检测率、所述误检率、以及所述漏检率；所述辨识力指标群包括：所述故障位置辨识率、所述故障类型辨识率、以及所述故障参数辨识率。优选地，所述故障注入模型库中的故障注入模型为Q个，计算公式为：式中，i表示第i个故障位置，i＝1，...，m，其中m表示系统中可能发生故障位置的总数，l表示第i个故障位置的故障类型总数。优选地，所述S1中，将所述故障注入模型库中的每一个故障注入模型的故障信息进行分层时，通过设定的故障注入模型f实现所述分层，其中，设定的故障注入模型f的计算公式为：式中，modi表示故障位置，表示故障类型，都表示故障参数。优选地，所述S2具体包括以下步骤：S21：计算故障位置的累计分布函数计算公式为：式中，表示故障位置modi被抽取到的概率，S22：确定抽取的故障位置，计算公式为：式中，n表示第n次试验，表示第n次试验为了确定故障位置从[0，1]中均匀抽取的随机数，an表示第n次试验抽取的故障位置，其中，an取值范围是{1，2，...，m}，S23：计算故障位置为an时故障类型的累积分布函数计算公式为：式中，随机抽取故障位置为an时故障类型为计算公式为：式中，表示第n次试验为了确定故障类型从[0，1]中均匀抽取的随机数，表示第n次试验抽取的故障位置为an时的故障类型，取值范围是其中S24：计算故障位置为an故障类型为的第v个故障参数的累积分布函数计算公式为：式中，为第v个故障参数的概率密度函数；将(0，1)分为N等分，第n个区间Dn为：对于第n次试验，对(0，1)进行次均匀分布抽样得到第v个故障参数在区间Dn中的概率点为：计算概率点对应的故障参数值公式为：S25：综合上述随机抽取的故障位置、故障类型以及故障参数，选取第n次抽取得到的故障注入模型fn，计算公式为：式中，n＝1，...，N，N表示选取用于评估诊断算法所需的全部故障注入模型的实验总次数。优选地，所述实验总次数N的计算公式为：式中，ε表示容忍度，ε∈(0，1)，α表示置信度，且有：式中，表示计算指标的理想估计值，λ表示计算指标的实际估计值，Pr(·)表示概率。优选地，所述S3具体包括以下步骤：S31：采用选取的故障注入模型对待评估诊断算法进行测试，设定故障注入模型为fn，噪声为ωn，采用第n次抽取得到的故障注入模型fn，对诊断算法进行第n次测试，记录测试输出结果为：式中，rn＝1表示诊断算法判定系统M发生故障，rn＝0表示诊断算法判定系统M未发生故障，φn表示检测延迟阈值，ξn表示故障微弱程度阈值，其中，故障微弱程度由故障参数集合决定，记为δn表示故障参数辨识阈值，表示故障发生时间，表示最迟故障发生判定时间，tn表示诊断算法诊断出的最早故障发生时间，表示采用待评估诊断算法判定的故障位置表示采用待评估诊断算法判定的故障类型，表示采用待评估诊断算法判定的故障参数集合；其中，表示故障位置无法辨识；表示故障类型无法辨识；表示第个故障参数无法辨识；S32：根据S31中的测试输出结果计算基本性能指标、关键性能指标和综合性能指标，获得对待评估诊断算法N次随机测试的基本性能、关键性能和综合性能评估等级。优选地，所述S2中，选取的故障注入模型包括一个或者至少两个；当所述选取的故障注入模型为一个时，所述设定要求为：故障注入模型的相应故障发生概率为1；当所述选取的故障注入模型为至少两个时，所述设定要求为：故障注入模型的相应故障发生概率之和为1。作为一个总的技术构思，本专利技术还提供一种基于随机故障注入的诊断算法评估系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。本专利技术具有以下有益效果：本专利技术提供一种基于随机故障注入的诊断算法评估方法及系统，通过设定要求随机对故障注入模型库中的每一个故障注入模型的故障信息进行分层抽取，为待评估诊断算法随机选取相应的故障注入模型进行测试，根据测试结果计算评估指标，并将评估指标的计算值与设定的评估等级进行匹配，以得到待评估诊断算法的评估等级，可以对系统待评估诊断算法进行更全面更客观的评估。下面将参照附图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术优选实施例的基于随机故障注入的诊断算法评估方法流程图。具体实施方式以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以由权利要求限定和覆盖的多种不同方式实施。除非另有定义，下文中所使用的所有专业术语与本领域技术人员通常理解的含义相同。本专利技术专利申请说明书以及权利要求书中使用本文档来自技高网...

【技术保护点】
1.一种基于随机故障注入的诊断算法评估方法，其特征在于，包括以下步骤：S1：建立故障注入模型库，将所述故障注入模型库中的每一个故障注入模型的故障信息进行分层，所述故障信息包括故障位置、故障类型、以及故障参数；S2：根据设定要求随机对每一个所述故障注入模型的故障信息进行分层抽取，为待评估诊断算法选取相应的故障注入模型；S3：采用S2中选取的故障注入模型对待评估诊断算法进行测试，并根据测试结果计算评估指标，并将所述评估指标的计算值与设定的评估等级进行匹配，以得到待评估诊断算法的评估等级。

【技术特征摘要】
1.一种基于随机故障注入的诊断算法评估方法，其特征在于，包括以下步骤：S1：建立故障注入模型库，将所述故障注入模型库中的每一个故障注入模型的故障信息进行分层，所述故障信息包括故障位置、故障类型、以及故障参数；S2：根据设定要求随机对每一个所述故障注入模型的故障信息进行分层抽取，为待评估诊断算法选取相应的故障注入模型；S3：采用S2中选取的故障注入模型对待评估诊断算法进行测试，并根据测试结果计算评估指标，并将所述评估指标的计算值与设定的评估等级进行匹配，以得到待评估诊断算法的评估等级。2.根据权利要求1所述的基于随机故障注入的诊断算法评估方法，其特征在于，所述S3中，所述设定的评估指标包括基本性能指标、关键性能指标、以及综合性能指标；所述基本性能指标包括：检测延迟率，灵敏度，检测率，误检率，漏检率，故障位置辨识率，故障类型辨识率，故障参数辨识率；所述关键性能指标包括反应力、有效性、以及辨识力；其中，所述反应力、所述有效性、以及所述辨识力分别由所述所有基本性能指标分组并进行组合加权计算得出；所述综合性能指标由所述所有关键性能指标加权计算得出。3.根据权利要求2所述的基于随机故障注入的诊断算法评估方法，其特征在于，还包括步骤：根据所述基本性能指标构建至少三个指标群，分别为：反应力指标群、有效性指标群、以及辨识力指标群；所述反应力指标群包括：所述检测延迟率和所述灵敏度；所述有效性指标群包括：所述检测率、所述误检率、以及所述漏检率；所述辨识力指标群包括：所述故障位置辨识率、所述故障类型辨识率、以及所述故障参数辨识率。4.根据权利要求1所述的基于随机故障注入的诊断算法评估方法，其特征在于，所述故障注入模型库中的故障注入模型为Q个，计算公式为：式中,i表示第i个故障位置，i＝1,…,m，其中m表示系统中可能发生故障位置的总数，l表示第i个故障位置的故障类型总数。5.根据权利要求1所述的基于随机故障注入的诊断算法评估方法，其特征在于，所述S1中，将所述故障注入模型库中的每一个故障注入模型的故障信息进行分层时，通过设定的故障注入模型f实现所述分层，其中，设定的故障注入模型f的计算公式为：式中,modi表示故障位置，表示故障类型，都表示故障参数。6.根据权利要求1所述的基于随机故障注入的诊断算法评估方法，其特征在于，所述S2具体包括以下步骤：S21：计算故障位置的累计分布函数计算公式为：式中，表示故障位置modi被抽取到的概率，S22：确定抽取的故障位置，计算公式为：式中，n表示第n次试验，表示第n次试验为了确定故障位置从[0,1]中均匀抽取的随机数，an表示第n次试验抽取的故障位置，an取值范围是{1,2,...,m}，其中，S23：计算故障位置为an时故障类型的累积分布函数计算公式为...

【专利技术属性】
技术研发人员：彭涛，方帝凯，杨超，陈志文，阳春华，陶宏伟，桂卫华，提军伟，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43