列车空调故障的多标签诊断方法技术

本发明专利技术公开的列车空调故障的多标签诊断方法，首先以临近支持向量机为基本分类算法建立多标签分类机制，然后采集列车空调机组实际正常运行数据与多种故障运行数据作为训练样本，学习训练得到多个单标签子分类器，最后利用列车空调机组实际运行数据作为这些单标签子分类器的输入，得到多个子分类结果向量，这个结果即是多标签分类问题的解。本发明专利技术列车空调故障的多标签诊断方法不仅提高了故障诊断的精度，而且诊断结果更全面。

【技术实现步骤摘要】

本专利技术属于列车空调机组故障诊断方法
，涉及一种列车空调故障的多标 签诊断方法。
技术介绍
随着现代社会旅客列车的高速发展，列车空调机组在旅客列车上得到了广泛的应 用。现代旅客列车密封性比较好，这将直接导致车厢的空气流通性差，尤其在春运高峰期， 列车中人员密度更大，这就需要列车空调能长期的、无故障的工作。但是，列车空调机组长 期运行在特殊条件下，如：列车高速运行时的较强震动、车外变化较大的空气状态等，列车 空调机组更容易出现故障，导致空调性能的下降。所以，列车空调机组的故障的精确诊断有 着十分重要的现实意义。 随着计算机技术的高速发展，列车空调系统故障能结合实时监控的机组数据，进 行很好的故障识别和诊断，并且在故障发生时能及时诊断并给出解决方案，大大提高了列 车空调的使用效率。 罗浩提出的支持向量机的方法进行列车空调的故障诊断，为实际工程应用起到了 一些借鉴和指引作用，并对故障诊断中采用支持向量机算法的可行性做出了一定的判断。 但是，该方法只能进行单标签的诊断，并不符合实际需求。基于以上认识，研发出一个可行 的列车空调机组故障多标签诊断方法来改进列车空调机组多故障诊断问题显得非常的重 要。
技术实现思路
本专利技术的目的在于提供一种，能准确的对列车空 调机组故障进行诊断。 本专利技术所采用的技术方案是，，具体按照以下步 骤实施： 步骤1、根据列车空调制冷系统工作原理及常见制冷空调故障，确定出列车空调的 主要故障类型，并构建列车空调制冷系统故障诊断模型； 步骤2、经步骤1构建好列车空调制冷系统模型后，进行数据采集和人工标注，并 获取训练样本集合； 步骤3、核函数与最优参数的选择； 步骤4、形成列车空调机组故障多标签诊断模型； 步骤5、利用步骤4得到列车空调机组故障多标签诊断模型进行列车空调机组故 障诊断。 本专利技术的特点还在于： 步骤1中列车空调的主要故障类型如下： 制冷剂泄露、蒸发器污垢、冷凝器污垢、有不凝性气体和压缩机停机； 在出现不同的故障时，列车空调机组的运行参数变化幅度不同，经数据分析，得到 列车空调机组正常和各故障状态对应的判断参数对各故障的变化特征对应表； 选择特征向量Xi = {:压缩机吸气压力，压缩机排气压力，压缩机吸气温度，压缩机 排气温度，机组实际制冷量}作为列车空调机组故障诊断模型的输入。 步骤2具体按照以下步骤实施： 步骤2. 1、在列车空调机组上设置多处采集测点，在模拟制冷剂泄露、蒸发器污垢、 冷凝器污垢、有不凝性气体和压缩机停机五种故障和正常运行工况下，进行数据采集； 采集的数据主要分为温度参数、压力参数和湿度参数三类共9个参数，具体如下： 温度参数4个：列车空调机组进口空气干球温度，列车空调机组出口空气干球温 度，压缩机吸气温度，压缩机排气温度； 压力参数3个：压缩机吸气压力，压缩机排气压力，列车空调机组出口压差； 湿度参数2个：机组进口空气相对湿度，机组出口空气相对湿度； 步骤2. 2、将步骤2. 1中设置的所有采集测点的名称、代号、传感器类型和安装位 置进行列表； 压缩机吸气压力和排气压力分别由压缩机进口压力和压缩机出口压力测点获 得； 压缩机吸气温度和压缩机排气温度分别由压缩机进口温度和压缩机出口温度测 点获得； 列车空调机组进口空气干球温度、列车空调机组进口空气相对湿度、列车空调机 组出口空气干球温度和列车空调机组出口空气相对湿度分别由列车空调机组进口空气温 度、列车空调机组进口空气湿度、列车空调机组出口空气温度、列车空调机组出口空气湿度 测点获得；列车空调机组出口压差由风道压差测点获得； 步骤2. 3、基于步骤2. 1和步骤2. 2结合的数据采集方案，采集列车空调机组在以 上五种故障和正常运行工况下各测点的值，并由列车空调机组进口空气温度、列车空调机 组进口空气湿度计算出列车空调机组进口空气的焓值，由列车空调机组出口空气温度、列 车空调机组出口空气湿度计算出出口空气的焓值；进而用空气进、出口焓值及空气风量计 算出空调机组的实际制冷量，从而得到形如特征向量Xi ={压缩机吸气压力，压缩机排气 压力，压缩机吸气温度，压缩机排气温度，机组实际制冷量}的样本数据，并人工标注故障 类型标号Yi = {1，2, 3,4, 5,6}，分别代表六种类型Yi ={正常运行工况，制冷剂泄露，蒸发 器污垢，冷凝器污垢，有不凝性气体，压缩机停机}。 步骤3中采用的核函数是高斯核函数，其中，X和z为输 入特征向量；最优的惩罚参数C和核参数σ，利用粒于群算法寻优得到。 步骤4具体按照以下方法实施： 采用一对多的多标签故障诊断算法，针对六种不同故障状态分别构造出六个临近 支持向量机分类器； 获得第k个分类器的主要步骤如下： 步骤a、将具有第k类标签的所有训练样本作为正类，其余的样本作为负类，利用 所有训练样本构建矩阵Ak，具体如下式： Ak= {x 1 …Xi …xN} ' (1); 步骤b、利用每个样本对应的新类别构建对角矩阵Dk，其中对角元素为每个样本对 应的当前类别，具体如下式： 其中，vGR; 步骤c、利用步骤b得到的结果，得到分类模型，具体如下式： 重复利用上述三个小步骤，就能得到所有六个分类器；这六个分类器就构成了列 车空调机组故障多标签诊断模型。 步骤5具体按照以下步骤实施： 利用步骤4得到列车空调机组故障多标签诊断模型进行列车空调机组故障诊断； 诊断状态包括：正常运行工况、制冷剂泄露、蒸发器污垢、冷凝器污垢、有不凝性气体和压缩 机停机故障，具体按照以下步骤实施： 步骤5. 1、利用步骤2的数据采集方案采集到列车空调在以上工况下各测点的值， 并由列车空调机组进口空气温度、列车空调机组进口空气湿度计算出列车空调机组进口空 气的焓值；由列车空调机组出口空气温度、列车空调机组出口空气湿度计算出口空气的焓 值；进而用空气进、出口焓值及空气风量计算出空调机组的实际制冷量，从而得到形如特征 向量X ={压缩机吸气压力，压缩机排气压力，压缩机吸气温度，压缩机排气温度，机组实际 制冷量}的输入向量； 步骤5. 2、将步骤5. 1得到的数据作为列车空调机组故障多标签诊断模型的输入； 列车空调机组故障多标签诊断模型即步骤5中得到六个PSVM分类器模型； 采用故障类型标号y= {1，2,3,4,5,6}表示，分别代表六种工况类型：正常运行工 况，制冷剂泄露，蒸发器污垢，冷凝器污垢，有不凝性气体，压缩机停机； 经步骤5. 1得到的输入向量依次输入到这六个分类模型yk= sign((K(x, A' k) K(Ak,A' k)+e' )Dkvk)中，得到诊断结果向量为（Y1J2^iy 6);若其中某几个ykS 1时， 就诊断其具有哪几种故障。 本专利技术的有益效果在于： 本专利技术先以临近支持向量机为基本分类算法建 立多标签分类机制，然后采集列车空调机组实际正常运行数据与多种故障运行数据作为训 练样本，学习训练得到多个单标签子分类器，最后利用列车空调机组实际运行数据作为这 些单标签子分类器的输入，得到多个子分类结果向量，这个结果即是多标签分类问题的 解。本专利技术不仅提高了故障诊断的精度，而且诊断结果更 全面；本专利技术的还可用于高速铁路列车空调机组故障诊断 领域。【附图说明】 图1是列车空调机组本文档来自技高网...

【技术保护点】
列车空调故障的多标签诊断方法，其特征在于，具体按照以下步骤实施：步骤1、根据列车空调制冷系统工作原理及常见制冷空调故障，确定出列车空调的主要故障类型，并构建列车空调制冷系统故障诊断模型；步骤2、经步骤1构建好列车空调制冷系统模型后，进行数据采集和人工标注，并获取训练样本集合；步骤3、核函数与最优参数的选择；步骤4、形成列车空调机组故障多标签诊断模型；步骤5、利用步骤4得到列车空调机组故障多标签诊断模型进行列车空调机组故障诊断。

【技术特征摘要】

【专利技术属性】
技术研发人员：赵金伟，柳宇，黑新宏，谢国，马维纲，严睿平，李秀秀，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61