【技术实现步骤摘要】
一种车载设备故障趋势预测方法
本专利技术属于车载设备安全分析
，具体涉及一种车载设备故障趋势预测方法。
技术介绍
为了保证城市地铁的高效率运输，地铁管理者在繁忙路线将运营的强度拉升到极限。然而列车高强度、长时间的运营情况下，不可避免的会发生故障，影响列车的运输效率和安全性。现在的地铁车载设备故障诊断和维修仍凭借专家经验，诊断的准确性难以满足地铁管理者的需求。地铁列车的车载信号设备是一种复杂的系统，故障具有多样性和不确定性，并且故障样本不完整。传统上，对于地铁车载设备的故障诊断，是基于神经网络故障来诊断。通常情况下，神经网络故障诊断的步骤如下：首先，通过信号的检测和收集，整理出能够反映被检对象(模块设备或零部件)的特征参数，如{x1,x2,…xn}作为网络的输入；然后对被检对象的故障状态进行编码。例如对于故障1、故障2、正常三种状态，对其期望编码为：故障1{0,1}、故障2{1,0}、正常{0,0}；进而将数据样本集整理成为训练样本，输入网络后对网络进行训练，计算各神经元之间的权值，用训练好的网络对被检对象进行状态识别；最后，通过整理分析、实验、公式计算、仿真...
【技术保护点】
1.一种车载设备故障趋势预测方法，其特征在于，所述方法包括以下步骤：S1：采集车载设备发生的故障类型和故障数据，统计所述故障类型和计算各种故障概率，并将各种故障概率整理为序列Xi；S2：判断步骤S1中序列是否平稳，若序列为非平稳序列，将该序列进行预处理，通过使用差分方法式：Yi＝Xi+1‑Xi进行预处理，直到单位根检验结果平稳为止；S3：对平稳的序列进行自回归模型识别，估算自回归模型的阶数，再通过计算确定最终的自回归模型阶数；S4：利用算法对自回归模型进行参数的初步估计，并对自回归模型进行适应性检验以确认有效的模型；S5：通过确定的自回归模型进行各故障类型的故障概率的预测，...
【技术特征摘要】
1.一种车载设备故障趋势预测方法，其特征在于，所述方法包括以下步骤：S1：采集车载设备发生的故障类型和故障数据，统计所述故障类型和计算各种故障概率，并将各种故障概率整理为序列Xi；S2：判断步骤S1中序列是否平稳，若序列为非平稳序列，将该序列进行预处理，通过使用差分方法式：Yi＝Xi+1-Xi进行预处理，直到单位根检验结果平稳为止；S3：对平稳的序列进行自回归模型识别，估算自回归模型的阶数，再通过计算确定最终的自回归模型阶数；S4：利用算法对自回归模型进行参数的初步估计，并对自回归模型进行适应性检验以确认有效的模型；S5：通过确定的自回归模型进行各故障类型的故障概率的预测，再利用回归分析方程输出整个车载设备的故障概率。2.根据权利要求1所述的车载设备故障趋势预测方法，其特征在于，所述步骤S3中的自回归模型为：其中，式中Xt为t时刻的相应序列，wt为白噪声，p为模型的阶数，ak为需要估计的参数。3.根据权利要求1所述的车载设备故障趋势预测方法，其特征在于，所述自回归模型识别包括对序列Xi进行自相关函数和偏相关函数的计算，以确定所述序列Xi适合自回归模型。4.根据权利要求1所述的车载设备故障趋势预测方法，其特征在于，所述自回归模型阶数的确定是通过计算各模型的最小信息准则值，最小信息准则值取值最小时的阶数为最终模型阶数。5.根据权利要求1所述的...
【专利技术属性】
技术研发人员：李晋，梁强升，吕利民，徐国飞，谢湘，林德辉，冼志威，陈孝德，刘建成，梁毅，高娅莉，温辛妍，夏科芬，黎志华，黄诗瑶，梁恺文，李亚，关维，李兆新，张昕，
申请(专利权)人：广州地铁集团有限公司，北京锦鸿希电信息技术股份有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。