列车车轮退化数据的处理方法、装置及存储介质制造方法及图纸

本发明专利技术涉及列车检修技术领域，公开了一种列车车轮退化数据的处理方法、装置及存储介质，解决了现有技术中忽略退化数据之间存在的序列相关性以及差异性，从而导致了车轮的剩余寿命预测的准确性的问题。所述方法包括：获取列车的特定车轮的退化监测数据以及对应的监测时刻；利用预设均方根矩阵，得到更新后的退化监测数据以及对应的监测时刻；根据预设固定效应向量、预设随机效应向量以及更新后的监测时刻，得到更新后的监测时刻的均值和方差；根据更新后的监测时刻、更新后的退化监测数据、更新后的监测时刻均值和方差、以及预设条件概率密度函数，得到特定车轮的剩余寿命估计值。本发明专利技术实施例适用于列车车轮的剩余寿命预测。

Processing method, device and storage medium of train wheel degradation data

【技术实现步骤摘要】
列车车轮退化数据的处理方法、装置及存储介质
本专利技术涉及列车检修
，具体地，涉及一种列车车轮退化数据的处理方法、装置及存储介质。
技术介绍
在重载化铁路运输的情况下，长期服役的车轮磨耗最为严重，如果不及时对这些磨耗严重的车轮发出警告，最终会直接影响列车运行的安全性和平稳性。在现有技术中对车轮退化数据进行研究时，往往仅关心数据的确定性和平均行为，而忽略了个体或群体之间存在的序列相关性以及差异性，从而影响了车轮的剩余寿命预测的准确性。
技术实现思路
本专利技术实施例的目的是提供一种列车车轮退化数据的处理方法、装置及存储介质，解决了现有技术中忽略退化数据之间存在的序列相关性以及差异性，从而导致了车轮的剩余寿命预测的准确性的问题，由于本专利技术实施例考虑了非独立性测量误差的结果，提高了剩余寿命估计值的精确性，减低了车轮的维护成本，提高车轮的使用效率。为了实现上述目的，本专利技术第一方面实施例提供一种列车车轮退化数据的处理方法，所述方法包括：获取列车的特定车轮的退化监测数据以及对应的监测时刻；利用预设均方根矩阵，对所述退化监测数据以及对应的监测时刻进行独立性转换，得到更新后的退化监测数据以本文档来自技高网...

【技术保护点】
1.一种列车车轮退化数据的处理方法，其特征在于，所述方法包括：获取列车的特定车轮的退化监测数据以及对应的监测时刻；利用预设均方根矩阵，对所述退化监测数据以及对应的监测时刻进行独立性转换，得到更新后的退化监测数据以及对应的监测时刻；根据预设固定效应向量、预设随机效应向量以及所述更新后的监测时刻，得到所述更新后的监测时刻的均值和方差；根据所述更新后的监测时刻、所述更新后的退化监测数据、所述更新后的监测时刻均值和方差、以及预设条件概率密度函数，得到所述特定车轮的剩余寿命估计值。

【技术特征摘要】
1.一种列车车轮退化数据的处理方法，其特征在于，所述方法包括：获取列车的特定车轮的退化监测数据以及对应的监测时刻；利用预设均方根矩阵，对所述退化监测数据以及对应的监测时刻进行独立性转换，得到更新后的退化监测数据以及对应的监测时刻；根据预设固定效应向量、预设随机效应向量以及所述更新后的监测时刻，得到所述更新后的监测时刻的均值和方差；根据所述更新后的监测时刻、所述更新后的退化监测数据、所述更新后的监测时刻均值和方差、以及预设条件概率密度函数，得到所述特定车轮的剩余寿命估计值。2.根据权利要求1所述的方法，其特征在于，在所述得到更新后的退化监测数据以及对应的监测时刻之前，所述方法还包括：获取所述列车的所有车轮的历史退化数据；根据线性混合效应模型yi＝Xiβ+Zibi+εi，得到固定效应向量β、随机效应向量bi和测量误差εi，其中i＝1,...,m，bi～N(0,ψ)，εi～N(0,Ri)，m为所述列车的所有车轮的个数，yi为第i个车轮的历史退化数据，Xi为第i个车轮的固定效应设计矩阵，Zi为第i个车轮的随机效应设计矩阵，bi的分布服从均值为0，方差协方差矩阵为ψ的正态分布，εi的分布服从均值为0，方差为Ri的正态分布，σi2为第i个车轮的残差方差，为单位矩阵；根据得到更新后的误差效应方差矩阵Ri，其中，σi2为第i个车轮的残差方差，Γi为自相关结构矩阵，Hi为异方差结构；根据BiBi＝Ri，得到第i个车轮的预设均方根矩阵Bi。3.根据权利要求2所述的方法，其特征在于，所述利用预设均方根矩阵，对所述退化监测数据以及对应的监测时刻进行独立性转换，得到更新后的退化监测数据以及对应的监测时刻包括：根据y*＝B-1×y，x*＝B-1×x，z*＝B-1×z，ε*＝B-1×ε，得到更新后的退化监测数据y*与更新后的监测时刻x*，其中，B-1为所述预设均方根矩阵的逆矩阵，y为获取到的所述退化监测数据，x为获取到的所述退化监测数据对应的监测时刻，z为获取到的所述监测时刻的子集，z*为更新后的所述监测时刻的子集，ε为所述特定车轮的预设测量误差，ε*为更新后的所述预设测量误差。4.根据权利要求2所述的方法，其特征在于，所述根据预设固定效应向量、预设随机效应向量以及所述更新后的监测时刻，得到所述更新后的监测时刻的均值和方差包括：根据得到所述预设固定效应向量β的后验估计值β'的均值μβ',k；根据得到所述预设随机效应向量b的后验估计值b'的均值μb',k；根据得到所述预设固定效应向量β的后验估计值β'的标准差σ2β',k；根据得到所述预设随机效应向量b的后验估计值b'的标准差σ2b',k；根据得到所述误差效应方差矩阵的正交特征向量p的后验估计值pk，其中，k为所述特定车轮的退化监测数据的总个数，为更新后的第i个退化监测数据，为更新后的第i个监测时刻，σ2为所述退化监测数据的残差方差，为所述预设固定效应向量β的残差方差，为所述预设随机效应向量b的残差方差；根据得到所述更新后的监测时刻的均值以及方差其中，x为所述特定车轮在监测时刻的剩余寿命，为更新后的第1个至第k个退化监测数据，5.根据权利要求4所述的方法，其特征在于，所述根据所述更新后的监测时刻、所述更新后的退化监测数据、所述更新后的监测时刻均值和方差、以及预设条件概率密度函数，得到所述特定车轮的剩余寿命估计值包括：根据得到条件累积分布函数其中，T为所述特定车轮在时刻的剩余使用寿命，H为车轮磨耗的失效阈值，Z为随机变量x的标准正态分布，Φ(·)为标准正态分布随机变量的累积分布函数；根据得到预设条件概率密度函数其中，φ(·)为标准正态分布随机变量的概率密度函数，g'(x)为g(x)的导数；根据函数最大化算法，得到所述预设条件概率...

【专利技术属性】
技术研发人员：康凤伟，李权福，王洪昆，王文刚，边志宏，卢宇星，王蒙，方琪琦，王萌，刘洋，蒋增强，
申请(专利权)人：中国神华能源股份有限公司，神华铁路货车运输有限责任公司，
类型：发明
国别省市：北京,11