一种高速列车牵引系统故障诊断方法技术方案

本发明专利技术公开了一种高速列车牵引系统故障诊断方法，涉及高速列车故障诊断领域，其包括如下步骤：从半物理仿真平台采集序列数据并进行预处理，得到数据集，所述数据集包括训练集和测试集；利用状态微分反馈控制对LSTM自编码器进行改进，得到LSTM自编码器一，所述LSTM自编码器一由L个LSTM单元组成；利用所述数据集对所述LSTM自编码器一训练获取LSTM自编码器二；利用所述LSTM自编码器二对所述测试集提取原始特征向量；利用t‑SNE算法对所述原始特征向量进行特征降维；对降维后的原始特征向量通过DBSCAN聚类方法进行故障诊断，得到诊断结果。本发明专利技术可以有效地解决高速列车牵引系统微小渐变故障诊断困难，诊断精确度不高的问题。

A fault diagnosis method of high speed train traction system

【技术实现步骤摘要】
一种高速列车牵引系统故障诊断方法
本专利技术涉及高速列车故障诊断领域，尤其涉及一种基于数据学习的高速列车牵引系统微小渐变故障的诊断方法。
技术介绍
目前，高速列车在中国的客运和货运方面发挥着越来越重要的作用，牵引系统作为高速列车的动力核心系统，其发生故障将导致列车停车、延误等事故，造成巨大损失。其中，微小渐变故障发生于显著性故障的初期，具有故障特性不明显、易被未知扰动与噪声掩盖的特点。因此，牵引系统微小渐变故障检测与诊断较显著性故障存在难度。对牵引系统微小渐变故障进行有效的检测与诊断，进而及时采取有效措施，能够提高系统的安全性，降低维护成本与损失。对微小渐变故障有效的故障诊断能够提高系统的安全性，降低维护成本和损失，对于其安全维护与设备的健康管理等方面具有极其重要的意义。由于牵引系统的复杂性与微小渐变故障的故障特性不明显，变化特性不明显，目前基于数据驱动算法难以有效的实现对微小渐变故障的检测与诊断。
技术实现思路
本专利技术的目的在于提供一种高速列车牵引系统故障诊断方法，以解决现有技术中存在的微小渐变故障诊断困难，诊断精确度不高的技术问题。本专利技术提供的一种高速列车牵引系统故障诊断方法，包括：(a)从半物理仿真平台采集序列数据并进行预处理，得到数据集，所述数据集包括训练集和测试集；(b)利用状态微分反馈控制对LSTM自编码器进行改进，得到LSTM自编码器一，所述LSTM自编码器一由L个LSTM单元组成；(c)利用所述数据集对所述LSTM自编码器一训练获取LSTM自编码器二；(d)利用所述LSTM自编码器二对所述测试集提取原始特征向量；(e)利用t-SNE算法对所述原始特征向量进行特征降维；(f)对降维后的原始特征向量通过DBSCAN聚类方法进行故障诊断，得到诊断结果。相对于现有技术，本专利技术基于数据学习的高速列车牵引系统微小渐变故障的诊断方法，具有如下有益效果：基于改进LSTM单元自编码器进行微小渐变故障的序列数据进行特征提取，这种方法能够较好的提取微小渐变故障的原始特征；通过t-SNE算法对原始特征进行降维处理，降低原始特征信息的冗余，提高诊断性能和降低计算复杂度；通过DBSCAN聚类方法实现对微小渐变故障的无监督诊断，不需要事先标记，诊断精确度很高，对于未知的故障也有一定的诊断能力，满足微小渐变故障诊断要求。针对高速列车牵引电机系统，该方法对于牵引系统中间电容、中间电阻与速度传感器退化故障等微小渐变故障进行诊断，适用范围比较广，有工程应用价值。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的改进的LSTM单元结构；图2(a)为本专利技术实施例提供的编解码器模型总体框架和训练流程；图2(b)为本专利技术实施例提供故障诊断模型的总体框架和流程；图3(a)为本专利技术实施例提供已知故障类型的不同降维方法的效果图；图3(b)为本专利技术实施例提供未知故障类型的t-SNE降维方法的效果图；图4(a)为本专利技术实施例提供已知故障类别聚类效果图；图4(b)为本专利技术实施例提供未知故障类别聚类效果图；图5为本专利技术实施例高速列车牵引系统的架构示意图；具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。下面结合说明书附图对本专利技术的具体实施方式作进一步详细的说明。如图2(b)所示，本专利技术基于数据学习的高速列车牵引系统微小渐变故障的诊断方法主要包括如下步骤：1、从半物理仿真平台采集序列数据并进行预处理，得到数据集，所述数据集包括训练集和测试集对于采集的数据进行预处理：补充缺失值、修改异常值、平滑滤波、降低噪声、归一化处理。具体的，对所述训练集与所述测试集的缺失值采用2-最近距离邻法填充数据中的缺失值；对序列数据异常值通过箱形图进行分析，并采用2-最近距离邻法修改数据中被判定为异常值的数值；序列数据通过小波滤波的方式进行平滑滤波，降低序列数据中的噪声；序列数据采用Z-归一化方法，完成序列数据的归一化。2、利用状态微分反馈控制对LSTM自编码器进行改进，得到LSTM自编码器一，所述LSTM自编码器一由L个LSTM单元组成对基本的LSTM单元进行改进，将状态微分反馈控制应用于LSTM单元中：状态微分反馈控制被应用于改进的LSTM单元中。具体的，动态系统的状态向量在时间t-1和时间t-2时刻的状态微分信号pt-1在时刻t-1被更新，并在时刻t时刻被反馈到系统中参与控制LSTM隐单元状态向量ct的遗忘与更新。改进的LSTM单元描述如下式所示：其中，ft表示遗忘门层输出，rt表示更新门层输出，ct表示隐单元状态，表示待选新状态量，pt表示单元隐状态向量的微分向量，ot表示输出门层输出，ht表示LSTM单元输出。如果LSTM控制向量稳定，则LSTM单元隐单元状态c会在稳定待更新向量的作用下稳定，从而LSTM网络会稳定下来。方程(4)表明控制向量与LSTM单元状态c的状态微分向量p有关。在微小渐变故障序列数据的序列样本较短时，故障信息变量的差分向量在泰勒展开一阶近似时呈线性变化。当LSTM单元所学习到隐单元状态c与微小渐变故障信息变量具有较高相关性时，随着序列数据的迭代输入，LSTM单元隐单元状态c的差分向量p稳定。而与差分向量p具有很强的相关性，因此会产生稳定的控制向量此时，LSTM单元隐单元状态变量不易被遗忘与更新。当LSTM单元所学到的隐单元状态c与微小渐变故障信息变量相关性较弱时，由于差分向量p不稳定，LSTM单元的隐单元状本文档来自技高网...

【技术保护点】
1.一种高速列车牵引系统故障诊断方法，其特征在于：/n(a)从半物理仿真平台采集序列数据并进行预处理，得到数据集，所述数据集包括训练集和测试集；/n(b)利用状态微分反馈控制对LSTM自编码器进行改进，得到LSTM自编码器一，所述LSTM自编码器一由L个LSTM单元组成；/n(c)利用所述数据集对所述LSTM自编码器一训练获取LSTM自编码器二；/n(d)利用所述LSTM自编码器二对所述测试集提取原始特征向量；/n(e)利用t-SNE算法对所述原始特征向量进行特征降维；/n(f)对降维后的原始特征向量通过DBSCAN聚类方法进行故障诊断，得到诊断结果。/n

【技术特征摘要】
1.一种高速列车牵引系统故障诊断方法，其特征在于：
(a)从半物理仿真平台采集序列数据并进行预处理，得到数据集，所述数据集包括训练集和测试集；
(b)利用状态微分反馈控制对LSTM自编码器进行改进，得到LSTM自编码器一，所述LSTM自编码器一由L个LSTM单元组成；
(c)利用所述数据集对所述LSTM自编码器一训练获取LSTM自编码器二；
(d)利用所述LSTM自编码器二对所述测试集提取原始特征向量；
(e)利用t-SNE算法对所述原始特征向量进行特征降维；
(f)对降维后的原始特征向量通过DBSCAN聚类方法进行故障诊断，得到诊断结果。


2.如权利要求1所述的高速列车牵引系统故障诊断方法，其特征在于：所述(a)中预处理包括：
利用k-最近距离邻法对所述序列数据进行缺失值填充；
通过箱形图对所述序列数据异常值进行分析，利用k-最近距离邻法修改判定为异常值的序列数据；
利用小波滤波对所述序列数据平滑滤波，利用Z-score标准化方法对所述序列数据归一化处理。


3.如权利要求1所述的高速列车牵引系统故障诊断方法，其特征在于：所述(c)包括：
利用所述数据集对所述LSTM自编码器一训练获取LSTM自编码器二；
所述LSTM自编码器一读取所述数据集,所...

【专利技术属性】
技术研发人员：冒泽慧，闫宇，姜斌，严星刚，吕迅竑，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32