一种半定量信息融合的高速列车走行部系统故障诊断方法技术方案

一种半定量信息融合的高速列车走行部系统故障诊断方法，它属于故障诊断领域。本发明专利技术解决了目前研究中没有分析现有知识的可靠性对基于置信规则库的故障诊断过程的影响问题。本发明专利技术利用高速列车实际运营中积累的大量知识和监测数据进行建模，无需走行部精确的解析模型，也无需大量走行部异常工况下的监测数据，小样本情况下也能很好的实现诊断功能，便于实际应用；还考虑了置信规则库理论在走行部故障诊断中的难点，即知识不可靠表达下故障诊断难。通过量化知识的不可靠部分，修正置信规则库的知识推理，从而提高故障诊断的效果；同时实现了走行部系统轴向轴承故障诊断和故障分类。本发明专利技术可以应用于走行部系统故障诊断。

【技术实现步骤摘要】
一种半定量信息融合的高速列车走行部系统故障诊断方法
本专利技术属于故障诊断领域，具体涉及一种半定量信息融合的高速列车走行部系统故障诊断方法。
技术介绍
随着科学技术的发展与进步，高速铁路的规模以及复杂程度都得到了巨大提高。作为高铁核心的运载工具，高速列车是我国自主创新的成功范例也是高端装备的代表，其安全可靠运行是交通运输发展的根本前提。走行部系统是高速列车核心系统之一，有着支承车体，传递载荷及制动力、牵引力等重要作用，走行部性能优劣直接影响在轨车辆的可靠性与安全性。故障诊断技术是提高系统可靠性、保证列车正常运作、降低事故发生风险的有效措施，现已受到学术界和工业界广泛关注。目前，主流的故障诊断技术主要可分为基于模型、基于数据驱动和半定量信息融合技术。近年来，作为半定量信息融合技术的重要代表之一，基于置信规则库的方法在走行部故障诊断中体现出其独特的优势。主要有以下两点原因：1)随着传感器技术的不断进步，在高速列车运行中可以获得大量的监测数据，但无效数据匮乏，只有少量数据包含系统异常运行状况的信息；2)走行部系统工艺机理复杂，精确的解析方程难以获取，本文档来自技高网...

【技术保护点】
1.一种半定量信息融合的高速列车走行部系统故障诊断方法，其特征在于，所述方法具体包括以下步骤：/n步骤一、采集走行部系统在实际运行时的监测数据，再利用采集的监测数据构造训练数据集，并记录好标签；/n初始化置信规则库中的参数向量，建立置信规则库模型；/n步骤二、分析置信规则库模型中初始化参数的可靠程度，获得每条置信规则的可靠性因子；/n步骤三、将可靠性因子集成于置信规则库模型的证据推理部分中；/n步骤四、将训练数据集作为集成了可靠性因子的置信规则库模型的输入，以各故障类型下的正确分类概率作为目标函数，并使用协方差矩阵自适应进化策略优化置信规则库模型，最终获得训练好的置信规则库模型；/n步骤五、采...

【技术特征摘要】
1.一种半定量信息融合的高速列车走行部系统故障诊断方法，其特征在于，所述方法具体包括以下步骤：
步骤一、采集走行部系统在实际运行时的监测数据，再利用采集的监测数据构造训练数据集，并记录好标签；
初始化置信规则库中的参数向量，建立置信规则库模型；
步骤二、分析置信规则库模型中初始化参数的可靠程度，获得每条置信规则的可靠性因子；
步骤三、将可靠性因子集成于置信规则库模型的证据推理部分中；
步骤四、将训练数据集作为集成了可靠性因子的置信规则库模型的输入，以各故障类型下的正确分类概率作为目标函数，并使用协方差矩阵自适应进化策略优化置信规则库模型，最终获得训练好的置信规则库模型；
步骤五、采集走行部系统在实际运行时的监测数据作为待测数据，并将待测数据输入训练好的置信规则库模型，输出对待测数据的故障诊断结果。


2.根据权利要求1所述的一种半定量信息融合的高速列车走行部系统故障诊断方法，其特征在于，所述步骤一中，采集走行部系统在实际运行时的监测数据，再利用采集的监测数据构造训练数据集，其具体过程为：
采集列车走行部系统在实际运行时的N1个时刻的监测数据，其中，每个时刻的监测数据为走行部系统中不同部件的温度数据；再将N1个时刻信息、采集的监测数据以及对应标签存储为二维数据矩阵X1，二维数据矩阵X1的第1列为N1个时刻信息，第2列为每个时刻采集的温度数据，第3列为每个时刻对应的标签；
对二维数据矩阵X1的第2列中第1行至第n1行的温度数据进行均值和峰度特征的提取，再对二维数据矩阵X1的第2列中第n1+1行至第2n1行的温度数据进行均值和峰度特征的提取，以此类推，直至对二维数据矩阵X1的第2列中的温度数据全部处理完成后，将提取的均值和峰度特征存储为二维数据矩阵X2，二维数据矩阵X2的第1列为均值特征，第2列为峰度特征，第3列为对应的标签，将二维数据矩阵X2作为训练数据集。


3.根据权利要求2所述的一种半定量信息融合的高速列车走行部系统故障诊断方法，其特征在于，所述步骤一中，初始化置信规则库中的参数向量，建立置信规则库模型，其具体过程为：
初始化置信规则库中的参数向量，选择式(1)所示的第k条置信规则Rk作为所建立置信规则库模型的知识表达：



其中，xm表示输入的第m个数值型观测值，表示第k条置信规则下第m个输入参考值，m＝1,2,…,M，M为输入的数值型观测值的总个数，是第k条置信规则下相对于第n个故障类型Dn的置信度，n＝1,2，…，N，N为故障类型的总个数，θk是第k条置信规则的规则权重，δm为第m个输入参考值的权重，rk是可靠性因子。


4.根据权利要求3所述的一种半定量信息融合的高速列车走行部系统故障诊断方法，其特征在于，所述步骤二中，分析置信规则库模型中初始化参数的可靠程度，获得每条置信规则的可靠性因子；其具体实现过程为：

【专利技术属性】
技术研发人员：程超，王久赫，王威珺，谢普，邵俊捷，付彩欣，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：吉林;22