【技术实现步骤摘要】
基于神经网络的动车组中继阀气体泄漏故障预测方法
:
[0001]本专利技术涉及一种气体泄漏故障预测方法领域,尤其涉及一种基于神经网络的动车组中继阀气体泄漏故障预测方法,属于故障预测
技术介绍
:
[0002]中继阀作为动车组制动控制系统的关键部件,在长期运营过程中会由于供给阀组件、硫化圈密封件磨损等原因发生泄漏,造成中继阀性能下降,进而影响制动系统的状态。目前,针对中继阀的故障检测均为功能性检测,由于中继阀的调节特性,其轻微泄漏甚至中度泄漏大部分不影响其功能实现,直至中继阀发生重度泄漏并影响制动系统性能后才能被发现。
[0003]在中继阀工作时,预控的压力进入膜板的下腔室,从而推动活塞向上发生位移。而活塞向上推动阀杆,进而切断大气与输出的通行管道。然后打开输入到输出的通道,从输入口向输出口充气。而当输出压力到达一定的标准值后,阀杆推动活塞向下产生位移,并切断输入与输出口、输出与大气的通道,让各零部件处于平衡。如果预控的压力再次升高,则活塞继续向上移动,并重复之前的工序。而中继阀在不同的预控压力下会出现不同的误差。其主要原因在于膜板回弹力、活塞两侧的受力面积、密封压力、摩擦压力而影响。产生误差的长期表现就容易产生器件磨损、老化等问题,从而使中继阀内的气体发生泄漏,气压值变化不正常,严重影响动车的制动系统。但目前这种现象不能够即使的被工作人员发现,总是到达一定的磨损程度明显影响制动性能后,才会被工作人员所感知,可知如今市场急需这样一套故障预测的方法,来实现中继阀和制动系统的维护保养。
技术实现思路
:
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的动车组中继阀气体泄漏故障预测方法,其特征在于:包括以下步骤:步骤1:数据采集:采集时间连续P批训练数据Q
p
,0<p<P,P为大于0的整数;每批训练数据由T个时刻中继阀第1至第N个进气口和第1至第M个出气口的气压组成;步骤2:模型训练:采用神经网络预测特征参数,所述神经网络包括输入层、第一至第Z隐层和输出层,Z≥1;训练方法有以下具体步骤组成:步骤2
‑
1:初始化模型参数:设置训练次数计数器p=0;设置输入数据倍增因子r=1;设置输入层到第一隐层之间的权值矩阵V={v
ij
}为随机数矩阵;设置第Z隐层到输出层之间的权值矩阵W={w
jk
}为随机数矩阵;设置模型目标精度E
MIN
;步骤2
‑
2:输入训练数据:p=p+1;输入训练数据Q
p
...Q
p+r
,训练数据Q
p
...Q
p+r
‑1的进气口数据X=(x1、x2、
…
、x
i
、
…
、x
n
)
T
为输入层的输入向量,n=rNT,训练数据Q
p+1
...Q
p+1
出气口数据作为期望输出向量,l=rMT;步骤2
‑
3:V={v
j
},1≤j≤m,为输入层到第一隐层之间的权值向量,计算各隐层输入向量Yz=(y
z1
、y
z2
、
…
、y
zj
、
…
、y
zm
)
T
,zm为第z隐层输入向量的维数,1≤z≤Z:,zm为第z隐层输入向量的维数,1≤z≤Z:步骤2
‑
4:第Z隐层到输出层之间的权值矩阵用W={w
jk
}表示;计算输出层输出向量为}表示;计算输出层输出向量为}表示;计算输出层输出向量为步骤2
‑
5:计算预测误差:步骤2
‑
6:如果预测误差超出预设值,r=r+1,p=p
‑
1,转向步骤2
‑
2;否则转向步骤2
‑
7;步骤2
‑
7:计算出隐层的误差信号和输出层的...
【专利技术属性】
技术研发人员:彭立强,秦志英,李春华,孙振忠,
申请(专利权)人:河北科技大学,
类型:发明
国别省市:
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。