动车组牵引系统超温故障预测方法及装置制造方法及图纸

本发明专利技术提供了动车组牵引系统超温故障预测方法及装置，方法包括：获取动车组车载数据和天气温度数据；根据所述的车载数据、天气温度数据以及预先训练的神经网络超温预警模型确定在不同维修条件下的牵引系统温度；所述的神经网络超温预警模型为预先根据历史车载数据和历史天气温度数据进行神经网络训练得到的模型；根据确定的不同维修条件下的牵引系统温度和牵引系统温度报警值进行超温故障预测。确定在不同维修条件下的牵引系统温度进行超温故障预测，根据超温预警结果评估超温故障风险，同时也可以根据超温预警结果实时进行预警。警。警。

【技术实现步骤摘要】
动车组牵引系统超温故障预测方法及装置


[0001]本专利技术涉及动车组故障预警技术，具体的讲是一种动车组牵引系统超温故障预测方法及装置。

技术介绍

[0002]牵引系统超温故障是动车组常见的实车故障之一。动车组牵引系统中两个主要部件包括：牵引变流器和牵引电机，牵引变流器和牵引电机都可能发生超温故障，发生超温故障后，动车组车载控制系统通过实时监测，一旦实时温度超过报警值，动车组会自动切除相应的牵引变流器和牵引电机以保护设备故障不扩散，然而，切除牵引后的动车组损失部分动力，会造成列车晚点。
[0003]现有技术中，动车组的故障预测及健康管理方法主要基于阈值判断方法，即通过获得牵引系统中变压器、变流器以及牵引电机的车载报警温度值，设置低于车载报警温度值3℃
‑
10℃的预警值进行实时预警，该方法的不足之处有两个方面：一是预警故障报出较多：实际应用时，在动车组当晚回到动车所后，会对在地面系统中有温度预警记录的动车组开展牵引系统检查，由于地面监测系统或数据中心报出的故障预警较多、准确度较低，增加了各个路局的预警复核工作量；二是预警本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动车组牵引系统超温故障预测方法，其特征在于，所述的方法包括：获取动车组车载数据和天气温度数据；根据所述的车载数据、天气温度数据以及预先训练的神经网络超温预警模型确定在不同维修条件下的牵引系统温度；所述的神经网络超温预警模型为预先根据历史车载数据和历史天气温度数据进行神经网络训练得到的模型；根据确定的不同维修条件下的牵引系统温度和牵引系统温度报警值进行超温故障预测。2.如权利要求1所述的动车组牵引系统超温故障预测方法，其特征在于，所述的车载数据包括：电机电流、列车速度、牵引系统温度数据及预设的维修系数。3.如权利要求2所述的动车组牵引系统超温故障预测方法，其特征在于，所述的方法包括：根据历史车载数据和历史天气温度数据进行神经网络训练确定神经网络超温预警模型；其中，包括：按预设的采样率对所述的历史车载数据和历史天气温度数据进行采样确定电机电流平方、列车速度、环境温度、牵引系统温度及维修系数的训练样本数据；根据列车速度和牵引系统温度数据确定牵引系统通风量训练样本数据；将电机电流的平方、列车速度、环境温度、维修系数、牵引系统通风量作为神经网络模型的输入训练样本数据，所述牵引系统温度作为神经网络模型的输出训练样本数据，对GRU神经网络模型进行训练，确定神经网络超温预警模型。4.如权利要求1所述的动车组牵引系统超温故障预测方法，其特征在于，所述的根据所述的车载数据、天气温度数据以及预先训练的神经网络超温预警模型确定在不同维修条件下的牵引系统温度包括：根据所述车载数据确定维修系数、电机电流的平方值、牵引系统的通风量、列车速度；将所述维修系数、电机电流的平方值、牵引系统的通风量、列车速度及天气温度数据作为神经网络超温预警模型的输入，确定不同维修条件下的牵引系统温度。5.如权利要求1所述的动车组牵引系统超温故障预测方法，其特征在于，所述的根据确定的不同维修条件下的牵引系统温度和牵引系统温度报警值进行超温故障预测包括：根据确定的牵引系统温度和牵引系统温度报警值进行实时预警；和/或根据确定的不同维修条件下的牵引系统温度和牵引系统温度报警值确定对动车组变流器散热装置的清洁操作。6.一种动车组牵引系统超温故障预测装置，其特征在于，所述的装置包括：数据获取模块，用于获取动车组车载数据和天气温度数据；神经网络处理模块，用于根据所述的车载数据、天气温度数据以及预先...

【专利技术属性】
技术研发人员：余俊，黄金，夏石冲，周毅，赵宇，陆航，苏发明，陈焕玉，尹陆，王志峰，张世聪，李杰波，刘洋，
申请(专利权)人：中国铁道科学研究院集团有限公司机车车辆研究所北京纵横机电科技有限公司，
类型：发明
国别省市：