一种受电弓故障诊断方法、系统、存储介质及设备技术方案

本发明专利技术属于受电弓故障诊断领域，提供了一种受电弓故障诊断方法、系统、存储介质及设备。其中，受电弓故障诊断方法包括获取受电弓的振动序列信号；将所述受电弓的振动序列信号进行谱相关分解并进行归一化处理，得到信号的谱相干矩阵，形成特征矩阵；基于所述特征矩阵及训练完成的受电弓故障诊断模型，得到受电弓故障诊断结果；其中，所述受电弓故障诊断模型由双向长短时记忆网络和逻辑回归模型构成，所述双向长短时记忆网络用于对特征矩阵进行并行的特征提取，所述逻辑回归模型用于对所述长短时记忆网络所提取的特征进行归纳整合，得到受电弓故障诊断结果。其不仅能有效提取故障特征，还能并行运算减少模型的诊断时间。还能并行运算减少模型的诊断时间。还能并行运算减少模型的诊断时间。

【技术实现步骤摘要】
一种受电弓故障诊断方法、系统、存储介质及设备


[0001]本专利技术属于受电弓故障诊断领域，尤其涉及一种受电弓故障诊断方法、系统、存储介质及设备。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]受电弓是电力牵引机车从接触网取得电能的电气设备，安装在机车或动车车顶上。受电弓的工作状态影响整个电力牵引机车运行的稳定性。受电弓常用的故障诊断方法包括基于图像识别的诊断方法、基于弓网电流特性的方法和基于振动特性的诊断方法。其中基于图像识别的方法由于是非接触式检测，由于不会破坏受电弓的动力学特性，也不会受到强磁场的干扰，该方法的诊断精度高且鲁棒性强。但基于图像识别的方法所采用的车载相机并不能全方位地拍摄整个受电弓，导致存在一定的诊断盲区，无法保证故障诊断的精确性。由于列车的受流质量与受电弓的动力学性能密切相关，通过分析受电弓电流电压的变化可以进行受电弓故障诊断，基于弓网电流特性的方法也因此提出。但故障对弓网的受流质量影响不大时，基于弓网电流特性的方法的诊断精度不高，无法做到故障诊断的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种受电弓故障诊断方法，其特征在于，包括：获取受电弓的振动序列信号；将所述受电弓的振动序列信号进行谱相关分解并进行归一化处理，得到信号的谱相干矩阵，形成特征矩阵；基于所述特征矩阵及训练完成的受电弓故障诊断模型，得到受电弓故障诊断结果；其中，所述受电弓故障诊断模型由双向长短时记忆网络和逻辑回归模型构成，所述双向长短时记忆网络用于对特征矩阵进行并行的特征提取，所述逻辑回归模型用于对所述长短时记忆网络所提取的特征进行归纳整合，得到受电弓故障诊断结果。2.如权利要求1所述的受电弓故障诊断方法，其特征在于，将所述受电弓的振动序列信号进行谱相关分解，得到振动序列信号的谱相关函数，该谱相关函数为自变量为循环频率和频谱频率的函数。3.如权利要求1所述的受电弓故障诊断方法，其特征在于，所述谱相干矩阵由受电弓的振动序列信号中每个信号的谱相干函数构成。4.如权利要求1所述的受电弓故障诊断方法，其特征在于，所述双向长短时记忆网络对特征矩阵并行提取的特征包括正向序列特征和反向序列特征。5.如权利要求1所述的受电弓故障诊断方法，其特征在于，在所述的受电弓故障诊断模型的训练过程中，基于训练集数据的特征矩阵训练受电弓故障诊断模型，通过双向长短时记忆网络的正向传播获取网络的节点值，并通过双向长短时记忆网络的反向传播更新双向长短时记忆网络的参数，根据双向长短时记忆网络提取的特征来更新逻辑回归模型的参数，获取最优的受电弓故障诊断模型。6.如权利要求5所述的受电弓故障诊断方法，其特征在于，所述训练集数据的特征矩阵的...

【专利技术属性】
技术研发人员：贾步超，武继将，梁爽，邓艳俊，杨盼奎，
申请(专利权)人：中车青岛四方机车车辆股份有限公司，
类型：发明
国别省市：