一种120阀空气制动系统的故障诊断方法技术方案

本发明专利技术公开了一种120阀空气制动系统的故障诊断方法，首先，通过AMESim软件建立120阀空气制动系统物理模型并完成故障注入，获取各个状态下的气压数据；接着，对数据采用小波包分解算法和小波包能量特征提取算法获取特征向量；然后，构建基于支持向量机和决策树为基学习器，投票法为结合策略的随机森林分类器的故障诊断模型，使用训练样本对故障诊断模型进行训练，获取训练后的分类器；将120阀空气制动系统测试样本输入到模型进行故障诊断。本发明专利技术简化故障注入的过程，获取大量气压数据，并提高了故障诊断模型的故障识别能力。了故障诊断模型的故障识别能力。了故障诊断模型的故障识别能力。

【技术实现步骤摘要】
一种120阀空气制动系统的故障诊断方法


[0001]本专利技术涉及空气制动系统故障诊断
，特别涉及一种120阀空气制动系统的故障诊断方法。

技术介绍

[0002]铁路运输作为交通运输的一种，凭借成本低廉、受环境影响小、载重量高等优点，已经成为货物运输的重要方式。空气制动系统是铁路货车的核心结构，控制着货运列车的减速及停车性能，对于列车的安全运行具有重要的作用。
[0003]目前，我国的铁路货车主要采用装有120型控制阀的空气制动系统，因其复杂的机械结构和恶劣的应用环境造成制动系统故障经常发生，但是常见的120阀空气制动系统仿真方式(半实物平台、数学公式模型)均具有故障注入困难、缺少故障数据等不足。
[0004]因此，一种120阀空气制动系统的故障诊断方法可以简化故障注入的过程，并完成故障的诊断，这就显得非常有必要了。

技术实现思路

[0005]为了克服现有技术中的不足，本专利技术提供一种120阀空气制动系统的故障诊断方法，可以有效完成120阀空气制动系统的研究，简化故障注入的过程，并完成故障的诊断。
[0006]为了达到上述专利技术目的，解决其技术问题所采用的技术方案如下：
[0007]一种120阀空气制动系统的故障诊断方法，包括以下步骤：
[0008]步骤1：通过AMESim软件建立120阀空气制动系统物理模型；
[0009]步骤2：根据所述120阀空气制动系统物理模型进行故障模拟，包括正常工作状态、制动缸泄露故障状态、局减阀泄露故障状态三种状态，分别获取所述不同状态下的N组120阀空气制动系统模型的气压数据，N为大于0的自然数；
[0010]步骤3：采用小波包分解算法和小波包能量特征提取算法对所述120阀空气制动系统模型在所述不同状态下的气压数据进行分解、特征提取，结合对应的120阀空气制动系统仿真模型的状态，形成特征数据集；
[0011]步骤4：利用所述特征数据集对集成学习分类器进行训练，得到训练后的集成学习分类器；
[0012]步骤5：对待测试的120阀空气制动系统模型的气压数据进行特征提取，获取特征向量，并将其输入训练后的集成学习分类器，得到待测试120阀空气制动系统模型的状态，完成故障诊断。
[0013]进一步的，所述步骤1包括以下步骤：
[0014]步骤11：在AMESim软件的草图模式下画出120阀主阀、紧急阀、紧急室、局减室模型，形成120阀空气制动系统的草图模型；
[0015]步骤12：在AMESim软件的子模型模式下分别为所述120阀空气制动系统草图模型各部分选取数学模型；
[0016]步骤13：在AMESim软件的参数模式下分别为所述120阀空气制动系统草图模型各部分设置参数，完成120阀空气制动系统物理模型的设置；
[0017]步骤14：在AMESim软件的仿真模式下运行所述120阀空气制动系统物理模型，确认所述120阀空气制动系统物理模型正常运行。
[0018]进一步的，步骤2中，所述制动缸泄露故障状态是通过对所述120阀空气制动系统物理模型的制动缸更改参数泄漏系数形成的，所述局减阀泄露故障状态是通过对所述120阀空气制动系统物理模型的局减阀仿真模型，新增节流孔连接大气而形成的。
[0019]进一步的，步骤4中，所述集成学习分类器是以支持向量机和决策树为基学习器，投票法为结合策略的随机森林分类器。
[0020]本专利技术由于采用以上技术方案，使之与现有技术相比，具有以下的优点和积极效果：
[0021]1、本专利技术通过物理建模的方式对120阀空气制动系统进行仿真，相比仿真试验台搭建更加便捷，且能简化故障注入的过程，获取大量数据，解决故障数据不足的问题；
[0022]2、本专利技术采用结合支持向量机SVM和决策树的分类算法的训练效率较高，且由于采用并行化方法，速度更快。
附图说明
[0023]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域技术人员来讲，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。附图中：
[0024]图1为本专利技术一种120阀空气制动系统的故障诊断方法的故障诊断流程图；
[0025]图2为本专利技术一种120阀空气制动系统的故障诊断方法的集成学习分类器流程图；
[0026]图3为本专利技术一种120阀空气制动系统的故障诊断方法的AMESim软件中建立的120阀物理模型。
具体实施方式
[0027]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。
[0028]如图1所示，本实施例公开了一种120阀空气制动系统的故障诊断方法，包括以下步骤：
[0029]步骤1：通过AMESim软件建立120阀空气制动系统物理模型；
[0030]步骤2：根据所述120阀空气制动系统物理模型进行故障模拟，包括正常工作状态、制动缸泄露故障状态、局减阀泄露故障状态三种状态，分别获取所述不同状态下的N组120阀空气制动系统模型的气压数据，N为大于0的自然数；
[0031]步骤3：采用小波包分解算法和小波包能量特征提取算法对所述120阀空气制动系统模型在所述不同状态下的气压数据进行分解、特征提取，结合对应的120阀空气制动系统仿真模型的状态，形成特征数据集；
[0032]步骤4：利用所述特征数据集对集成学习分类器进行训练，得到训练后的集成学习分类器；
[0033]步骤5：对待测试的120阀空气制动系统模型的气压数据进行特征提取，获取特征向量，并将其输入训练后的集成学习分类器，得到待测试120阀空气制动系统模型的状态，完成故障诊断。
[0034]在本实施例中，所述步骤1包括以下步骤：
[0035]步骤11：如图3所示，在AMESim软件的草图模式下画出120阀主阀(作用部、减速部、紧急二段阀、加速缓解阀和局部减压阀)、紧急阀、紧急室、局减室模型，形成120阀空气制动系统的草图模型；
[0036]步骤12：在AMESim软件的子模型模式下分别为所述120阀空气制动系统草图模型各部分选取数学模型；
[0037]步骤13：在AMESim软件的参数模式下分别为所述120阀空气制动系统草图模型各部分设置参数，完成120阀空气制动系统物理模型的设置；
[0038]步骤14：在AMESim软件的仿真模式下运行所述120阀空气制动系统物理模型，确认所述120阀空气制动系统物理模型正常运行。
[0039]进一步的，步骤2中，所述制动缸泄露故障状态是通过对所述120阀空气制动系统物理模型的制动缸更改参数泄漏系数形成的，所述局减阀泄露故障状态是通过对所述120阀空气制动系统物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种120阀空气制动系统的故障诊断方法，其特征在于，包括以下步骤：步骤1：通过AMESim软件建立120阀空气制动系统物理模型；步骤2：根据所述120阀空气制动系统物理模型进行故障模拟，包括正常工作状态、制动缸泄露故障状态、局减阀泄露故障状态三种状态，分别获取所述不同状态下的N组120阀空气制动系统模型的气压数据，N为大于0的自然数；步骤3：采用小波包分解算法和小波包能量特征提取算法对所述120阀空气制动系统模型在所述不同状态下的气压数据进行分解、特征提取，结合对应的120阀空气制动系统仿真模型的状态，形成特征数据集；步骤4：利用所述特征数据集对集成学习分类器进行训练，得到训练后的集成学习分类器；步骤5：对待测试的120阀空气制动系统模型的气压数据进行特征提取，获取特征向量，并将其输入训练后的集成学习分类器，得到待测试120阀空气制动系统模型的状态，完成故障诊断。2.根据权利要求1所述的一种120阀空气制动系统的故障诊断方法，其特征在于，所述步骤1包括以下步骤：步骤11：在AMESim软件的草图模式...

【专利技术属性】
技术研发人员：陈岚，周志鹏，刘路易，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：