基于隐半马尔科夫模型的转辙机健康管理方法及系统技术方案

本发明专利技术公开了一种基于隐半马尔科夫模型的转辙机健康管理方法及系统，包括步骤：从时域、频域和时频域三个角度提取特征向量；利用故障数据和全生命周期数据，通过粒子群算法分别训练各个故障状态HSMM模型和全生命周期HSMM模型，将特征向量作为模型输入，进而评估转辙机健康状态，预测转辙机剩余使用寿命；以平均单位时间维修成本最低为目标构建维修决策模型制定最佳维修策略和最佳维修时间点，保障转辙机的安全可靠运营，提高铁路列车运行安全性。本发明专利技术以转辙机功率信号作为研究对象，通过健康管理软件系统自动对转辙机健康状态进行评估和剩余使用寿命进行预测，并给出最佳维修决策，降低转辙机的运营维护成本，提高运行效率。行效率。行效率。

【技术实现步骤摘要】
基于隐半马尔科夫模型的转辙机健康管理方法及系统


[0001]本专利技术涉及道岔转辙机健康管理领域，特别涉及一种基于隐半马尔科夫模型的转辙机健康管理方法及系统。

技术介绍

[0002]转辙机作为铁路道岔系统中的关键设备，起到驱动道岔转换、实现道岔锁闭、表示道岔定位和反位位置的作用，铁路信号设备分为室内设备和室外设备，转辙机一般架设在轨旁，属于室外设备，常年遭受风沙、雨雪等复杂多变的恶劣环境的影响；转辙机内部结构复杂，机械结构种类繁多，在恶劣环境下极易出现磨损、老化和侵蚀等情况；且转辙机正反位动作频繁，加速了转辙机故障发生的频率。因此，及时、准确的判断转辙机故障状态和维护转辙机健康情况是非常有必要的。
[0003]对于转辙机的维修维护，主要经历了人工检修、“故障修”和“计划修”以及“状态修”三个阶段。对于人工检修的维护策略，主要依靠人工现场检测转辙机各部分参数，观察转辙机动作功率曲线来判断转辙机健康状态，对转辙机进行维修维护，这种事后维修的维护方式，极大的消耗了人力和物力。对于“故障修”和“计划修”的维护策略，是目前铁路部门主要的转辙机维护本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于隐半马尔科夫模型的转辙机健康管理方法，其特征在于，包括：从时域、频域和时频域提取转辙机功率数据的特征向量，其中，时域和频域通过特征表达式提取特征参数、时频域通过经验模态分解和模糊熵提取特征参数；通过各故障状态隐半马尔可夫模型评估转辙机当前健康状态；通过全生命周期隐半马尔科夫模型预测转辙机剩余使用寿命；基于转辙机当前健康状态和剩余使用寿命通过维修决策模型确定维修决策。2.根据权利要求1所述的转辙机健康管理方法，其特征在于，所述从时域、频域和时频域提取转辙机功率数据的特征向量包括：对于时域和频域，通过特征表达式提取特征参数值，构建时域特征向量α＝[α1，α2，α3，
…
，α
m
，
…
，α
12
]和频域特征向量β＝[β1，β2，β3，
…
，β
n
，
…
，β
11
]，其中，α
m
表示功率数据第m个时域特征参数，β
n
表示功率数据第n个频域特征参数，对于时频域，通过EMD分解将信号分解为若干个IMF分量和残差，将各个IMF分量的模糊熵作为时频域特征参数，构建时频域特征向量γ＝[γ1，γ2，
…
]，组合时域、频域和时频域的特征向量，构建表征信号全部特征的特征向量[α，β，γ]。3.根据权利要求l所述的转辙机健康管理方法，其特征在于，所述故障状态隐半马尔可夫模型通过粒子群算法训练各故障状态HSMM模型得到，将转辙机的故障数据作为训练数据，其中，故障数据的时间跨度不小于一个月，包括转辙机正常至特定故障的动作功率曲线数据，经训练得到模型参数，HSMM模型为λ＝(π，A，B)，π为初始状态概率、A为状态转移概率矩阵和B为观测概率矩阵。4.根据权利要求3所述的转辙机健康管理方法，其特征在于，通过粒子群算法训练各故障状态HSMM模型具体包括：(1)初始化，设置种群空间维数m；随机生成m个粒子，粒子初始位置为x
i
，初始速度为v
i
；设置最大迭代次数Max_iter；学习因子c1、c2和惯性因子ω；个体历史最优位置p
i
和全局最优位置g
best
；(2)计算每个粒子在目标函数下的适应值；(3)对比粒子当前位置和历史最有位置p
i
的适应值，将适应值更好的位置更新为新的个体历史最优位置；(4)对比种群中所有粒子的最优位置p
i
和种群最优位置g
best
的适应值，将适应值更好的位置更新为新的种群最优位置；(5)根据迭代公式更新粒子位置和速度，迭代公式为：v
id
(t+1)＝ωv
id
(t)+c1r1(p
id
‑
x
id
(t))+c2r2(g
best，d
‑
x
id
(t))x
id
(t+1)＝x
id
(t)+v
id
(t+1)式中，1≤i≤m，1≤d≤D，种群中有m个粒子在一个D维空间中搜索，第i个粒子表示为一个D维向量x
id
＝(x
i1
，x
i2
，
…
，x
iD
)，该粒子的速度表示为v
id
＝(v
i1
，v
i2
，
…
，v
iD
)，历史运动路径中搜索到的最优位置为p
id
＝(p
i1
，P
i2

【专利技术属性】
技术研发人员：刘英舜，施学贤，姜川，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：