一种基于贝叶斯网络的制动管路故障检测方法及系统技术方案

本发明专利技术公开了一种基于贝叶斯网络的制动管路故障检测方法及系统，故障检测方法包括以下步骤：S1:对制动管路系统的数据进行数据预处理；S2:构建制动管路系统的贝叶斯网络模型；S3:对制动管路系统进行故障诊断与预警；S4:分析制动管路系统故障的原因。制动管路系统包括：包括管路网络、制动设备和数据处理模块；数据处理模块包括处理器和多个气压传感器，多个气压传感器设置在管路网络中，处理器用于接收气压传感器数据，并进行制动管路的故障检测。通过构建的贝叶斯网络模型，可以实时对管路的气压数据进行分析推理，以进行制动管路的故障检测，贝叶斯网络模型可以建立父节点与子节点传感器数据之间的映射关系，降低模型对故障结果的误报率。果的误报率。果的误报率。

【技术实现步骤摘要】
一种基于贝叶斯网络的制动管路故障检测方法及系统


[0001]本专利技术涉及故障检测领域，具体涉及一种基于贝叶斯网络的管路故障的检测方法，以及适用该方法的制动管路系统。

技术介绍

[0002]制动管路是一种将制动介质通过管路网络传输至各制动点的输送网络，最基本的方式是采用压缩空气作为制动介质的空气制动，例如在列车的制动系统中，需要为每节车辆的制动设备提供压缩空气，而压缩空气源是分散布置于其中的2～3节车上的空气压缩机，它们之间需要用互相连通的空气管路相连接，同时也为那些没有空气压缩机的车厢提供压缩空气源。因此制动系统的管路、管接头多，容易发生潜在的泄漏故障。制动系统泄露故障发生后，会造成制动所需要的气制动压力不足，无法提供充足的制动力，最终影响整个列车的制动力下降，影响列车在线路上的正常运营，因此，地铁运维人员需要频繁采取对列车制动系统进行定期巡检、进行保压试验或者添加专用的制动系统健康管理边缘设备，以发现存在或潜在的制动管路泄漏风险。上述方法虽然能够对故障点进行排查，但是排查过程繁琐，排查周期与故障发生概率不能及时匹配，影响列车的正常运作，因此，可以在系统不进行特殊额外动作的情况下，通过节点状态进行推理故障点位的智能故障预测方法是一个收益巨大的研究方向。

技术实现思路

[0003]针对上述存在的问题，本专利技术的目的在于提供一种基于贝叶斯网络的制动管路故障检测方法及系统，达到通过实时监控不同点位制动气压状态推测出管路点位故障的目的。
[0004]为实现上述目的，本专利技术提供了一种基于贝叶斯网络的制动管路故障检测方法，包括以下步骤：
[0005]S1:对制动管路系统的数据进行数据预处理，具体的，基于现有控制管理系统的既有数据提取多维信号特征数据，并对数据进行去除唯一属性、缺失值处理、离群值处理和特征提取操作；
[0006]S2:构建制动管路系统的贝叶斯网络模型，具体的，按照传感器
‑
制动部件
‑
制动系统的层次关系构建制动管路系统部件的因果关系，通过贝叶斯网络结构学习和贝叶斯网络参数学习结合制动管路系统部件的因果关系构建贝叶斯网络模型；
[0007]S3:对制动管路系统进行故障诊断与预警，具体的，通过贝叶斯网络模型对已知节点的取值进行推理计算，得出未知节点的后验概率分布，根据后验概率分布与对应节点的传感器真实数据的对比对故障进行诊断，并对诊断出的故障进行预警；
[0008]S4:分析制动管路系统故障的原因，具体的，根据步骤S3中的故障数据发现其故障传播链，进而定位故障原因点及确认故障类型。
[0009]进一步，步骤S1中缺失值处理的具体方法包括：
[0010]判断当前制动管路系统的数据中缺失数据的属性类型为定距型或非定距型或随机缺失型；
[0011]均值补差，若当前缺失数据的属性类型为定距型，以定距型属性数据的平均值来插补缺失值；
[0012]众数补差，若当前缺失数据的属性类型为非定距型，以非定距型属性数据中出现频率最高的值来插补缺失值；
[0013]极大似然估计，若当前缺失数据的属性类型为随机缺失型，通过观测数据的边际分布对缺失数据进行极大似然估计，具体来说，对该参数的计算方法为期望值最大化。
[0014]进一步，步骤S1中离群值处理的具体方法包括：
[0015]确定制动管路系统的数据中的离群值，其中，离群值的确定包括以下步骤：
[0016]若当前制动管路系统的数据集符合正态分布，则离群值为一组数据测定值中与平均值的偏差超过3倍的值；
[0017]对数据集绘制盒须图，确定盒须图的最大值、上四分位、中位数、下四分位和最小值，确定盒须图的内限，为上四分位+1.5IQR至下四分位
‑
1.5IQR(IQR＝上四分位
‑
下四分位)，则处于内限之外的数据值为离群值；
[0018]根据确定的离群值，调整离群值至盒须图内限数据值的上下限。
[0019]进一步，步骤S2中，贝叶斯网络模型的构建方法包括以下步骤：
[0020]确定制动管路系统部件的因果关系，具体的，按照传感器
‑
制动部件
‑
制动系统的层次关系列出所有节点，每个节点为一个自由变量，并根据层次关系查找出与其存在影响的节点，并通过可以代表层次关系的有向边连接，由此构建一个由多个节点和有向边组成的有向无环图；
[0021]根据所述有向无环图构建自由变量之间的独立性假设，由此确定所有节点的联合分布概率，即各节点条件概率的乘积：
[0022][0023]进一步，步骤S3中，故障诊断方法包括以下步骤：
[0024]贝叶斯网络模型通过给定的证据变量计算出对应查询变量的后验概率或后验概率分布，具体为，贝叶斯网络模型通过父节点给定的传感器数据推理计算出对应子节点的后验概率分布；
[0025]将得出的后验概率分布与子节点变量真实传感器数据进行匹配度计算，根据匹配度判断当前子节点对应的制动管路是否存在故障。
[0026]进一步，步骤S4中，故障传播链的确认方法为：
[0027]确认出现故障的子节点，并查询该子节点位于制动管路系统部件的因果关系；
[0028]基于路径推理与联合概率计算该子节点的最大父节点影响，以实现确定出现故障的父节点，完成故障传播链的确认。
[0029]本实施例还进一步公开了一种制动管路系统，包括管路网络、制动设备和数据处理模块；
[0030]数据处理模块包括处理器和多个气压传感器，气压传感器设置在管路网络中，实现检测管路网络的制动气压的变化；
[0031]处理器与气压传感器通信连接，以实现接收气压传感器传回的压力数据，处理器根据压力数据完成数据预处理；处理器根据管路网络不同状态下的压力数据，构建贝叶斯网络模型；处理器根据贝叶斯网络模型在管路网络特定的状态下完成管路网络的故障诊断与预警；处理器根据贝叶斯网络模型对管路网络的故障原因进行分析。
[0032]进一步，管路网络包括多个父节点，每个父节点树状设置有多个子节点，多个气压传感器设置于父节点和子节点，以实现不同工况下的气压检测；
[0033]制动设备包括分布在父节点处的空压机和分布在子节点处的制动器，以实现通过提高或降低子节点的制动气压控制制动器动作，完成制动过程。
[0034]进一步，还包括显示模块，显示模块与处理器通信连接，用于显示管路网络的父节点和子节点的气压状态，同时显示由处理器检测出的故障点。
[0035]本专利技术的有益效果是：
[0036]1、通过构建的贝叶斯网络模型，可以实时对管路的气压数据进行分析推理，以进行制动管路的故障检测，节省了人力成本；
[0037]2、贝叶斯网络模型可以建立父节点与子节点传感器数据之间的映射关系，在进行故障检测时，可以同时反应一组信号数据的变化，降低模型对故障结果的误报率，同时，映射关系可以消除数据传输过程中因信号波动带来的影响。
附图说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贝叶斯网络的制动管路故障检测方法，其特征在于，包括以下步骤：S1:对制动管路系统的数据进行数据预处理，具体的，基于现有控制管理系统的既有数据提取多维信号特征数据，并对数据进行去除唯一属性、缺失值处理、离群值处理和特征提取操作；S2:构建制动管路系统的贝叶斯网络模型，具体的，将步骤1中数据预处理后的数据集按照传感器
‑
制动部件
‑
制动系统的层次关系构建制动管路系统部件数据的因果关系，通过贝叶斯网络结构学习和贝叶斯网络参数学习构建贝叶斯网络模型；S3:对制动管路系统进行故障诊断与预警，具体的，通过贝叶斯网络模型对已知节点的取值进行推理计算，得出未知节点的后验概率分布，根据后验概率分布与对应节点的传感器真实数据的对比对故障进行诊断，并对诊断出的故障进行预警；S4:分析制动管路系统故障的原因，具体的，根据步骤S3中的故障数据发现其故障传播链，进而定位故障原因点及确认故障类型。2.根据权利要求1所述的故障检测方法，其特征在于，步骤S1中所述缺失值处理的具体方法包括：判断当前制动管路系统的数据中缺失数据的属性类型为定距型或非定距型或随机缺失型；均值补差，若当前缺失数据的属性类型为定距型，以定距型属性数据的平均值来插补缺失值；众数补差，若当前缺失数据的属性类型为非定距型，以非定距型属性数据中出现频率最高的值来插补缺失值；极大似然估计，若当前缺失数据的属性类型为随机缺失型，通过观测数据的边际分布对缺失数据进行极大似然估计，具体来说，对该参数的计算方法为期望值最大化。3.根据权利要求1所述的故障检测方法，其特征在于，步骤S1中所述离群值处理的具体方法包括：确定制动管路系统的数据中的离群值，其中，离群值的确定包括以下步骤：若当前制动管路系统的数据集符合正态分布，则离群值为一组数据测定值中与平均值的偏差超过3倍的值；对数据集绘制盒须图，确定盒须图的最大值、上四分位、中位数、下四分位和最小值，确定盒须图的内限，为上四分位+1.5IQR至下四分位
‑
1.5IQR(IQR＝上四分位
‑
下四分位)，则处于内限之外的数据值为离群值；根据确定的离群值，调整离群值至盒须图内限数据值的上下限。4.根据权利要求1所述的故障检测方法，其特征在于，步骤S2中，贝叶斯网络模型的构建方法包括以下步骤：确定制动管路系统部件的因果关系，具体的，按照传感器
...

【专利技术属性】
技术研发人员：滑瑾，周黎明，吴强，王天琨，孟庆亮，宣名阳，杨苡辰，
申请(专利权)人：中车南京浦镇车辆有限公司，
类型：发明
国别省市：