一种轨道车辆空调压缩机状态异常检测方法与检测系统技术方案

本发明专利技术提供了一种轨道车辆空调压缩机状态异常检测方法，包括：步骤S1、采集空调机组运行过程中的相关参数；步骤S2、基于采集的相关参数，对数据进行预处理，将预处理后的数据传输至空调压缩机异常状态检测及评价模型，对压缩机是否处于异常状态进行判断，得出评价结果信息；步骤S3、将所采集的原始数据及模型得出的评价结果信息保存并推送至车辆网络系统终端，由车辆网络系统终端生成报警信息并显示。本发明专利技术还同时提供一种检测系统，包括数据采集模块、异常检测及状态评价模块和数据交互模块。本发明专利技术能够对压缩机异常状态准确检测，当空调压缩机出现异常状态时能够提前发现及预警，大幅提升压缩机运行的可靠性，实现压缩机由主动修转为状态修。由主动修转为状态修。由主动修转为状态修。

【技术实现步骤摘要】
一种轨道车辆空调压缩机状态异常检测方法与检测系统


[0001]本专利技术属于轨道车辆空调
，具体涉及一种轨道车辆空调压缩机状态异常检测方法与检测系统。

技术介绍

[0002]轨道车辆空调系统包括压缩机、冷凝器、蒸发器、节流元件、送风管道、回风管道和温度传感器等，其中压缩机为空调系统的核心部件，车辆在运行中压缩机一旦发生故障，空调制冷功能将降低或失能，这将直接影响车内乘客的舒适性，影响车辆运营，造成较大事故。
[0003]目前，空调压缩机维修主要基于部件寿命的定修和故障修。对空调压缩机的状态监测，也主要通过现车车厢空调制冷效果来间接反映压缩机工作状态，由于空调机组一般都有2台压缩机，而且空调制冷效果受多种因素及部件影响，故这种方法适用性不强，不能实现空调压缩机异常运行状态的准确检测。

技术实现思路

[0004]本专利技术主要解决的技术问题是，提供一种轨道车辆空调压缩机状态异常检测方法和检测系统，能够对压缩机异常状态准确检测，当空调压缩机出现异常状态时能够提前发现及预警，大幅提升压缩机运行的可靠性，实现压缩机由主动修转为状态修。
[0005]为实现上述目的，本专利技术的技术方案是：
[0006]一种轨道车辆空调压缩机状态异常检测方法，包括如下步骤：
[0007]步骤S1、采集空调机组运行过程中的相关参数，所述相关参数包括新风温度T
N
、客室检测温度T
j
、目标设定温度T
set
、制冷系统高压压力值MP
hight
、制冷系统低压压力值MP
lower
、列车速度V和列车质量M；
[0008]步骤S2、基于采集的相关参数，对数据进行预处理，将预处理后的数据传输至空调压缩机异常状态检测及评价模型，对压缩机是否处于异常状态进行判断，得出评价结果信息；
[0009]步骤S3、将所采集的原始数据及模型得出的评价结果信息保存并推送至车辆网络系统终端，由车辆网络系统终端生成报警信息并显示。
[0010]进一步，上述步骤S2中，对数据的预处理包括，基于采集的相关参数构建特征参数，再依据特征参数对数据按设定时间进行切片处理，将切片数据传输至空调压缩机异常状态检测及评价模型。
[0011]进一步，构建的特征参数包括列车速度V、列车质量M、实际温度差T
difference
、距目标温度T
target
、制冷系统高压压力值MP
hight
和制冷系统低压压力值MP
lower
；
[0012]其中，实际温度差T
difference
＝新风温度T
N
‑
客室检测温度T
j
；距目标温度T
target
＝目标设定温度T
set
‑
客室检测温度T
j
。
[0013]进一步，在上述步骤S2中，用于评价的空调压缩机异常状态检测及评价模型，通过
如下步骤构建完成：
[0014]步骤S21，获取空调压缩机历史相关数据；
[0015]步骤S22，对历史数据进行预处理，构建特征参数；
[0016]步骤S23，选取用于评价空调压缩机异常的检测特征参数，并依据检测特征参数制定空调压缩机状态标签评价标准；
[0017]步骤S24，按照评价标准对相关参数的数据样本进行打标签，构建模型训练数据集；
[0018]步骤S25，基于tensorflow编制卷积神经网络模型，并基于打好标签的样本数据输入卷积神经网络进行训练，完成模型权重训练，得到空调压缩机状态异常检测及评价的最终模型。
[0019]进一步，上述步骤S22中，对历史数据的预处理包括，基于采集的相关参数构建特征参数，再依据特征参数对数据按设定时间进行切片处理。
[0020]进一步，构建的特征参数包括列车速度V、列车质量M、实际温度差T
difference
、距目标温度T
target
、制冷系统高压压力值MP
hight
和制冷系统低压压力值MP
lower
；
[0021]其中，实际温度差T
difference
＝新风温度T
N
‑
客室检测温度T
j
；距目标温度T
target
＝目标设定温度T
set
‑
客室检测温度T
j
。
[0022]进一步，上述步骤S23中，选取用于评价空调压缩机异常的检测特征参数，具体包括如下步骤：
[0023]选取空调压缩机正常状态下相关参数的所有数据，开展各相关参数与空调温度变化的拟合分析，通过拟合分析判断相关参数的变化是否会引起客室温度的变化，选取对客室温度变化影响最大的参数作为用于评价空调压缩机异常的检测特征参数。
[0024]进一步，选取空调压缩机的高压压力值MP
hight
作为用于评价空调压缩机异常的检测特征参数。
[0025]进一步，上述步骤S23中，依据检测特征参数制定空调压缩机状态标签评价标准，具体包括如下步骤：
[0026]统计空调压缩机故障情况下的高压压力值MP
hight
范围,将统计范围的上边界作为空调压缩机是否异常的评判标准指标，高于此指标，将样本数据归属为空调压缩机异常；低于此指标，将样本数据归属为空调压缩机正常。
[0027]进一步，空调压缩机正常的指标进一步划分为良好评判标准指标和正常评判标准指标；
[0028]构建所有高压压力值(包括MP
1_hight
和MP
2_hight
)数据的高斯分布，按照分布概率进行状态评价，计算数据的均值μ及σ值，将μ
±
2σ作为考评空调压缩机状态是否良好的评判标准指标，将(μ
‑
3σ,μ
‑
2σ)、(μ+2σ,μ+3σ)作为考评空调压缩机状态是否正常的评判标准指标。
[0029]其中，μ是正态分布的位置参数，σ描述正态分布资料数据分布的离散程度。
[0030]本专利技术的另一个技术方案是：
[0031]一种轨道车辆空调压缩机状态异常检测系统，基于如上所述的轨道车辆空调压缩机状态异常检测方法，包括：
[0032]数据采集模块，用于采集空调机组运行过程中的相关参数，并将采集后的数据传输至异常检测及状态评价模块；
[0033]异常检测及状态评价模块，用于对采集的相关参数的数据进行预处理，将预处理后的数据传输至空调压缩机异常状态检测及评价模型，对压缩机是否处于异常状态进行判断，得出评价结果信息；
[0034]数据交互模块，用于对所采集的原始数据和评价结果信息进行存储管理，并将评价结果信息实时推送至车辆网络系统终端，在车辆网络系统终本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨道车辆空调压缩机状态异常检测方法，其特征在于，包括如下步骤：步骤S1、采集空调机组运行过程中的相关参数，所述相关参数包括新风温度T
N
、客室检测温度T
j
、目标设定温度T
set
、制冷系统高压压力值MP
hight
、制冷系统低压压力值MP
lower
、列车速度V和列车质量M；步骤S2、基于采集的相关参数，对数据进行预处理，将预处理后的数据传输至空调压缩机异常状态检测及评价模型，对压缩机是否处于异常状态进行判断，得出评价结果信息；步骤S3、将所采集的原始数据及模型得出的评价结果信息保存并推送至车辆网络系统终端，由车辆网络系统终端生成报警信息并显示。2.根据权利要求1所述的轨道车辆空调压缩机状态异常检测方法，其特征在于：上述步骤S2中，对数据的预处理包括，基于采集的相关参数构建特征参数，再依据特征参数对数据按设定时间进行切片处理，将切片数据传输至空调压缩机异常状态检测及评价模型。3.根据权利要求2所述的轨道车辆空调压缩机状态异常检测方法，其特征在于：构建的特征参数包括列车速度V、列车质量M、实际温度差T
difference
、距目标温度T
target
、制冷系统高压压力值MP
hight
和制冷系统低压压力值MP
lower
；其中，实际温度差T
difference
＝新风温度T
N
‑
客室检测温度T
j
；距目标温度T
target
＝目标设定温度T
set
‑
客室检测温度T
j
。4.根据权利要求1
‑
3任一项所述的轨道车辆空调压缩机状态异常检测方法，其特征在于：在上述步骤S2中，用于评价的空调压缩机异常状态检测及评价模型，通过如下步骤构建完成：步骤S21，获取空调压缩机历史相关数据；步骤S22，对历史数据进行预处理，构建特征参数；步骤S23，选取用于评价空调压缩机异常的检测特征参数，并依据检测特征参数制定空调压缩机状态标签评价标准；步骤S24，按照评价标准对相关参数的数据样本进行打标签，构建模型训练数据集；步骤S25，基于tensorflow编制卷积神经网络模型，并基于打好标签的样本数据输入卷积神经网络进行训练，完成模型权重训练，得到空调压缩机状态异常检测及评价的最终模型。5.根据权利要求4所述的轨道车辆空调压缩机状态异常检测方法，其特征在于：上述步骤S22中，对历史数据的预处理包括，基于采集的相关参数构建特征参数，再依据特征参数对数据按设定时间进行切片处理。6.根据权利要求5所述的轨道车辆空调压缩机状态异常检测方法，其特征在于：构建的特征参数包括列车速度V、列车质量M、实际温度差T
difference
、距目标温度T

【专利技术属性】
技术研发人员：李亮亮，石国德，于伟凯，康玮，王策，
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：