申请/专利权人：湖南力行动力科技有限公司

申请日：2022-01-20

公开（公告）日：2024-03-22

公开（公告）号：CN114527725B

主分类号：G05B23/02

分类号：G05B23/02

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.06.10#实质审查的生效;2022.05.24#公开

摘要：本发明公开了一种传动系统弛缓故障实时诊断方法，基于传动系统弛缓故障对应的各种特征模式均与一定时间周期内多个特征指标变化规律有关的前提，将特征模式识别问题转换成多变量时间序列匹配问题；并基于DTW算法将时间规整与距离测度结合起来，采用动态规划技术，比较两个大小不同的模式，以解决上述时间尺度不同步问题，以实现对传动系统弛缓故障特征模式的实时诊断。所述的诊断方法具有诊断性能指标更高，且在速度传感器故障和轮对空转等相关异常工况下不容易出现故障误报的有益效果。

主权项：1.一种传动系统弛缓故障实时诊断方法，其特征在于：基于传动系统弛缓故障对应的各种特征模式均与一定时间周期内多个特征指标变化规律有关的前提，将特征模式识别问题转换成多变量时间序列匹配问题；并基于DTW算法将时间规整与距离测度结合起来，采用动态规划技术，比较两个大小不同的模式，以解决时间尺度不同步问题，以实现对传动系统弛缓故障特征模式的实时诊断；它具体包括如下步骤：第一步，将诊断模块分为在线处理模块和离线处理模块两部分；在线处理模块负责处理实时工况数据，离线处理模块负责处理历史故障数据，同时对故障诊断阈值进行预设；第二步，控制在线处理模块从车机系统的窗口显示数据中截取车辆运行的工况参数；并通过计算转换成时序特征指标；第三步，对第二步中的各数据进行归一化处理；第四步，控制离线处理模块导入传统系统的历史故障数据，并进行特征指标分析后转换成时序特征模式进行数据提取，将提取出的数据进行归一化处理后生成时序特征模式库；第五步，控制在线处理模块结合第三步的数据和第四步的模式库，并引入动态时序规整算法进行相似度计算；第六步，定义决策函数，结合第一步中设定的故障诊断阈值，采用累积和算法来进行诊断决策最终得出实时诊断结论；时序特征指标对应的具体处理方法为：首先提取时序特征模式的模板；时序特征模式模板基于归一化处理后的数据进行建立；具体采用如下公式1～5对特征指标进行归一化处理，具体5个公式如下： 式中，DR、BR和ZO依次表示列车运行状态处于牵引工况、制动工况和惰行工况；为选定时间窗口内的N个J2和N个J3中的最大值；为选定时间窗口内的N个J2和N个J3中的最小值；为选定时间窗口内的N个J4和N个J5中的最大值；为选定时间窗口内的N个J4和N个J5中的最小值；经过上述公式处理后得到归一化后的各时序特征模式，如下表所示； 表中，每个时序特征模式模板均为长度5的时间序列；第五步中的相似度计算的具体方法为：得到第四步中所述的时序特征模式库后，基于动态时序规整算法进行模式相似度计算；依据当前数据窗口截取的相关系统信号，包括工况信息，各轴牵引力和各轴速度，计算整个时间窗口内的时序特征指标J1～J5，再利用公式1～5进行归一化处理，得到当前时刻k的时间序列特征模式如下公式6所示； 式中，为特征指标J1～J5对应的时间序列，N为数据窗口内数据采样个数；同时定义相似度函数dijk如下公式7所示，采用如下公式8计算当前时刻k数据窗口时序特征模式与时序模板j的相似度sjk； sjk＝maxd1jk,d2jk,…,d5jk8式中，算子DTW表示运用DTW算法计算两个时间序列之间的最短距离，表示模式j中的第i个特征指标对应的时序模板；第六步中决策函数的具体设定方法为：设实际时序特征模式与模式Mj进行相似度匹配时的相似度阈值依次为TS1～TS7，考虑到采样信号中存在一定程度的噪声和干扰，为提升故障检测的可靠性，结合累积和算法来进行诊断决策；定义决策函数如下：gjk＝max0,gjk-1+TSj-sjk9综合考虑工况特征和具体模式，采取如下故障决策逻辑： 式中，hjj＝1,2,…,6为故障阈值。

全文数据：

权利要求：

百度查询： 湖南力行动力科技有限公司 一种传动系统弛缓故障实时诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD