[发明专利]基于BP神经网络的动车组客室空调故障识别与预警方法

说明书

技术领域

本发明涉及高铁动车组设备设施故障智能诊断及状态维修技术领域，尤其是一种基于BP神经网络的动车组客室空调故障识别与预警方法。

背景技术

随着全路各条高速铁路客运专线的相继开通，全路动车组配属数呈直线上升，与此同时，动车组故障率也呈增长趋势。在动车组各类故障中空调系统故障为影响旅客乘坐舒适体验的重要故障之一。在天气炎热的夏季一旦空调系统不能正常运行，将严重影响旅客的乘车环境，甚至可能导致动车组无法继续运行，极大地影响正常的运输组织秩序。所以对动车组空调系统故障进行识别和预警具有非常重要的意义，及时发现动车组空调系统故障甚至预测故障的发生，将空调系统故障带来的影响减小到最低，对保证动车组安全有序的运行具有重要的意义。

目前动车组客室空调系统故障主要靠人工定时测量客室温度高低、旅客反应和库内检修时测量空调系统压力进行识别。

其中动车组在运行时人工对客室温度进行测量存在测量误差，不能准确反应空调系统的制冷效果，且测量间隔时间较长，不能实时反映客室车厢内温度的高低；当旅客反应客室车厢内温度过高感到不舒适时，空调故障已发生较长时间且故障达到较严重的状态；库内测量空调系统压力时，由于库内存放工况和动车组在交路上的运行工况相比具有很大的差别，空调系统压力不能准确的反应实际制冷状况。

通过对目前识别空调故障的各种方法分析，除均正常的存在一定误差外，更重要的是不能够对空调故障进行实时识别和提前预警。

发明内容

本发明的目的是根据上述现有技术的不足，提供了一种基于BP神经网络的动车组客室空调故障识别与预警方法，通过建立BP神经网络模型分析动车组客室的历史数据，从而对动车组客室的实时温度进行预测和比对分析，实现动车组客室空调故障的识别和预警，为动车组稳定有序的运行提供重要的保障。

本发明目的实现由以下技术方案完成：

一种基于BP神经网络的动车组客室空调故障识别与预警方法，其特征在于：所述方法至少包括以下步骤：建立BP神经网络客室温度预测模型以预测动车组客室的室温；分析所述动车组客室的预测室温与其实际室温之间的差异，根据所述差异识别和预警所述动车组客室空调的故障。

所述BP神经网络客室温度预测模型以所述动车组客室的历史外界环境温度为网格训练输入量，以所述动车组客室的历史室温为网格训练期望输出量。

所述历史外界环境温度指的是，所述动车组客室所处的动车组的所有外界环境温度，所述动车组客室的室温指的是，所述动车组上每个客室与外界环境温度对应的室内温度。

所述BP神经网络客室温度预测模型以实时外界环境温度为预测输入量结合其网格训练得到的每个所述动车组客室的室温与外界环境温度的权值来预测所述动车组对应客室的室温。

BP神经网络客室温度预测模型可根据历史样本寻找到客室车厢温度随外界环境温度变化而变化的规律，并根据实时室温预测对应的客室内温度。

所述分析所述动车组客室的预测室温与其实际室温之间的差异指的是，计算每列动车组的每节车厢实际室温与预测室温之间的差值，根据上述差值计算所述动车组上所有所述动车组客室的室温综合差值，根据所述室温综合差值识别和预警所述动车组客室空调的故障。

结合所述室温综合差值、所述室温综合差值的持续时间以及所述动车组客室的实际室温识别和预警所述动车组客室的空调的故障；识别和预警的条件还包括，所述室温综合差值所对应的所述动车组客室的实际室温绝对值大于等于设定数值，所述室温综合差值所对应的所述动车组具有一定速度值。

本发明的优点是：方法科学合理、适用，大大提高动车组客室空调故障识别与预警的实时性和准确性，对维护动车组稳定有序运行具有重要的意义。

附图说明

图1为本发明的原理示意图；

图2为本发明中BP神经网络客室温度预测流程图；

图3为本发明中实时识别和预警的判断流程图。

具体实施方式

以下结合附图通过实施例对本发明特征及其它相关特征作进一步详细说明，以便于同行业技术人员的理解：

实施例：本实施例中基于BP神经网络的动车组客室空调故障识别与预警方法用于判断动车组客室空调是否存在故障和是否将要发生故障以及故障的程度，从而为动车组稳定有序的运行提供重要的保障。

如图1所示，识别与预警方法包括以下步骤：