[发明专利]列车牵引变流器故障诊断方法、系统、设备及存储介质

说明书

本申请公开了列车牵引变流器故障诊断方法、系统、设备及存储介质，该方法包括：获取列车牵引变流器已标注的故障数据；其中，所述已标注的故障数据包括故障数据和标注信息；分别将所述已标注的故障数据输入不同深度神经网络模型进行训练，得到不同分类结果；将待分析的列车牵引变流器故障数据，输入诊断模型，以得到对应的列车牵引变流器故障的诊断结果；其中，所述诊断模型根据所述不同分类结果，结合所述不同深度神经网络模型得到。本申请公开的列车牵引变流器故障诊断方法，基于深度学习方法，快速得到列车牵引变流器的故障诊断结果，提高现场工作人员的工作效率。

技术领域

本发明涉及列车故障诊断领域，特别涉及列车牵引变流器故障诊断方法、系统、设备及存储介质。

背景技术

列车牵引变流器为列车设置在牵引主电路中的变流器，主要功能是转换直流和交流之间的电能量，并对各种牵引电动机起控制和调节作用，从而控制列车的运行。一旦牵引变流器故障，将严重影响列车的正常运行。因此快速找出故障牵引变流器的原因并快速处理十分关键。

通常，列车牵引变流器故障波形数据采集及后续分析为列车牵引变流器的故障诊断和检修提供了重要参考信息。在列车牵引变流器故障发生时，列车牵引变流器的事件记录模块将被触发并记录故障波形数据。列车牵引变流器故障波形数据需返回数据中心由业务专家进行故障诊断，然后将专家处理结果发送给现场处理人员，这样严重影响了现场工作人员和业务专家的工作效率。

因此，如何快速诊断出牵引变流器的故障，提高现场工作人员的工作效率是本领域技术人员亟待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种列车牵引变流器故障诊断方法及系统，利用深度学习方法，快速得到列车牵引变流器的故障诊断结果，提高现场工作人员的工作效率。其具体方案如下：

一种列车牵引变流器故障诊断方法，包括：

获取列车牵引变流器已标注的故障数据；其中，所述已标注的故障数据包括故障数据和标注信息；

分别将所述已标注的故障数据输入不同深度神经网络模型进行训练，得到不同分类结果；

将待分析的列车牵引变流器故障数据，输入诊断模型，以得到对应的列车牵引变流器故障的诊断结果；其中，所述诊断模型根据所述不同分类结果，结合所述不同深度神经网络模型得到。

可选的，所述已标注的故障数据包括列车牵引变流器的故障波形数据和/或故障附加信息和/或发生故障时的现场工况数据和所述标注信息。

可选的，所述获取列车牵引变流器已标注的故障数据的过程还包括：

获取所述故障波形数据，并根据所述故障波形数据进行时域和频域上特征的提取，得到所述故障波形数据的时域和频域的统计特征。

可选的，所述分别将所述已标注的故障数据输入不同深度神经网络模型进行训练，得到不同分类结果的过程包括：

将所述故障波形数据输入第一深度神经网络模型进行训练，得到第一分类结果；

将所述第一深度神经网络模型的全连接层输出的数据特征与所述故障附加信息进行组合，输入第二深度神经网络模型进行培训，得到第二分类结果；

将所述第一深度神经网络模型的全连接层输出的数据特征与所述现场工况数据进行组合，输入第三深度神经网络模型进行培训，得到第三分类结果；

将所述第一深度神经网络模型的全连接层输出的数据特征与所述故障波形数据的时域和频域的统计特征进行组合，输入第四深度神经网络模型进行培训，得到第四分类结果；

将所述第一深度神经网络模型的全连接层输出的数据特征与所述故障附加信息、所述现场工况数据、所述故障波形数据的时域和频域的统计特征进行组合，输入第五神经网络模型进行培训，得到第五分类结果。