[发明专利]一种基于多方向重构的列车轴承故障诊断方法

说明书

本发明提供一种基于多方向重构的列车轴承故障诊断方法，涉及基于数据驱动的列车故障诊断的技术领域。本发明是采用动态内模主元分析方法，对列车正常运行过程中的各轴承温度数据建模，从而对列车运行过程中各轴承进行监控，当检测到故障发生时，基于多方向重构的贡献方法对故障样本进行诊断，定位故障轴承。本发明本发明提供的方法对列车轴承故障状态具有更合理解释性，有效监测列车运行过程中轴承状态，可解决传统基于阈值规则的检测方法的漏报问题，及时检测列车轴承故障状态。

技术领域

本发明涉及基于数据驱动的列车故障诊断技术领域，尤其涉及一种基于多方向重构的列车轴承故障诊断方法。

背景技术

列车运行速度可达300km/h以上，在高交通密度下运行一旦发生故障，其后果是灾难性的。其中，轴箱故障，齿轮箱故障，电机定子故障，电机驱动端故障，电机非驱动端故障等为经常发生的轴承故障。健康状态的轴承是列车运行和人员安全的基本保证。因此，为保证列车运行和人员安全，列车的轴承故障监测和诊断至关重要。

目前，列车通常采用基于规则的方法进行轴承故障监测与诊断，如法国的TGV高铁(TrainGrande Vitesse)和德国的ICE城际列车(Intercity-Express)。这种基于阈值规则的诊断方法通过检测单一轴承温度来判断轴温的超限情况，从而判断轴承的状态。然而阈值范围内，各轴承温度间相关性发生异常变化的故障情况无法被该方法检测，从而导致异常情况的漏报。

发明内容

针对上述现有技术的不足，本发明提供一种基于多方向重构的列车轴承故障诊断方法，对列车轴承故障状态具有更合理解释性，有效监测列车运行过程中轴承状态，可解决传统基于阈值规则的检测方法的漏报问题，及时检测列车轴承故障状态；检测到故障后，多方向重构贡献方法有效减少了候选故障变量数，提高故障变量定位的准确性。

为解决上述技术问题，本发明所采取以下技术方案来实现的：一种基于多方向重构的列车轴承故障诊断方法，具体步骤如下：

步骤1：建立训练列车轴承温度的数据模型；利用DiPCA算法对列车的历史正常轴温数据的训练集进行数据建模，所述DiPCA代表动态内模主元分析方法；

步骤2：监控列车轴承状态；DiPCA建模后，对列车轴承状态的监控从测试集的动态部分和静态部分进行监控；所述动态部分即对动态潜变量预测误差部分，所述静态部分即提取动态潜变量后的静态残差部分；

步骤3：诊断列车轴承故障；当测试集的动态部分或静态部分的综合指标超限时，说明有故障发生在了动态部分或者静态部分，需要进一步对故障轴承进行定位，通过基于DiPCA的多向重构的贡献方法对检测到的故障进行诊断。

所述步骤1的具体步骤如下：利用DiPCA对列车的历史正常轴温数据的训练集进行训练,通过训练得出轴承温度模型的动态负载矩阵P，对于时刻j的列车轴承温度训练样本x_j，提取出j时刻的动态潜变量t_j＝x_jP，并根据列车轴承温度的动态关系得出由j的前s个时刻的动态潜变量线性表达，为动态潜变量t_j的估计值，经训练得出线性系数为β，v_j为j时刻动态潜变量的预测误差，在动态潜变量t_j被提取后，对x_j的静态残差部分e_j进行PCA建模，所述PCA为静态主元分析法，P_r为e_jPCA建模所得的负载矩阵，t_r,j为e_j的潜变量，e_r,j为e_j经PCA建模后的静态残差部分；模型结构公式如下：

其中，β_i为β的第i列向量，i＝1，2，…，s。

所述步骤2包括如下步骤：