[发明专利]一种基于多源信号的智能列车综合故障分析方法

说明书

本发明公开了一种基于多源信号的智能列车综合故障分析方法，包括：构建第一样本集和第二样本集；根据第一样本集训练得到多个不同的初级分类器；根据第二样本集训练得到次级分类器；判断确认待测机械设备是否有故障：实时采集智能列车机械设备在运转时的多源信号，对多源信号中的各个运转信号进行特征提取得到多源信号特征矩阵；采用各个初级分类器根据多源信号特征矩阵对待测机械设备的故障进行初始分类；采用次级分类器，对所有次级分类器的分类结果进行验证，以判断确认待测机械设备是否有故障。采用本发明方法对智能列车机械设备进行综合故障分析，实现了智能高铁列车的自身实时在线检测，而且检测快速、准确。

技术领域

本发明涉及列车智能故障判断领域，特别涉及一种基于多源信号的智能列车综合故障分析方法。

背景技术

随着我国高铁技术的快速发展，高铁检修及其相关产业也得到了进一步地发展，但是我国高铁的检修方式仍然采用较为原始老旧的方式，采用大部分人工检测小部分机械检测的方式，这种方法的效率低下，专业检修人员的技术要求高、培养成本高，并且在快速的检测过程中一些微小的故障容易忽略，存在诸多不便。

同时，现有的一些机器学习机械故障判断方法不太适用列车零件的实时运行检测，并且适用性低针对性高，列车生其他类型的机械部件无法检测，故目前亟需设计一种列车多源信号检测综合故障分析方法。

发明内容

本发明提供一种基于多分类器结合策略的多源大数据融合智能列车故障分析方法，实现了智能高铁列车的自身实时在线故障检测，而且检测快速、准确。

为实现上述技术目的，本发明采用如下技术方案：

一种基于多源信号的智能列车综合故障分析方法，包括以下步骤：

步骤一：构建第一样本集和第二样本集；

所述第一样本集和第二样本集中的样本数据均从智能列车大数据多源信息平台获取，所述样本数据包括智能列车机械设备在运转时的多源信号特征矩阵和机械故障标记；

步骤二：训练多个不同的基分类器；

从第一样本集中获取样本数据；

以第一样本集中样本数据的多源信号特征矩阵作为输入、机械故障标记作为输出，同时对多个不同的基分类器进行训练，得到训练后的各个机械故障初级分类器；

步骤三：训练元分类器；

从第二样本集中获取样本数据；

分别使用训练后的各个机械故障初级分类器对第二样本集中样本数据的多源信号特征矩阵进行分类，各个机械故障初级分类器分别输出初始机械故障标记；

以各个机械故障初级分类器输出的初始机械故障标记作为输入、样本的机械故障标记作为输出，对元分类器进行训练，得到训练后的机械故障次级分类器；

步骤四：判断确认待测机械设备是否有故障；

实时采集智能列车机械设备在运转时的多源信号，所述多源信号包括至少两种运转信号；

对多源信号中的各个运转信号进行特征提取，得到待测机械设备的多源信号特征矩阵；

采用步骤二训练得到的各个机械故障初级分类器，根据待测机械设备的多源信号特征矩阵对待测机械设备进行分类，各个机械故障初级分类器输出待测机械设备的初始故障标记；

采用步骤三训练得到的机械故障次级分类器，对所有机械故障初级分类器输出的初始故障标记果进行验证，输出最终故障标记，最终故障标记判断确认待测机械设备是否有故障。