[发明专利]轨道交通轴承的健康评估方法及系统

权利要求书

1.一种轨道交通轴承的健康评估方法，其特征在于，所述健康评估方法包括：

S10、获取轨道交通的轴承在正常运行状态下的历史采样时间段内的历史运行数据；

S20、获取轨道交通的轴承在当前运行状态下的当前采样时间段内的当前运行数据；

S30、分别将所述历史运行数据和所述当前运行数据作为训练参数，输入高斯混合模型算法，输出用于表征所述轴承的正常运行情况的第一高斯混合模型和用于表征所述轴承的当前运行情况的第二高斯混合模型；

S40、根据所述第一高斯混合模型和所述第二高斯混合模型计算得到所述当前运行状态与所述正常运行状态的第一重合度；

S50、根据所述第一重合度确定所述当前运行情况的健康程度。

2.如权利要求1所述的轨道交通轴承的健康评估方法，其特征在于，所述历史运行数据和所述当前运行数据均包括高频振动数据和低频缓变量数据，步骤S30之前，所述健康评估方法还包括：

S21、从所述历史运行数据或所述当前运行数据的高频振动数据中对应提取影响所述轴承的健康程度的n个历史特征参数或n个当前特征参数，n为正整数；

S22、根据所述历史运行数据中的低频缓变量数据及n个历史特征参数或所述当前运行数据中的低频缓变量数据及n个当前特征参数对应生成历史特征矩阵或当前特征矩阵；

步骤S30中，分别将所述历史特征矩阵和所述当前特征矩阵作为训练参数。

3.如权利要求2所述的轨道交通轴承的健康评估方法，其特征在于，步骤S22之前，所述健康评估方法还包括：

S211、根据所述历史运行数据中的低频缓变量数据及所述n个历史特征参数或所述当前运行数据中的低频缓变量数据及所述n个当前特征参数对应生成历史数据矩阵或当前数据矩阵；

S212、基于主成分分析法对所述历史数据矩阵或所述当前数据矩阵进行特征提取，对应提取影响所述轴承的运行状态的贡献率大于预设百分比的m个历史特征参数或m个当前特征参数，m为正整数，m≤n；

步骤S22具体包括：

根据所述m个历史特征参数或所述m个当前特征参数对应生成历史特征矩阵或当前特征矩阵。

4.如权利要求2所述的轨道交通轴承的健康评估方法，其特征在于，所述历史特征参数和所述当前特征参数均包括均值、最大值、最小值、偏度、峭度、波形指标、方差、方根幅值、绝对平均值、均方根值、峰峰值、峰值指标、脉冲指标、峭度指标、裕度指标和偏斜度指标中的至少1个；

所述低频缓变量数据包括温度数据和/或载荷。

5.如权利要求2所述的轨道交通轴承的健康评估方法，其特征在于，步骤S30具体包括：

S301、预设一初始高斯混合模型及所述初始高斯混合模型的初始参数，所述初始参数包括平均向量、协方差矩阵和混合模型数量范围；

S302、遍历所述混合模型数量范围中的混合模型数量值，基于期望最大化算法将所述历史特征矩阵及所述初始参数或所述当前特征矩阵和所述初始参数输入所述初始高斯混合模型，对应训练得到至少1个第一混合模型及所述第一混合模型的第一参数或至少1个第二混合模型及所述第二混合模型的第二参数；所述第一参数或所述第二参数对应包括每个第一混合模型或每个第二混合模型中每个单高斯函数的模型参数及优先向量；

S303、基于模型选择准则对每个第一混合模型或每个第二混合模型进行打分；所述模型选择准则包括BIC准则、AIC准则或HQ准则；

S304、对应提取分值最小的第一混合模型作为所述第一高斯混合模型或提取分值最小的第二混合模型作为所述第二高斯混合模型。

6.如权利要求5所述的轨道交通轴承的健康评估方法，其特征在于，所述健康评估方法中的第一高斯混合模型或第二高斯混合模型为：

其中，h(x；θ_i)是单高斯函数，x是d维历史特征矩阵或当前特征矩阵，I是混合模型数量，p_i是预设的第i个单高斯函数的优先向量，满足θ_i表示第i个单高斯函数的模型参数，所述模型参数包括平均向量μ_i和协方差矩阵σ_i。