[发明专利]轨道交通轴承的健康评估方法及系统

说明书

本发明公开了一种轨道交通轴承的健康评估方法及系统，所述健康评估方法包括：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；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；分别将历史运行数据和当前运行数据作为训练参数，输入高斯混合模型算法，输出第一高斯混合模型和第二高斯混合模型；根据第一高斯混合模型和第二高斯混合模型计算得到当前运行状态与正常运行状态的第一重合度；根据第一重合度确定当前运行情况的健康程度。本发明基于计算得到的当前运行状态与正常运行状态的重合度判断当前运行情况的健康程度，评估结果更加精准有效，便于提前进行适当的维护措施，避免轴承故障的发生。

技术领域

本发明属于轨道交通轴承的评估领域，特别涉及一种轨道交通轴承的健康评估方法及系统。

背景技术

城市轨道交通轴承作为轨道交通车辆走行部最重要的部件之一，轨道交通轴承的故障或损坏往往会导致轨道交通车辆的晚点、清客、停运等故障发生，甚至对乘客及工作人员的生命安全造成严重威胁。

目前对轴承的健康评估，主要是基于轴承运行时产生的振动数据，然后使用神经网络等方式建模并构建轴承健康指标，以此对轴承健康状态进行评估。但是，现有的评估方法仅靠振动数据进行评估具有一定的片面性和风险，且基于神经网络模型构建的轴承健康模型容易产生过拟合现象，导致模型预测精度不高，另外，现有技术并未构建合适的健康报警阈值，用户基于现有的健康评估方法难以给出准确的判断指标进而难以确定何时应该采取维修措施。

发明内容

本发明要解决的技术问题是为了克服现有技术中轴承健康评估方法过于片面且精准度不高的缺陷，提供一种轨道交通轴承的健康评估方法及系统。

本发明是通过下述技术方案来解决上述技术问题：

一种轨道交通轴承的健康评估方法，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。

较佳地，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。

较佳地，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；