[发明专利]一种故障诊断逻辑算法及系统

说明书

本发明提出了一种故障诊断逻辑算法及系统，涉及机器学习及故障诊断技术领域。本申请实施例提供一种故障诊断逻辑算法，分别获取正常工况下的训练样本集和异常工况下的测试样本集；计算正常工况下的样本均值和标准差并进行均值归一化预处理；计算异常工况下的样本均值和标准差并进行白化预处理；将训练样本集以及测试样本集分别输入训练好的稀疏模型进行处理；将经稀疏模型处理后的训练样本集以及测试样本集输入权重矩阵分别得到训练特征矩阵和测试特征矩阵；将训练特征输入二分类模型进行训练，获取最优回归参数向量及训练好的二分类模型；通过训练好的二分类模型以及最优回归参数向量，进行预测测试特征的概率并输出诊断结果。

技术领域

本发明涉及机器学习及故障诊断技术领域，具体而言，涉及一种故障诊断逻辑算法及系统。

背景技术

轨道交通负荷强，车速变化频繁，停站时间短，行车密度大，随着运营时间的增加，城市轨道交通运行状态处于不断变化之中，在大负荷、变速环境下工作，转向架各零部件之间反复作用，其关键部件的故障如轴承发生疲劳剥落、磨损、塑性变形，齿轮发生腐蚀、断裂、压痕、胶合等现象，往往会导致车辆各部位振动加剧、性能下降，甚至脱轨翻车等严重事故。

随着轨道交通的跨越式发展，发生了一系列安全事故。提高轨道车辆运行的安全可靠性的关键在于对关键机械装备的健康状态评估，并预测其发展趋势。如果在轨道车辆机械系统故障潜伏阶段，即故障萌芽、刚刚出现或者故障程度尚轻微时，能及时准确地予以状态评估和识别，并据此指导保养和维修工作，就能及时采取措施，防止造成严重损失及交通事故。

而故障检测与诊断作为异常工况管理最有力的工具，给过程安全提供了一定的保障。随着控制系统的快速发展，异常工况管理过程变得越来越自动化。故障检测与诊断自提出以来已经有40余年，实际生产中却并不能够实现自动化，这与过程的复杂性、方法的适用性都有很大关联。

发明内容

本发明的目的在于提供一种故障诊断逻辑算法，其能够更进一步由已知推未知，收集整个设备全生命周期的一些状态数据，把原来只能依靠人工手工做的，故障原因的分析以及设备状态、生命周期的预测，由一个局部的、人工的状态向全量的、智能化的状态进行演进，形成一个促进轨道交通提高效率，产生帮助的效果。

本发明的另一目的在于提供一种故障诊断逻辑系统，其能够运行一种故障诊断逻辑算法。

本发明的实施例是这样实现的：

第一方面，本申请实施例提供一种故障诊断逻辑算法，其包括分别获取正常工况下的训练样本集和异常工况下的测试样本集；计算正常工况下的样本均值和标准差并进行均值归一化预处理；计算异常工况下的样本均值和标准差并进行白化预处理；将预处理后的训练样本集输入LASSO稀疏模型进行训练以得到训练好的LASSO稀疏模型；将训练样本集以及测试样本集分别输入训练好的LASSO稀疏模型进行处理；将经稀疏模型处理后的训练样本集以及测试样本集输入权重矩阵的输入层，通过权重矩阵的间隐层与输出层，分别得到训练特征矩阵和测试特征矩阵；将训练特征输入逻辑回归二分类模型进行训练，获取最优回归参数向量及训练好的逻辑回归二分类模型；通过训练好的逻辑回归二分类模型以及最优回归参数向量，进行预测测试特征的概率并输出诊断结果。

在本发明的一些实施例中，上述训练特征包括根据训练好的稀疏过滤模型进行特征学习得到训练样本的训练特征。

在本发明的一些实施例中，上述进行预测测试特征的概率包括获取正常工况和异常工况下的测试样本集。

在本发明的一些实施例中，上述根据正常工况下的测试样本均值和标准差进行预处理。

在本发明的一些实施例中，上述根据训练好的稀疏过滤模型进行特征学习得到测试样本的测试特征。