[发明专利]一种RBF神经网络的减速顶多节点故障分类方法

说明书

本发明公开了一种RBF神经网络的减速顶多节点故障分类方法，该方法包括：第一，本发明将减速顶运动曲线的峰峰值、峭度、频域指标、波动熵及温度均值作为元素构建RBF神经网络输入特征向量；第二，将减速顶三种工作状态构建为RBF神经网络输出量；第三，构建RBF神经网络结构，并依据训练数据集对神经网络进行训练，构建减速顶工作状态分类器；第四，构建基于贝叶斯近似法证据理论的决策融合方法，对RBF神经网络输出的三维特征向量进一步评价，完成对减速顶工作状态的诊断。本发明基于RBF神经网络对多节点异构数据进行融合，完成了对减速顶工作状态的诊断，具有广泛的应用前景。

技术领域

本发明属于故障诊断领域，具体为一种RBF神经网络的减速顶多节点故障分类方法，该方法通过RBF神经网络对减速顶的输入矩阵进行学习，通过训练得到的分类器实现所有节点的故障分类。

背景技术

铁道车辆减速顶(减速顶)是一种广泛应用在国内外编组场的调速设备，属于一种液压设备，主要包括壳体、滑动油缸、活塞、速度阀和压力阀等部件，减速顶的推广使用，彻底改变了编组场的作业模式，基本上淘汰了“拧闸”和“铁鞋”制动，不仅降低了人身伤亡事故，还减轻工作人员的劳动强度。多台减速顶设备构成了减速顶调速系统，单个设备的失效将使得安全连挂率下降。现场作业中，列车减速不足容易引起超速连挂，导致车辆损坏和设备损坏，给经济造成损失。因此，必须保障减速顶设备的常态化维护，才能使其处于良好的工作状态，保证调速作业安全。

目前对铁轨上安装的减速顶主要有人工检测、室内减速顶综合检测设备和减速顶检测车三种检测手段，这些检测手段存在以下缺点：利用人工记录无法做到及时性，数据难以统计，无法从中挖掘有用的信息形成规律；综合功能的减速顶检测设备占地空间较大，一般设置在实验室，检测时需要拆卸和重装减速顶，其动态检测性较差；移动式减速顶工况检测车依靠人力在铁轨上推行，由红外检测位置并进行反力测试，设备存在着检测速度慢，耗费人力资源多，定位不准。

因此，构建一套行之有效的多节点减速顶工作状态检测方法具有重要的意义，能够指导维修和维护，保障调车作业安全。

发明内容

为克服现有技术的短板，本发明提供了一种RBF神经网络的减速顶多节点故障分类方法，实现多节点减速顶实时工作状态的智能化检测。

为达到上述目的，本发明采用了以下技术方案：

一种RBF神经网络的减速顶多节点故障分类方法，包括以下步骤：

步骤1，RBF神经网络输入特征向量提取：

选取峰峰值、峭度作为输入特征向量的时域特征，选取反映频域能量大小的特征作为频域特征，最后加入波动熵和均值温度特征，定义的网络输入特征向量为X＝[x₁,x₂,x₃,x₄,x₅]；

式中，x₁为峰峰值，x₂为峭度，x₃为频域能量，x₄为波动熵，x₅为温度均值；

步骤2，定义RBF神经网络输出特征向量：

减速顶的工作状态可分为正常、泄顶(油气反力不足)和死顶三种，因此定义输出层节点为3，即输出特征向量为Y＝[y₁,y₂,y₃]，其中泄顶即油气反力不足；

[1,0,0]表示减速顶处于正常状态的理想输出，[0,1,0]表示减速顶处于泄顶状态的理想输出，[0,0,1]表示减速顶处于死顶状态的理想输出；

步骤3，定义RBF神经网络结构：

定义网络输入层节点为5，隐含层节点为3，输出层节点为3；

步骤4，训练RBF神经网络参数：