[发明专利]一种高速列车走行部系统智能故障诊断方法

权利要求书

1.一种高速列车走行部系统智能故障诊断方法，包括：

获取列车运行状态下包括多种工况下的温度测量数据构成训练集，由领域专家给定置信规则库的初始经验并构建初始诊断模型；

提取每个训练集的均值、峰度等统计特征，并计算传感器所带来的干扰，得到静态可靠性和动态可靠性；

构建置信规则库的待优化参数的目标函数并训练模型的初始参数；

实时采集走行部系统当前时刻的温度测量数据并将其转换为均值、峰度等统计特性作为测试数据；

基于证据折扣理论将静态、动态可靠性融入置信规则库的推理部分中，并聚合库中激活的置信规则，从得到的分布式诊断结果判断该测试样本是否包含故障。

2.根据如权利要求1所述的方法，由领域专家给定置信规则库的初始经验并构建初始诊断模型的步骤包括：

领域专家给出置信规则库模型的参数向量V＝[θ_k,δ_i,β_n,k]^T,θ_k表示第k条规则的权重，δ_i是第i个前提属性的权重，β_n,k表示第k条规则第n个结果的置信度；

选择式(1)给出初始置信规则库的第k条规则：

其中，分别代表的是置信规则库中的静态可靠性、动态可靠性的量化值。

3.如权利要求1所述的方法，选择式(2)-(3)提取每个训练集的均值、峰度等统计特征：

m＝E[q(t)] (2)

ku＝E[(q(t)-m)⁴]/σ⁴ (3)

其中σ²代表q(t)的方差，q(t)表示第t时刻的监测样本，并且，计算静态可靠性和动态可靠性的步骤包括：

根据式(4)-(9)的方法来量化静态可靠性：

其中x_i(m_i)(i＝1,…,M；m_i＝1,…,P_i)为第i个传感器的第m_i个监测样本，Pi是样本总数，x-_i表示第i个传感器总样本的平均值。自相似性测度由相对距离转化而来；

利用自相似性测度的统计指标对支持度进行筛选；

其中，由此可以得到静态可靠性r_s的计算方法：

根据式(10)-(14)的方法来量化动态可靠性：

其中，0≤d_i(m_i)≤1。计算x_i(m_i)的点信息量e_i(m_i)及总体样本的平均邓熵E_i：

由于每个时刻对应一个监测数据，所以H_d为1；

4.如权利要求1所述的方法，构建置信规则库的待优化参数的目标函数并训练模型的初始参数步骤如下：

由于故障检测是一个分类问题，错误的分类率应该尽可能低，(1-UA)作为优化的目标函数，其中UA如公式(15)所示，正确检测的样本数目与样本总数之比：

其中Number_c是训练样本中检测正确的数目，Number是训练总体样本，则目标函数表示如下：

V＝[θ_l,δ_i,β_n,k]^T (17)

其中V＝[θ_k,δ_i,β_n,k]^T表示模型中待优化的参数向量，参数向量V满足如下约束：

其中，min(·)表示目标函数的最小值，参数训练方法的本质是弥补初始专家经验的不足，可以有效提高建模精度，提升模型的诊断能力。