[发明专利]牵引变流器故障预警模型及建模方法、预警方法及系统

权利要求书

1.一种牵引变流器故障预警模型建模方法，其特征在于，包括以下步骤：

步骤1，采集牵引变流器(1)在M种不同运行状态下的多组建模数据，其中，每组建模数据包括多组运行参数值和该运行参数值采集时间点的下一个时间点对应的运行状态数据；M种不同运行状态包括牵引变流器(1)的M种故障状态；或者，M种不同运行状态包括牵引变流器(1)的M-1种故障状态和正常状态；

步骤2，以建模数据中的运行参数值作为输入，以建模数据中的运行状态数据作为输出，学习获得牵引变流器故障预警模型。

2.如权利要求1所述的牵引变流器故障预警模型建模方法，其特征在于，所述步骤2中，采用BP神经网络算法学习获得牵引变流器故障预警模型。

3.如权利要求2所述的牵引变流器故障预警模型建模方法，其特征在于，所述步骤2包括：

步骤201，设定BP神经网络输入层的节点个数、激活函数与权值矩阵；设定BP神经网络隐含层的节点个数、激活函数与权值矩阵；设定BP神经网络输出层的节点个数与激活函数；设定BP神经网络算法的损失函数、迭代次数阈值和损失阈值；

步骤202，将建模数据中的运行参数值传递给BP神经网络的输入层后，BP神经网络的输出层输出预测值；

步骤203，将步骤202中获得的预测值与对应的建模数据中的运行状态数据进行损失计算，得到损失值；判断损失值是否小于损失阈值，若是，则牵引变流器故障预警模型学习完成，否则执行步骤204；

步骤204，判断迭代次数是否少于迭代次数阈值，若是，则牵引变流器故障预警模型学习完成，否则通过损失值对每个权值矩阵进行权值修正并跳转至步骤202。

4.如权利要求3所述的牵引变流器故障预警模型建模方法，其特征在于，所述步骤202中，将建模数据中的运行参数值进行预处理后，再传递给BP神经网络的输入层。

5.如权利要求4所述的牵引变流器故障预警模型建模方法，其特征在于，所述预处理方法为主成分分析法。

6.一种利用权利要求1至5任一项所述的牵引变流器故障预警模型建模方法所获得的牵引变流器故障预警模型。

7.一种牵引变流器故障预警方法，其特征在于，包括：

步骤3，采集列车上牵引变流器(1)的多组实测运行参数值；

步骤4，将多组实测运行参数值输入权利要求6中所述的牵引变流器故障预警模型，将牵引变流器故障预警模型的输出作为预测结果。

8.一种牵引变流器故障预警系统，其特征在于，包括实测运行参数值检测模块(2)和服务器(3)，服务器(3)中设有如权利要求6所述的牵引变流器故障预警模型；其中：

实测运行参数值检测模块(2)：用于采集列车上牵引变流器(1)的多组实测运行参数值；

服务器(3)：用于将接收的多组实测运行参数值输入所述牵引变流器故障预警模型，用于将所述牵引变流器故障预警模型的输出作为预测结果输出。

9.如权利要求8所述的牵引变流器故障预警系统，其特征在于，所述服务器(3)为牵引变流器(1)的本地服务器(301)或车载总服务器(302)。