[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

说明书

本发明公开了一种牵引变流器故障预警模型及建模方法、预警方法及系统，其中建模方法包括以下步骤：步骤1，采集牵引变流器在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的M种故障状态；或者，M种不同运行状态包括牵引变流器的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。本发明能够在列车运行过程中对牵引变流器的故障状态进行预测，在牵引变流器故障发生前进行预警，从而给出足够的应激保护时间，更好地保障列车行驶安全。

技术领域

本发明属于轨道交通车辆牵引故障分析领域，特别涉及一种牵引变流器故障预警模型及建模方法、预警方法及系统。

背景技术

随着高速列车技术的发展以及高速铁路的大量修建，列车运行速度越来越快，且列车承载负荷也越来越大，列车上零部件的故障概率也越来越大。在列车众多系统设备中，牵引变流器为列车牵引以及辅助用电提供了电能，是列车非常重要的一部分。牵引变流器由众多部件组成，且各部件之间的集成度较高，当某个部件发生故障后，很可能引发较大的连锁反应，严重时可能导致列车运行时发生机破故障。

牵引变流器的故障严重度级别可以分为轻微故障、中等故障、严重故障三类，其中轻微故障和中等故障不会导致列车无法运行，可以在列车回库后再进行处理，但严重故障会导致列车无法运行，需要作出即时处理。牵引变流器发生严重故障时，会导致列车晚点，从而影响线路的调度，并具有一定的安全隐患。

目前，在列车牵引变流器发生严重故障时，列车系统只会在严重故障已经发生时发出严重警报，提示司机做出相关保护动作。这种事后保护的机制十分考验司机的反应与素质，若操作不当，则会影响线路运行安全。

因此，若能在列车牵引变流器发生故障时提前发出预警，给出足够的反应时间，则司机会更好地对列车做出保护，更好地保障列车行驶安全。

发明内容

本发明的目的在于，针对现有技术中无法对列车牵引变流器故障进行预警的不足，提供一种牵引变流器故障预警模型及建模方法、预警方法及系统，能够在列车运行过程中对牵引变流器的故障状态进行预测，在牵引变流器故障发生前进行预警，从而给出足够的应激保护时间，更好地保障列车行驶安全。

为解决上述技术问题，本发明所采用的技术方案是：

一种牵引变流器故障预警模型建模方法，其特点是包括以下步骤：

步骤1，采集牵引变流器在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的M种故障状态；或者，M种不同运行状态包括牵引变流器的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。

作为一种优选方式，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。

作为一种优选方式，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；