[发明专利]一种城轨车齿轮箱故障预测方法

权利要求书

1.一种城轨车齿轮箱故障预测方法，其特征在于，所述方法包括：

获取齿轮箱的数据集；

将所述数据集输入至故障预测模型中获取轴温异常信息；

根据所述轴温异常信息判断齿轮箱故障情况，并对所述故障预测模型进行优化调整；

其中，所述故障预测模型依次包括基于深度神经网络构建的轴温预测模型和基于oneclass SVM算法构建的异常检测模型，所述轴温预测模型输出的轴温数据作为所述异常检测模型的输入。

2.根据权利要求1所述的城轨车齿轮箱故障预测方法，其特征在于，所述数据集包括当天城轨车的行驶速度和齿轮箱的轴温数据以及第二天的环境温度；

所述轴温数据包括一轴小齿轮箱车轮侧轴承温度、一轴小齿轮箱电机侧轴承温度、一轴大齿轮箱车轮侧轴承温度、一轴大齿轮箱电机侧轴承温度、二轴小齿轮箱车轮侧轴承温度、二轴小齿轮箱电机侧轴承温度、二轴大齿轮箱车轮侧轴承温度和二轴大齿轮箱电机侧轴承温度。

3.根据权利要求2所述的城轨车齿轮箱故障预测方法，其特征在于，所述轴温预测模型采用sigmoid函数作为激励函数，采用均方误差作为模型目标函数，采用梯度下降法作为优化算法；输入节点为当天城轨车的行驶速度和齿轮箱的轴温数据以及第二天的环境温度；输出节点为第二天齿轮箱的轴温数据。

4.根据权利要求3所述的城轨车齿轮箱故障预测方法，其特征在于，所述轴温预测模型利用齿轮箱的历史数据集进行模型训练和验证，所述齿轮箱的历史数据集包括齿轮箱的历史轴温数据与对应时间的城轨车的行驶速度和环境温度。

5.根据权利要求2所述的城轨车齿轮箱故障预测方法，其特征在于，所述异常检测模型是采用SVDD实现的，所述异常检测模型利用齿轮箱的历史轴温数据进行模型训练和验证。

6.根据权利要求4或5所述的城轨车齿轮箱故障预测方法，其特征在于，所述齿轮箱的历史轴温数据为预处理后的轴温数据，所述预处理步骤包括：

获取齿轮箱的初始历史轴温数据；

基于所述初始历史轴温数据对应时间的环境温度，通过无监督聚类算法进行分类，得到不同环境温度类别；

获取最高环境温度类别中对应的齿轮箱的初始历史轴温数据作为预处理后的轴温数据。