[发明专利]一种城轨车齿轮箱故障预测方法

说明书

本发明涉及轨道交通设备故障诊断领域，尤其涉及一种城轨车齿轮箱故障预测方法，将城轨车的大小齿轮箱作为预测对象，利用故障预测模型进行故障预测；具体的，基于DNN算法建立大小齿轮箱轴承的轴温预测模型，实现对其未来一天的轴温的预测；利用OneClassSVM算法建立异常检测模型实现对未来一天的轴温进行异常监测，若监测结果出现异常点，则通过预警告知检修人员，并把监测结果反馈给故障预测模型对模型进行调优，实现最优模型的构建。本发明利用该方法能够提前发现故障趋势，实现提前预警，尽可能保证大小齿轮箱的安全，减少使用和维修成本。

技术领域

本发明涉及轨道交通设备故障诊断领域，尤其涉及一种城轨车齿轮箱故障预测方法。

背景技术

城轨车运行过程中由于长时间行驶势必会造成走行部的各个部件产生大量的热量，进而导致温度过高，这对于城轨车运行会产生不良影响，并且会对减少大小齿轮箱使用寿命。当前对大小齿轮箱故障的研究主要是基于检修专家的行业经验，来设定报警阈值对齿轮箱的状态进行监控，但是这种方法带有较强的主观性，不能准确地提前发现齿轮箱的故障，导致造成不良后果，增加齿轮箱的使用及维修成本。

发明内容

本发明的目的在于提供一种城轨车齿轮箱故障预测方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种城轨车齿轮箱故障预测方法，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(Deep Neural Networks，简称DNN)构建的轴温预测模型和基于one class SVM(One-Class Support Vector Machine，单类支持向量机)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。

优选的，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。

优选的，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。

优选的，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。

优选的，所述异常检测模型是采用SVDD(support vector data description，支持向量数据描述)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。

优选的，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。

本发明的有益效果是：