CN109752651A - 一种牵引电机超温故障预测的方法及系统 - Google Patents
一种牵引电机超温故障预测的方法及系统 Download PDFInfo
- Publication number
- CN109752651A CN109752651A CN201711070293.0A CN201711070293A CN109752651A CN 109752651 A CN109752651 A CN 109752651A CN 201711070293 A CN201711070293 A CN 201711070293A CN 109752651 A CN109752651 A CN 109752651A
- Authority
- CN
- China
- Prior art keywords
- electric machine
- traction electric
- temperature
- threshold
- relevant parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本申请公开了一种牵引电机超温故障预测的方法，包括计算牵引电机实时温度的相关参数；判断相关参数是否超过第一阈值；若是，则发出预警信号，并获取预设时间内的测量数据；采用预设规则根据测量数据对牵引电机的温度进行预测，得到温度预测结果；判断温度预测结果是否超过第二阈值；若是，则发出超温故障报警信号。该方法通过牵引电机实时温度的相关参数，能够提前发现牵引电机温度异常，实现了牵引电机超温故障提前预警；并在预警后根据预设规则对牵引电机的温度进行预测，并根据温度预测结果判断是否发出超温故障报警信号。本申请同时还提供了一种牵引电机超温故障预测的系统、装置及计算机可读存储介质，具有上述有益效果。
Description
技术领域
本申请涉及轨道交通领域，特别涉及一种牵引电机超温故障预测的方法、系统、装置及计算机可读存储介质。
背景技术
随着我国轨道交通列车朝着高速重载方向的发展，对列车的安全稳定运行也提出了更高的要求。牵引电机作为轨道交通列车的主要传动设备之一，牵引电机超温故障对列车的安全运营有着很大的影响。
现有的牵引电机超温故障检测方式主要是以温度门槛值进行判断，然而，当电机温度超过电机超温门槛值时，牵引电机已发生超温故障，并不能减少或消除牵引电机超温故障的发生；同时，牵引电机在某种工况下，如低温和低负载工况，当牵引电机出现故障时，其故障特征仅仅反映在温度变化率上面，温度幅值可能并没有超过牵引电机超温门槛值，将会出现漏报的可能性。
因此，如何预测牵引电机超温故障以减少或消除牵引电机超温故障的发生是本领域技术人员目前需要解决的技术问题。
发明内容
本申请的目的是提供一种牵引电机超温故障预测的方法、系统、装置及计算机可读存储介质，该方法能够预测牵引电机超温故障以减少或消除牵引电机超温故障的发生。
为解决上述技术问题，本申请提供一种牵引电机超温故障预测的方法，该方法包括：
计算牵引电机实时温度的相关参数；
判断所述相关参数是否超过第一阈值；
若是，则发出预警信号，并获取预设时间内的测量数据；
采用预设规则根据所述测量数据对所述牵引电机的温度进行预测，得到温度预测结果；
判断所述温度预测结果是否超过第二阈值；
若所述温度预测结果超过所述第二阈值，则发出超温故障报警信号。
可选的，当所述相关参数包括类比指标时，所述计算牵引电机实时温度的相关参数，包括：
采集所述牵引电机的实时监测数据；其中，所述实时监测数据包括温度及状态；
判断所述牵引电机的状态是否为工作状态；
若是，则判断所述牵引电机的运行时间是否超过第三阈值；
若所述牵引电机的运行时间超过第三阈值，则将所述牵引电机列入有效字典；
计算所述有效字典内各牵引电机温度的类比指标。
可选的，当所述牵引电机的运行时间未超过所述第三阈值时，在计算所述有效字典内各牵引电机温度的类比指标之前，还包括：
计算所述牵引电机温度的类比指标；
判断所述牵引电机温度的类比指标是否小于第四阈值且所述牵引电机的运行时间是否超过第五阈值；
若是，则将所述牵引电机列入所述有效字典。
可选的，所述类比指标包括同辆比、同辆极差、同列比和同列极差中的至少一项，其中：
所述同辆比为该牵引电机温度与同一辆车同一变流器供电的其余牵引电机温度的平均值之间的比值，根据公式计算得到；
所述同辆极差为同一辆车同一变流器供电的有效电机最大温度与最小温度之差，根据公式v＝rmax-rmin计算得到；
所述同列比为该牵引电机温度与同一列车不同变流器供电的其余牵引电机温度的平均值之间的比值，根据公式计算得到；
所述同列极差为同一列车不同变流器供电的有效电机最大温度与最小温度之差，根据公式vt＝rtmax-rtmin计算得到；
其中，ri为同辆比，xi为第i个牵引电机的温度，xj为第j个牵引电机的温度，N为同一机车同一变流器供电的有效牵引电机的总数，v为同辆极差，rmax为最大同辆比，rmin为最小同辆比，rti为同列比，M为同一列车不同变流器供电的有效牵引电机的总数，vt为同列极差，rtmax为最大同列比，rtmin为最小同列比。
可选的，当所述相关参数包括相对指标时，计算牵引电机实时温度的相关参数，包括：
根据公式计算所述有效字典内各牵引电机温度的相对指标；
其中，Δxn为当前时刻的温度变化率，为当前时刻的温度平均值，为前m时刻的温度平均值。
可选的，所述采用预设规则根据所述测量数据对所述牵引电机的温度进行预测，包括：
采用梯度提升树算法根据所述测量数据对所述牵引电机的温度进行预测。
可选的，在发出超温故障报警信号之后，还包括：
闭锁所述牵引电机投入运行或降低所述牵引电机的运行速度。
本申请还提供一种牵引电机超温故障预测的系统，该系统包括：
计算模块，用于计算牵引电机实时温度的相关参数；
第一判断模块，用于判断所述相关参数是否超过第一阈值；
预警获取模块，用于当所述相关参数超过第一阈值时，发出预警信号，并获取预设时间内的测量数据；
预测模块，用于采用预设规则根据所述测量数据对所述牵引电机的温度进行预测，得到温度预测结果；
第二判断模块，用于判断所述温度预测结果是否超过第二阈值；
报警模块，用于当所述温度预测结果超过所述第二阈值时，发出超温故障报警信号。
本申请还提供牵引电机超温故障预测的装置，该装置包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一项所述牵引电机超温故障预测的方法的步骤。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述牵引电机超温故障预测的方法的步骤。
本申请所提供一种牵引电机超温故障预测的方法，通过计算牵引电机实时温度的相关参数；判断相关参数是否超过第一阈值；若是，则发出预警信号，并获取预设时间内的测量数据；采用预设规则根据测量数据对牵引电机的温度进行预测，得到温度预测结果；判断温度预测结果是否超过第二阈值；若温度预测结果超过第二阈值，则发出超温故障报警信号。
本申请所提供的技术方案，通过牵引电机实时温度的相关参数来判断牵引电机超温故障，降低了牵引电机超温故障漏报率，而且牵引电机实时温度的相关参数对电机超温故障的灵敏度更高，可在牵引电机温度没有超过超温故障门槛值之前，提前发现电机温度异常，实现了牵引电机超温故障提前预警；并在预警后根据预设规则对牵引电机的温度进行预测，并根据温度预测结果判断是否发出超温故障报警信号，达到了预测牵引电机超温故障以减少或消除牵引电机超温故障发生的目的。本申请同时还提供了一种牵引电机超温故障预测的系统、装置及计算机可读存储介质，具有上述有益效果，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种牵引电机超温故障预测的方法的流程图；
图2为图1所提供的一种牵引电机超温故障预测的方法中S101的一种实际表现方式的流程图；
图3为图2所提供的一种牵引电机超温故障预测的方法中S203的另一种实际表现方式的流程图；
图4为本申请实施例所提供的一种牵引电机超温故障预测的系统的结构图；
图5为图4所提供的一种牵引电机超温故障预测的系统中计算模块的一种具体的结构图；
图6为本申请实施例所提供的一种牵引电机超温故障预测装置的结构图。
具体实施方式
本申请的核心是提供一种牵引电机超温故障预测的方法、系统、装置及计算机可读存储介质，该方法能够预测牵引电机超温故障以减少或消除牵引电机超温故障的发生。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参考图1，图1为本申请实施例所提供的一种牵引电机超温故障预测的方法的流程图。
其具体包括如下步骤：
S101：计算牵引电机实时温度的相关参数；
现有技术中通过温度门槛值来判断牵引电机是否发生超温故障，然而，当牵引电机温度超过电机超温门槛值时，牵引电机已发生超温故障，并不能减少或消除牵引电机超温故障的发生；为解决这一问题，本申请对获取到的牵引电机实时温度进行计算，得到牵引电机实时温度的相关参数，根据该相关参数来判断牵引电机是否有可能发生超温故障；
可选的，这里提到的相关参数可以包括类比指标和相对指标。
S102：判断相关参数是否超过第一阈值；
若是，则进入步骤S103；
这里提到的第一阈值为预先设置的相关参数的预警值，若相关参数超过第一阈值，则说明牵引电机有可能发生超温故障；
本申请对第一阈值的大小不做具体限定，实际情况中可以根据本领域技术人员的经验以及牵引电机的型号或相关测试结果来具体制定，下文中所描述的第二至第五阈值与第一阈值相同或类似，之后不再赘述。
S103：发出预警信号，并获取预设时间内的测量数据；
当牵引电机实时温度的相关参数超过第一阈值时，说明牵引电机有可能发生超温故障，发出预警信号以提示列车维护及维修人员，并获取预设时间内牵引电机的测量数据；
可选的，这里提到的测试数据可以包括如故障测试数据表所示的数据：
| 序号 | 数据名称 | 序号 | 数据名称 |
| 1 | 机车牵引/制动力实际值kN | 16 | I架冷却水出口温度℃ |
| 2 | 机车实际速度值km/h | 17 | 6轴电机温度℃ |
| 3 | 1轴电机温度℃ | 18 | 5轴电机温度℃ |
| 4 | 2轴电机温度℃ | 19 | 4轴电机温度℃ |
| 5 | 3轴电机温度℃ | 20 | 6轴实际牵引/制动力kN |
| 6 | 1轴实际牵引/制动力kN | 21 | 5轴实际牵引/制动力kN |
| 7 | 2轴实际牵引/制动力kN | 22 | 4轴实际牵引/制动力kN |
| 8 | 3轴实际牵引/制动力kN | 23 | 6轴实际速度km/h |
| 9 | 1轴实际速度km/h | 24 | 5轴实际速度km/h |
| 10 | 2轴实际速度km/h | 25 | 4轴实际速度km/h |
| 11 | 3轴实际速度km/h | 26 | II架Ud1中间直流电压V |
| 12 | I架Ud1中间直流电压V | 27 | II架Ud2中间直流电压V |
| 13 | I架Ud2中间直流电压V | 28 | II架Ud3中间直流电压V |
| 14 | I架Ud3中间直流电压V | 29 | I架冷却水进口温度℃ |
| 15 | I架冷却水进口温度℃ | 30 | I架冷却水出口温度℃ |
故障测试数据表
可选的，这里提到的预设时间为预先设置的某段时间，可以为发出预警信号时刻至预设时刻的段时间，也可以根据实际情况来具体制定获取测试数据的时间；这里提到的预警信号的形式可以有多种，例如，可以播报牵引电机超温故障预警语音，也可以发出预警铃声，只要能达到提示列车维护及维修人员的目的，对预警信号的形式不作具体限定。
S104：采用预设规则根据测量数据对牵引电机的温度进行预测，得到温度预测结果；
可选的，这里提到的温度预测结果可以与步骤S103中提到的测试数据一一对应；
可选的，这里提到的预设规则可以利用梯度提升树算法制定，也可以利用神经网络、随机森林或支持向量机等人工智能算法制定，只要能够达到采用预设规则能够得到温度预测结果的目的，本申请对预设规则的制定算法不作具体限定。
S105：判断温度预测结果是否超过第二阈值；
若是，则进入步骤S106；
将得到的温度预测结果作为牵引电机在预警时刻之后一段时间内的温度值，来判断该温度值是否超过第二阈值，若是，则认为牵引电机在该时间段将会发生超温故障；
可选的，这里提到的时间段可以通过修改预设规则的相关参数来设定或修改。
S106：发出超温故障报警信号。
当所述温度预测结果超过第二阈值时，发出超温故障报警信号以提示列车维护及维修人员，以便于列车维护及维修人员及时采取补救措施；
可选的，在发出超温故障报警信号的同时，还可通过闭锁牵引电机投入运行或降低牵引电机运行速度的方式来减少或消除牵引电机超温故障发生。
基于上述技术方案，本申请所提供的一种牵引电机超温故障预测的方法，通过牵引电机实时温度的相关参数来判断牵引电机超温故障，降低了牵引电机超温故障漏报率，而且牵引电机实时温度的相关参数对电机超温故障的灵敏度更高，可在牵引电机温度没有超过超温故障门槛值之前，提前发现电机温度异常，实现了牵引电机超温故障提前预警；并在预警后根据预设规则对牵引电机的温度进行预测，并根据温度预测结果判断是否发出超温故障报警信号，达到了预测牵引电机超温故障以减少或消除牵引电机超温故障发生的目的。
针对于上一实施例的步骤S101，牵引电机实时温度的相关参数包括类比指标和相对指标，下面结合图2及图3进行具体说明。
请参考图2，图2为图1所提供的一种牵引电机超温故障预测的方法中S101的一种实际表现方式的流程图。
其具体包括以下步骤：
S201：采集牵引电机的实时监测数据；
这里提到的实时监测数据包括牵引电机的实时温度及状态。
S202：判断牵引电机的状态是否为工作状态；
若是，则进入步骤S203。
S203：判断牵引电机的运行时间是否超过第三阈值；
若是，则进入步骤S204；
正常工况下，列车运行过程中同一车厢以及同一列车的负载、所处环境温度、列车运行速度等影响电机温度变化的主要因素差别不大，可以采用类比指标表征牵引电机温度的异常状态，但在一些特殊工况，如某牵引电机没有承担负荷或者中途重新承担负荷，此时，牵引电机温度可能差别很大，并不具备可比性；为此，本申请实施例通过判断牵引电机的状态是否为工作状态及牵引带机的运行时间是否超过了第三阈值，来判断该牵引电机的温度是否有效；
进一步地，请参考图3，图3为图2所提供的一种牵引电机超温故障预测的方法中S203的另一种实际表现方式的流程图，当牵引电机的运行时间未超过第三阈值时，还可通过如下步骤来判断该牵引电机的温度是否有效；
S2031：计算牵引电机温度的类比指标；
S2032：判断该类比指标是否小于第四阈值且该牵引电机的运行时间是否超过第五阈值；
若是，则进入步骤S204；
若类比指标小于第四阈值且该牵引电机的运行时间超过第五阈值，则认为该牵引电机的温度有效；
这里提到的类比指标可以包括同辆比、同辆极差、同列比和同列极差中的至少一项，其中：
同辆比为该牵引电机温度与同一辆车同一变流器供电的其余牵引电机温度的平均值之间的比值，根据公式计算得到；
同辆极差为同一辆车同一变流器供电的有效电机最大温度与最小温度之差，根据公式v＝rmax-rmin计算得到；
同列比为该牵引电机温度与同一列车不同变流器供电的其余牵引电机温度的平均值之间的比值，根据公式计算得到；
同列极差为同一列车不同变流器供电的有效电机最大温度与最小温度之差，根据公式vt＝rtmax-rtmin计算得到；
其中，ri为同辆比，xi为第i个牵引电机的温度，xj为第j个牵引电机的温度，N为同一机车同一变流器供电的有效牵引电机的总数，v为同辆极差，rmax为最大同辆比，rmin为最小同辆比，rti为同列比，M为同一列车不同变流器供电的有效牵引电机的总数，vt为同列极差，rtmax为最大同列比，rtmin为最小同列比；
进一步地，为简化运算过程，减小存储空间需求，还可根据公式将同辆比转换为归一化同辆比，根据公式将同列比转换为归一化同列比；
其中，ri′为第i个电机的归一化同辆比，r′ti为第i个电机的归一化同列比。
S204：将该牵引电机列入有效字典；
S205：计算有效字典内各牵引电机温度的类比指标。
可选的，当相关参数包括相对指标时，还可以根据公式计算有效字典内各牵引电机温度的相对指标；
其中，Δxn为当前时刻的温度变化率，为当前时刻的温度平均值，为前m时刻的温度平均值。
基于上述技术方案，本申请所提供的一种牵引电机超温故障预测的方法，通过计算牵引电机实时温度的类比指标和相对指标，多方面对电机超温故障进行综合判断，极大的减少了牵引电机在低温和低负载工况等工况下，会出现超温故障漏报的可能性；同时，本申请实施例所采用的类比指标和相对指标对牵引电机超温故障的灵敏度非常高，可在牵引电机温度幅值没有超过超温故障门槛值之前，提前发现电机温度异常，实现了牵引电机超温故障提前预警。
请参考图4，图4为本申请实施例所提供的一种牵引电机超温故障预测的系统的结构图。
该系统可以包括：
计算模块100，用于计算牵引电机实时温度的相关参数；
第一判断模块200，用于判断相关参数是否超过第一阈值；
预警获取模块300，用于当相关参数超过第一阈值时，发出预警信号，并获取预设时间内的测量数据；
预测模块400，用于采用预设规则根据测量数据对牵引电机的温度进行预测，得到温度预测结果；
第二判断模块500，用于判断温度预测结果是否超过第二阈值；
报警模块600，用于当温度预测结果超过第二阈值时，发出超温故障报警信号。
请参考图5，图5为图4所提供的一种牵引电机超温故障预测的系统中计算模块的一种具体的结构图。
该计算模块100可以包括：
采集子模块，用于采集牵引电机的实时监测数据；其中，实时监测数据包括温度及状态；
第一判断子模块，用于判断牵引电机的状态是否为工作状态；
第二判断子模块，用于当牵引电机的状态为工作状态时，判断牵引电机的运行时间是否超过第三阈值；
第一列入子模块，用于当牵引电机的运行时间超过第三阈值时，将牵引电机列入有效字典；
第一计算子模块，用于计算有效字典内各牵引电机温度的类比指标。
可选的，该计算模块100还可以包括：
第二计算子模块，用于当牵引电机的运行时间未超过第三阈值时，计算牵引电机温度的类比指标；
第三判断子模块，用于判断牵引电机温度的类比指标是否小于第四阈值且牵引电机的运行时间是否超过第五阈值；
第二列入子模块，用于若是，则将牵引电机列入有效字典。
以上系统中的各个组成部分可实际应用于以下的一个实际流程中：
采集子模块集牵引电机的实时监测数据；第一判断子模块判断牵引电机的状态是否为工作状态；若牵引电机的状态为工作状态，则第二判断子模块判断牵引电机的运行时间是否超过第三阈值；当牵引电机的运行时间超过第三阈值时，第一列入子模块将牵引电机列入有效字典；当牵引电机的运行时间未超过第三阈值时，第二计算子模块计算牵引电机温度的类比指标；第三判断子模块判断牵引电机温度的类比指标是否小于第四阈值且牵引电机的运行时间是否超过第五阈值；若是，则第二列入子模块将牵引电机列入有效字典；第一判断模块判断相关参数是否超过第一阈值；当相关参数超过第一阈值时，预警获取模块发出预警信号，并获取预设时间内的测量数据；预测模块采用预设规则根据测量数据对牵引电机的温度进行预测，得到温度预测结果；第二判断模块判断温度预测结果是否超过第二阈值；当温度预测结果超过第二阈值时，报警模块发出超温故障报警信号。
请参考图6，图6为本申请实施例所提供的一种牵引电机超温故障预测装置的结构图。
牵引电机超温故障预测装置可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)722(例如，一个或一个以上处理器)和存储器732，一个或一个以上存储应用程序742或数据744的存储介质730(例如一个或一个以上海量存储设备)。其中，存储器732和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对装置中的一系列指令操作。更进一步地，中央处理器722可以设置为与存储介质730通信，在牵引电机超温故障预测装置700上执行存储介质730中的一系列指令操作。
牵引电机超温故障预测装置700还可以包括一个或一个以上电源727，一个或一个以上有线或无线网络接口750，一个或一个以上输入输出接口758，和/或，一个或一个以上操作系统741，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
上述图1至图3所描述的牵引电机超温故障预测的方法中的步骤由牵引电机超温故障预测装置基于该图6所示的结构实现。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置、设备和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，功能调用装置，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请所提供的一种牵引电机超温故障预测的方法、系统、装置及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种牵引电机超温故障预测的方法，其特征在于，包括：
计算牵引电机实时温度的相关参数；
判断所述相关参数是否超过第一阈值；
若是，则发出预警信号，并获取预设时间内的测量数据；
采用预设规则根据所述测量数据对所述牵引电机的温度进行预测，得到温度预测结果；
判断所述温度预测结果是否超过第二阈值；
若所述温度预测结果超过所述第二阈值，则发出超温故障报警信号。
2.根据权利要求1所述的方法，其特征在于，当所述相关参数包括类比指标时，所述计算牵引电机实时温度的相关参数，包括：
采集所述牵引电机的实时监测数据；其中，所述实时监测数据包括温度及状态；
判断所述牵引电机的状态是否为工作状态；
若是，则判断所述牵引电机的运行时间是否超过第三阈值；
若所述牵引电机的运行时间超过第三阈值，则将所述牵引电机列入有效字典；
计算所述有效字典内各牵引电机温度的类比指标。
3.根据权利要求2所述的方法，其特征在于，当所述牵引电机的运行时间未超过所述第三阈值时，在计算所述有效字典内各牵引电机温度的类比指标之前，还包括：
计算所述牵引电机温度的类比指标；
判断所述牵引电机温度的类比指标是否小于第四阈值且所述牵引电机的运行时间是否超过第五阈值；
若是，则将所述牵引电机列入所述有效字典。
4.根据权利要求2或3所述的方法，其特征在于，所述类比指标包括同辆比、同辆极差、同列比和同列极差中的至少一项，其中：
所述同辆比为该牵引电机温度与同一辆车同一变流器供电的其余牵引电机温度的平均值之间的比值，根据公式计算得到；
所述同辆极差为同一辆车同一变流器供电的有效电机最大温度与最小温度之差，根据公式v＝rmax-rmin计算得到；
所述同列比为该牵引电机温度与同一列车不同变流器供电的其余牵引电机温度的平均值之间的比值，根据公式计算得到；
所述同列极差为同一列车不同变流器供电的有效电机最大温度与最小温度之差，根据公式vt＝rtmax-rtmin计算得到；
其中，ri为同辆比，xi为第i个牵引电机的温度，xj为第j个牵引电机的温度，N为同一机车同一变流器供电的有效牵引电机的总数，v为同辆极差，rmax为最大同辆比，rmin为最小同辆比，rti为同列比，M为同一列车不同变流器供电的有效牵引电机的总数，vt为同列极差，rtmax为最大同列比，rtmin为最小同列比。
5.根据权利要求4所述的方法，其特征在于，当所述相关参数包括相对指标时，计算牵引电机实时温度的相关参数，包括：
根据公式计算所述有效字典内各牵引电机温度的相对指标；
其中，Δxn为当前时刻的温度变化率，为当前时刻的温度平均值，为前m时刻的温度平均值。
6.根据权利要求1所述的方法，其特征在于，所述采用预设规则根据所述测量数据对所述牵引电机的温度进行预测，包括：
采用梯度提升树算法根据所述测量数据对所述牵引电机的温度进行预测。
7.根据权利要求6所述的方法，其特征在于，在发出超温故障报警信号之后，还包括：
闭锁所述牵引电机投入运行或降低所述牵引电机的运行速度。
8.一种牵引电机超温故障预测的系统，其特征在于，包括：
计算模块，用于计算牵引电机实时温度的相关参数；
第一判断模块，用于判断所述相关参数是否超过第一阈值；
预警获取模块，用于当所述相关参数超过第一阈值时，发出预警信号，并获取预设时间内的测量数据；
预测模块，用于采用预设规则根据所述测量数据对所述牵引电机的温度进行预测，得到温度预测结果；
第二判断模块，用于判断所述温度预测结果是否超过第二阈值；
报警模块，用于当所述温度预测结果超过所述第二阈值时，发出超温故障报警信号。
9.一种牵引电机超温故障预测的装置，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述牵引电机超温故障预测的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述牵引电机超温故障预测的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711070293.0A CN109752651B (zh) | 2017-11-03 | 2017-11-03 | 一种牵引电机超温故障预测的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711070293.0A CN109752651B (zh) | 2017-11-03 | 2017-11-03 | 一种牵引电机超温故障预测的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109752651A true CN109752651A (zh) | 2019-05-14 |
| CN109752651B CN109752651B (zh) | 2021-08-17 |
Family
ID=66398620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711070293.0A Active CN109752651B (zh) | 2017-11-03 | 2017-11-03 | 一种牵引电机超温故障预测的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109752651B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110588718A (zh) * | 2019-08-28 | 2019-12-20 | 中国铁道科学研究院集团有限公司 | 动车组电机断轴监测方法及装置 |
| CN111060844A (zh) * | 2019-12-09 | 2020-04-24 | 南京航空航天大学 | 一种用于高速列车牵引传动系统的匝间短路故障诊断方法及装置 |
| CN111506093A (zh) * | 2020-04-09 | 2020-08-07 | 陕西省地方电力(集团)有限公司延安供电分公司 | 一种基于无人机的电力巡检系统及方法 |
| CN112241511A (zh) * | 2019-07-19 | 2021-01-19 | 上海杰之能软件科技有限公司 | 交通工具辅助电气系统的性能检测方法及装置、终端 |
| CN112556755A (zh) * | 2020-12-07 | 2021-03-26 | 广东鉴面智能科技有限公司 | 一种根据电机温度判断故障的方法及装置 |
| CN113060164A (zh) * | 2021-03-31 | 2021-07-02 | 中车青岛四方机车车辆股份有限公司 | 一种滤网监控方法、系统及相关组件 |
| CN113358236A (zh) * | 2021-06-07 | 2021-09-07 | 无锡宇邦半导体科技有限公司 | 一种提高温度测量精度的方法及装置 |
| CN113532666A (zh) * | 2021-06-10 | 2021-10-22 | 杭州唯灵医疗科技有限公司 | 温度播报的方法、系统、电子装置及存储介质 |
| CN113792487A (zh) * | 2021-09-14 | 2021-12-14 | 中国铁道科学研究院集团有限公司 | 动车组牵引系统超温故障预测方法及装置 |
| CN113848494A (zh) * | 2021-09-18 | 2021-12-28 | 北京经纬恒润科技股份有限公司 | 一种动力电池温度的在线监测方法及车载t-box |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1220439A2 (en) * | 2000-12-27 | 2002-07-03 | Honda Giken Kogyo Kabushiki Kaisha | Parameter detection of a DC brushless motor and vector control of that motor |
| CN1899870A (zh) * | 2006-07-26 | 2007-01-24 | 北京时代光华电子技术有限公司 | 一种机车遥测预警系统 |
| CN101446814A (zh) * | 2007-11-27 | 2009-06-03 | 沈阳创思达自动化系统有限公司 | 风机系统温度故障保护控制系统及其控制方法 |
| CN201440605U (zh) * | 2009-04-23 | 2010-04-21 | 秦皇岛融大工程技术有限公司 | 电机自诊断保护装置 |
| CN101769797A (zh) * | 2009-01-06 | 2010-07-07 | 李虎 | 一种用于预测永磁同步电动机中永磁体温度的温升分析方法 |
| CN102127744A (zh) * | 2010-01-19 | 2011-07-20 | 和舰科技(苏州)有限公司 | 具有预警功能的离子植入机驱动机构及其预警方法 |
| CN104657503A (zh) * | 2015-03-13 | 2015-05-27 | 浪潮集团有限公司 | 一种基于统计判别法对电商销售额异常值的预处理方法 |
| CN104678181A (zh) * | 2015-03-23 | 2015-06-03 | 攀钢集团研究院有限公司 | 钢轨电阻率测量方法 |
| CN104978477A (zh) * | 2014-04-14 | 2015-10-14 | 现代自动车株式会社 | 用于估计电动机的转子温度的系统和方法 |
| US9255969B2 (en) * | 2012-05-21 | 2016-02-09 | General Electric Company | Prognostics and life estimation of electrical machines |
| WO2016073718A1 (en) * | 2014-11-06 | 2016-05-12 | Fluke Corporation | Method of combined use of infrared camera, non-contact infrared sensor, or contact temperature sensor with insulation resistance tester for automatic temperature normalization |
| CN106169023A (zh) * | 2016-06-30 | 2016-11-30 | 中国人民解放军国防科学技术大学 | 一种基于热传导理论的芯片温度预测方法 |
| US20160370223A1 (en) * | 2013-12-16 | 2016-12-22 | Tdg Aerospace, Inc. | Monitoring systems and methods |
| CN106556465A (zh) * | 2016-11-28 | 2017-04-05 | 广东电网有限责任公司珠海供电局 | 电气设备表面温度的测量设备 |
| CN107077178A (zh) * | 2014-11-04 | 2017-08-18 | 高通股份有限公司 | 基于所预测温度的热缓解 |
| CN107181444A (zh) * | 2016-03-11 | 2017-09-19 | 欧姆龙株式会社 | 温度监视装置及方法、信息处理程序以及记录介质 |
-
2017
- 2017-11-03 CN CN201711070293.0A patent/CN109752651B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1220439A2 (en) * | 2000-12-27 | 2002-07-03 | Honda Giken Kogyo Kabushiki Kaisha | Parameter detection of a DC brushless motor and vector control of that motor |
| CN1899870A (zh) * | 2006-07-26 | 2007-01-24 | 北京时代光华电子技术有限公司 | 一种机车遥测预警系统 |
| CN101446814A (zh) * | 2007-11-27 | 2009-06-03 | 沈阳创思达自动化系统有限公司 | 风机系统温度故障保护控制系统及其控制方法 |
| CN101769797A (zh) * | 2009-01-06 | 2010-07-07 | 李虎 | 一种用于预测永磁同步电动机中永磁体温度的温升分析方法 |
| CN201440605U (zh) * | 2009-04-23 | 2010-04-21 | 秦皇岛融大工程技术有限公司 | 电机自诊断保护装置 |
| CN102127744A (zh) * | 2010-01-19 | 2011-07-20 | 和舰科技(苏州)有限公司 | 具有预警功能的离子植入机驱动机构及其预警方法 |
| US9255969B2 (en) * | 2012-05-21 | 2016-02-09 | General Electric Company | Prognostics and life estimation of electrical machines |
| US20160370223A1 (en) * | 2013-12-16 | 2016-12-22 | Tdg Aerospace, Inc. | Monitoring systems and methods |
| CN104978477A (zh) * | 2014-04-14 | 2015-10-14 | 现代自动车株式会社 | 用于估计电动机的转子温度的系统和方法 |
| CN107077178A (zh) * | 2014-11-04 | 2017-08-18 | 高通股份有限公司 | 基于所预测温度的热缓解 |
| WO2016073718A1 (en) * | 2014-11-06 | 2016-05-12 | Fluke Corporation | Method of combined use of infrared camera, non-contact infrared sensor, or contact temperature sensor with insulation resistance tester for automatic temperature normalization |
| CN104657503A (zh) * | 2015-03-13 | 2015-05-27 | 浪潮集团有限公司 | 一种基于统计判别法对电商销售额异常值的预处理方法 |
| CN104678181A (zh) * | 2015-03-23 | 2015-06-03 | 攀钢集团研究院有限公司 | 钢轨电阻率测量方法 |
| CN107181444A (zh) * | 2016-03-11 | 2017-09-19 | 欧姆龙株式会社 | 温度监视装置及方法、信息处理程序以及记录介质 |
| CN106169023A (zh) * | 2016-06-30 | 2016-11-30 | 中国人民解放军国防科学技术大学 | 一种基于热传导理论的芯片温度预测方法 |
| CN106556465A (zh) * | 2016-11-28 | 2017-04-05 | 广东电网有限责任公司珠海供电局 | 电气设备表面温度的测量设备 |
Non-Patent Citations (1)
| Title |
|---|
| 张慧源 等: "电力设备温升模型及其在载流故障预测的应用", 《电机与控制学报》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112241511B (zh) * | 2019-07-19 | 2024-05-14 | 上海杰之能软件科技有限公司 | 交通工具辅助电气系统的性能检测方法及装置、终端 |
| CN112241511A (zh) * | 2019-07-19 | 2021-01-19 | 上海杰之能软件科技有限公司 | 交通工具辅助电气系统的性能检测方法及装置、终端 |
| CN110588718A (zh) * | 2019-08-28 | 2019-12-20 | 中国铁道科学研究院集团有限公司 | 动车组电机断轴监测方法及装置 |
| CN111060844A (zh) * | 2019-12-09 | 2020-04-24 | 南京航空航天大学 | 一种用于高速列车牵引传动系统的匝间短路故障诊断方法及装置 |
| CN111506093A (zh) * | 2020-04-09 | 2020-08-07 | 陕西省地方电力(集团)有限公司延安供电分公司 | 一种基于无人机的电力巡检系统及方法 |
| CN112556755A (zh) * | 2020-12-07 | 2021-03-26 | 广东鉴面智能科技有限公司 | 一种根据电机温度判断故障的方法及装置 |
| CN113060164A (zh) * | 2021-03-31 | 2021-07-02 | 中车青岛四方机车车辆股份有限公司 | 一种滤网监控方法、系统及相关组件 |
| CN113358236A (zh) * | 2021-06-07 | 2021-09-07 | 无锡宇邦半导体科技有限公司 | 一种提高温度测量精度的方法及装置 |
| CN113532666A (zh) * | 2021-06-10 | 2021-10-22 | 杭州唯灵医疗科技有限公司 | 温度播报的方法、系统、电子装置及存储介质 |
| CN113792487A (zh) * | 2021-09-14 | 2021-12-14 | 中国铁道科学研究院集团有限公司 | 动车组牵引系统超温故障预测方法及装置 |
| CN113792487B (zh) * | 2021-09-14 | 2024-02-02 | 中国国家铁路集团有限公司 | 动车组牵引系统超温故障预测方法及装置 |
| CN113848494A (zh) * | 2021-09-18 | 2021-12-28 | 北京经纬恒润科技股份有限公司 | 一种动力电池温度的在线监测方法及车载t-box |
| CN113848494B (zh) * | 2021-09-18 | 2024-01-26 | 北京经纬恒润科技股份有限公司 | 一种动力电池温度的在线监测方法及车载t-box |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109752651B (zh) | 2021-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109752651A (zh) | 一种牵引电机超温故障预测的方法及系统 | |
| CN104270091B (zh) | 一种基于监控系统的光伏发电设备故障诊断方法 | |
| CN108709724A (zh) | 风力发电机组螺栓在线状态监测系统及方法 | |
| CN103514281B (zh) | 一种基于wams动态数据的风电场无功调节能力自动分析系统 | |
| CN108536945A (zh) | 一种用于大型调相机的故障诊断方法及系统 | |
| CN110068758B (zh) | 柔性直流换流阀监测诊断系统 | |
| CN106655158A (zh) | 一种基于智能电网的配电网自愈控制系统和方法 | |
| CN105320050A (zh) | 一种基于网关的车辆功能集中控制方法 | |
| CN102997838A (zh) | 一种基于扫频短路特征的变压器绕组变形故障诊断方法 | |
| CN103471729A (zh) | 一种装置温度预警方法及其应用 | |
| CN106438432A (zh) | 一种风扇报警系统 | |
| CN104505840B (zh) | 一种低频低压联合减载的方法 | |
| CN109061421A (zh) | 一种用于gil击穿定位的可听声测量装置及方法 | |
| CN203422230U (zh) | 基于LabVIEW的节能型车辆牵引系统综合测试平台 | |
| CN103091108A (zh) | 一种用于航空发动机的振动检测系统 | |
| CN103425845B (zh) | 一种用于核动力装置的安全可靠性评价系统及方法 | |
| CN107359858A (zh) | 实现光伏电站健康状态运维展示控制的方法 | |
| CN109037812A (zh) | 余能利用方法及装置 | |
| CN206187050U (zh) | 轨道车辆系统故障的检测装置 | |
| CN108081957A (zh) | 动力电池的监控系统、监控方法及电动汽车 | |
| CN106159899A (zh) | 地铁能量回馈装置的传感器故障监测保护装置及方法 | |
| CN110286286A (zh) | 一种基于vmd-elm的vsc-hvdc换流站故障识别装置及方法 | |
| CN104320075B (zh) | 光伏电站故障分析与诊断系统 | |
| CN106567724A (zh) | 井下变频通风方法 | |
| CN110133395A (zh) | 一种充电桩健康状态诊断方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |