CN111204363B - 一种牵引系统故障诊断预警和状态评估方法、装置及系统 - Google Patents
一种牵引系统故障诊断预警和状态评估方法、装置及系统 Download PDFInfo
- Publication number
- CN111204363B CN111204363B CN202010327594.2A CN202010327594A CN111204363B CN 111204363 B CN111204363 B CN 111204363B CN 202010327594 A CN202010327594 A CN 202010327594A CN 111204363 B CN111204363 B CN 111204363B
- Authority
- CN
- China
- Prior art keywords
- traction system
- fault diagnosis
- fault
- state
- early warning
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or vehicle train for signalling purposes ; On-board control or communication systems
- B61L15/0081—On-board diagnosis or maintenance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning, or like safety means along the route or between vehicles or vehicle trains
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
- B61L27/57—Trackside diagnosis or maintenance, e.g. software upgrades for vehicles or vehicle trains, e.g. trackside supervision of train conditions
Abstract
本申请提供了一种牵引系统故障诊断预警和状态评估方法及装置,应用于牵引系统的故障诊断和状态评估系统,该方法中,首先根据牵引系统样本数据构建预设故障诊断预警和状态评估模型,然后,通过调用预设故障诊断预警和状态评估模型,以牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,最后,根据牵引系统故障诊断结果,判断牵引系统的运行状态,并输出对应的应急处理措施。本申请以列车牵引系统为对象,在不新增传感器、不额外对列车牵引系统进行设备改造的前提下,利用牵引系统故障诊断参数,调用预设故障诊断预警和状态评估模型,实现牵引系统故障诊断预警和状态评估,降低牵引系统故障诊断预警和状态评估成本。
Description
技术领域
本申请涉及轨道交通故障诊断技术领域,尤其涉及一种牵引系统故障诊断预警和状态评估方法、装置及系统。
背景技术
随着高速列车运营数量的不断增加、列车复杂性的提高,势必会引入更多的安全影响因素,进而增加列车中各零部件发生故障和功能失效的几率,因此,就需要进一步对列车的安全可靠运行提出更高的要求。
为了避免严重事故的发生,确保列车运行安全,目前,主要通过PHM(Prognosticand Health Management,故障预测与健康管理)技术在各零部件发生故障之前进行预测性维护,特别地,牵引系统作为列车运行过程中的核心子系统,直接影响列车的运行安全,因此,针对牵引系统的PHM技术研究是实现列车级PHM功能的重要基础。
然而,由于现有牵引系统主要采用电力传动与机械传动相结合的动力特性,集成化程度高,直接影响数据采集和实时监测,因此,需要额外增加信号采集装置以及相关的监测设备和分析诊断设备,这样不仅增加了设备维护成本,同时新增设备本身会带来故障。
发明内容
本申请提供一种牵引系统故障诊断预警和状态评估方法、装置及系统,在不新增信号采集装置以及相关的监测设备和分析诊断设备,不额外对列车牵引系统进行设备改造的情况下,实现牵引系统故障诊断和预警,从而降低故障诊断预警和状态评估成本。
为了实现上述目的,本申请提供了以下技术方案:
一种牵引系统故障诊断预警和状态评估方法,应用于牵引系统的故障诊断和状态评估系统,该方法包括:
获取牵引系统故障诊断参数,所述牵引系统故障诊断参数包括所述牵引系统关键部件的性能指标和故障特征指标,所述性能指标和故障特征指标用于标识所述牵引系统的运行状态,所述牵引系统的运行状态为所述牵引系统的关键部件故障、轻微故障或故障发生前性能退化;
调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,所述预设故障诊断预警和状态评估模型根据牵引系统样本数据构建,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
根据所述牵引系统故障诊断结果,判断所述牵引系统的运行状态,并输出对应的应急处理措施,所述应急处理措施为停车、切除本车动力单元或减功率运行。
优选的,所述性能指标和故障特征指标的获取方法,具体为:
获取原有状态信号和实时数据,所述原有状态信号为采样时间间隔大于第一预设时间的信号,所述实时数据为采样时间大于第二预设时间的信号;
从所述原有状态信号和所述实时数据中提取所述牵引系统关键部件的性能指标和故障特征指标,所述牵引系统关键部件的性能指标和故障特征指标包括:不平衡度、峭度、阻值、有效值和容值的时域指标,以及谐波含量、频谱和功率谱的频域指标。
优选的,所述预设故障诊断预警和状态评估模型的构建过程,具体为:
获取牵引系统样本数据,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
基于所述牵引系统样本数据,采用故障诊断预警和状态评估智能识别算法对故障诊断预警和状态评估模型进行训练,构建牵引系统故障诊断识别的所述预设故障诊断预警和状态评估模型。
一种牵引系统故障诊断预警和状态评估装置,应用于牵引系统的故障诊断和状态评估系统,该装置包括:
第一处理单元,用于获取牵引系统故障诊断参数,所述牵引系统故障诊断参数包括所述牵引系统关键部件的性能指标和故障特征指标,所述性能指标和故障特征指标用于标识所述牵引系统的运行状态,所述牵引系统的运行状态为所述牵引系统的关键部件故障、轻微故障或故障发生前性能退化;
第二处理单元,用于调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,所述预设故障诊断预警和状态评估模型根据牵引系统样本数据构建,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
第三处理单元,用于根据所述牵引系统故障诊断结果,判断所述牵引系统的运行状态,并输出对应的应急处理措施,所述应急处理措施为停车、切除本车动力单元或减功率运行。
优选的,所述第一处理单元具体用于:
获取原有状态信号和实时数据,所述原有状态信号为采样时间间隔大于第一预设时间的信号,所述实时数据为采样时间大于第二预设时间的信号;
从所述原有状态信号和所述实时数据中提取所述牵引系统关键部件的性能指标和故障特征指标,所述牵引系统关键部件的性能指标和故障特征指标包括:不平衡度、峭度、阻值、有效值和容值的时域指标,以及谐波含量、频谱和功率谱的频域指标。
优选的,所述第二处理单元具体用于:
获取牵引系统样本数据,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
基于所述牵引系统样本数据,采用故障诊断预警和状态评估智能识别算法对故障诊断预警和状态评估模型进行训练,构建牵引系统故障诊断识别的所述预设故障诊断预警和状态评估模型。
一种牵引系统的故障诊断和状态评估系统,该系统包括:信号采集模块和故障诊断与预警模块,其中:
所述信号采集模块通过以太网和背板绕线与牵引控制单元相连,用于获取所述牵引控制单元的原有状态信号和实时数据,所述原有状态信号为采样时间间隔大于第一预设时间的信号,所述实时数据为采样时间大于第二预设时间的信号;
所述故障诊断与预警模块与所述信号采集模块相连,用于采用统计分析、频谱变换和大数据挖掘技术从所述原有状态信号和所述实时数据中,提取所述牵引系统关键部件的性能指标和故障特征指标,调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,所述预设故障诊断预警和状态评估模型根据牵引系统样本数据构建,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数。
优选的,还包括:通信模块和存储模块,其中:
所述通信模块与所述故障诊断与预警模块相连,用于将状态评估、诊断结果和应急处置措施发送至显示模块进行显示,并反馈至所述牵引控制单元;
所述存储模块与所述故障诊断与预警模块相连,用于保存牵引系统故障诊断结果,当触发故障报警时,对故障日志、故障前后设定时间段内的运行数据进行存储。
一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在的设备执行如上述所述的牵引系统故障诊断预警和状态评估方法。
一种电子设备,所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如上述所述的牵引系统故障诊断预警和状态评估方法。
本申请所述的牵引系统故障诊断预警和状态评估方法及装置,应用于牵引系统的故障诊断和状态评估系统,该方法中,首先根据牵引系统样本数据构建预设故障诊断预警和状态评估模型,然后,通过调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,最后,根据所述牵引系统故障诊断结果,判断所述牵引系统的运行状态,并输出对应的应急处理措施,所述应急处理措施为停车、切除本车动力单元或减功率运行。
本申请以列车牵引系统为对象,在不新增传感器、不额外对列车牵引系统进行设备改造的前提下,利用牵引系统故障诊断参数,调用预设故障诊断预警和状态评估模型,实现牵引系统故障诊断预警和状态评估,从而降低牵引系统故障诊断预警和状态评估成本。
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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种应用场景示意图;
图2为本申请实施例提供的一种牵引系统故障诊断预警和状态评估方法的流程图;
图3为本申请实施例提供的步骤S201的一种具体实施方式的流程图;
图4为本申请实施例提供的步骤S202的具体实施方式的流程图;
图5为本申请实施例提供的一种牵引系统故障诊断预警和状态评估装置结构示意图;
图6为本申请实施例公开的一种电子设备结构示意图。
具体实施方式
本申请提供一种牵引系统故障诊断预警和状态评估方法、装置及系统,用于牵引系统故障预测与健康管理,应用于如图1所示的牵引系统故障诊断预警和状态评估系统,该牵引系统故障诊断预警和状态评估系统包括:信号采集模块10、故障诊断与预警模块20、通信模块30和存储模块40,其中,信号采集模块10分别通过以太网和背板绕线获取TCU(Traction Contrl Uint,牵引控制单元)的原始状态信号和实时数据,原始状态信号主要是指控制指令、控制指令反馈、温度等采样时间间隔大于10毫秒的信号;实时数据主要是指电流、电压、转速、变流器冷却系统进/出水口的水压等采样时间间隔小于200微妙的信号。故障诊断与预警模块20用于故障特征提取、状态评估、故障诊断与预警,实现牵引系统关键部件故障、轻微故障、故障发生前/性能退化三种不同严重程度的检测,再根据状态评估、故障诊断与预警结果,综合决策出应急处置措施,最后将分析结果发送给通信模块30和存储模块40。通信单元30用于将状态评估、诊断与预警结果、应急处置措施发送给司机室显示器和TCU。存储单元40用于保存状态评估单元和故障诊断与预警结果,当触发故障报警时对故障日志、故障前后设定时间段内的运行数据进行存储。
本申请提供的一种牵引系统故障诊断预警和状态评估方法、装置及系统,其目的在于:在不新增信号采集装置以及相关的监测设备和分析诊断设备,不额外对列车牵引系统进行设备改造的情况下,实现牵引系统故障诊断和预警,从而降低故障诊断预警和状态评估成本。
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,所描述的实施例仅仅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。
本申请实施例中,以高速列车牵引系统为对象,在不新增传感器、不额外对高速列车牵引系统进行设备改造的前提下,利用高速列车牵引系统故障诊断参数,调用预设故障诊断预警和状态评估模型,实现高速列车牵引系统故障诊断预警和状态评估,从而降低高速列车牵引系统故障诊断预警和状态评估成本。
如图2所示,本申请实施例提供了一种牵引系统故障诊断预警和状态评估方法流程图,该方法应用于牵引系统故障诊断预警和状态评估系统,该方法具体包括如下步骤:
步骤S201:获取牵引系统故障诊断参数,所述牵引系统故障诊断参数包括所述牵引系统关键部件的性能指标和故障特征指标。
本申请实施例中,所述性能指标和故障特征指标用于标识所述牵引系统的运行状态,所述牵引系统的运行状态为所述牵引系统的关键部件故障、轻微故障或故障发生前性能退化。
需要说明的是,本申请实施例中,牵引系统的关键部件包括:牵引变压器、牵引电机、传感器(电压传感器、电流传感器、水压传感器、温度传感器)、接触器(充电接触器、短接接触器)、电容器(中间直流电容器、二次滤波电容器)和牵引电机联轴节等。
本申请实施例中,故障程度分为三个:故障程度1-系统已经发生故障、故障程度2-系统存在微小故障性能有所下降、故障程度3-系统尚未发生故障。其中,故障程度1主要用于故障诊断,用于分析系统故障数据,迅速定位故障原因,并指导司机进行应急处理,指导维护人员更换备件。故障程度2主要用于在列车运行前进行状态自检和列车运行中状态评估,即:自动检查牵引系统各个部件电器状态和自动分析每次自检数据,保障列车出库前无故障,分析列车运行数据,评估系统整体性能,以及优化司机操纵方式,发现系统潜在隐患。故障程度3主要用于故障预警,即:监视与评估关键部件退化特征,实现故障预警,以及提取更换有故障隐患的部件,保障列车正点运行。
如图3所示,上述性能指标和故障特征指标的获取方法,具体包括如下步骤:
S301:获取原有状态信号和实时数据,所述原有状态信号为采样时间间隔大于第一预设时间的信号,所述实时数据为采样时间大于第二预设时间的信号。
本申请实施例中,上述第一预设时间为10ms,上述第二预设时间为200ms,即:上述原有状态信号主要是指控制指令、控制指令反馈和温度等采样时间间隔大于10ms的信号;上述实时数据主要是指电流、电压、转速和变流器冷却系统进/出水口的水压等采样时间间隔小于200ms的信号。
S302:从所述原有状态信号和所述实时数据中提取所述牵引系统关键部件的性能指标和故障特征指标。
本申请实施例中,采用统计分析、频谱变换和大数据挖掘技术从所述原有状态信号和所述实时数据中综合提取所述牵引系统关键部件的性能指标和故障特征指标。
在本申请实施例中,所述牵引系统关键部件的性能指标和故障特征指标包括:不平衡度、峭度、阻值、有效值和容值的时域指标,以及谐波含量、频谱和功率谱的频域指标,其中,阻值、容值和谐波含量等为牵引系统关键部件的性能指标,不平衡度、峭度、功率谱和有效值等为牵引系统关键部件的故障特征指标。
步骤S202:调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果。
所述预设故障诊断预警和状态评估模型根据牵引系统样本数据构建,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数。
需要说明的是,预设故障诊断预警和状态评估模型主要是变压器、牵引电机、联轴节等各关键部件的故障诊断预警智能识别模型,主要包括三种类型的模型,即:基于机理模型、智能算法和专家经验模型。
如图4所示,上述预设故障诊断预警和状态评估模型的构建过程,具体包括如下步骤:
S401:获取牵引系统样本数据,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
S402:基于所述牵引系统样本数据,采用故障诊断预警和状态评估智能识别算法对故障诊断预警和状态评估模型进行训练,构建牵引系统故障诊断识别的所述预设故障诊断预警和状态评估模型。
在故障诊断预警和状态评估之前,首先利用故障诊断预警和状态评估大量样本数据对故障诊断预警和状态评估模型进行训练,构建牵引系统故障诊断预警和状态评估识别的预设故障诊断预警和状态评估模型,然后将牵引系统故障诊断参数送入训练好的预设故障诊断预警和状态评估模型,实现牵引系统故障诊断预警和状态评估。
步骤S203:根据所述牵引系统故障诊断结果,判断所述牵引系统的运行状态,并输出对应的应急处理措施,所述应急处理措施为停车、切除本车动力单元或减功率运行。
本申请实施例,根据所述牵引系统故障诊断结果,如果检测出部件性能异常、故障或轻微故障,则对应给出预先设置的应急处置措施,如减功率运行、切除本车动力单元、停车等;否则,表示牵引系统正常则跳至下次诊断预警。
还可以将分析结果和急处置措施发送给TCU和司机室显示器,并对故障日志、故障前后设定时间段内的运行数据进行存储。
本申请实施例提供的一种牵引系统故障诊断预警和状态评估方法,应用于牵引系统的故障诊断和状态评估系统,该方法中,首先根据牵引系统样本数据构建预设故障诊断预警和状态评估模型,然后,通过调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,最后,根据所述牵引系统故障诊断结果,判断所述牵引系统的运行状态,并输出对应的应急处理措施,所述应急处理措施为停车、切除本车动力单元或减功率运行。
本申请以列车牵引系统为对象,在不新增传感器、不额外对列车牵引系统进行设备改造的前提下,利用牵引系统故障诊断参数,调用预设故障诊断预警和状态评估模型,实现牵引系统故障诊断预警和状态评估,从而降低牵引系统故障诊断预警和状态评估成本。
请参阅图5,基于上述实施例公开的一种牵引系统故障诊断预警和状态评估方法,本实施例对应公开了一种牵引系统故障诊断预警和状态评估装置,应用于牵引系统的故障诊断和状态评估系统,该装置具体包括:第一处理单元501、第二处理单元502和第三处理单元503,其中:
第一处理单元501,用于获取牵引系统故障诊断参数,所述牵引系统故障诊断参数包括所述牵引系统关键部件的性能指标和故障特征指标,所述性能指标和故障特征指标用于标识所述牵引系统的运行状态,所述牵引系统的运行状态为所述牵引系统的关键部件故障、轻微故障或故障发生前性能退化;
第二处理单元502,用于调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,所述预设故障诊断预警和状态评估模型根据牵引系统样本数据构建,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
第三处理单元503,用于根据所述牵引系统故障诊断结果,判断所述牵引系统的运行状态,并输出对应的应急处理措施,所述应急处理措施为停车、切除本车动力单元或减功率运行。
优选的,所述第一处理单元501具体用于:
获取原有状态信号和实时数据,所述原有状态信号为采样时间间隔大于第一预设时间的信号,所述实时数据为采样时间大于第二预设时间的信号;
从所述原有状态信号和所述实时数据中提取所述牵引系统关键部件的性能指标和故障特征指标,所述牵引系统关键部件的性能指标和故障特征指标包括:不平衡度、峭度、阻值、有效值和容值的时域指标,以及谐波含量、频谱和功率谱的频域指标。
优选的,所述第二处理单元502具体用于:
获取牵引系统样本数据,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
基于所述牵引系统样本数据,采用故障诊断预警和状态评估智能识别算法对故障诊断预警和状态评估模型进行训练,构建牵引系统故障诊断识别的所述预设故障诊断预警和状态评估模型。
所述牵引系统故障诊断预警和状态评估装置包括处理器和存储器,上述第一处理单元、第二处理单元和第三处理单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,本申请实施例以列车牵引系统为对象,在不新增传感器、不额外对列车牵引系统进行设备改造的前提下,利用牵引系统故障诊断参数,调用预设故障诊断预警和状态评估模型,实现牵引系统故障诊断预警和状态评估,降低牵引系统故障诊断预警和状态评估成本。
本申请实施例还公开了一种牵引系统的故障诊断和状态评估系统,如图1所示,该系统包括:信号采集模块10、故障诊断与预警模块20、通信模块30和存储模块40,其中:
所述信号采集模块10通过以太网和背板绕线与牵引控制单元TCU相连,用于获取所述牵引控制单元TCU的原有状态信号和实时数据,所述原有状态信号为采样时间间隔大于第一预设时间的信号,所述实时数据为采样时间大于第二预设时间的信号。
所述故障诊断与预警模块20与所述信号采集模块10相连,用于从所述原有状态信号和所述实时数据中,提取所述牵引系统关键部件的性能指标和故障特征指标,调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,所述预设故障诊断预警和状态评估模型根据牵引系统样本数据构建,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数。
所述通信模块30与所述故障诊断与预警模块20相连,用于将状态评估、诊断结果和应急处置措施发送至显示模块进行显示,并反馈至所述牵引控制单元。
所述存储模块40与所述故障诊断与预警模块10相连,用于保存牵引系统故障诊断结果,当触发故障报警时,对故障日志、故障前后设定时间段内的运行数据进行存储。
本申请实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述牵引系统故障诊断预警和状态评估方法。
本申请实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述牵引系统故障诊断预警和状态评估方法。
本申请实施例提供了一种电子设备,如图6所示,该电子设备60包括至少一个处理器601、以及与所述处理器连接的至少一个存储器602、总线603;其中,所述处理器601、所述存储器602通过所述总线603完成相互间的通信;处理器601用于调用所述存储器602中的程序指令,以执行上述的所述牵引系统故障诊断预警和状态评估方法。
本文中的电子设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
获取牵引系统故障诊断参数,所述牵引系统故障诊断参数包括所述牵引系统关键部件的性能指标和故障特征指标,所述性能指标和故障特征指标用于标识所述牵引系统的运行状态,所述牵引系统的运行状态为所述牵引系统的关键部件故障、轻微故障或故障发生前性能退化;
调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,所述预设故障诊断预警和状态评估模型根据牵引系统样本数据构建,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
根据所述牵引系统故障诊断结果,判断所述牵引系统的运行状态,并输出对应的应急处理措施,所述应急处理措施为停车、切除本车动力单元或减功率运行。
优选的,所述性能指标和故障特征指标的获取方法,具体为:
获取原有状态信号和实时数据,所述原有状态信号为采样时间间隔大于第一预设时间的信号,所述实时数据为采样时间大于第二预设时间的信号;
从所述原有状态信号和所述实时数据中提取所述牵引系统关键部件的性能指标和故障特征指标,所述牵引系统关键部件的性能指标和故障特征指标包括:不平衡度、峭度、阻值、有效值和容值的时域指标,以及谐波含量、频谱和功率谱的频域指标。
优选的,所述预设故障诊断预警和状态评估模型的构建过程,具体为:
获取牵引系统样本数据,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
基于所述牵引系统样本数据,采用故障诊断预警和状态评估智能识别算法对故障诊断预警和状态评估模型进行训练,构建牵引系统故障诊断识别的所述预设故障诊断预警和状态评估模型。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种牵引系统故障诊断预警和状态评估方法,其特征在于,应用于牵引系统的故障诊断和状态评估系统,该方法包括:
获取牵引系统故障诊断参数,所述牵引系统故障诊断参数包括所述牵引系统关键部件的性能指标和故障特征指标,所述性能指标和故障特征指标用于标识所述牵引系统的运行状态,所述牵引系统的运行状态为所述牵引系统的关键部件故障、轻微故障或故障发生前性能退化;
调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,所述预设故障诊断预警和状态评估模型根据牵引系统样本数据构建,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
根据所述牵引系统故障诊断结果,判断所述牵引系统的运行状态,并输出对应的应急处理措施,所述应急处理措施为停车、切除本车动力单元或减功率运行;
其中,所述性能指标和故障特征指标的获取方法,具体为:
获取原有状态信号和实时数据,所述原有状态信号为采样时间间隔大于第一预设时间的信号,所述实时数据为采样时间大于第二预设时间的信号,所述原有状态信号包括控制指令信号、控制指令反馈信号和温度信号,所述实时数据包括电流信号、电压信号、转速信号和变流器冷却系统进/出水口的水压信号;
从所述原有状态信号和所述实时数据中提取所述牵引系统关键部件的性能指标和故障特征指标,所述牵引系统关键部件的性能指标和故障特征指标包括:不平衡度、峭度、阻值、有效值和容值的时域指标,以及谐波含量、频谱和功率谱的频域指标。
2.根据权利要求1所述的方法,其特征在于,所述预设故障诊断预警和状态评估模型的构建过程,具体为:
获取牵引系统样本数据,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
基于所述牵引系统样本数据,采用故障诊断预警和状态评估智能识别算法对故障诊断预警和状态评估模型进行训练,构建牵引系统故障诊断识别的所述预设故障诊断预警和状态评估模型。
3.一种牵引系统故障诊断预警和状态评估装置,其特征在于,应用于牵引系统的故障诊断和状态评估系统,该装置包括:
第一处理单元,用于获取牵引系统故障诊断参数,所述牵引系统故障诊断参数包括所述牵引系统关键部件的性能指标和故障特征指标,所述性能指标和故障特征指标用于标识所述牵引系统的运行状态,所述牵引系统的运行状态为所述牵引系统的关键部件故障、轻微故障或故障发生前性能退化;
第二处理单元,用于调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,所述预设故障诊断预警和状态评估模型根据牵引系统样本数据构建,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
第三处理单元,用于根据所述牵引系统故障诊断结果,判断所述牵引系统的运行状态,并输出对应的应急处理措施,所述应急处理措施为停车、切除本车动力单元或减功率运行;
其中,所述第一处理单元具体用于:
获取原有状态信号和实时数据,所述原有状态信号为采样时间间隔大于第一预设时间的信号,所述实时数据为采样时间大于第二预设时间的信号,所述原有状态信号包括控制指令信号、控制指令反馈信号和温度信号,所述实时数据包括电流信号、电压信号、转速信号和变流器冷却系统进/出水口的水压信号;
从所述原有状态信号和所述实时数据中提取所述牵引系统关键部件的性能指标和故障特征指标,所述牵引系统关键部件的性能指标和故障特征指标包括:不平衡度、峭度、阻值、有效值和容值的时域指标,以及谐波含量、频谱和功率谱的频域指标。
4.根据权利要求3所述的装置,其特征在于,所述第二处理单元具体用于:
获取牵引系统样本数据,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数;
基于所述牵引系统样本数据,采用故障诊断预警和状态评估智能识别算法对故障诊断预警和状态评估模型进行训练,构建牵引系统故障诊断识别的所述预设故障诊断预警和状态评估模型。
5.一种牵引系统的故障诊断和状态评估系统,其特征在于,该系统包括:信号采集模块和故障诊断与预警模块,其中:
所述信号采集模块通过以太网和背板绕线与牵引控制单元相连,用于获取所述牵引控制单元的原有状态信号和实时数据,所述原有状态信号为采样时间间隔大于第一预设时间的信号,所述实时数据为采样时间大于第二预设时间的信号,所述原有状态信号包括控制指令信号、控制指令反馈信号和温度信号,所述实时数据包括电流信号、电压信号、转速信号和变流器冷却系统进/出水口的水压信号;
所述故障诊断与预警模块与所述信号采集模块相连,用于采用统计分析、频谱变换和大数据挖掘技术从所述原有状态信号和所述实时数据中,提取所述牵引系统关键部件的性能指标和故障特征指标,调用预设故障诊断预警和状态评估模型,以所述牵引系统故障诊断参数作为输入进行牵引系统的故障诊断,得到牵引系统故障诊断结果,所述预设故障诊断预警和状态评估模型根据牵引系统样本数据构建,所述牵引系统样本数据包括牵引系统关键部件故障状态、轻微故障状态和故障发生前性能退化状态所对应的牵引系统故障诊断参数。
6.根据权利要求5所述的系统,其特征在于,还包括:通信模块和存储模块,其中:
所述通信模块与所述故障诊断与预警模块相连,用于将状态评估、诊断结果和应急处置措施发送至显示模块进行显示,并反馈至所述牵引控制单元;
所述存储模块与所述故障诊断与预警模块相连,用于保存牵引系统故障诊断结果,当触发故障报警时,对故障日志、故障前后设定时间段内的运行数据进行存储。
7.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在的设备执行如权利要求1至2中任一项所述的牵引系统故障诊断预警和状态评估方法。
8.一种电子设备,其特征在于,所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1至2中任一项所述的牵引系统故障诊断预警和状态评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010327594.2A CN111204363B (zh) | 2020-04-23 | 2020-04-23 | 一种牵引系统故障诊断预警和状态评估方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010327594.2A CN111204363B (zh) | 2020-04-23 | 2020-04-23 | 一种牵引系统故障诊断预警和状态评估方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111204363A CN111204363A (zh) | 2020-05-29 |
CN111204363B true CN111204363B (zh) | 2020-07-24 |
Family
ID=70782016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010327594.2A Active CN111204363B (zh) | 2020-04-23 | 2020-04-23 | 一种牵引系统故障诊断预警和状态评估方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111204363B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112327804A (zh) * | 2020-10-30 | 2021-02-05 | 中车株洲电力机车研究所有限公司 | 牵引控制单元的故障诊断方法、装置、系统和列车 |
CN112829794A (zh) * | 2021-01-05 | 2021-05-25 | 株洲中车时代电气股份有限公司 | 接触器故障预警方法及相关装置 |
TWI767570B (zh) * | 2021-02-19 | 2022-06-11 | 兆竑智聯股份有限公司 | 設備維運系統及設備維運方法 |
CN113034732B (zh) * | 2021-03-29 | 2022-12-27 | 南京格物智能科技有限公司 | 一种牵引变流器滤网堵塞的诊断方法和装置 |
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 |
CN113650656B (zh) * | 2021-09-23 | 2023-07-04 | 天津津航计算技术研究所 | 一种基于列车运营场景的智能故障诊断方法 |
CN114996258A (zh) * | 2022-06-23 | 2022-09-02 | 中铁第四勘察设计院集团有限公司 | 一种基于数据仓库的接触网故障诊断方法 |
CN115571196A (zh) * | 2022-11-17 | 2023-01-06 | 北京乐码仕智能科技有限公司 | 一种基于规则引擎的正线故障智能处置方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19610800C1 (de) * | 1996-03-19 | 1997-07-24 | Siemens Ag | Fehlertoleranter Stromrichter |
KR102577367B1 (ko) * | 2015-08-14 | 2023-09-13 | 크라운 이큅먼트 코포레이션 | 견인 모델에 기초한 모델 기반 진단들 |
CN106338406B (zh) * | 2016-10-19 | 2018-08-31 | 北京交通大学 | 列车牵引电传动系统的在线监测与故障预警系统及方法 |
CN110389570A (zh) * | 2018-04-19 | 2019-10-29 | 株洲中车时代电气股份有限公司 | 一种机车牵引系统故障诊断装置及方法 |
CN110803192A (zh) * | 2018-08-06 | 2020-02-18 | 中车永济电机有限公司 | 一种列车车载phm设备及高速轨道列车 |
CN109506963B (zh) * | 2018-11-29 | 2019-09-03 | 中南大学 | 一种智能列车牵引故障大数据异常检测辨识方法 |
CN110497938A (zh) * | 2019-08-26 | 2019-11-26 | 湖南中车时代通信信号有限公司 | 一种用于列车运行监控系统的质量实时监测诊断方法、装置以及计算机可读存储介质 |
CN110764493B (zh) * | 2019-11-14 | 2021-08-24 | 中国国家铁路集团有限公司 | 一种适用于高速铁路的phm应用系统、方法及存储介质 |
-
2020
- 2020-04-23 CN CN202010327594.2A patent/CN111204363B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111204363A (zh) | 2020-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111204363B (zh) | 一种牵引系统故障诊断预警和状态评估方法、装置及系统 | |
CN108445410B (zh) | 一种监测蓄电池组运行状态的方法及装置 | |
CN107831422B (zh) | 一种gis设备局部放电诊断方法及系统 | |
EP4113138B1 (en) | Traction motor fault diagnosis method and apparatus | |
Biswas et al. | A real-time data-driven algorithm for health diagnosis and prognosis of a circuit breaker trip assembly | |
US20090009183A1 (en) | System and method for predictive maintenance of a battery assembly using temporal signal processing | |
CN110674009B (zh) | 应用服务器性能监测方法、装置、存储介质及电子设备 | |
CN102042909A (zh) | 机车故障诊断方法和系统 | |
CN103901330A (zh) | 一种xlpe电缆局部放电在线监测方法 | |
CN112713649A (zh) | 一种基于极限学习机的电力设备剩余寿命预测方法 | |
CN113670434B (zh) | 变电站设备声音异常识别方法、装置和计算机设备 | |
WO2019103251A1 (ko) | 배전설비 초음파 자동검출 시스템 및 방법 | |
CN114707401A (zh) | 信号系统设备的故障预警方法及装置 | |
CN111708687B (zh) | 一种设备异常指标确定方法、装置、设备和存储介质 | |
CN113643521A (zh) | 一种电力设备的设备状态预警方法、装置和电子设备 | |
CN109896384B (zh) | 基于大数据分析的曳引电梯健康状态特征参数提取方法 | |
CN206187050U (zh) | 轨道车辆系统故障的检测装置 | |
CN117420380A (zh) | 一种配电网故障预警、处置方法及系统 | |
CN110609126A (zh) | 互感器内氢气在线监测系统及互感器内部故障判断方法 | |
CN113955149A (zh) | 一种电机系统的健康诊断方法和装置 | |
CN109754490A (zh) | 电力机车制动系统的健康管理方法、装置、介质及设备 | |
CN113516023A (zh) | 设备振动异常诊断方法和系统 | |
CN113859306A (zh) | 一种机车数据专家诊断分析方法、装置及系统 | |
CN112814890A (zh) | 一种基于声纹和震动检测泵机故障的方法 | |
CN111930081A (zh) | 用于监控agv状态的方法、装置、边缘设备和存储介质 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210315 Address after: 169 Shidai Road, Shifeng District, Zhuzhou City, Hunan Province, 412000 Patentee after: CRRC Zhuzhou Institute Co.,Ltd. Address before: 410000 Building 9, central Zhigu, No.189, Section 2, Renmin East Road, Changsha Economic and Technological Development Zone, Hunan Province Patentee before: HUNAN CRRC TIMES SIGNAL & COMMUNICATION Co.,Ltd. |
|
TR01 | Transfer of patent right |