CN112629853B - 车辆减速器的监测方法 - Google Patents
车辆减速器的监测方法 Download PDFInfo
- Publication number
- CN112629853B CN112629853B CN202011210472.1A CN202011210472A CN112629853B CN 112629853 B CN112629853 B CN 112629853B CN 202011210472 A CN202011210472 A CN 202011210472A CN 112629853 B CN112629853 B CN 112629853B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- time
- speed reducer
- vehicle speed
- data
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/027—Test-benches with force-applying means, e.g. loading of drive shafts along several directions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Regulating Braking Force (AREA)
Abstract
本发明公开了一种车辆减速器的监测方法,包括:步骤S10:接收车辆减速器的控制阀的监测数据,监测数据包括实时采集的控制阀的主阀的各个工作腔的气压数据;步骤S20:对实时采集的气压数据进行分析运算以确定车辆减速器的当前状态,可以实时监测并获知车辆减速器的状态。
Description
技术领域
本发明涉及轨道交通监测技术领域,具体涉及一种车辆减速器的监测方法。
背景技术
驼峰编组站是对列车分解、编组的车站,其将列车分解后从驼峰的一侧依靠车辆自身重力溜放,通过自动化驼峰控制系统控制道岔,通过车辆减速器控制速度,使其按规定速度进入不同轨道形成新的列车。其中,车辆减速器是对溜放车组进行速度控制的设备,其接收自动化驼峰控制系统的指令执行制动命令或缓解命令,进行制动或缓解操作,从而调节溜放车组的速度。其中,气动型车辆减速器使用较为广泛,气动控制阀是其关键的气动控制元件,也是主要的故障点。
然而,现有的车辆减速器除了自身具有的制动表示接点和缓解表示接点之外,没有其他监测手段在减速器端监测其状态,仅可获取减速器处于制动状态或缓解状态,无法准确并全面地获知车辆减速器的状态。当车辆减速器出现故障、无法正常工作时,由于没有及时获知车辆减速器的状态,车辆还在照常溜放作业,发生故障的车辆减速器无法控制车辆的速度,容易引发事故。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的车辆减速器的监测方法。
本发明提供了一种车辆减速器的监测方法,包括:步骤S10:采集车辆减速器的气动控制阀的监测数据,监测数据包括实时采集的气动控制阀的主阀的各个工作腔的气压数据;步骤S20:对实时采集的气压数据进行分析运算以确定车辆减速器的当前状态。
在一些实施方式中,步骤S20包括:步骤S21:获取训练样本数据和训练样本标签,其中,训练样本数据包括车辆减速器已知状态下的气压数据,训练样本标签包括与各已知状态下的气压数据对应的已知的状态标签;步骤S22:根据训练样本数据和训练样本标签对待训练的分类模型进行训练,得到训练后的分类模型;步骤S23:将实时采集的气压数据输入到训练后的分类模型,由训练后的分类模型输出对应的状态标签,以确定车辆减速器的当前状态。
在一些实施方式中,在步骤S22中,通过softmax回归方法或者卷积神经网络方法对待训练的分类模型进行训练。
在一些实施方式中,通过softmax回归方法对待训练的分类模型进行训练,待训练的分类模型包括多个隐层和一个softmax层。步骤S22包括:步骤S221:将训练样本数据作为待训练的分类模型的输入,将训练样本标签作为待训练的分类模型的判别标准;步骤S222:利用零值矩阵初始化多个隐层的权重系数和偏移量;步骤S223:输入的训练样本数据经过多个隐层和一个softmax层的运算后得到中间运算结果;步骤S224:将中间运算结果和训练样本标签以交叉熵损失函数计算交叉熵,并采用反向传播算法求导以对多个隐层的权重系数和偏移量进行更新;步骤S225:将训练样本数据输入更新后的分类模型,并重复步骤S223至步骤S224,确定学习率和迭代次数后,得到最终的权重系数和偏移量,以得到训练后的分类模型。
在一些实施方式中,车辆减速器的状态包括故障状态。
在一些实施方式中,故障状态包括低气压故障状态、低流量故障状态、控制阀内泄故障状态、控制阀卡阻故障状态中的至少一种。
在一些实施方式中,监测方法还包括:步骤S40:当车辆减速器的当前状态为故障状态时,显示预存的与故障状态对应的维护建议。
在一些实施方式中,车辆减速器的状态还包括正常工作状态。
在一些实施方式中,步骤S10包括:步骤S11:获取车辆减速器进行工作的起始时刻和终止时刻;步骤S12:在起始时刻至终止时刻的时间区间内,实时采集车辆减速器的气动控制阀的主阀的各个工作腔的气压数据。
在一些实施方式中,步骤S11包括:步骤S111:监测车辆减速器的控制阀的制动电磁阀的电压信号,并将电压信号被采集到的时刻作为起始时刻;步骤S112:监测车辆减速器的制动部件的缓解到位信号,并将缓解到位信号被采集到的时刻作为终止时刻。
在一些实施方式中,监测方法还包括:步骤S50:获取车辆减速器的制动动作时间。
在一些实施方式中,步骤S50包括:步骤S51:监测控制阀的制动电磁阀的电压信号,并将电压信号被采集到的时刻记录为制动电磁阀启动时刻;步骤S52:监测车辆减速器的制动部件的制动到位信号,并将制动到位信号被采集到的时刻记录为制动到位时刻;步骤S53:通过制动电磁阀启动时刻和制动到位时刻计算出制动动作时间。
在一些实施方式中,监测方法还包括:步骤S60:获取车辆减速器的缓解动作时间。
在一些实施方式中,步骤S60包括:步骤S61:监测控制阀的缓解电磁阀的电压信号,并将电压信号被采集到的时刻记录为缓解电磁阀启动时刻;步骤S62:监测车辆减速器的制动部件的缓解到位信号,并将缓解到位信号被采集到的时刻记录为缓解到位时刻;步骤S63:通过缓解电磁阀启动时刻和缓解到位时刻计算出缓解动作时间。
在一些实施方式中,在步骤S10中,监测数据还包括控制阀的电磁阀的电压数据或电磁阀的电流数据。
本发明的技术方案通过实时采集车辆减速器气动控制阀的监测数据,并通过对监测数据的分析确定车辆减速器的状态,可以使现场技术人员实时监测车辆减速器的状态,当车辆减速器出现故障时,现场技术人员可以及时知晓并采取相应措施,避免了由于故障而发生的事故。
附图说明
通过下文中参照附图对本发明所作的描述,本发明的其它目的和优点将显而易见,并可帮助对本发明有全面的理解。
图1是根据本发明一个实施例的车辆减速器的使用场景示意图;
图2是根据本发明一个实施例的车辆减速器的监测系统的结构框图;
图3是根据本发明一个实施例的车辆减速器的监测系统的监测模块与控制阀配合的结构示意图;
图4是图3的监测模块与控制阀配合的另一角度的结构示意图;
图5是根据本发明一个实施例的车辆减速器的监测系统的控制终端的结构框图;
图6是根据本发明一个实施例的车辆减速器的监测方法的流程图;
图7是图6的监测方法中步骤S10的具体流程图;
图8是图7的监测方法中步骤S11的具体流程图;
图9是图6的监测方法中步骤S20的具体流程图;
图10是图9的监测方法中步骤S22的具体流程图;
图11是根据本发明一个实施例的车辆减速器的监测方法的分类模型的示意图。
需要说明的是,附图并不一定按比例来绘制,而是仅以不影响读者理解的示意性方式示出。
附图标记说明:
1、监测模块;11、气压传感器;12、安装基板;13、制动电磁阀电压传感器;14、缓解电磁阀电压传感器;15、制动表示接点;16、缓解表示接点;17、采集模块;
2、控制终端;21、分析模块;22、报警模块;23、存储模块;24、管理模块;25、统计模块;26、显示模块;
3、交换机;
4、气动控制阀;41、主阀;42、电磁阀;421、制动电磁阀;422、缓解电磁阀;
5、阀底板;6、管路;7、气缸。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明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发明的一个实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。若全文中涉及“第一”、“第二”等描述,则该“第一”、“第二”等描述仅用于区别类似的对象,而不能理解为指示或暗示其相对重要性、先后次序或者隐含指明所指示的技术特征的数量,应该理解为“第一”、“第二”等描述的数据在适当情况下可以互换。若全文中出现“和/或”,其含义为包括三个并列方案,以“A和/或B”为例,包括A方案,或B方案,或A和B同时满足的方案。此外,为了便于描述,在这里可以使用空间相对术语,如“上方”、“下方”、“顶部”、“底部”等,仅用来描述如图中所示的一个器件或特征与其他器件或特征的空间位置关系,应当理解为也包含除了图中所示的方位之外的在使用或操作中的不同方位。
在本实施例中,车辆减速器的监测系统应用于驼峰溜放车组的车辆减速器上,车辆减速器为气动型车辆减速器。图1示出了根据本发明一个实施例的气动型车辆减速器的使用场景示意图,车辆减速器包括制动部件和控制制动部件动作的气动控制阀4。在本实施例中,气动控制阀4包括主阀41和控制主阀41动作的电磁阀42,其中,主阀41具有多个工作腔。在工作时,电磁阀42可以接收驼峰控制系统发出的制动命令或缓解命令,使主阀41执行相应的换向动作,将管路6中的压缩气体通入气缸7,使气缸7驱动制动部件执行制动动作或缓解动作。当执行制动动作时,制动部件与车轮接触产生摩擦力而使溜放车辆减速,当执行缓解动作时,制动部件远离车轮。本领域技术人员可以理解,在其他实施方式中,该监测系统可以应用于其他场景中的车辆减速器上。
图2示出了根据本发明一个实施例的车辆减速器的监测系统的结构框图,监测系统包括监测模块1和控制终端2。监测模块1置于车辆减速器的气动控制阀4的安装箱内,可以采集监测数据,监测数据包括主阀41的各个工作腔的气压数据。控制终端2置于远程控制室内,控制终端2与监测模块1通信连接以接收所采集的监测数据。具体地,监测模块1包括多个气压传感器11和采集模块17。其中,多个气压传感器11分别与气动控制阀的主阀41的多个工作腔连通,采集模块17与多个气压传感器11连接,采集模块17通过多个气压传感器11实时采集各个工作腔的气压数据。本实施例的监测系统可以实时地采集车辆减速器的监测数据,尤其是气动控制阀主阀41的各个工作腔的气压数据,通过分析监测数据可以准确且全面地得知车辆减速器的状态,从而实现了对车辆减速器状态的实时监测。需要说明的是,本实施例采用的气动控制阀4为三位五通控制阀,其主阀41具有五个工作腔,因此,监测模块1包括至少五个气压传感器11,五个气压传感器11分别与主阀41的五个工作腔连通。可以理解,在其他实施方式中,气压传感器11的数量可以根据主阀41的工作腔数量和实际需要进行设置。
在本实施例中,控制终端2为车辆减速器本身的控制终端,其可以控制车辆减速器,也可以处理监测数据,例如分析监测数据并进行报警、显示监测数据、管理监测数据等。当然,在其他实施方式中,控制终端2也可以是单独设置的,只用于接收和处理监测数据。
图3和图4示出了根据本发明一个实施例的车辆减速器的监测系统的监测模块1与气动控制阀4配合的结构示意图。气动控制阀4包括主阀41、阀底板5以及管路6。其中,主阀41朝向阀底板5的一侧具有多个第一气路接口,多个第一气路接口分别与多个工作腔连通。阀底板5具有与管路6连通的多个第二气路接口。在未安装监测模块1时,主阀41直接连接在阀底板5上,第一气路接口与第二气路接口直接连通。如图3和图4所示,监测模块1还包括安装基板12,当安装监测模块1时,安装基板12设置在主阀41和阀底板5之间。安装基板12上具有多个通孔,通孔的一端分别与多个第一气路接口连通,另一端与多个第二气路接口连通,使得主阀41与阀底板5按原有气路连通。安装基板12上还具有多个检测孔,检测孔分别与多个通孔相连通,多个气压传感器11安装在安装基板12上并且分别与多个检测孔连通。通过设置安装基板12以及安装基板12上的通孔和检测孔可以将主阀41的多个工作腔的气路分别连接到多个气压传感器11,以供气压传感器11监测多个工作腔的气压数据。
在本实施例中,安装基板12可拆卸地设置在主阀41和阀底板5之间。将气压传感器11安装在安装基板12上,通过安装基板12能够利用气动控制阀4本身的结构将气压传感器11与主阀41的多个工作腔连通,而未将气压传感器11直接安装在气动控制阀4的阀体上,因此无需对现有的控制阀阀体进行重新加工,在更换控制阀时,也不会影响气压传感器11,操作简便,有利于监测模块1的硬件扩展和使用。
由于在工作时,气动控制阀主阀41的换向速度极快,其换向时间大约为0.2秒,故主阀41的各个工作腔的气压变化速度也极快。因此,气压传感器11需要具有足够的采样频率,才能反映出各个工作腔的气压数据的变化特征。在本实施例中,气压传感器11的采样频率至少为1kHz。例如,可以采用欧米伽高响应速度气压传感器。高响应速度的气压传感器实现了高频率、实时性的气压动态数据的采集,可以获取充分反映各个工作腔气压变化特征的气压数据,为车辆减速器的状态分析提供了数据基础。
如图3和4所示,气动控制阀4还包括控制主阀41动作的电磁阀42。在本实施例中,监测模块1所采集的监测数据还包括电磁阀42的电压数据、电磁阀42的电流数据、气动控制阀4的温度数据中的至少一种,这些数据能够辅助气压数据进行车辆减速器状态的判断。
在本实施例中,监测模块1还包括电压传感器,与采集模块17连接,采集模块17通过电压传感器实时采集电磁阀42的电压信号并记录相应时刻。具体地,如图3和4所示,电磁阀42包括制动电磁阀421和缓解电磁阀422,如图2所示,监测模块1的电压传感器包括制动电磁阀电压传感器13和缓解电磁阀电压传感器14。其中,制动电磁阀电压传感器13用于监测制动电磁阀421的电压信号,采集模块17通过制动电磁阀电压传感器13实时采集该电压信号并将该电压信号被采集的时刻记录为制动电磁阀启动时刻,制动电磁阀启动时刻作为主阀41的各个工作腔的气压数据采集的起始时刻,触发采集模块17采集气压数据。缓解电磁阀电压传感器14用于监测缓解电磁阀422的电压信号,采集模块17通过缓解电磁阀电压传感器14实时采集该电压信号并将该电压信号被采集的时刻记录为缓解电磁阀启动时刻。需要说明的是,在本实施例中,采集模块17记录的相应时刻为电压信号被采集到的时刻,可以理解,在其他实施方式中,采集模块17记录的相应时刻也可以是电压达到某一条件时的时刻。
在本实施例中,监测模块1还包括位置传感器,与采集模块17连接,采集模块17通过位置传感器实时采集制动部件的位置信号并记录相应时刻。具体地,如图2所示,监测模块1的位置传感器包括制动表示接点15和缓解表示接点16。其中,制动表示接点15用于监测制动部件的制动到位信号,采集模块17通过制动表示接点15采集制动到位信号并将制动到位信号被采集的时刻记录为制动到位时刻。缓解表示接点16用于监测制动部件的缓解到位信号,采集模块17通过缓解表示接点16采集缓解到位信号并将缓解到位信号被采集的时刻记录为缓解到位时刻,缓解到位时刻作为主阀41的各个工作腔的气压数据采集的终止时刻,使采集模块17结束气压数据采集工作。
监测模块1完成一次车辆减速器制动、缓解全过程的监测数据采集工作的具体过程如下。
当驼峰控制系统对车辆减速器发出制动命令时,制动电磁阀421得电,使主阀41执行制动命令进行换向动作,同时采集模块17通过制动电磁阀电压传感器13采集电压信号并将该电压信号被采集的时刻记录为制动电磁阀启动时刻,触发采集模块17开始采集气压数据,制动电磁阀启动时刻作为监测模块1采集监测数据的起始时刻。此时,采集模块17通过气压传感器11开始对主阀41的各个工作腔的气压数据进行采集。当主阀41执行制动指令完成换向时,车辆减速器的制动部件制动到位并接通制动表示接点15,采集模块17采集制动表示接点15的位置信号并将该时刻记录为制动到位时刻。
当驼峰控制系统对车辆减速器发出缓解命令时,缓解电磁阀422得电,使主阀41执行缓解命令进行换向动作,同时采集模块17通过缓解电磁阀电压传感器14采集电压信号并将电压信号被采集的时刻记录为缓解电磁阀启动时刻。当主阀41执行缓解命令完成换向时,车辆减速器的制动部件缓解到位并接通缓解表示接点16,采集模块17采集缓解表示接点16的位置信号并将该时刻记录为缓解到位时刻,缓解到位时刻作为监测模块1采集气压数据的终止时刻,至此,气压数据的采集工作结束。当接收下一次制动和缓解命令时,重复此过程。可以理解,在采集过程中,采集模块17将监测数据实时传输至控制终端2。
在本实施例中,通过监测模块1采集车辆减速器工作时的监测数据,可以获取更全面的车辆减速器的数据,为准确地判断车辆减速器的状态提供了数据基础,并且当车辆减速器出现故障时,便于对故障原因进行判断和深入分析。
图5示出了根据本发明一个实施例的车辆减速器的监测系统的控制终端的结构框图。控制终端2包括分析模块21和报警模块22。其中,分析模块21用于分析监测模块1所采集的气压数据,以确定车辆减速器的当前状态。车辆减速器的当前状态包括正常状态或者故障状态,当车辆减速器的当前状态为故障状态时,报警模块22可以进行报警提示。报警信息可以汇总在报警模块22中。在本实施例中,故障状态包括低气压故障状态、低流量故障状态、控制阀内泄故障状态、控制阀卡阻故障状态中的至少一种。
控制终端2还可以包括存储模块23、管理模块24、统计模块25和显示模块26中的至少一种。
其中,存储模块23用于储存监测模块1所采集的监测数据和/或车辆减速器的当前状态,当然,存储模块23的储存内容并不限于此,存储模块还可以用于储存其他数据或信息,例如报警模块22进行报警提示时的报警信息。此外,存储模块23中还预存有针对车辆减速器的各个故障状态的维护建议。
管理模块24用于对监测数据进行管理,例如,可以依托存储模块23的数据库对所采集的监测数据进行入库、查询和导出。可以理解,管理模块24的功能并不限于此,管理模块也可以对其他数据或信息进行管理,例如对用户权限进行管理。
统计模块25用于统计监测数据,例如,可以统计气动控制阀4的温度、管路6的气压、电磁阀42的电压或电磁阀42的电流等数据的平均值、最大值、最小值等,并且可以选择任何一个时间区间内的监测数据进行统计。可以理解,统计模块25的功能并不限于此,统计模块还可以对其他数据进行统计,例如,统计车辆减速器的动作时间,包括制动时间和缓解时间。
显示模块26用于显示监测数据和/或车辆减速器的当前状态,当然,显示模块26的显示内容并不限于此,显示模块还可以显示其他数据或信息,例如,当进行报警提示时,显示报警信息提示标志,也可以显示统计模块25的统计结果等。此外,当车辆减速器的当前状态为故障状态时,显示模块26还可以显示预存的与该当前故障状态相对应的维护建议,以供现场技术人员参考。
本实施例中的控制终端具有显示、存储、管理、统计、分析、报警以及提供维护建议等功能,通过控制终端2对监测数据的分析,可以确定车辆减速器的状态,实现了故障的定位,并且当出现故障时,控制终端可以进行报警,使现场技术人员可以及时获知车辆减速器的故障信息,提供的维护建议还可以为解决故障问题提供参考,有利于对车辆减速器的监测和维护。
在本实施例中,监测模块1与控制终端2之间通过电力载波通信网络进行通信传输。具体地,监测模块1所采集的监测数据通过电力载波通信网络汇集到交换机3,交换机3连接至控制终端2,交换机3将监测数据传输至控制终端2。其中,电力载波通信网络是利用现有的供电电缆构建的,通过电力载波通信方式实现了监测模块1与控制终端2之间的控制命令和监测数据的交换。本实施例的技术方案不用敷设新的通信电缆,节约了成本。可以理解,在其他实施方式中,监测模块1与控制终端2可以通过其他通信方式实现通信传输,例如,可以采用无线通信或光纤通信连接方式实现监测模块1与控制终端2之间的通信连接。
本实施例还提供了一种车辆减速器的监测方法,可以利用本实施例中的监测系统实现。如图6所示,监测方法包括:
步骤S10:采集车辆减速器的气动控制阀4的监测数据,包括实时采集的气动控制阀4的主阀41各个工作腔的气压数据;
步骤S20,对实时采集的气压数据进行分析运算以确定车辆减速器的当前状态。
在步骤S10中,除了各工作腔的气压数据,采集的监测数据还包括气动控制阀4的电磁阀42的电压数据、电磁阀42的电流数据、气动控制阀4的温度数据中的至少一种。需要说明的是,监测数据的采集可以通过本实施例中的监测模块1实现,当然,也可以通过其他方式进行采集。对监测数据的分析运算可以通过本实施例中的控制终端2实现,也可以通过其他终端或设备实现。通过实时采集车辆减速器气动控制阀主阀的气压数据,并通过对气压数据的分析可以准确地确定车辆减速器的状态,从而实现了对车辆减速器的状态的实时监测。
具体地,如图7所示,步骤S10包括步骤S11和步骤S12。其中,
步骤S11:获取车辆减速器进行工作的起始时刻和终止时刻;
步骤S12:在起始时刻至终止时刻的时间区间内,实时采集车辆减速器的气动控制阀4的主阀41各个工作腔的气压数据。
由于车辆减速器的制动电磁阀421得电产生电压信号时,车辆减速器开始工作,车辆减速器的制动部件缓解到位时,车辆减速器结束工作。因此,如图8所示,步骤S11还包括步骤S111以及步骤S112,
步骤S111:监测车辆减速器的气动控制阀4的制动电磁阀421的电压信号,并将该电压信号被采集到的时刻作为起始时刻;
步骤S112:监测车辆减速器的制动部件的缓解到位信号,并将该缓解到位信号被采集到的时刻作为终止时刻。
通过步骤S11至步骤S12,即可完成车辆减速器在一次制动、缓解工作过程中的气压数据的采集,得到一组气压数据。
在本实施例中,步骤S20中对气压数据的分析运算是通过分类模型来实现的,其中,分类模型是通过机器学习构建的。具体地,如图9所示,步骤S20包括步骤S21至步骤S23。
步骤S21:获取训练样本数据和训练样本标签,其中,训练样本数据包括车辆减速器在已知状态下的气压数据,训练样本标签包括与各已知状态下的气压数据对应的已知的状态标签。在本实施例中,训练样本数据对应的训练样本标签是人工标定的。
步骤S22:根据训练样本数据和训练样本标签对待训练的分类模型进行训练,得到训练后的分类模型;
步骤S23:将实时采集的气压数据输入到训练后的分类模型,由训练后的分类模型输出对应的状态标签,以确定车辆减速器的当前状态。
采用本实施例中的分类模型,可以对所采集的气压数据进行智能分类,实现了对车辆减速器的当前状态的智能判断,有利于提高车辆减速器的运维水平。
在步骤S22中,可以通过softmax回归方法或者卷积神经网络方法对待训练的分类模型进行训练。当然,也可以采用其他机器学习的方法构建分类模型。在本实施例中,采用softmax回归方法对待训练的分类模型进行训练,其中,待训练的分类模型包括多个隐层和一个softmax层。
分类模型如图11所示,训练分类模型的具体过程如图10所示。具体地,步骤S22包括:
步骤S221:将训练样本数据作为待训练的分类模型的输入x1,x2,x3…,xn,将训练样本标签作为待训练的分类模型的判别标准;
步骤S222:利用零值矩阵初始化多个隐层的权重系数w和偏移量b;
步骤S223:输入的训练样本数据经过多个隐层和一个softmax层的运算后得到中间运算结果。
步骤S223中,运算的具体过程如下:训练样本数据x1,x2,x3…,xn先经过第一个隐层的运算,w1为第一个隐层的权重系数,b1为第一个隐层的偏移量,输出第一个隐层运算结果z1;利用Relu激活函数对第一个隐层运算结果进行激活处理,再对激活后的第一个隐层运算结果进行第二个隐层运算,w2为第二个隐层的权重系数,b2为第二个隐层的偏移量,输出第二个隐层运算结果z2;可以理解,根据数据样本特征的不同,可适当增加隐层数量,最后通过softmax函数分配概率的运算得到中间运算结果
接下来,步骤S22还包括:
步骤S225:将训练样本数据输入更新后的分类模型,并重复步骤S223至步骤S224,确定学习率和迭代次数后,得到最终的权重系数w和偏移量b,以得到训练后的分类模型。
通过上述步骤即可得到训练好的分类模型,所采集的气压数据输入至该分类模型,即可通过运算输出对应的分类标签,从而确定车辆减速器的状态,实现了对气压数据的智能分类。
在本实施例中,车辆减速器的状态包括正常状态或故障状态。其中,故障状态包括低气压故障状态、低流量故障状态、控制阀内泄故障状态、控制阀卡阻故障状态中的至少一种。
本实施例中的监测方法还可以提供报警信息和维护建议。如图6所示,监测方法还包括:
步骤S30:当车辆减速器的当前状态为故障状态时进行报警提示;
步骤S40:当车辆减速器的当前状态为故障状态时,显示预存的与故障状态相对应的维护建议。
通过报警提示,现场技术人员可以及时知晓车辆减速器出现的故障,并且提供了维护建议,可用于指导对车辆减速器的维护和维修。
本实施例中的监测方法还包括:
步骤S50:获取车辆减速器的制动动作时间;
步骤S60:获取车辆减速器的缓解动作时间。
其中,步骤S50包括步骤S51至步骤S53,具体地,
步骤S51:监测气动控制阀4的制动电磁阀421的电压信号,并将该电压信号被采集到的时刻记录为制动电磁阀启动时刻;
步骤S52:监测车辆减速器的制动部件的制动到位信号,并将该制动到位信号被采集到的时刻记录为制动到位时刻;
步骤S53:通过制动电磁阀启动时刻和制动到位时刻计算出制动动作时间。
步骤S60包括步骤S61至步骤S63,具体地,
步骤S61:监测气动控制阀4的缓解电磁阀422的电压信号,并将该电压信号被采集到的时刻记录为缓解电磁阀启动时刻;
步骤S62:监测车辆减速器的制动部件的缓解到位信号,并将该缓解到位信号被采集到的时刻记录为缓解到位时刻;
步骤S63:通过缓解电磁阀启动时刻和缓解到位时刻计算出缓解动作时间。
通过上述步骤得到的车辆减速器的动作时间指标可以综合反映车辆减速器当前的工作状态,可以用于后续的故障分析。
此外,监测方法还包括:
步骤S70:显示监测数据和/或车辆减速器的当前状态。通过显示监测数据和车辆减速器的当前状态,现场技术人员可以实时地获知车辆减速器的气压变化以及车辆减速器的状态。
步骤S80:对监测数据进行统计并以图表形式显示,并且可选择任一时间区间内的监测数据进行统计。在其他实施方式中,监测数据也可以以曲线的形式展示,通过图表或曲线显示可以使技术人员更加直观地看到监测数据以及数据的变化等。
采用本实施例的监测方法,可以全面地采集车辆减速器的监测数据,通过对监测数据的分析,实现了对车辆减速器状态的智能判断,当出现故障时,便于对故障定位并对故障原因进行深入分析。
对于本发明的实施例,还需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合以得到新的实施例。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种用于铁路列车的车辆减速器的监测方法,其特征在于,包括:
步骤S10:采集所述车辆减速器的气动控制阀(4)的监测数据,所述监测数据包括实时采集的所述气动控制阀(4)的主阀(41)的各个工作腔的气压数据;
步骤S20:对实时采集的所述气压数据进行分析运算以确定所述车辆减速器的当前状态;
所述车辆减速器的当前状态包括故障状态,所述故障状态包括低气压故障状态、低流量故障状态、控制阀内泄故障状态、控制阀卡阻故障状态中的至少一种;
所述步骤S20包括:
步骤S21:获取训练样本数据和训练样本标签,其中,所述训练样本数据包括所述车辆减速器已知状态下的气压数据,所述训练样本标签包括与各已知状态下的所述气压数据对应的已知的状态标签;
步骤S22:根据所述训练样本数据和所述训练样本标签对待训练的分类模型进行训练,得到训练后的分类模型;
步骤S23:将实时采集的所述气压数据输入到训练后的所述分类模型,由训练后的所述分类模型输出对应的状态标签,以确定所述车辆减速器的当前状态;
在所述步骤S22中,通过softmax回归方法对待训练的所述分类模型进行训练;
在通过softmax回归方法对待训练的所述分类模型进行训练时,待训练的所述分类模型包括多个隐层和一个softmax层,
所述步骤S22包括:
步骤S221:将所述训练样本数据作为待训练的所述分类模型的输入,将所述训练样本标签作为待训练的所述分类模型的判别标准;
步骤S222:利用零值矩阵初始化多个所述隐层的权重系数和偏移量;
步骤S223:输入的所述训练样本数据经过多个所述隐层和一个所述softmax层的运算后得到中间运算结果;
步骤S224:将所述中间运算结果和所述训练样本标签以交叉熵损失函数计算交叉熵,并采用反向传播算法求导以对多个所述隐层的权重系数和偏移量进行更新;
步骤S225:将所述训练样本数据输入更新后的分类模型,并重复所述步骤S223至步骤S224,确定学习率和迭代次数后,得到最终的权重系数和偏移量,以得到训练后的所述分类模型;
将采集的所述气压数据输入至所述训练后的所述分类模型,并通过运算输出所述对应的状态标签,确定所述车辆减速器的当前状态;
所述步骤S10还包括:
步骤S11:获取所述车辆减速器进行工作的起始时刻和终止时刻;
步骤S12:在所述起始时刻至所述终止时刻的时间区间内,实时采集所述车辆减速器的气动控制阀(4)的主阀(41)的各个工作腔的气压数据;
所述步骤S11还包括:
步骤S111:监测所述车辆减速器的气动控制阀(4)的制动电磁阀(421)的电压信号,并将所述电压信号被采集到的时刻作为所述起始时刻;
步骤S112:监测所述车辆减速器的制动部件的缓解到位信号,并将所述缓解到位信号被采集到的时刻作为所述终止时刻。
2.如权利要求1所述的监测方法,其特征在于,还包括:
步骤S40:当所述车辆减速器的当前状态为所述故障状态时,显示预存的与所述故障状态对应的维护建议。
3.如权利要求1所述的监测方法,其特征在于,所述车辆减速器的状态还包括正常工作状态。
4.如权利要求1所述的监测方法,其特征在于,还包括:
步骤S50:获取所述车辆减速器的制动动作时间。
5.如权利要求4所述的监测方法,其特征在于,所述步骤S50包括:
步骤S51:监测所述气动控制阀(4)的制动电磁阀(421)的电压信号,并将所述电压信号被采集到的时刻记录为制动电磁阀启动时刻;
步骤S52:监测所述车辆减速器的制动部件(3)的制动到位信号,并将所述制动到位信号被采集到的时刻记录为制动到位时刻;
步骤S53:通过所述制动电磁阀启动时刻和所述制动到位时刻计算出所述制动动作时间。
6.如权利要求1所述的监测方法,其特征在于,还包括:
步骤S60:获取所述车辆减速器的缓解动作时间。
7.如权利要求6所述的监测方法,其特征在于,所述步骤S60包括:
步骤S61:监测所述气动控制阀(4)的缓解电磁阀(422)的电压信号,并将所述电压信号被采集到的时刻记录为缓解电磁阀启动时刻;
步骤S62:监测所述车辆减速器的制动部件(3)的缓解到位信号,并将所述缓解到位信号被采集到的时刻记录为缓解到位时刻;
步骤S63:通过所述缓解电磁阀启动时刻和所述缓解到位时刻计算出所述缓解动作时间。
8.如权利要求1所述的监测方法,其特征在于,在所述步骤S10中,所述监测数据还包括所述气动控制阀(4)的电磁阀(42)的电压数据或所述电磁阀(42)的电流数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011210472.1A CN112629853B (zh) | 2020-11-03 | 2020-11-03 | 车辆减速器的监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011210472.1A CN112629853B (zh) | 2020-11-03 | 2020-11-03 | 车辆减速器的监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112629853A CN112629853A (zh) | 2021-04-09 |
CN112629853B true CN112629853B (zh) | 2023-04-18 |
Family
ID=75303121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011210472.1A Active CN112629853B (zh) | 2020-11-03 | 2020-11-03 | 车辆减速器的监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112629853B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113665557A (zh) * | 2021-09-22 | 2021-11-19 | 天津铁路信号有限责任公司 | 一种车辆减速器全制动和全缓解时间的测试方法及装置 |
CN115107824B (zh) * | 2022-07-26 | 2024-04-09 | 天津铁路信号有限责任公司 | 一种电液车辆减速器监测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10214195B1 (en) * | 2017-08-30 | 2019-02-26 | Westinghouse Air Brake Technologies Corporation | Automatic brake control valve test unit for railway vehicle |
CN110208624A (zh) * | 2019-06-19 | 2019-09-06 | 河南辉煌科技股份有限公司 | 一种驼峰信号设备在线监测系统及减速器在线监测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839783B (zh) * | 2010-06-01 | 2011-09-14 | 深圳市特尔佳科技股份有限公司 | 一种液力缓速器测试系统及其方法 |
US9732876B2 (en) * | 2013-11-05 | 2017-08-15 | Edco Usa | Retarder control valve assembly and system for rail cars |
CN106444725B (zh) * | 2016-11-25 | 2024-04-09 | 中国铁道科学研究院通信信号研究所 | 一种铁路驼峰场车辆溜放现地防撞调速控制系统 |
CN106740803A (zh) * | 2016-12-21 | 2017-05-31 | 郑州智辆电子科技有限公司 | 制动系统压力采集气路板 |
CN109374287B (zh) * | 2018-10-30 | 2020-08-14 | 陕西法士特齿轮有限责任公司 | 一种液力缓速器控制阀检测系统及方法 |
-
2020
- 2020-11-03 CN CN202011210472.1A patent/CN112629853B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10214195B1 (en) * | 2017-08-30 | 2019-02-26 | Westinghouse Air Brake Technologies Corporation | Automatic brake control valve test unit for railway vehicle |
CN110208624A (zh) * | 2019-06-19 | 2019-09-06 | 河南辉煌科技股份有限公司 | 一种驼峰信号设备在线监测系统及减速器在线监测方法 |
Non-Patent Citations (1)
Title |
---|
基于深度学习模型的风电变流器故障诊断;刘延兴;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》;20190415;第45页第4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN112629853A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112629853B (zh) | 车辆减速器的监测方法 | |
CN112622861B (zh) | 车辆减速器的监测系统 | |
CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
EP1731396B1 (en) | On-board brake system diagnostic and reporting system | |
CN112141069B (zh) | 一种动车组用制动及供风系统的健康管理系统 | |
EP1900597B1 (en) | Diagnostic system and method for monitoring a rail system | |
KR100288748B1 (ko) | 철도차량의 모니터링 시스템 및 방법 | |
CN109857090B (zh) | 一种均衡风缸制动装置健康评估系统和方法 | |
CN101595022B (zh) | 货车车厢事件记录器 | |
CA2379301A1 (en) | Remotely operated rail car status monitor and control system | |
CN112232405B (zh) | 齿轮箱的故障预测、监测和诊断方法及相应装置 | |
CN112208506B (zh) | 用于铁路货车空气制动装置的智能故障检测方法 | |
US20200307662A1 (en) | Data fusion concept | |
CN109747685B (zh) | 应答器系统故障预警平台 | |
CN110763286A (zh) | 登机廊桥状态监测与故障诊断系统及方法 | |
CN115244377A (zh) | 用于监测管线系统的测量系统及其运行方法 | |
CN115107824B (zh) | 一种电液车辆减速器监测系统 | |
CN114977492B (zh) | 一种用于海上平台中控系统的电源监测与诊断方法 | |
CN116088613A (zh) | 一种恒温智能化暖通控制系统 | |
CN109447463A (zh) | 一种城市轨道交通信号运维大数据预警方法及其装置 | |
WO2017168940A1 (ja) | データ統合分析システム | |
CN113697623B (zh) | 一种基于深度学习的电梯维保预警系统及方法 | |
WO2021178576A9 (en) | Vehicle control system | |
CN115186847A (zh) | 轨道车辆维护方法以及维护车 | |
CN113743548A (zh) | 一种基于rfid的铁路车辆轴承运行状态监控系统与方法 |
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 |