CN113071537B - 冷却系统预警方法、装置及系统 - Google Patents
冷却系统预警方法、装置及系统 Download PDFInfo
- Publication number
- CN113071537B CN113071537B CN202010010042.9A CN202010010042A CN113071537B CN 113071537 B CN113071537 B CN 113071537B CN 202010010042 A CN202010010042 A CN 202010010042A CN 113071537 B CN113071537 B CN 113071537B
- Authority
- CN
- China
- Prior art keywords
- dynamic
- data
- variable data
- indicating
- data set
- 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
- B61C—LOCOMOTIVES; MOTOR RAILCARS
- B61C17/00—Arrangement or disposition of parts; Details or accessories not otherwise provided for; Use of control gear and control systems
Abstract
本发明提供了一种冷却系统预警方法、装置及系统,其中方法包括:获取用于指示冷却系统状态数据的自变量数据集和用于指示冷却对象温度数据的因变量数据集;分析自变量数据集确定用于指示多个动态工况的动态工况数据;分析因变量数据集确定用于指示多个动态温度的动态温度数据;将动态工况数据和动态温度数据进行线性融合操作,确定用于指示多个动态工况对应的多个动态温度阈值的动态温度阈值数据;对比动态温度数据与动态温度阈值数据获得对比结果,以基于对比结果对冷却系统执行预警操作。本发明可以提前预测冷却系统可能出现故障方便于列车空闲期间对冷却系统进行维护,从而不影响列车的正常运营。
Description
技术领域
本发明涉及轨道交通领域,尤其涉及冷却系统预警方法、装置及系统。
背景技术
在轨道交通领域中冷却系统可以对冷却对象进行冷却,以确保冷却对象 在允许温度范围内正常工作。若未能对冷却对象及时冷却,将影响列车的正 常运营。
目前列车控制系统可以对冷却对象进行监测,若冷却对象超过设定温度 范围,则确定冷却系统出现故障,并对冷却系统进行维修操作。但是在对冷 却系统进行维修操作期间会影响列车的正常运营。
对于轨道交通领域中交流电力机车、动车组及城轨车辆等对冷却系统的 故障容忍度较低的应用场景,事前监测事后维修的方案无法适用。
发明内容
鉴于此,本发明提供一种冷却系统预警方法、装置及系统,可以对冷却 系统进行预警,以便提前发现冷却系统可能出现故障方便于列车空闲期间对 冷却系统进行维护,从而不影响列车的正常运营。
为了实现上述目的,本发明提供了下述技术特征:
一种冷却系统预警方法,包括:
获取用于指示冷却系统状态数据的自变量数据集和用于指示冷却对象温 度数据的因变量数据集;其中,所述自变量数据集包括从列车控制系统于多 个采样时刻采集获得的多组自变量数据,所述因变量数据集包括从列车控制 系统于所述多个采样时刻采集获得的多组因变量数据;
分析所述自变量数据集确定用于指示多个动态工况的动态工况数据;
分析所述因变量数据集确定用于指示多个动态温度的动态温度数据;
将所述动态工况数据和所述动态温度数据进行线性融合操作,确定用于 指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据;
对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以基于 所述对比结果对所述冷却系统执行预警操作。
可选的,所述获取用于指示冷却系统状态数据的自变量数据集和用于指 示冷却对象温度数据的因变量数据集之前,还包括:
从列车控制系统获取当前采样时刻的监测数据;其中所述检测数据包括 当前采样时刻用于指示冷却系统状态数据的自变量数据,和当前采样时刻用 于指示冷却对象温度数据的因变量数据;
按时间窗口方式存储所述当前采样时刻的监测数据至数据存储器;
从所述数据存储器获取多个采样时刻的监测数据,并构建用于指示冷却 系统状态数据的自变量数据集和用于指示冷却对象温度数据的因变量数据 集。
可选的,所述分析所述自变量数据集确定用于指示多个动态工况的动态 工况数据包括:
对所述自变量数据集执行聚类操作获得多个聚类中心;
分别对所述多个聚类中心执行线性回归操作,获得多个用于指示动态工 况的线性回归值;
按多个聚类中心对应采样时刻的前后顺序,重组所述多个聚类中心的线 性回归值,获得用于指示多个动态工况的工况数据。
可选的,所述分析所述因变量数据集确定用于指示多个动态温度的动态 温度数据,包括:
对所述因变量数据集执行聚类操作获得多个聚类中心;
将多个聚类中心作为用于指示多个动态温度的动态温度数据。
可选的,所述对比所述动态温度数据与所述动态温度阈值数据获得对比 结果,以基于所述对比结果对所述冷却系统执行预警操作包括:
对比所述动态温度数据与所述动态温度阈值数据;
若所述动态温度数据的整体温度值大于所述动态温度阈值数据的整体温 度阈值,则确定对比结果为冷却系统故障,否则确定对比结果为冷却系统未 故障;
或者,
若所述动态温度数据中任一动态温度值大于所述动态温度阈值数据中对 应的动态温度阈值,则确定对比结果为冷却系统故障,否则确定对比结果为 冷却系统未故障。
可选的,还包括:
发送所述对比结果至所述列车控制系统,以供所述列车控制系统对所述 冷却系统执行预警操作。
一种冷却系统预警系统,包括:
与列车控制系统相连的扩展输入接口和扩展输出接口;
与所述扩展输入接口和所述扩展输出接口相连的接口控制器;
通过所述接口控制器与所述扩展输入接口相连的数据采集板;
通过所述接口控制器与所述扩展输出接口相连且与所述数据采集板相连 的处理器;
与所述处理器相连的存储控制器;
与所述存储控制器相连的数据存储器;
其中,所述数据采集板用于从列车控制系统获取当前采样时刻的监测数 据;其中所述检测数据包括当前采样时刻用于指示冷却系统状态数据的自变 量数据和当前采样时刻用于指示冷却对象温度数据的因变量数据,发送当前 采样时刻的监测数据至处理器;
所述处理器,用于按时间窗口方式存储所述当前采样时刻的监测数据至 数据存储器;从所述数据存储器获取多个采样时刻的监测数据,并构建用于 指示冷却系统状态数据的自变量数据集和用于指示冷却对象温度数据的因变 量数据集,分析所述自变量数据集确定用于指示多个动态工况的动态工况数 据;分析所述因变量数据集确定用于指示多个动态温度的动态温度数据;将 所述动态工况数据和所述动态温度数据进行线性融合操作,确定用于指示所 述多个动态工况对应的多个动态温度阈值的动态温度阈值数据;对比所述动 态温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对 所述冷却系统执行预警操作。
一种列车系统,包括:
列车控制系统;
与所述列车控制系统相连的冷却系统预警系统;
与所述列车系统相连的对象冷却系统;其中所述对象冷却系统包括供电 系统、与供电系统相连的冷却系统,与所述冷却系统相连的冷却对象;所述 冷却系统包括油泵、水泵和冷却风机,冷却对象包括采用油泵冷却的牵引变 压器、采用水泵冷却的牵引变流器的功率模块和采用冷却风机冷却的牵引电 机;
则所述列车控制系统,用于从所述对象冷却系统获取并存储用于指示油 泵和牵引变压器的油泵监测数据,获取并存储用于指示水泵和功率模块的水 泵监测数据,获取并存储用于指示冷却风机和牵引电机的冷却风机监测数据;
冷却系统预警系统,用于获取用于指示油泵状态数据的油泵自变量数据 集和用于指示牵引变压器温度数据的油泵因变量数据集;其中所述油泵自变 量数据集包括从列车控制系统于多个采样时刻采集获得的多组油泵自变量数 据,所述油泵因变量数据集包括从列车控制系统于所述多个采样时刻采集获 得的多组油泵因变量数据;分析所述油泵自变量数据集确定用于指示多个动 态工况的动态工况数据;分析所述油泵因变量数据集确定用于指示多个动态 温度的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融 合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据;对比所述动态温度数据与所述动态温度阈值数据获得对比结果, 以基于所述对比结果对所述油泵执行预警操作;
冷却系统预警系统,用于获取用于指示水泵状态数据的水泵自变量数据 集和用于指示功率模块温度数据的油泵因变量数据集;其中所述水泵自变量 数据集包括从列车控制系统于多个采样时刻采集获得的多组水泵自变量数 据,所述水泵因变量数据集包括从列车控制系统于所述多个采样时刻采集获 得的多组水泵因变量数据;分析所述水泵自变量数据集确定用于指示多个动 态工况的动态工况数据;分析所述水泵因变量数据集确定用于指示多个动态 温度的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融 合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温 度阈值数据;对比所述动态温度数据与所述动态温度阈值数据获得对比结果, 以基于所述对比结果对所述水泵执行预警操作;
冷却系统预警系统,用于获取用于指示冷却风机状态数据的冷却风机自 变量数据集和用于指示牵引电机温度数据的冷却风机因变量数据集;其中所 述冷却风机自变量数据集包括从列车控制系统于多个采样时刻采集获得的多 组冷却风机自变量数据,所述冷却风机因变量数据集包括从列车控制系统于 所述多个采样时刻采集获得的多组冷却风机因变量数据;分析所述冷却风机 自变量数据集确定用于指示多个动态工况的动态工况数据;分析所述冷却风 机因变量数据集确定用于指示多个动态温度的动态温度数据;将所述动态工 况数据和所述动态温度数据进行线性融合操作,确定用于指示所述多个动态 工况对应的多个动态温度阈值的动态温度阈值数据;对比所述动态温度数据 与所述动态温度阈值数据获得对比结果,以基于所述对比结果对所述冷却风 机执行预警操作。
一种冷却系统预警装置,包括:
油泵冷却模块,用于获取用于指示油泵状态数据的油泵自变量数据集和 用于指示牵引变压器温度数据的油泵因变量数据集;其中所述油泵自变量数 据集包括从列车控制系统于多个采样时刻采集获得的多组油泵自变量数据, 所述油泵因变量数据集包括从列车控制系统于所述多个采样时刻采集获得的 多组油泵因变量数据;分析所述油泵自变量数据集确定用于指示多个动态工 况的动态工况数据;分析所述油泵因变量数据集确定用于指示多个动态温度 的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融合操 作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据;对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以 基于所述对比结果对所述油泵执行预警操作;
水泵冷却模块,用于获取用于指示水泵状态数据的水泵自变量数据集和 用于指示功率模块温度数据的油泵因变量数据集;其中所述水泵自变量数据 集包括从列车控制系统于多个采样时刻采集获得的多组水泵自变量数据,所 述水泵因变量数据集包括从列车控制系统于所述多个采样时刻采集获得的多 组水泵因变量数据;分析所述水泵自变量数据集确定用于指示多个动态工况 的动态工况数据;分析所述水泵因变量数据集确定用于指示多个动态温度的 动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融合操作, 确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数 据;对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以基于 所述对比结果对所述水泵执行预警操作;
冷却风机模块,用于获取用于指示冷却风机状态数据的冷却风机自变量 数据集和用于指示牵引电机温度数据的冷却风机因变量数据集;其中所述冷 却风机自变量数据集包括从列车控制系统于多个采样时刻采集获得的多组冷 却风机自变量数据,所述冷却风机因变量数据集包括从列车控制系统于所述 多个采样时刻采集获得的多组冷却风机因变量数据;分析所述冷却风机自变 量数据集确定用于指示多个动态工况的动态工况数据;分析所述冷却风机因 变量数据集确定用于指示多个动态温度的动态温度数据;将所述动态工况数 据和所述动态温度数据进行线性融合操作,确定用于指示所述多个动态工况 对应的多个动态温度阈值的动态温度阈值数据;对比所述动态温度数据与所 述动态温度阈值数据获得对比结果,以基于所述对比结果对所述冷却风机执 行预警操作。
可选的,所述油泵自变量数据集中每个自变量数据包括:辅助逆变器状 态、辅助接触器状态、辅助逆变器输出数据和环境温度;
所述油泵因变量数据集中每个因变量数据包括:油温和油流;
所述水泵自变量数据集中每个自变量数据包括:辅助逆变器状态、辅助 接触器状态、辅助逆变器输出数据、环境温度和水压;
所述水泵因变量数据集中每个因变量数据包括:水温和功率模块温度;
所述冷却风机自变量数据集中每个自变量数据包括:辅助逆变器状态、 辅助接触器状态、辅助逆变器输出数据和环境温度;
所述冷却风机因变量数据集中每个因变量数据包括:电机温度。
通过以上技术手段,可以实现以下有益效果:
本发明可以获取用于指示冷却系统状态数据的自变量数据集和用于指示 冷却对象温度数据的因变量数据集;其中自变量数据集包括从列车控制系统 于多个采样时刻采集获得的多组自变量数据,因变量数据集包括从列车控制 系统于多个采样时刻采集获得的多组因变量数据。由于具有多个采样时刻, 因此自变量数据集和因变量数据集可以代表一段时间内冷却系统和冷却对象 的情况。
然后本发明基于多个采样时刻的自变量数据和因变量数据,预测多个动 态工况和预测与多个动态工况对应的动态温度,多个动态温度可以作为冷却 对象一段时间内比较关键的多个温度数据,然后预测与多个动态工况对应的 动态温度阈值。
对比动态温度数据与动态温度阈值数据获得的对比结果,基于对比结果 预测出冷却系统是否可能出现故障,以便基于对比结果对所述冷却系统执行 预警操作,也即提前预测冷却系统可能出现故障方便于列车空闲期间对冷却 系统进行维护,从而不影响列车的正常运营。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本发明实施例公开的一种冷却系统预警系统的结构示意图;
图2为本发明实施例公开的一种冷却系统预警方法的流程图;
图3为本发明实施例公开的又一种冷却系统预警方法的流程图;
图4为本发明实施例公开的一种列车系统的结构示意图;
图5为本发明实施例公开的一种冷却系统预警装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而 不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参见图1,提供了一种冷却系统预警系统,包括:
与列车控制系统相连的扩展输入接口和扩展输出接口;
与所述扩展输入接口和所述扩展输出接口相连的接口控制器;
通过所述接口控制器与所述扩展输入接口相连的数据采集板;
通过所述接口控制器与所述扩展输出接口相连且与所述数据采集板相连 的处理器;
与所述处理器相连的存储控制器;
与所述存储控制器相连的数据存储器;
可选的,所述冷却系统预警系统还可以包括与所述存储控制器相连的 FLASH存储器和配置存储器。
其中,处理器可以为由处理芯片和计算加速引擎构成异构计算系统,以 便实现数据处理与分析功能。处理器可以包括FPGA等高性能处理芯片。
存储控制器、数据存储器、FLASH存储器和配置存储器可以对冷却系统 的检测数据进行存储,对处理器的配置信息进行存储,以及实现存储对比结 果。其中数据存储器主要用于存储监测数据,可以采用大容量高速的DDR存 储器;FLASH存储器用来存储对比结果,保证对比结果的离线访问功能;配 置存储器用于存储处理器的配置信息。
处理器还会设定一个采样周期,在到达采样周期会通过数据采集板和扩 展输入接口从列车控制系统采集监测数据,一个采样时刻对应一组监测数据。
以当前时刻为例,数据采集板用于从列车控制系统获取当前采样时刻的 监测数据;其中所述检测数据包括当前采样时刻用于指示冷却系统状态数据 的自变量数据和当前采样时刻用于指示冷却对象温度数据的因变量数据,发 送当前采样时刻的监测数据至处理器。
处理器用于按时间窗口方式存储所述当前采样时刻的监测数据至数据存 储器。由于在不断采样过程中会生成多个采样时刻的监测数据,为了保证监 测数据的时效性,可以按照时间窗口方式来存储当前采样时刻的监测数据至 数据存储器。
在存储当前采样时刻的监测数据至数据存储器的同时,也会删除数据存 储器中距离当前采样时刻最远的采样时刻对应的监测数据,以便保证数据存 储器中具有固定数量个监测数据,且,均为最近采样时刻的监测数据,以便 保证监测数据的时效性。
可以理解的是,处理器会周期性执行冷却系统预警方法,例如一天执行 一次,当然执行周期可以根据实际情况而定,对于较为严格的应用场景可以 设定半天执行一次,或6小时执行一次。对于执行周期本发明不做限定。
参见图2,本发明提供了一种冷却系统预警方法,应用于图1所示的处理 器,具体包括以下步骤:
步骤S201:获取用于指示冷却系统状态数据的自变量数据集和用于指示 冷却对象温度数据的因变量数据集;其中,所述自变量数据集包括从列车控 制系统于多个采样时刻采集获得的多组自变量数据,所述因变量数据集包括 从列车控制系统于所述多个采样时刻采集获得的多组因变量数据。
以冷却系统为水泵为例,处理器从数据存储器中获取水泵于多个采样时 刻的监测数据,并构建用于指示冷却系统状态数据的自变量数据集和用于指 示冷却对象温度数据的因变量数据集。
在冷却系统为水泵的情况下,水泵自变量数据集包括:辅助逆变器状态、 辅助接触器状态、辅助逆变器输出数据(电压、频率)、环境温度和水压; 水泵因变量数据集包括:水温和功率模块温度。
例如,采用下述符号来表示水泵自变量数据集,其中A1辅助逆变器状态, A2辅助接触器状态,A3辅助逆变器输出电流,A4辅助逆变器输出电压,A5辅 助逆变器输出频率,A6环境温度,A7水压。
水泵自变量数据集采用向量A=(A1,A2,A3,A4,A5,A6,A7)T表示,Ai表示在采样 时刻ti对应的水泵自变量数据,Ai=(A1i,A2i,A3i,A4i,A5i,A6i,A7i)T,其中i为正整数。
采用下述符号来表示水泵因变量数据集,B1水温,B2功率模块温度;将 水泵因变量数据集采用向量B=(B1,B2)T表示;Bi表示在采样时刻ti对应的水泵 因变量数据,Bi=(B1i,B2i)T,其中i为正整数。
步骤S202:分析所述自变量数据集确定用于指示多个动态工况的动态工 况数据。
冷却系统在多个采样时刻组成的时间段内可以具有多个工况,通过分析 自变量数据集可以确定用于指示多个动态工况的动态工况数据。由于自变量 数据集是不断实时变化的,当自变量数据集变化后工况也会随之变化,所以 称为动态工况。
动态工况数据可以表示为:Z=(Z1,Z2,…,Zk);其中Z1、Z2……Zk分别为k 个动态工况。关于确定动态工况数据的过程可以采用图3所示的实施例实现, 在此暂不赘述。
步骤S203:分析所述因变量数据集确定用于指示多个动态温度的动态温 度数据。
冷却系统在多个采样时刻组成的时间段内,可以具有与多个工况对应的 多个动态温度。同理,通过分析因变量数据集可以确定用于指示多个动态温 度的动态温度数据。由于因变量数据集是不断实时变化的,当自变量数据集 变化后温度也会随之变化,所以称为动态温度。
动态温度数据可以表示为:B=(B1,B2,…,Bk);其中B1、B2……Bk分别为k 个动态温度。
步骤S204:将所述动态工况数据和所述动态温度数据进行线性融合操作, 确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数 据。
将动态工况数据和动态温度数据进行线性融合操作,获得多个工况分别 一一对应的多个动态温度阈值R=(R1,R2,…,Rk)。
可选的,可以采用下述线性融合公式执行融合操作Rj=αj+βj□Zj□Bj,其中, Rj为第j个动态工况对应动态温度阈值,Zj为第j个动态工况,Bj为第j个动 态工况对应的动态温度,αj和βj为常量。
步骤S205:对比所述动态温度数据与所述动态温度阈值数据获得对比结 果,以基于所述对比结果对所述冷却系统执行预警操作。
在确定动态温度数据和动态温度阈值数据后,可以对比所述动态温度数 据与所述动态温度阈值数据获得对比结果。
本实施例提供两种对比方式,第一种对比方式整体对比,第二种对比方 式逐个对比。下面分别进行详细说明。
第一种对比方式整体对比。
动态温度数据B=(B1,B2,…,Bk)可以采用矩阵方式实现,依据矩阵计算方式 计算动态温度数据整体温度值,动态温度阈值数据R=(R1,R2,…,Rk)可以采用矩 阵方式实现,依据矩阵计算方式计算动态温度阈值数据的整体阈值。
若所述动态温度数据的整体温度值大于所述动态温度阈值数据的整体温 度阈值,则确定对比结果为冷却系统故障,否则确定对比结果为冷却系统未 故障。
第二种对比方式逐个对比。
动态温度数据B=(B1,B2,…,Bk)和动态温度阈值数据R=(R1,R2,…,Rk)分别对 于工况对应,所以针对每个工况,将动态温度值与动态温度阈值进行单独对 比。
若所述动态温度数据中任一动态温度值大于所述动态温度阈值数据中对 应的动态温度阈值,则确定对比结果为冷却系统故障,否则确定对比结果为 冷却系统未故障。
可选的,对比所述动态温度数据与所述动态温度阈值数据获得对比结果, 可以采用下述判断依据来确定对比结果。
当动态温度数据的整体温度值小于动态温度阈值数据的整体温度阈值的 80%,则确定冷却系统处于健康状态。
当动态温度数据的整体温度值大于动态温度阈值数据的整体温度阈值的 80%且小于整体温度阈值,则确定冷却系统处于正常状态。
当动态温度数据的整体温度值大于动态温度阈值数据的整体温度阈值, 则确定冷却系统可能出现故障,应该进行预警操作。
对比结果 | 判断依据 |
健康 | B<80%R |
正常 | 80%□R≤B<R |
预警 | B≥R |
可选的,在步骤S205之后还可以包括步骤S206:发送所述对比结果至所 述列车控制系统,以供所述列车控制系统对所述冷却系统执行预警操作。
列车控制系统可以通过显示界面展现对比结果,以便列车员可以通过界 面查看对比结果实现预警目的,列车员可以采用本领域技术知识按照维护操 作对冷却系统执行维护。
参见图3,提供一种步骤S203分析所述因变量数据集确定用于指示多个 动态温度的动态温度数据的具体实现方式。为了便于说明多个采样时刻设为n 个采样时刻,对应的具有n个自变量数据集。
步骤S301:对所述自变量数据集执行聚类操作获得多个聚类中心。
自变量数据集为Ai=(A1i,A2i,A3i,A4i,A5i,A6i,A7i)T,1≤i≤n,对自变量数据集执行聚类操作后,得到的每个聚类中心均代表一个工况。
S1:从自变量数据集中随机选取K个自变量数据作为k个簇的簇中心,记 为S=(S1,S2,…Sj…,Sk),k<n,Sj=(S1j,S2j,S3j,S4j,S5j,S6j,S7j)T,其中j为正整数。
S2:将自变量数据集中剩余自变量数据按距离最小原则分配至k个簇中。
针对自变量数据集中各个剩余自变量数据执行下述操作:计算自变量数 据与各个簇的簇中心之间的距离,对各个距离进行排序操作确定最小距离, 将自变量分配至最小距离对应的簇中。
S3:更新k个簇的簇中心。
若本次计算得到的SAD小于上次SAD,则采用k个自变量数据分别更新 k个簇中心Sj。
S4:判断是否达到迭代次数,若达到则进入步骤S5,若未达到则进入步 骤S2。
S5:将k个簇中心作为对所述自变量数据集执行聚类操作获得多个聚类 中心。多个聚类中心可以采用S1,S2,…Sj…,Sk表示,k<n,可以理解的是,聚 类中心的本质仍然是自变量数据集中的自变量数据,因此Sj具体内容仍然可 以表示为
步骤S302:分别对所述多个聚类中心执行线性回归操作,获得多个用于 指示动态工况的线性回归值。
一个聚类中心对应一个工况,为了能够更好的表示工况,针对每个聚类 中心执行线性回归操作,线性回归的目的在于,将一聚类中心中的多个参数 进行线性回归得到一个动态工况值,以便可以执行后续操作。
以第j个聚类中心Sj为例(由于Sj本质为Aj,为了便于理解,后续公式中 采用Aj表示),执行过程如下:线性回归值Zj的线性融合公式为: 其中,αj、βj和ε为常量。其中Aji,1≤i≤7表示为 Aj对应的第i个参数。
在对每个聚类中心均执行线性回归操作后得到k个线性回归值: Z1,Z2,…Zj…,Zk。每个线性回归值能够表示一个工况值。
步骤S303:按多个聚类中心对应采样时刻的前后顺序,重组所述多个聚 类中心的线性回归值,获得用于指示多个动态工况的工况数据。
可以理解的是,k个聚类中心分别对应k个采样时刻,也即一个Sj对应一 个tj。按照采样时刻的先后顺序,重组k个线性回归值Z1,Z2,…Zj…,Zk,获得 用于指示多个动态工况的工况数据Z=(Z1,Z2,…Zj…,Zk),其中Zj,1≤j≤k为冷却 对象在采样时刻ti对应的动态工况值。
可选的,S204分析所述因变量数据集确定用于指示多个动态温度的动态 温度数据的具体实现方式。
对所述因变量数据集执行聚类操作获得多个聚类中心,将多个聚类中心 作为用于指示多个动态温度的动态温度数据。多个聚类中心可以采用 B1,B2,…,Bk表示,动态温度数据可以采用B=(B1,B2,…,Bk)表示。
聚类操作的具体过程可以参见步骤S301的具体执行过程,在此不再赘述。
通过以上技术手段,可以实现以下有益效果:
本发明可以获取用于指示冷却系统状态数据的自变量数据集和用于指示 冷却对象温度数据的因变量数据集;其中自变量数据集包括从列车控制系统 于多个采样时刻采集获得的多组自变量数据,因变量数据集包括从列车控制 系统于多个采样时刻采集获得的多组因变量数据。由于具有多个采样时刻, 因此自变量数据集和因变量数据集可以代表一段时间内冷却系统和冷却对象 的情况。
然后本发明基于多个采样时刻的自变量数据和因变量数据,预测多个动 态工况和预测与多个动态工况对应的动态温度,多个动态温度可以作为冷却 对象一段时间内比较关键的多个温度数据,然后预测与多个动态工况对应的 动态温度阈值。
对比动态温度数据与动态温度阈值数据获得的对比结果,基于对比结果 预测出冷却系统是否可能出现故障,以便基于对比结果对所述冷却系统执行 预警操作。
上述图1、图2和图3所示实施例中,将冷却系统作为一个整体,冷却对 象作为一个整体,并以冷却对象为水泵进行详细举例说明。可以理解的是, 在实际应用场景中,冷却系统可以有多个冷却设备,冷却对象也可以有多个 冷却部件。
可以理解的是,针对冷却设备和冷却部件组成的一个冷却组合,可以采 用图2和图3所示的冷却系统预警方法,在有多个冷却组合的情况下,针对 每个冷却组合均可以采用图2和图3所示的冷却系统预警方法。
为了便于理解多个冷却组合的情况,本发明提供一种列车系统,参见图4, 包括:
列车控制系统100;
与所述列车控制系统100相连的冷却系统预警系统200;其中冷却系统预 警系统可以参见图1所示,在此不再赘述。
与所述列车系统100相连的对象冷却系统300;其中所述对象冷却系统包 括供电系统、与供电系统相连的冷却系统,与所述冷却系统相连的冷却对象; 所述冷却系统包括油泵、水泵和冷却风机,冷却对象包括采用油泵冷却的牵 引变压器、采用水泵冷却的牵引变流器的功率模块和采用冷却风机冷却的牵 引电机。
可以理解的是,油泵和牵引变压器为一个冷却组合,水泵和牵引变流器 的功率模块为一个冷却组合,风机和牵引电机为一个冷却组合。冷却系统预 警系统可以针对三个冷却组合分别可以分别执行冷却系统预警方法。下面进 行详细说明。
在具体执行之前可以先预先设定冷却系统中不同冷却设备对应的因变量 参数和自变量参数。可选的,参见下表为本实施例提供一具体举例:
下面介绍图4所示的列车系统下冷却系统预警系统的执行过程。
数据采集板从列车控制系统获取当前采样时刻的监测数据;可以理解的 是,当前采样时刻的监测数据包括油泵、水泵和冷却风机的监测数据。结合 上表,一组监测数据可以包括:辅助逆变器状态、辅助接触器状态、辅助逆 变器输出数据(电流、电压和/或频率)、环境温度、水压、水温、功率模块 温度、油温、油流和电机温度。
处理器仍然采用时间窗口方式存储当前采样时刻的监测数据至数据存储 器。由于在不断采样过程中会生成多个采样时刻的监测数据,为了保证监测 数据的时效性,可以按照时间窗口方式来存储当前采样时刻的监测数据至数 据存储器。
在存储当前采样时刻的监测数据至数据存储器的同时,也会删除数据存 储器中距离当前采样时刻最远的采样时刻对应的监测数据,以便保证数据存 储器中具有固定数量个监测数据,且,均为最近采样时刻的监测数据,以便 保证监测数据的时效性。
可以理解的是,处理器会周期性执行冷却系统预警方法,为了便于适用 于三个冷却组合,处理器可以设置三个进程,一个进程对应一个冷却组合, 三个进程分别对三个组合执行冷却系统预警方法。
处理器中第一个进程执行与油泵相关的冷却系统预警方法:
获取用于指示油泵状态数据的油泵自变量数据集和用于指示牵引变压器 温度数据的油泵因变量数据集;其中所述油泵自变量数据集包括从列车控制 系统于多个采样时刻采集获得的多组油泵自变量数据,所述油泵因变量数据 集包括从列车控制系统于所述多个采样时刻采集获得的多组油泵因变量数 据;分析所述油泵自变量数据集确定用于指示多个动态工况的动态工况数据; 分析所述油泵因变量数据集确定用于指示多个动态温度的动态温度数据;将 所述动态工况数据和所述动态温度数据进行线性融合操作,确定用于指示所 述多个动态工况对应的多个动态温度阈值的动态温度阈值数据;对比所述动 态温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对 所述油泵执行预警操作;
处理器中第二个进程执行与水泵相关的冷却系统预警方法:
获取用于指示水泵状态数据的水泵自变量数据集和用于指示功率模块温 度数据的油泵因变量数据集;其中所述水泵自变量数据集包括从列车控制系 统于多个采样时刻采集获得的多组水泵自变量数据,所述水泵因变量数据集 包括从列车控制系统于所述多个采样时刻采集获得的多组水泵因变量数据; 分析所述水泵自变量数据集确定用于指示多个动态工况的动态工况数据;分 析所述水泵因变量数据集确定用于指示多个动态温度的动态温度数据;将所 述动态工况数据和所述动态温度数据进行线性融合操作,确定用于指示所述 多个动态工况对应的多个动态温度阈值的动态温度阈值数据;对比所述动态 温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对所 述水泵执行预警操作;
处理器中第三个进程执行与水泵相关的冷却系统预警方法:
获取用于指示冷却风机状态数据的冷却风机自变量数据集和用于指示牵 引电机温度数据的冷却风机因变量数据集;其中所述冷却风机自变量数据集 包括从列车控制系统于多个采样时刻采集获得的多组冷却风机自变量数据, 所述冷却风机因变量数据集包括从列车控制系统于所述多个采样时刻采集获 得的多组冷却风机因变量数据;分析所述冷却风机自变量数据集确定用于指 示多个动态工况的动态工况数据;分析所述冷却风机因变量数据集确定用于 指示多个动态温度的动态温度数据;将所述动态工况数据和所述动态温度数 据进行线性融合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据;对比所述动态温度数据与所述动态温度阈值数据 获得对比结果,以基于所述对比结果对所述冷却风机执行预警操作。
关于三个进程的执行过程可以参见图2和图3所示的实施例,在此不再 赘述。
参见图5,本发明提供了一种冷却系统预警装置,包括:
油泵冷却模块51,用于获取用于指示油泵状态数据的油泵自变量数据集 和用于指示牵引变压器温度数据的油泵因变量数据集;其中所述油泵自变量 数据集包括从列车控制系统于多个采样时刻采集获得的多组油泵自变量数 据,所述油泵因变量数据集包括从列车控制系统于所述多个采样时刻采集获 得的多组油泵因变量数据;分析所述油泵自变量数据集确定用于指示多个动 态工况的动态工况数据;分析所述油泵因变量数据集确定用于指示多个动态 温度的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融 合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温 度阈值数据;对比所述动态温度数据与所述动态温度阈值数据获得对比结果, 以基于所述对比结果对所述油泵执行预警操作;
水泵冷却模块52,用于获取用于指示水泵状态数据的水泵自变量数据集 和用于指示功率模块温度数据的油泵因变量数据集;其中所述水泵自变量数 据集包括从列车控制系统于多个采样时刻采集获得的多组水泵自变量数据, 所述水泵因变量数据集包括从列车控制系统于所述多个采样时刻采集获得的 多组水泵因变量数据;分析所述水泵自变量数据集确定用于指示多个动态工 况的动态工况数据;分析所述水泵因变量数据集确定用于指示多个动态温度 的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融合操 作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据;对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以 基于所述对比结果对所述水泵执行预警操作;
冷却风机模块53,用于获取用于指示冷却风机状态数据的冷却风机自变 量数据集和用于指示牵引电机温度数据的冷却风机因变量数据集;其中所述 冷却风机自变量数据集包括从列车控制系统于多个采样时刻采集获得的多组 冷却风机自变量数据,所述冷却风机因变量数据集包括从列车控制系统于所 述多个采样时刻采集获得的多组冷却风机因变量数据;分析所述冷却风机自 变量数据集确定用于指示多个动态工况的动态工况数据;分析所述冷却风机 因变量数据集确定用于指示多个动态温度的动态温度数据;将所述动态工况 数据和所述动态温度数据进行线性融合操作,确定用于指示所述多个动态工 况对应的多个动态温度阈值的动态温度阈值数据;对比所述动态温度数据与 所述动态温度阈值数据获得对比结果,以基于所述对比结果对所述冷却风机 执行预警操作。
其中,所述油泵自变量数据集中每个自变量数据包括:辅助逆变器状态、 辅助接触器状态、辅助逆变器输出数据和环境温度;
所述油泵因变量数据集中每个因变量数据包括:油温和油流;
所述水泵自变量数据集中每个自变量数据包括:辅助逆变器状态、辅助 接触器状态、辅助逆变器输出数据、环境温度和水压;
所述水泵因变量数据集中每个因变量数据包括:水温和功率模块温度;
所述冷却风机自变量数据集中每个自变量数据包括:辅助逆变器状态、 辅助接触器状态、辅助逆变器输出数据和环境温度;
所述冷却风机因变量数据集中每个因变量数据包括:电机温度。
本实施例方法所述的功能如果以软件功能单元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设备可读取存储介质中。基于这样 的理解,本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可 以以软件产品的形式体现出来,该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设备(可以是个人计算机,服务器,移动计算设备 或者网络设备等)执行本发明各个实施例所述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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可 以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都 是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用 本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易 见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下, 在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例, 而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种冷却系统预警方法,其特征在于,包括:
获取用于指示冷却系统状态数据的自变量数据集和用于指示冷却对象温度数据的因变量数据集;其中,所述自变量数据集包括从列车控制系统于多个采样时刻采集获得的多组自变量数据,所述因变量数据集包括从列车控制系统于所述多个采样时刻采集获得的多组因变量数据;
分析所述自变量数据集确定用于指示多个动态工况的动态工况数据;
分析所述因变量数据集确定用于指示多个动态温度的动态温度数据;
将所述动态工况数据和所述动态温度数据进行线性融合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据R=(R 1 ,R 2 ,…,R k ),R k 指示第k个动态工况对应的动态温度阈值,其中,R j =α j +β j ·Z j · B j ,R j 为第j个动态工况对应的动态温度阈值,Z j 为第j个动态工况的动态工况数据,B j 为第j个动态工况对应的动态温度,j表示动态工况的个数,1≤j≤k,α j 和β j 为常量;
对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对所述冷却系统执行预警操作;
所述获取用于指示冷却系统状态数据的自变量数据集和用于指示冷却对象温度数据的因变量数据集之前,还包括:
从列车控制系统获取当前采样时刻的监测数据;其中所述监测数据包括当前采样时刻用于指示冷却系统状态数据的自变量数据,和当前采样时刻用于指示冷却对象温度数据的因变量数据;
按时间窗口方式存储所述当前采样时刻的监测数据至数据存储器;
从所述数据存储器获取多个采样时刻的监测数据,并构建用于指示冷却系统状态数据的自变量数据集和用于指示冷却对象温度数据的因变量数据集。
2.如权利要求1所述的方法,其特征在于,所述分析所述自变量数据集确定用于指示多个动态工况的动态工况数据包括:
对所述自变量数据集执行聚类操作获得多个聚类中心;
分别对所述多个聚类中心执行线性回归操作,获得多个用于指示动态工况的线性回归值;
按多个聚类中心对应采样时刻的前后顺序,重组所述多个聚类中心的线性回归值,获得用于指示多个动态工况的工况数据。
3.如权利要求1所述的方法,其特征在于,所述分析所述因变量数据集确定用于指示多个动态温度的动态温度数据,包括:
对所述因变量数据集执行聚类操作获得多个聚类中心;
将多个聚类中心作为用于指示多个动态温度的动态温度数据。
4.如权利要求1所述的方法,其特征在于,所述对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对所述冷却系统执行预警操作包括:
对比所述动态温度数据与所述动态温度阈值数据;
若所述动态温度数据的整体温度值大于所述动态温度阈值数据的整体温度阈值,则确定对比结果为冷却系统故障,否则确定对比结果为冷却系统未故障;
或者,
若所述动态温度数据中任一动态温度值大于所述动态温度阈值数据中对应的动态温度阈值,则确定对比结果为冷却系统故障,否则确定对比结果为冷却系统未故障。
5.如权利要求1-4任一项所述的方法,其特征在于,还包括:
发送所述对比结果至所述列车控制系统,以供所述列车控制系统对所述冷却系统执行预警操作。
6.一种冷却系统预警系统,其特征在于,包括:
与列车控制系统相连的扩展输入接口和扩展输出接口;
与所述扩展输入接口和所述扩展输出接口相连的接口控制器;
通过所述接口控制器与所述扩展输入接口相连的数据采集板;
通过所述接口控制器与所述扩展输出接口相连且与所述数据采集板相连的处理器;
与所述处理器相连的存储控制器;
与所述存储控制器相连的数据存储器;
其中,所述数据采集板用于从列车控制系统获取当前采样时刻的监测数据;其中所述监测数据包括当前采样时刻用于指示冷却系统状态数据的自变量数据和当前采样时刻用于指示冷却对象温度数据的因变量数据,发送当前采样时刻的监测数据至处理器;
所述处理器,用于按时间窗口方式存储所述当前采样时刻的监测数据至数据存储器;从所述数据存储器获取多个采样时刻的监测数据,并构建用于指示冷却系统状态数据的自变量数据集和用于指示冷却对象温度数据的因变量数据集,分析所述自变量数据集确定用于指示多个动态工况的动态工况数据;分析所述因变量数据集确定用于指示多个动态温度的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据R=(R 1,R 2,…,R k ),R k 指示第k个动态工况对应的动态温度阈值,其中,R j =α j +β j · Z j · B j ,R j 为第j个动态工况对应的动态温度阈值,Z j 为第j个动态工况的动态工况数据,B j 为第j个动态工况对应的动态温度,j表示动态工况的个数,1≤j≤k,α j 和β j 为常量;对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对所述冷却系统执行预警操作。
7.一种列车系统,其特征在于,包括:
列车控制系统;
与所述列车控制系统相连的冷却系统预警系统;
与所述列车系统相连的对象冷却系统;其中所述对象冷却系统包括供电系统、与供电系统相连的冷却系统,与所述冷却系统相连的冷却对象;所述冷却系统包括油泵、水泵和冷却风机,冷却对象包括采用油泵冷却的牵引变压器、采用水泵冷却的牵引变流器的功率模块和采用冷却风机冷却的牵引电机;
则所述列车控制系统,用于从所述对象冷却系统获取并存储用于指示油泵和牵引变压器的油泵监测数据,获取并存储用于指示水泵和功率模块的水泵监测数据,获取并存储用于指示冷却风机和牵引电机的冷却风机监测数据;
冷却系统预警系统,用于获取用于指示油泵状态数据的油泵自变量数据集和用于指示牵引变压器温度数据的油泵因变量数据集;其中所述油泵自变量数据集包括从列车控制系统于多个采样时刻采集获得的多组油泵自变量数据,所述油泵因变量数据集包括从列车控制系统于所述多个采样时刻采集获得的多组油泵因变量数据;分析所述油泵自变量数据集确定用于指示多个动态工况的动态工况数据;分析所述油泵因变量数据集确定用于指示多个动态温度的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据R=(R 1,R 2,…,R k ),R k 指示第k个动态工况对应的动态温度阈值,其中,R j =α j +β j · Z j · B j ,R j 为第j个动态工况对应的动态温度阈值,Z j 为第j个动态工况的动态工况数据,B j 为第j个动态工况对应的动态温度,j表示动态工况的个数,1≤j≤k,α j 和β j 为常量;对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对所述油泵执行预警操作;
冷却系统预警系统,用于获取用于指示水泵状态数据的水泵自变量数据集和用于指示功率模块温度数据的油泵因变量数据集;其中所述水泵自变量数据集包括从列车控制系统于多个采样时刻采集获得的多组水泵自变量数据,所述水泵因变量数据集包括从列车控制系统于所述多个采样时刻采集获得的多组水泵因变量数据;分析所述水泵自变量数据集确定用于指示多个动态工况的动态工况数据;分析所述水泵因变量数据集确定用于指示多个动态温度的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据R=(R 1,R 2,…,R k ),R k 指示第k个动态工况对应的动态温度阈值,其中,R j =α j +β j · Z j · B j ,R j 为第j个动态工况对应的动态温度阈值,Z j 为第j个动态工况的动态工况数据,B j 为第j个动态工况对应的动态温度,j表示动态工况的个数,1≤j≤k,α j 和β j 为常量;对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对所述水泵执行预警操作;
冷却系统预警系统,用于获取用于指示冷却风机状态数据的冷却风机自变量数据集和用于指示牵引电机温度数据的冷却风机因变量数据集;其中所述冷却风机自变量数据集包括从列车控制系统于多个采样时刻采集获得的多组冷却风机自变量数据,所述冷却风机因变量数据集包括从列车控制系统于所述多个采样时刻采集获得的多组冷却风机因变量数据;分析所述冷却风机自变量数据集确定用于指示多个动态工况的动态工况数据;分析所述冷却风机因变量数据集确定用于指示多个动态温度的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据R=(R 1,R 2,…,R k ),R k 指示第k个动态工况对应的动态温度阈值,其中,R j =α j +β j · Z j · B j ,R j 为第j个动态工况对应的动态温度阈值,Z j 为第j个动态工况的动态工况数据,B j 为第j个动态工况对应的动态温度,j表示动态工况的个数,1≤j≤k,α j 和β j 为常量;对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对所述冷却风机执行预警操作。
8.一种冷却系统预警装置,其特征在于,包括:
油泵冷却模块,用于获取用于指示油泵状态数据的油泵自变量数据集和用于指示牵引变压器温度数据的油泵因变量数据集;其中所述油泵自变量数据集包括从列车控制系统于多个采样时刻采集获得的多组油泵自变量数据,所述油泵因变量数据集包括从列车控制系统于所述多个采样时刻采集获得的多组油泵因变量数据;分析所述油泵自变量数据集确定用于指示多个动态工况的动态工况数据;分析所述油泵因变量数据集确定用于指示多个动态温度的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据R=(R 1,R 2,…,R k ),R k 指示第k个动态工况对应的动态温度阈值,其中,R j =α j +β j · Z j · B j ,R j 为第j个动态工况对应的动态温度阈值,Z j 为第j个动态工况的动态工况数据,B j 为第j个动态工况对应的动态温度,j表示动态工况的个数,1≤j≤k,α j 和β j 为常量;对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对所述油泵执行预警操作;
水泵冷却模块,用于获取用于指示水泵状态数据的水泵自变量数据集和用于指示功率模块温度数据的油泵因变量数据集;其中所述水泵自变量数据集包括从列车控制系统于多个采样时刻采集获得的多组水泵自变量数据,所述水泵因变量数据集包括从列车控制系统于所述多个采样时刻采集获得的多组水泵因变量数据;分析所述水泵自变量数据集确定用于指示多个动态工况的动态工况数据;分析所述水泵因变量数据集确定用于指示多个动态温度的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据R=(R 1,R 2,…,R k ),R k 指示第k个动态工况对应的动态温度阈值,其中,R j =α j +β j · Z j · B j ,R j 为第j个动态工况对应的动态温度阈值,Z j 为第j个动态工况的动态工况数据,B j 为第j个动态工况对应的动态温度,j表示动态工况的个数,1≤j≤k,α j 和β j 为常量;对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对所述水泵执行预警操作;
冷却风机模块,用于获取用于指示冷却风机状态数据的冷却风机自变量数据集和用于指示牵引电机温度数据的冷却风机因变量数据集;其中所述冷却风机自变量数据集包括从列车控制系统于多个采样时刻采集获得的多组冷却风机自变量数据,所述冷却风机因变量数据集包括从列车控制系统于所述多个采样时刻采集获得的多组冷却风机因变量数据;分析所述冷却风机自变量数据集确定用于指示多个动态工况的动态工况数据;分析所述冷却风机因变量数据集确定用于指示多个动态温度的动态温度数据;将所述动态工况数据和所述动态温度数据进行线性融合操作,确定用于指示所述多个动态工况对应的多个动态温度阈值的动态温度阈值数据R=(R 1,R 2,…,R k ),R k 指示第k个动态工况对应的动态温度阈值,其中,R j =α j +β j · Z j · B j ,R j 为第j个动态工况对应的动态温度阈值,Z j 为第j个动态工况的动态工况数据,B j 为第j个动态工况对应的动态温度,j表示动态工况的个数,1≤j≤k,α j 和β j 为常量;对比所述动态温度数据与所述动态温度阈值数据获得对比结果,以基于所述对比结果对所述冷却风机执行预警操作。
9.如权利要求8所述的装置,其特征在于,
所述油泵自变量数据集中每个自变量数据包括:辅助逆变器状态、辅助接触器状态、辅助逆变器输出数据和环境温度;
所述油泵因变量数据集中每个因变量数据包括:油温和油流;
所述水泵自变量数据集中每个自变量数据包括:辅助逆变器状态、辅助接触器状态、辅助逆变器输出数据、环境温度和水压;
所述水泵因变量数据集中每个因变量数据包括:水温和功率模块温度;
所述冷却风机自变量数据集中每个自变量数据包括:辅助逆变器状态、辅助接触器状态、辅助逆变器输出数据和环境温度;
所述冷却风机因变量数据集中每个因变量数据包括:电机温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010010042.9A CN113071537B (zh) | 2020-01-06 | 2020-01-06 | 冷却系统预警方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010010042.9A CN113071537B (zh) | 2020-01-06 | 2020-01-06 | 冷却系统预警方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113071537A CN113071537A (zh) | 2021-07-06 |
CN113071537B true CN113071537B (zh) | 2022-11-08 |
Family
ID=76609031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010010042.9A Active CN113071537B (zh) | 2020-01-06 | 2020-01-06 | 冷却系统预警方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113071537B (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102519743B (zh) * | 2011-12-01 | 2014-09-03 | 北京工业大学 | 基于无线传感器网络的矿用通风机运行状态监测预警方法 |
CN103808361B (zh) * | 2013-10-13 | 2016-08-31 | 国家电网公司 | 一种基于多监测传感器融合的变压器风冷控制系统 |
JP5530020B1 (ja) * | 2013-11-01 | 2014-06-25 | 株式会社日立パワーソリューションズ | 異常診断システム及び異常診断方法 |
CN104330275B (zh) * | 2014-11-06 | 2017-08-25 | 中国南方电网有限责任公司超高压输电公司曲靖局 | 一种换流阀冷却系统的故障分析及诊断设备及其实现方法 |
US10197992B2 (en) * | 2015-02-02 | 2019-02-05 | Polar Controller, Inc. | Methods and apparatus for predictive failure analysis of a cooling device |
US10697860B2 (en) * | 2015-02-02 | 2020-06-30 | Polar Controller, Inc. | Methods and apparatus for predictive failure analysis of a cooling device |
CN107576519A (zh) * | 2017-09-14 | 2018-01-12 | 深圳达实智能股份有限公司 | 一种医院变风量系统自动检测方法及装置 |
CN109754110B (zh) * | 2017-11-03 | 2023-07-11 | 株洲中车时代电气股份有限公司 | 一种牵引变流器故障的预警方法及系统 |
CN109752646B (zh) * | 2017-11-03 | 2021-04-02 | 株洲中车时代电气股份有限公司 | 车载直流接触器评估与预警方法、装置、设备 |
CN109682621A (zh) * | 2018-12-13 | 2019-04-26 | 北京金风科创风电设备有限公司 | 用于功率模块的散热装置的故障检测方法、装置、系统 |
CN109725220B (zh) * | 2019-01-02 | 2021-10-26 | 中车株洲电力机车有限公司 | 一种变压器油冷却回路的检测方法、系统及装置 |
-
2020
- 2020-01-06 CN CN202010010042.9A patent/CN113071537B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113071537A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9075701B2 (en) | Apparatus and method for monitoring abnormal state of vehicle using clustering technique | |
EP3564647B1 (en) | Cloud-based vehicle fault diagnosis method, device and system thereof | |
CN109752646B (zh) | 车载直流接触器评估与预警方法、装置、设备 | |
KR101964412B1 (ko) | 이동통신데이터 처리시스템의 이상로그 발생을 진단하는 방법 및 그 시스템 | |
Feng et al. | A technical framework of PHM and active maintenance for modern high-speed railway traction power supply systems | |
CN111045418B (zh) | 一种电驱动系统的健康管理系统 | |
CN111209928A (zh) | 一种变压器设备预警和状态预测评估方法及其系统 | |
CN112036581B (zh) | 交通工具空调系统的性能检测方法及装置、存储介质、终端 | |
CN114021846A (zh) | 工业企业设备状态预警方法及系统 | |
CN114994543A (zh) | 储能电站电池故障诊断方法、装置及存储介质 | |
CN113071537B (zh) | 冷却系统预警方法、装置及系统 | |
CN111950822B (zh) | 交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端 | |
CN116106672B (zh) | 一种基于数据驱动与工程知识的车网谐振检测方法及装置 | |
CN112612929A (zh) | 数据处理方法及装置 | |
CN113570473B (zh) | 设备故障监测方法、装置、计算机设备和存储介质 | |
CN114297034A (zh) | 云平台监控方法及云平台 | |
CN114148172A (zh) | 一种燃料电池氢系统的安全防护处理方法及系统 | |
CN112816898A (zh) | 电瓶故障预测方法、装置、电子设备和存储介质 | |
CN113919520A (zh) | 电网检修的检修计划管理方法、装置、设备及存储介质 | |
Torrado et al. | Asymptotic reliability theory of k-out-of-n systems | |
CN115372752A (zh) | 故障检测方法、装置、电子设备以及存储介质 | |
CN111141982A (zh) | 牵引变压器油流异常故障检测装置及方法 | |
CN115858324B (zh) | 基于ai的it设备故障处理方法、装置、设备和介质 | |
CN115077740B (zh) | 一种变速箱温度测试方法及系统 | |
CN117761444B (zh) | 一种电涌保护器的寿命监测方法及系统 |
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 |