CN113421017A - 系统状态检测方法、装置、设备、系统及存储介质 - Google Patents
系统状态检测方法、装置、设备、系统及存储介质 Download PDFInfo
- Publication number
- CN113421017A CN113421017A CN202110785846.0A CN202110785846A CN113421017A CN 113421017 A CN113421017 A CN 113421017A CN 202110785846 A CN202110785846 A CN 202110785846A CN 113421017 A CN113421017 A CN 113421017A
- Authority
- CN
- China
- Prior art keywords
- hydraulic
- data
- electro
- displacement
- machine
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 173
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000006073 displacement reaction Methods 0.000 claims abstract description 278
- 230000036541 health Effects 0.000 claims abstract description 187
- 230000009471 action Effects 0.000 claims abstract description 142
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000006243 chemical reaction Methods 0.000 claims description 128
- 230000001133 acceleration Effects 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 39
- 238000007789 sealing Methods 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 29
- 230000003862 health status Effects 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 20
- 230000009466 transformation Effects 0.000 claims description 11
- 230000007257 malfunction Effects 0.000 claims 1
- 238000009826 distribution Methods 0.000 description 38
- 238000005070 sampling Methods 0.000 description 36
- 238000013461 design Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000001228 spectrum Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 229910000831 Steel Inorganic materials 0.000 description 9
- 239000010959 steel Substances 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 239000000243 solution Substances 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 241000283707 Capra Species 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06N3/04—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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
Abstract
本申请提供一种系统状态检测方法、装置、设备、系统及存储介质，在该方法中，通过获取电动液压转辙机系统中主机的运行状态数据和副机液压缸/表示杆/动作杆的位移数据。再根据运行状态数据和副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，最后根据电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，确定电动液压转辙机系统的健康检测结果。该技术方案，由于无需在故障位置安装各类传感器，便能够避免现有技术检测电动液压转辙机系统时，安装各类传感器导致原有结构遭到破坏，存在一定的安全隐患的问题。
Description
技术领域
本申请涉及检测技术领域，尤其涉及一种系统状态检测方法、装置、设备、系统及存储介质。
背景技术
电动液压转辙机系统是轨道交通领域广泛使用的重要系统设备，同时也是转换道岔、锁闭道岔尖轨、表示道岔所在位置的重要装置。而电动液压转辙机系统的运行安全直接影响轨道交通运输安全和运营安全，因此，为了保证运行安全，就需要经常检测电动液压转辙机系统运行过程中的状态，以及解决可能出现的故障。
目前，对电动液压转辙机系统运行状态的检测及故障诊断主要是通过振动传感器检测转辙机振动，通过温度传感器检测转辙机内部温度和钢轨温度，通过电压传感器检测驱动电机电压，通过电流传感器检测驱动电机电流，通过位移传感器检测尖轨相对基本轨的位移、通过力传感器检测道岔转换阻力、道岔密贴力和通过红外摄像装置检测缺口位置。对这些传感器和红外摄像头获取的信息进行处理，以识别电动液压转辙机系统故障。
虽然这种检测方式具有能够检测机械故障，但由于在大量安装传感器和红外摄像头时，容易对电动液压转辙机系统的原有结构造成破坏、加上安装难度高且复杂，存在一定的安全隐患。
发明内容
本申请提供一种系统状态检测方法、装置、设备、系统及存储介质，用以解决现有技术在检测电动液压转辙机系统的健康状态时，需要大量安装传感器和红外摄像头对电动液压转辙机系统的原有结构造成破坏，存在安全隐患的问题。
第一方面，本申请实施例提供一种系统状态检测方法，用于检测电动液压转辙机系统的健康状态，所述电动液压转辙机系统包括：主机和副机，所述方法包括：
获取电动液压转辙机系统中所述主机的运行状态数据和所述副机的副机液压缸/表示杆/动作杆的位移数据，所述运行状态数据包括：液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据，
根据所述运行状态数据和所述副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据；
根据所述电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，确定所述电动液压转辙机系统的健康检测结果。
在第一方面的一种可能设计中，所述根据所述运行状态数据和所述副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，包括：
根据所述液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、主机道岔密贴力、副机转换阻力、副机道岔密贴力、主机与副机转换同步性；
根据所述液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据、副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩；
根据所述电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、密贴力、主机与副机转换同步性、所述电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩，确定所述电动液压转辙机系统在各设定时刻的第一系统健康状态特征数据和所述电动液压转辙机系统在各设定位移处的第二系统健康状态特征数据；
其中，所述系统健康状态特征数据包括：第一系统健康状态特征数据和第二系统健康状态特征数据。
可选的，所述根据所述液压泵的输出液压数据、主机液压缸/动作杆表示杆的位移数据、副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性，包括：
根据各设定时刻的表示杆/动作杆/液压缸位移，获取表示杆/动作杆/液压缸速度和表示杆/动作杆/液压缸加速度；
根据表示杆/动作杆/液压缸位移和表示杆/动作杆/液压缸速度数据，表示杆/动作杆/液压缸加速度数据和电机电流数据，获取道岔物理位置，道岔缺口；
根据所述表示杆/动作杆/液压缸位移，所述表示杆/动作杆/液压缸速度数据，表示杆/动作杆/液压缸加速度数据，液压泵液压数据，获取待检测液压道岔转辙机系统的所述转换力，转换阻力，道岔密贴力。
可选的，所述根据所述电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，确定所述电动液压转辙机系统的健康检测结果，包括：
对所述第一系统健康状态特征数据和所述第二系统健康状态特征数据进行时频域分析和特征变换，确定所述电动液压转辙机系统的运行状态特征值；
将所述电动液压转辙机系统的运行状态特征值输入到预先训练的健康状态检测模型中，得到所述电动液压转辙机系统的健康检测结果。
可选的，所述对所述第一系统健康状态特征数据和所述第二系统健康状态特征数据进行时频域分析和特征变换，确定所述电动液压转辙机系统的运行状态特征值，包括：
根据所述第一系统健康状态特征数据，确定所述电动液压转辙机系统的时域特征；
对所述第一系统健康状态特征数据进行傅里叶变换和时频域分析，得到所述电动液压转辙机系统的频域特征和时频域特征；
对所述第二系统健康状态特征数据进行时域分析，确定所述电动液压转辙机系统的角度空间域特征；
对所述第二系统健康状态特征数据进行傅里叶变换和时频域分析，得到所述电动液压转辙机系统的角度空间频率特征和角度空间-频率域特征；
其中，所述运行状态特征值包括：所述时域特征、所述频域特征、所述时频域特征、所述角度空间域特征、所述角度空间频率特征和所述角度空间-频率域特征。
在第一方面的另一种可能设计中，在所述健康检测结果表示所述电动液压转辙机系统发生故障时，所述方法还包括：
根据所述电动液压转辙机系统的健康检测结果，确定所述电动液压转辙机系统的故障发生时刻及故障位置。
在该种可能设计中，所述方法还包括：
输出所述电动液压转辙机系统的健康检测结果。
第二方面，本申请提供一种系统状态检测装置，包括：获取模块、处理模块和和确定模块；
所述获取模块，用于获取电动液压转辙机系统中主机的运行状态数据和副机的副机液压缸/表示杆/动作杆的位移数据，所述运行状态数据包括：液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据；
所述处理模块，用于根据所述运行状态数据和所述副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据；
所述确定模块，用于根据所述电动液压转辙机系统在各设定时刻和各设定角位移/位移处的系统健康状态特征数据，确定所述电动液压转辙机系统的健康检测结果。
在第二方面的一种可能设计中，所述处理模块，具体用于：
根据所述液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性；
根据所述液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据、副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩；
根据所述电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、密贴力、副机转换阻力、密贴力、主机与副机转换同步性、所述电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩，确定所述电动液压转辙机系统在各设定时刻的第一系统健康状态特征数据和所述电动液压转辙机系统在各设定位移处的第二系统健康状态特征数据；
其中，所述系统健康状态特征数据包括：第一系统健康状态特征数据和第二系统健康状态特征数据。
可选的，所述处理模块，用于根据所述液压泵的输出液压数据、主机液压缸/动作杆表示杆的位移数据、副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性，具体为：
所述处理模块，具体用于：
根据各设定时刻的表示杆/动作杆/液压缸位移，获取表示杆/动作杆/液压缸速度和表示杆/动作杆/液压缸加速度；
根据表示杆/动作杆/液压缸位移和表示杆/动作杆/液压缸速度数据，表示杆/动作杆/液压缸加速度数据和电机电流数据，获取道岔物理位置，道岔缺口；
根据所述表示杆/动作杆/液压缸位移，所述表示杆/动作杆/液压缸速度数据，表示杆/动作杆/液压缸加速度数据，液压泵液压数据，获取待检测液压道岔转辙机系统的所述转换力，转换阻力，道岔密贴力。
可选的，所述处理模块，用于根据所述电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，确定所述电动液压转辙机系统的健康检测结果，具体为：
所述处理模块，具体用于：
对所述第一系统健康状态特征数据和所述第二系统健康状态特征数据进行时频域分析和特征变换，确定所述电动液压转辙机系统的运行状态特征值；
将所述电动液压转辙机系统的运行状态特征值输入到预先训练的健康状态检测模型中，得到所述电动液压转辙机系统的健康检测结果。
可选的，所述处理模块，用于对所述第一系统健康状态特征数据和所述第二系统健康状态特征数据进行时频域分析和特征变换，确定所述电动液压转辙机系统的运行状态特征值，具体为：
所述处理模块，具体用于：
根据所述第一系统健康状态特征数据，确定所述电动液压转辙机系统的时域特征；
对所述第一系统健康状态特征数据进行傅里叶变换和时频域分析，得到所述电动液压转辙机系统的频域特征和时频域特征；
对所述第二系统健康状态特征数据进行时域分析，确定所述电动液压转辙机系统的角度空间域特征；
对所述第二系统健康状态特征数据进行傅里叶变换和时频域分析，得到所述电动液压转辙机系统的角度空间频率特征和角度空间-频率域特征；
其中，所述运行状态特征值包括：所述时域特征、所述频域特征、所述时频域特征、所述角度空间域特征、所述角度空间频率特征和所述角度空间-频率域特征。
在第二方面的另一种可能设计中，所述处理模块，还用于在所述健康检测结果表示所述电动液压转辙机系统发生故障时，根据所述电动液压转辙机系统的健康检测结果，确定所述电动液压转辙机系统的故障发生时刻及故障位置。
在该种可能的设计中，所述处理模块，还用于输出所述电动液压转辙机系统的健康检测结果。
第三方面，本申请提供一种系统状态检测设备，包括：处理器和存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述计算机程序指令时实现第一方面以及各可能设计提供的系统状态检测方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序指令，当所述计算机程序指令被处理器执行时用于实现第一方面以及各可能设计提供的系统状态检测方法。
第五方面，本申请提供一种系统状态检测系统，包括：
系统状态检测设备和所述系统状态检测设备均连接的电动液压转辙机系统、显示设备；
所述系统状态检测设备用于对所述电动液压转辙机系统进行健康状态检测，得到健康检测结果；
所述显示设备用于显示从所述系统状态检测设备获取所述电动液压转辙机系统的健康检测结果。
第六方面，本申请实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时用于实现第一方面以及各可能设计提供的系统状态检测方法。
本申请提供了一种系统状态检测方法、装置、设备、系统及存储介质，在该方法中，通过获取电动液压转辙机系统中主机的运行状态数据和副机液压缸/表示杆/动作杆的位移数据。再根据运行状态数据和副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据。最后根据电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，确定电动液压转辙机系统的健康检测结果。该技术方案，由于无需在故障位置安装各类传感器，通过对电动液压转辙机系统的运行状态数据进行分析便可及时确定电动液压转辙机系统的健康检测结果，能够避免现有技术检测电动液压转辙机系统时，安装各类传感器导致原有结构遭到破坏，存在一定的安全隐患的问题。
附图说明
图1为本申请实施例提供的系统状态检测系统的应用示意图；
图2为本申请实施例提供的系统状态检测系统的原理示意图；
图3为本申请实施例提供的系统状态检测方法实施例一的流程图；
图4为本申请实施例提供的系统状态检测方法实施例二的流程图；
图5为本申请实施例提供的系统状态检测方法实施例三的流程图；
图6为本申请实施例提供的系统状态检测方法实施例四的流程图
图7为本申请实施例提供的系统状态检测装置的结构示意图；
图8为本申请实施例提供的系统状态检测设备的结构示意图。
具体实施方式
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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在介绍本申请的实施例之前，首先对本申请的背景技术进行解释说明。
电动液压转辙机是采用电动机驱动，液压传动方式来转换道岔的一种转辙装置。电动液压转辙机系统是轨道交通领域广泛使用转换道岔、锁闭道岔尖轨、表示道岔所在位置的重要装置。
电动液压转辙机主要由主机和副机组成。主机由电机，油泵，液压缸，接点系统，锁闭杆，动作杆等部分组成。副机主要由液压缸，挤脱接点，表示杆，动作杆组成等组成。
电动液压转辙机系统的运行安全直接影响轨道交通的安全生产和运营，因此，为了保证列车的运行安全，需要经常检测电动液压转辙机系统的运行过程中的健康状态。
目前，对电动液压转辙机系统运行状态的检测及故障诊断主要是通过振动传感器检测转辙机振动，通过温度传感器检测转辙机内部温度和钢轨温度，通过电压传感器检测驱动电机电压，通过电流传感器检测驱动电机电流，通过位移传感器检测尖轨相对基本轨的位移、通过力传感器检测道岔转换阻力、道岔密贴力和通过红外摄像装置检测缺口位置。然后对振动信号、温度、位移、力、电压、电流、红外数据进行处理诊断转辙机系统的故障。这种监测方式具有直接，传感器易得等特点，但存在传感器和红外摄像装置等安装困难，且在安装过程中易对电动液压转辙机系统原有的结构造成破坏等问题。
本申请针对上述技术问题，发明人的技术构思过程如下：发明人发现，可以通过实时获取的电动液压转辙机系统的运行状态数据，而这些运行状态数据均可以通过常规的传感器测量得出，然后基于运行状态数据，确定出电动液压转辙机系统的健康检测结果，以提供给相关技术人员参考，从而及时解决存在的技术问题，还可以避免现有技术中安装传感器造成的衍生问题。
基于上述技术构思，本申请提供了一种电动液压转辙机系统故障检测方法，通过获取电动液压转辙机系统中主机的运行状态数据和副机的副机液压缸/表示杆/动作杆的位移数据，再运行状态数据和副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据。最后根据电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，确定电动液压转辙机系统的健康检测结果。该技术方案，无需在电动液压转辙机系统的各个位置均安装传感器和红外摄像装置，只需要通过采集常规传感器测量的到的数据，便可以实现对电动液压转辙机系统健康状态的检测，并对有可能出现的故障进行实时预警。
图1为本申请实施例提供的系统状态检测系统的应用示意图。如图1所示，该应用示意图可以包括：系统状态检测设备12和系统状态检测设备12均连接的电动液压转辙机系统11、显示设备13。
其中，电动液压转辙机系统11包括主机112和副机111。
在一种可能的实现中，系统状态检测设备12用于对电动液压转辙机系统11进行健康状态检测，得到健康检测结果；显示设备13用于显示从系统状态检测设备12获取电动液压转辙机系统11的健康检测结果。
具体的，系统状态检测设备12用于对电动液压转辙机系统11进行健康状态检测，得到健康检测结果。当电动液压转辙机系统11运行时，系统状态检测设备12可以获取电动液压转辙机系统11中由各类传感器测量得到的运行状态数据，该运行状态数据包括：输出液压数据、位移数据/转速数据、电机电流数据等，系统状态检测设备12还可以对这些数据进行处理，以得到电动液压转辙机系统11的健康检测结果。显示设备13用于显示从系统状态检测设备12获取电动液压转辙机系统11的健康检测结果，以供相关技术人员参考，并对具体故障做出快速处理。
可选的，输出液压数据可以是主机112液压泵的输出液压数据；位移数据可以是主机112液压缸的位移数据、主机112动作杆的位移数据、副机111液压缸的位移数据、副机111表示杆的位移数据和副机111动作杆的位移数据。
具体的，在图1的基础上，图2为本申请实施例提供的系统状态检测系统的原理示意图。如图2所示，该示意图包括：安装在电动液压转辙机系统11上的用于检测电动液压转辙机系统11运行状态数据的多个传感器，例如，至少一个转速传感器100或至少一个位移传感器101、至少一个液压传感器102、至少一个电流传感器103、至少一个电压传感器104，以及系统状态检测设备12包括的数据采集单元105、控制单元106、状态检测单元107、状态确定单元108、访问单元109和控制网络110。
其中，数据采集单元105与至少一个转速传感器100或至少一个位移传感器101、至少一个液压传感器102、至少一个电流传感器103并与状态检测单元107相连接、控制单元106与数据采集单元105连接、状态检测单元107还与控制网络110连接、并通过无线接口与状态确定单元108连接。
其中，控制网络110可以是数据采集与监视控制系统(Supervisory Control AndData Acquisition，SCADA)，也可以是TRDP实时以太网系统。
示例性的，一个系统状态检测设备12可能同时检测多个电动液压转辙机系统11的运行状态，针对每个电动液压转辙机系统11都需要设置一个数据采集单元105。
可选的，图2以系统状态检测设备12同时检测三个电动液压转辙机系统11的运行状态，显示设备13用于显示系统状态检测设备12的检测结果为例进行说明。其中，每个电动液压转辙机系统11包括一个主机111、一个副机112、一个转速传感器100或一个位移传感器101、一个液压传感器102、一个电流传感器103、一个电压传感器104，及系统状态检测设备12包括三个数据采集单元105、三个控制单元106、二个状态检测单元107、一个状态确定单元108和一个访问单元109。
值得说明的是，转速传感器100或位移传感器101、液压传感器102、电流传感器103、电压传感器104均为常规传感器，安装于电动液压转辙机系统11上，对电动液压转辙机系统11原有结构的影响可以忽略。
可选的，状态检测单元107可以根据至少1个数据采集单元105的处理结果完成对电动液压转辙机系统的健康状态检测和状态判别，此处以一个状态检测单元107根据二个数据采集单元105的处理结果完成对电动液压转辙机系统的健康状态检测和状态判别，以及一个状态检测单元107根据一个数据采集单元105的处理结果完成对电动液压转辙机系统的健康状态检测和状态判别为例进行说明。
具体的，转速传感器100安装于电动液压转辙机的电机上，以检测电动液压转辙机的电机转速数据；位移传感器101可以是多个，分别安装在电动液压转辙机的主机112和副机111上，以检测电动液压转辙机的主机112液压缸的位移数据、主机112动作杆的位移数据、副机111液压缸的位移数据、副机111表示杆的位移数据和副机111动作杆的位移数据，例如，表示杆位移传感器采用激光位移传感器安装在表示杆罩筒尾端检测表示杆相对于转辙机壳体的位移；液压传感器102安装于电动液压转辙机中液压泵的输出液体管道上，以检测电动液压转辙机的输出液压；电流传感器103则安装在为电机供电的线路上；数据采集单元105安装于电动液压转辙机上，通过以太网或电力载波传输网与状态检测单元107连接，其主要用于按照预设时间采样间隔同步采集转速传感器100检测到的转速值或位移传感器101检测到的位移值、液压传感器102检测到的液压值、电流传感器103检测到的电机电流值，采样频率可以是100Kbps，量化精度采用16比特量化，得到液体压力采样序列、电机转速采样序列或位移采样序列、电流采样序列并将采集到的参数存储于数据库或其他存储单元中，同时对采集到的上述参数进行处理；状态检测单元107用于根据数据采集单元105得到的处理结果完成对电动液压转辙机系统的健康状态检测和状态判别，健康检测结果通过控制网络110发送至显示设备13；控制单元106用于向电动液压转辙机系统11发送控制指令，以及生成电动液压转辙机系统11的控制信号，数据采集单元105实时采集控制单元106发送的控制指令和控制信号。
进一步的，不同电动液压转辙机系统11的状态检测单元107之间通过以太网或电力载波传输(Power line Communication，PLC)组成环形或星型局域网，在状态检测单元107内设置传输网关，实现与远程上位机系统状态确定单元108的数据通信，状态确定单元108主要用于检测电动液压转辙机系统11的运行状态，根据运行状态数据确定电动液压转辙机的运行状态；访问单元109用于供相关技术人员访问状态确定单元108得到的确定结果。
需要说明的是，本实施例中，数据采集单元105、状态检测单元107和状态确定单元108可以是三个独立服务器，也可以是安装在一台服务器上的不同单元，其都是由硬件加软件的方式实现。
本申请实施例提供的系统状态检测系统，该系统包括相互连接的电动液压转辙机系统、系统状态检测设备、以及用于显示从系统状态检测设备获取电动液压转辙机系统的健康检测结果的显示设备，以实现下述实施例提供的技术方案，从而提高了实时对电动液压转辙机系统的检测效率、以及便于及时发现系统中存在的故障以及可能发生的隐患，实现了对故障发生时故障信息的确定。
下面以上述实施例为基础，通过具体实施例对本申请的技术方案进行详细说明。需要说明的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图3为本申请实施例提供的系统状态检测方法实施例一的流程图。如图3所示，该方法可以包括如下步骤：
步骤31、获取电动液压转辙机系统中主机的运行状态数据和副机的副机液压缸/表示杆/动作杆的位移数据。
在本步骤中，主机的运行状态数据可以是液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据。
可选的，电动液压转辙机系统的运行状态数据由上述实施例中各类传感器测量，并通过数据采集单元获得，此处不在赘述。
其中，主机液压缸的位移数据，主机动作杆的位移数据和电机转速数据之间相关联，即获取其中任意一个，便可计算得到其他两个，在实际应用中，只需要获取得到主机液压缸的位移数据，主机动作杆的位移数据和电机转速数据中的至少一个即可。
步骤32、根据运行状态数据和副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据。
在本步骤中，通过对获取到的电动液压转辙机系统的液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据、副机液压缸/表示杆/动作杆的位移数据进行处理，确定至少一个设定时刻和在至少一个设定位移处的系统健康状态特征数据。
可选的，设定时刻可以是预先设定的等时间间隔的时刻。按照预设时间间隔，利用电流传感器、液压传感器、位移传感器或转速传感器同步采集主机部分和副机部分各自的运行状态数据，得到至少一个设定时刻的系统健康状态特征数据，该设定时刻的系统健康状态特征数据为各个设定时刻的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性、以及液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩。
可选的，设定位移为各个设定时刻的转轴角位移。根据各设定时刻的系统健康状态特征数据，获得至少一个设定位移处的系统健康状态特征数据，该设定位移处的系统健康状态特征数据为各个设定转轴角位移的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、密贴力、副机转换阻力、密贴力、主机与副机转换同步性、以及液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩。
步骤33、根据电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，确定电动液压转辙机系统的健康检测结果。
在本步骤中，对得到的各设定时刻和各设定位移处的系统健康状态特征数据进行处理，具体的，根据各设定时刻的系统健康状态特征数据确定电动液压转辙机系统的健康状态的时域特征、频域特征和时频域特征；根据各设定位移处的系统健康状态特征数据确定电动液压转辙机系统的角度空间域特征、以及角度空间频率特征和角度空间-频率域特征。
进一步地，根据电动液压转辙机系统的健康状态的时域特征、频域特征、时频域特征、角度空间域特征、角度空间频率特征和角度空间-频率域特征确定电动液压转辙机系统的健康检测结果。
本申请实施例提供的系统状态检测方法，通过根据获取到的电动液压转辙机系统中所述主机的运行状态数据和所述副机的副机液压缸/表示杆/动作杆的位移数据。再根据运行状态数据和副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据。最后根据电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，确定电动液压转辙机系统的健康检测结果。该技术方案，无需在电动液压转辙机系统的各个位置安装传感器和红外摄像装置，只需要在部分位置安装常规传感器便可以实现对电动液压转辙机系统的健康状态的检测，并对有可能出现的故障进行实时预警，且不对电动液压转辙机系统的原有结构造成破坏。
图4为本申请实施例提供的系统状态检测方法实施例二的流程图。在上述步骤32中，该方法还包括如下步骤：
步骤41、根据液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性。
由上述实施例可知，运行状态数据包括：液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据，在本步骤中，按照各个设定时刻，同步对运行状态数据和副机液压缸/表示杆/动作杆的位移数据进行采样，得到液压泵液压采样序列、电流采样序列、转速采样序列或位移采样序列，该位移采样序列包括液压缸位移采样序列、动作杆位移采样序列、表示杆位移采样序列中的一个。在本实施例中，液压泵液压采样序列、电流采样序列、转速采样序列或位移采样序列均为等时间间隔采样序列。
进一步的，根据等时间间隔的液压泵液压采样序列、电流采样序列、转速采样序列或位移采样序列，确定出电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、密贴力、副机转换阻力、密贴力、主机与副机转换同步性。
具体的，根据位移采样序列，获取运动速度和加速度；根据所述液压泵液压采样序列和位移采样序列，确定出电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、密贴力、主机与副机转换同步性。
在一种具体的实施方式中，检测设备根据各设定时刻的表示杆/动作杆/液压缸位移，获取表示杆/动作杆/液压缸速度和表示杆/动作杆/液压缸加速度。由于表示杆/动作杆/液压缸位移与液压泵角位移和电机角位移成正比，表示杆/动作杆/液压缸速度与液压泵转速和电机转速成正比，且比例系数即为传动比。则检测设备对各设定时刻的表示杆/动作杆/液压缸位移求一次导数，得到表示杆/动作杆/液压缸速度，将该速度乘以预设转速系数，从而得到液压泵转速。之后，检测设备根据液压泵转速乘以传动比，从而得到电机转速，通过该电机转速求导，得到电机角加速度。
示例性的，检测设备根据各设定时刻表示杆/动作杆/液压缸位移，利用公式：vA(nΔt)＝[xA(nΔt)-xA((n-1)Δt)]/Δt获得各设定时刻表示杆/动作杆/液压缸速度，其中vA(nΔt)表示nΔt时刻表示杆/动作杆/液压缸速度，xA(nΔt)为nΔt时刻表示杆/动作杆/液压缸位移。
进一步的，检测设备还可以对vA(nΔt)乘以预设转速系数得到液压泵转速ωB(nΔt)，对ωB(nΔt)乘以转速比得到电机转速ωC(nΔt)，同时对ωC(nΔt)求导得到电机角加速度σC(nΔt)。
可选的，检测设备还根据各设定时刻的表示杆/动作杆/液压缸位移，获取表示杆/动作杆/液压缸加速度，液压泵角位移，液压泵角加速度以及电机角位移。检测设备通过对表示杆/动作杆/液压缸速度求导，得到表示杆/动作杆/液压缸加速度。检测设备还可以对表示杆/动作杆/液压缸位移乘以预设位移系数得到液压泵角位移，对液压泵转速求导，得到液压泵角加速度，对液压泵角位移乘以转速比，得到电机角位移。
示例性的，检测设备利用公式：aA(nΔt)＝[vA(nΔt)-vA((n-1)Δt)]/Δt获取表示杆/动作杆/液压缸加速度aA(nΔt)。检测设备还可以进一步对xA(nΔt)乘以预设位移系数得到液压泵角位移θB(nΔt)，对ωB(nΔt)求导，得到液压泵角加速度σB(nΔt)，对θB(nΔt)乘以转速比，得到电机角位移θC(nΔt)。
在一种具体的实施方式中，检测设备根据表示杆/动作杆/液压缸位移和表示杆/动作杆/液压缸速度数据，表示杆/动作杆/液压缸加速度数据和电机电流数据，获取道岔物理位置，道岔缺口，之后根据所述表示杆/动作杆/液压缸位移，所述表示杆/动作杆/液压缸速度数据，表示杆/动作杆/液压缸加速度数据，液压泵液压数据，获取待检测液压道岔转辙机系统的转换力，转换阻力，道岔密贴力。
其中，检测设备根据当前表示杆/动作杆/液压缸位移和电机电流，确定当前道岔物理位置，转换动作是否停止(电流为零)，当前尖轨和基本轨是否密贴，转换是否成功等。然后根据转换停止后表示杆/动作杆位移与道岔密贴时的表示杆/动作杆位移值的差，获取待检测液压道岔转辙机系统的道岔缺口；检测设备根据表示杆/动作杆/液压缸位移，表示杆/动作杆速度，表示杆加速度，液压泵液压获得转换力，转换阻力，道岔密贴力。
在一些实施例中，转换力即动作杆输出力，是电动液压转辙机动作的根本驱动力，也是电动液压转辙机正常工作的保障。根据力学原理，道岔的尖轨转换过程中受到三个力的作用：主动的推(拉)力、尖轨转换阻力以及道岔密贴力。推(拉)力是转辙机将电能转变为机械能而产生的。每一组道岔转换时实际所需的推(拉)力取决于该道岔的转换阻力和道岔转换运动的加速度和道岔质量；转换阻力越大，所需推(拉)力也越大。输出的最大推(拉)力就是它的额定负载。转换阻力是是指道岔可动部件(尖轨、可动心轨等)，从定位转换到反位或从反位转换到定位的过程中，所要克服的反映于道岔牵引点的一切阻力(包括：由道岔可动部件滑动摩擦引起反映到牵引点的阻力，道岔可动部件反映到牵引点处的反弹力，其它因素引起的反映到牵引点处的阻力)。转换阻力产生因素主要有三部分，一是尖轨与滑床板间相对移动时产生的摩擦力，这与尖轨的重量，尖轨与滑床板间接触面积，接触面的粗糙程度等因素有关；二是两根尖轨和连接杆组成的框架因转换变形而产生的变形阻力；三是特殊的卡阻力。如尖轨和基本轨的肥边，尖轨和基本轨间有或上或下的卡阻现象。电动液压转辙机的转换力由液压泵的输出液压决定，动作杆的位移由液压泵输出的液体总量决定，所以监测液压缸输出液体压力和液压缸位移、或动作杆位移、或表示杆位移可以了解设定位移处的转换力大小。
可选的，主机液压缸推力(转换力)等于作用于主机液压缸活塞上的液体压力与主机液压缸活塞面积的乘积，F1T(iΔt)＝A1(Pr(iΔt)-Pl(iΔt))，作用于副机液压缸推力(转换力)等于作用于副机液压缸活塞上的液体压力与副机液压缸活塞面积的乘积，F2T(iΔt)＝A2(Pr(iΔt)-Pl(iΔt))。主机转换阻力等于主机液压缸推力(转换力))减去主机动作杆及其携带钢轨质量与加速度的乘积，F1f(iΔt)＝F1T(iΔt)-M1a1(iΔt)，其中，a1为主机动作杆/表示杆/液压缸加速度，M1为主机动作杆及其携带的钢轨的质量。副机转换阻力等于副机液压缸推力(转换力)减去副机动作杆及其携带钢轨质量与加速度的乘积，F2f(iΔt)＝F2T(iΔt)-M2a2(iΔt)，其中副机动作杆/表示杆/液压缸加速度，M2为副机动作杆及其携带的钢轨质量。
M2和M2可以通过直接测量得到，也可通过测量F1f，F1T，a1和F2f，F2T，a2通过计算间接得到。
根据设定时刻(i+1)Δt到前一设定时刻iΔt的位移、速度、加速度以及设定的主机液压缸当前位移获得各设定位移对应的时刻，假设第k个设定位移kΔx1满足x1(iΔt)≤kΔx1＜x1((i+x)Δt)，则有T1(k)＝iΔt+t1(k)，其中，t1(k)为从设定时刻iΔt时的位移x1(iΔt)开始移动位移[kΔx1-x1(iΔt)]所需时间，具体的，表达式如下：
利用插值公式可求得副机在各设定位移kΔx1处的转换力和转换阻力：
同理可求得副机在各设定位移kΔx2处的转换力和转换阻力：
在另一些实施例中，液压泵实际输出流量等于注入主机液压缸流量和注入副机液压缸流量之和，即：Q(iΔt)＝A1v1(iΔt)+A2v2(iΔt)。
其中，A1为主机液压缸(液压缸)活塞的截面积，A2为副机液压缸(液压缸)活塞的截面积，v1(iΔt)为iΔt时刻主机液压缸的缸套的移动速度v1(iΔt)＝x1(iΔt)-x1((i-1)Δt)/Δt，x1(iΔt)为iΔt时刻主机液压缸套的位移，v2(iΔt)为iΔt时刻副机液压缸的缸套的移动速度v2(iΔt)＝dx2(iΔt)-x2((i-1)Δt)/Δt，x2(iΔt)为iΔt时刻副机液压缸的缸套的位移。液压泵的输出功率等于液体压力与输出流量的乘积，Po(iΔt)＝P(iΔt)Q(iΔt)，其中P(iΔt)、Q(iΔt)、Po(iΔt)分别为iΔt时刻的液压泵系统输出的液体压力、液体流量和输出的液压功率。主机液压缸推力(转换力)等于作用于主机液压缸活塞上的液体压力与主机液压缸活塞面积的乘积，F1T(iΔt)＝A1P(iΔt)，作用于副机液压缸推力(转换力)等于作用于副机液压缸活塞上的液体压力与副机液压缸活塞面积的乘积，F2T(iΔt)＝A2P(iΔt)。主机转换阻力等于主机液压缸推力(转换力)减去主机动作杆及其携带钢轨质量与加速度的乘积，F1f(iΔt)＝F1T(iΔt)-M1a1(iΔt)，其中，a1为主机动作杆/表示杆/液压缸加速度，M1为主机动作杆及其携带的钢轨的质量。副机转换阻力等于副机液压缸推力(转换力))减去副机动作杆及其携带钢轨质量与加速度的乘积，F2f(iΔt)＝F2T(iΔt)-M2a2(iΔt)，其中，a2为副机动作杆/表示杆/液压缸加速度，M2为副机动作杆及其携带的钢轨质量。M1和M2可以通过直接测量得到，也可通过测量F1f，F1T，a1和F2f，F2T，a2通过计算间接得到。
道岔密贴力(也称密贴力)是指道岔可动部件转换到与基本轨(或翼轨)密贴(在第一牵引点处间隙小于l毫米)后，可动部件在道岔牵引点中心施加于基本轨(或翼轨)的压力。密贴力近似等于尖轨与基本轨密贴时(在第一牵引点处间隙小于l毫米)的转换阻力减去即将密贴但还未密贴位置的转换阻力。可以通过公式：F1C＝F1f(NΔx1)-F1f((N-n)Δx1),F2C＝F2f(NΔx2)-F2f((N-n)Δx2)获取。其中，F1C为道岔密贴力，NΔx1为在第一牵引点处间隙小于l毫米时的表示杆/动作杆位移，(N-n)Δx1为即将密贴但还未密贴时的表示杆/动作杆/液压缸位移。
当道岔转换到位处于锁闭状态时，尖轨对基本轨必须有一定的密贴力，以确保列车通过尖轨时，尖轨可靠地密贴基本轨。道岔密贴力的大小与尖轨绷劲的反弹力、特殊卡阻力有关。道岔密贴力太大，有可能导致锁闭，道岔不能启动，电动液压转辙机空转等故障。在电动液压转辙机动作过程中，各阶段转换力的大小与故障模式有着对应的关系，电动液压转辙机动作过程中的转换力可反映道岔的运用状态。
步骤42、根据液压泵的输出液压数据、主机液压缸的位移数据、主机动作杆的位移数据、电机转速数据、电机电流数据、电机电压数据、副机液压缸的位移数据、副机表示杆的位移数据、副机动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩。
在本步骤中，检测设备根据电机电流、电机转速，获取待检测电动道岔转辙机系统的电机电压。电动道岔转辙机系统的输入扭矩来自于驱动电机。电动道岔转辙机系统中的表示杆/动作杆/液压缸速度由驱动电机转速决定。串励直流电机驱动的电机电压可以通过公式：
获得，其中，Ia(nΔt)为电枢电流，U(nΔt)为电枢电压，R为总电阻，R与电机结构有关，C为常数，C与电机结构有关，ωC(nΔt)为电机转速。R，C可以通过将事先给电机施加的已知的电枢电压U(nΔt)，获取测试的电枢电流Ia(nΔt)和电机转速ωC(nΔt)带入上述公式，建立关于R，C的方程组，从而求得R和C的数值。
同样的，对于三相交流电机来说，电机转速与电机电流，电机电压和电机结构有关。交流电机转速、电机三相电流、电机三相电压满足公式：
其中，
为电机三相电压，
为电机三相电流，S(nΔt)为转差率，可以通过公式：
获取，ωs(nΔt)为电机同步转速，与电流电源频率和电机极对数有关，R2，Rm，X2，Xm为电机阻抗参数由电机结构决定。R2，Rm，X2，Xm可以通过将事先给电机施加的已知的电机三相电压
获取测试的电机三相电流
交流电机转速ωC(nΔt)以及求得的转差率S(nΔt)带入公式：
建立关于R2，Rm，X2，Xm的四元二次方程组，从而求得R2，Rm，X2，Xm的数值，J2＝-1。
进一步的，电机输出功率、电机输出扭矩与电机电流、电机电压以及功率因子(针对于交流电机)有关，其中，交流电机的功率因子与电机电流和电机电压的相差有关，根据各设定时刻的电动道岔转辙机系统的电机电流、电机电压、功率因子就能计算出各设定时刻的电动道岔转辙机系统的电机输出功率。其中，电动道岔转辙机系统的电机输出功率Pi(mΔt)来自于驱动电机的有功功率，如果驱动电机为三相交流电机，则电机有功功率可以通过公式：
获取，其中，U(mΔt)为mΔt时刻电机电压、I(mΔt)为mΔt时刻电机电流、
为mΔt时刻电压与电流的相位差。如果驱动电机为直流电机，则电机的有功功率可以通过公式：Pi(mΔt)＝U(mΔt)I(mΔt)获取。
可选的，可以对设定时刻的电机输出总功进行低通滤波处理，能够防止后续进行插值重构时产生混叠的情况。
进一步的，电机输出扭矩与电机输出功率成正比，并且与电机转速成反比，因此可以根据电机有功功率Pi(mΔt)和电机转速ωC(mΔt)，利用公式：
求得电机输出扭矩，其中，Ti(mΔt)为电机转轴扭矩，K为常数，K的数值与转速ωc(mΔt)、功率Pi(mΔt)的单位有关，比如，功率单位为千瓦，转速单位为转/分钟，则K的值为9550。
液压泵理论流量Q0(iΔt)＝q0ωo(iΔt),其中q0为泵的排量。液压泵的容积效率ηz(iΔt)＝Q(iΔt)/Qo(iΔt)＝Q(iΔt)/qoωo(iΔt)，此时Qo(iΔt)＝qoωo(iΔt)为液压泵的理论流量，qo为液压泵排量。电动液压转辙机系统的总效率ηt(iΔt)，ηt(iΔt)＝Po(iΔt)/Pe(iΔt)＝ηz(iΔt)ηm(iΔt),因此ηm(iΔt)＝Po(iΔt)/Pe(iΔt)ηz(iΔt)。则机械效率ηm(iΔt)则可求得机械功率Pm(iΔt)即Pm(iΔt)＝Pe(iΔt)ηm(iΔt)，再根据机械功率、转轴转速可以得到转轴实际扭矩(泵作用到液体的扭矩)To(iΔt)＝Pm(iΔt)/ωo(iΔt)。电动液压泵系统的机械功率损耗等于输入功率减去容积损耗和输出功率之和，即Lm(iΔt)＝Pe(iΔt)-Pe(iΔt)(1-ηz(iΔt))-Pe(iΔt)ηz(iΔt)ηm(iΔt)＝Pe(iΔt)ηz(iΔt)(1-ηm(iΔt))，机械功率损耗率为机械功率损耗与输入功率之比，Rm(iΔt)＝ηz(iΔt)(1-ηm(iΔt))。扭矩损耗为输入扭矩与输出扭矩的差，即LT(iΔt)＝Te(iΔt)-zTo(iΔt)和扭矩损耗率RT(iΔt)＝LT(iΔt)/Te(iΔt)。转子摩擦副间摩擦阻力产生的扭矩Tf(iΔt)＝Te(iΔt)-zTo(iΔt)-Jσ(nΔt)＝LT(iΔt)-Jσ(nΔt),这里J为转子系统的转动惯量与转子设计结构有关，可以根据转子的质量和质量分布计算得到，σ(nΔt)为转子旋转角加速度可由转速根据式
得到。
步骤43、根据电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、密贴力、主机与副机转换同步性、电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩，确定电动液压转辙机系统在各设定时刻的第一系统健康状态特征数据和电动液压转辙机系统在各设定位移处的第二系统健康状态特征数据。
在本步骤中，在获得各设定时刻和各设定位移处的主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性、电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩之后，根据各个设定时刻转轴转速获得各个设定转轴角位移。其次，根据各个设定时刻转子的转速获得各设定时刻转子角加速度。再次，根据当前设定时刻到前一设定时刻的角位移、转速、角加速度以及设定的当前角位移获得各个设定角位移对应的时刻。最后获得各个设定时刻电动液压转辙机系统的第一系统健康状态特征数据和各个设定角位移对应的时刻，获得各个设定角位移处的第二系统健康状态特征数据。
可选的，系统健康状态特征数据包括：第一系统健康状态特征数据和第二系统健康状态特征数据。
具体的，首先，根据各个设定时刻转轴转速和第一公式获得各个设定时刻的转轴角位移，第一公式为
其中，ω(iΔt)表示iΔt时刻转子转速,θ(nΔt)表示nΔt时刻转子角位移，θ0表示零时刻起始位移；其次，根据各个设定时刻转子的转速和第二公式获得各个设定时刻转子角加速度，第二公式为σ(nΔt)＝ω(nΔt)-ω((n-1)Δt)/Δt，其中σ(nΔt)表示nΔt时刻转子的角加速度；再次，根据当前设定时刻(i+1)Δt到前一设定时刻iΔt的角位移、转速、角加速度以及设定的当前角位移获得各设定角位移对应的时刻，假设第m个设定角位移mΔθ满足θ(iΔt)≤mΔθ＜θ((i+1)Δt)，则有Tm＝iΔt+tm，其中，tm为从设定时刻iΔt时的角位移θ(iΔt)开始转过角位移[mΔθ-θ(iΔt)]所需时间
最后根据各个设定时刻电动液压转辙机系统输入功率数据、输出功率数据、流量数据、液压数据、容积效率、机械效率、电动液压转辙机系统的总效率、机械功率损耗、机械功率损耗率和各个设定角位移对应的时刻获得各个设定角位移处的第二系统健康状态特征数据，即iΔt时刻的电动液压转辙机系统电动液压转辙机系统主机液压缸推力(转换力)、主机转换阻力、道岔密贴力、副机液压缸推力(转换力)、副机转换阻力、道岔密贴力、输入功率数据、输出功率数据、流量数据、液压数据、容积效率、机械效率、电动液压转辙机系统的总效率、机械功率损耗、机械功率损耗率、扭矩损耗和扭矩损耗率：
其中，F1T(iΔt)、F2T(iΔt)、F1f(iΔt)、F2f(iΔt)、Pe(iΔt)、Po(iΔt)、P(iΔt)、Q(iΔt)、Pm(iΔt)、Tr(iΔt)、ω(iΔt)、σ(iΔt)、ηm(iΔt)、ηz(iΔt)、ηt(iΔt)、ηo(iΔt)、Lm(iΔt)、Rm(iΔt)、LT(iΔt)、RT(iΔt)、Tf(iΔt)分别为iΔt时刻的电动液压转辙机系统主机液压缸推力(转换力)、主机转换阻力、道岔密贴力、副机液压缸推力(转换力)、副机转换阻力、道岔密贴力、输入功率数据、输出功率数据、机械功率数据、流量数据、液体压力数据、实际扭矩数据、角速度数据、角加速度数据、机械效率数据、容积效率数据、总效率数据，机械功率损耗、机械功率损耗率、扭矩损耗和扭矩损耗率、转子摩擦副间摩擦阻力产生的扭矩，F1T(kΔθ)、F2T(kΔθ)、F1f(kΔθ)、F2f(kΔθ)、Pe(kΔθ)、Po(kΔθ)、Pm(kΔθ)、P(kΔθ)、Q(kΔθ)、To(kΔθ)、ω(kΔθ)、σ(kΔθ)、ηm(kΔθ)、ηz(kΔθ)、ηt(kΔθ)、Lm(kΔθ)、Rm(kΔθ)、LT(kΔθ)、RT(kΔθ)、Tf(kΔθ)分别为kΔθ角位移处电动液压转辙机系统电机输入功率数据、液压泵输出功率数据、液压泵输出机械功率数据、液体压力数据、流量数据、实际扭矩数据、角速度数据、角加速度数据、机械效率数据、容积效率数据、总效率数据、机械功率损耗、机械功率损耗率、扭矩损耗和扭矩损耗率、转子摩擦副间摩擦阻力产生的扭矩。
同理，可以得到在kΔx位移处的电动液压转辙机系统电机主机液压缸推力(转换力)、主机转换阻力、道岔密贴力、副机液压缸推力(转换力)、副机转换阻力、道岔密贴力、输入功率数据、液压泵输出功率数据、液压泵输出机械功率数据、液体压力数据、流量数据、实际扭矩数据、角速度数据、角加速度数据、机械效率数据、容积效率数据、总效率数据、机械功率损耗、机械功率损耗率、扭矩损耗和扭矩损耗率、转子摩擦副间摩擦阻力产生的扭矩F1T(kΔx)、F2T(kΔx)、F1f(kΔx)、F2f(kΔx)、Pe(kΔx)、Po(kΔx)、Pm(kΔx)、P(kΔx)、Q(kΔx)、To(kΔx)、ω(kΔx)、σ(kΔx)、ηm(kΔx)、ηz(kΔx)、ηt(kΔx)、Lm(kΔx)、Rm(kΔx)、LT(kΔx)、RT(kΔx)、Tf(kΔx)。
本步骤中，对输入功率数据、输出功率数据、机械功率、实际扭矩、角速度和角加速度进行低通滤波，可以防止后续进行插值重构时产生混叠。
本申请实施例提供的系统状态检测方法，根据液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和各设定位移处的主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性。再根据液压泵的输出液压数据、主机液压缸的位移数据、主机动作杆的位移数据、电机转速数据、电机电流数据、电机电压数据、副机液压缸的位移数据、副机表示杆的位移数据、副机动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩。最后根据上述数据，确定电动液压转辙机系统在各设定时刻的第一系统健康状态特征数据和电动液压转辙机系统在各设定位移处的第二系统健康状态特征数据。从而为后续确定电动液压转辙机系统的健康检测结果提供了依据。
图5为本申请实施例提供的系统状态检测方法实施例三的流程图。在上述步骤33中，该方法还包括如下步骤：
步骤51、对第一系统健康状态特征数据和第二系统健康状态特征数据进行时频域分析和特征变换，确定电动液压转辙机系统的运行状态特征值。
其中，运行状态特征值包括：时域特征、频域特征、时频域特征、角度空间域特征、角度空间频率特征和角度空间-频率域特征。
在本步骤中，首先，对第一系统健康状态特征数据进行时域分析，确定电动液压转辙机系统的时域特征。
可选的，分别提取各个设定时刻电动液压转辙机系统健康状态特征数据在健康状态和故障状态下的最最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度、周期，以及各自的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度等出现的时间，各自的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度随服役时间的变化关系。在转辙机动作过程中，各阶段转换力、转换阻力和道岔密贴力的大小与故障模式有着对应的关系。
其次，对第一系统健康状态特征数据进行傅里叶变换和时频域分析，得到电动液压转辙机系统的频域特征和时频域特征。
可选的，分别对各设定时刻电动液压转辙机系统健康状态特征数据如转子摩擦副间摩擦阻力产生的扭矩进行傅里叶变换，然后，分别在各自频谱和时频分布谱上提取健康状态下的能量的频域分布模式、能量的时频域分布模式、特征频率的幅值、相位、特征频率幅值、相位组合模式等特征，故障状态下的能量的频域分布模式、能量的时频域分布模式、特征频率的幅值、相位、特征频率幅值、相位组合模式等特征，以及这些特征随服役时间的变化关系。
具体的，转子摩擦副间摩擦阻力产生的扭矩反映转子摩擦副之间的光滑程度和适配程度，由于转子故障，比如不对中、不平衡、轴承故障、齿轮故障等故障的出现将导致转子摩擦副间摩擦阻力产生的扭矩出现周期性变化，反映在频率域则与其周期对应的频率处会出现脉冲，因而，频域特征可以反映转子的健康状态
再次，对第二系统健康状态特征数据进行时域分析，确定电动液压转辙机系统的角度空间域特征。
可选的，分别提取各设定角位移处的电动液压转辙机系统健康状态特征数据，如电动液压转辙机扭矩损耗率在健康状态和故障状态下的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度、周期，以及各自的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度等出现的位置，各自的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度随服役时间的变化关系。
具体的，电动液压转辙机扭矩损耗率反映电动液压泵扭矩损耗在设定角位移处的变化情况，由于转子故障，会引起电动液压泵扭矩损耗随着旋转周期变化，所以分析角位移域电动液压泵扭矩损耗的变化可以得到电动液压转辙机系统转子部分故障，以及故障发生的位置
最后，对第二系统健康状态特征数据进行傅里叶变换和时频域分析，得到电动液压转辙机系统的角度空间频率特征和角度空间-频率域特征。
可选的，分别对各设定角位移处电动液压转辙机系统健康状态特征数据进行傅里叶变换，然后，分别在各自角度空间频率谱和角度空间频率分布谱上提取健康状态下的能量的角度空间频率分布模式、能量的角度空间-频率域分布模式、特征角度空间频率的幅值、相位、特征角度空间频率幅值、相位组合模式等特征，故障状态下的能量的角度空间频率域分布模式、能量的角度空间-频率域分布模式、特征角度空间频率的幅值、相位、特征角度空间频率幅值、相位组合模式等特征，以及这些特征随服役时间的变化关系。
在一个实施例中，根据所述各个设定位移处的电动液压转辙机系统健康状态特征数据确定所述电动液压转辙机系统的健康状态的角度空间频率特征。
比如，分别提取各设定位移处的电动液压转辙机系统健康状态特征数据如转换力、转换阻力和道岔密贴力在健康状态和故障状态下的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度、周期，以及各自的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度等出现的位置，各自的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度随服役时间的变化关系。各设定位移处的转换力、转换阻力和道岔密贴力数据除了能像各设定时刻和各设定角位移处的转换力、转换阻力和道岔密贴力一样能反映电动液压转辙机系统的健康状态外，还能根据各设定位移处转换力、转换阻力和道岔密贴力数据分析出电动液压转辙机系统故障种类和位置。
在一个实施例中，根据所述各个设定位移处的电动液压转辙机系统健康状态特征数据的傅里叶变换和时频分析确定所述电动液压转辙机系统的健康状态角度空间频率特征和角度空间-频率域特征。
比如，分别对各设定位移处电动液压转辙机系统健康状态特征数据进行傅里叶变换，然后，分别在各自位移空间频率谱和位移空间频率分布谱上提取健康状态下的能量的位移空间频率分布模式、能量的位移空间-频率域分布模式、特征角度空间频率的幅值、相位、特征角度空间频率幅值、相位组合模式等特征，故障状态下的能量的位移空间频率域分布模式、能量的位移空间-频率域分布模式、特征位移空间频率的幅值、相位、特征位移空间频率幅值、相位组合模式等特征，以及这些特征随服役时间的变化关系。
可选的，其中，运行状态特征值包括：时域特征、频域特征、时频域特征、角度空间域特征、角度空间频率特征和角度空间-频率域特征
步骤52、将电动液压转辙机系统的运行状态特征值输入到预先训练的健康状态检测模型中，得到电动液压转辙机系统的健康检测结果。
示例性的，利用已经训练的健康状态检测模型对时域特征、频域特征、时频域特征、角度空间域特征、角度空间频率特征和角度空间-频率域分布特征数据进行识别处理，以根据识别结果确定所述电动液压转辙机系统的故障状态。其中，利用历史的时域特征、频域特征、时频域特征、角度空间域特征、角度空间频率特征和角度空间-频率域分布特征数据训练健康状态检测模型。
在本步骤中，预先训练的健康状态检测模型为，采用自适应编码器深度神经网络模型，用于根据特征值判断电动液压转辙机系统是否出现故障，以及故障出现的位置的检测模型。
可选的，自适应编码器深度神经网络模型包括：一个100个神经元组成输入层、三个由200个神经元组成的隐层，和一个由支持向量机(support vector machines，SVM)组成的具有12个输出的输出层。该模型采用预先存储的所有电动液压转辙机系统的历史故障信息作为训练样本进行训练。训练样本包括电动液压转辙机系统的历史故障特征值，以及历史故障特征值对应的故障位置和故障等级。
其中，历史故障特征值包括：故障出现时和健康状态时的电动液压转辙机系统输入功率数据、输出功率数据、机械功率数据、流量数据、液体压力数据、实际扭矩数据、角速度数据、角加速度数据、机械效率数据、容积效率数据的时域信号最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度、周期，以及各自的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度等出现的时间，角位移角度空间域信号最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度、周期，以及各自的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度等出现的时间，频域和时频分布谱上的能量的频域分布模式、能量的时频域分布模式、特征频率的幅值、相位、特征频率幅值、相位组合模式等特征，故障状态下的能量的频域分布模式、能量的时频域分布模式、特征频率的幅值、相位、特征频率幅值、相位组合模式等特征，以及这些特征随服役时间的变化关系，角度空间频率谱和角度空间频率分布谱上提取健康状态下的能量的角度空间频率分布模式、能量的角度空间-频率域分布模式、特征角度空间频率的幅值、相位、特征角度空间频率幅值、相位组合模式等特征，故障状态下的能量的角度空间频率域分布模式、能量的角度空间-频率域分布模式、特征角度空间频率的幅值、相位、特征角度空间频率幅值、相位组合模式等特征，以及这些特征随电动液压转辙机系统服役时间的变化关系等特征。
将上述训练样本输入自适应编码器深度神经网络进行训练，得到自适应编码器深度神经网络模型。
示例性的，对提取的运行状态特征值采用基于数学模型、参数估计、专家系统、人工神经网络和深度神经网路、信息融合、实例比较、模糊理论等状态。判别和模式识别方法对电动液压转辙机系统是否发生故障以及发生故障的位置、故障严重程度等健康状态进行判别，并根据提取的当前和历史特征值采用失效模型、智能推理算法判别电动液压转辙机系统发生故障的种类、部位，并给出合理的维修建议。
可选的，通过将上述步骤中提取得到的运行状态特征值输入预先训练得到的自适应编码器深度神经网络模型，可以得到各自输出的电动液压转辙机系统故障位置、故障等级。
可选的，采用长短期记忆网络(LSTM，Long Short-Term Memory)深度神经网络预测模型用于根据运行状态特征值确定系统的运行状态，如设系统的剩余使用寿命等健康状态。
具体的，LSTM深度神经网络预测模型包括：一个300个神经元组成输入层、3个由600个神经元组成的隐层和1个输出的输出层。该模型采用预先存储的历史数据作为训练样本对建立好的模型进行训练得到LSTM深度神经网络预测模型，训练样本包括电动液压转辙机系统的历史故障特征值以及历史故障特征值对应电动液压转辙机系统服役时间、工作次数。
其中，历史故障特征值包括故障出现时和健康状态时的电动液压转辙机系统健康状态特征数据的时域信号最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度、周期，以及各自的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度等出现的时间，角位移角度空间域信号最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度、周期，以及各自的最大值、最小值、平均值、有效值、裕度、脉冲度、歪度、峭度等出现的时间，频域和时频分布谱上的能量的频域分布模式、能量的时频域分布模式、特征频率的幅值、相位、特征频率幅值、相位组合模式等特征，故障状态下的能量的频域分布模式、能量的时频域分布模式、特征频率的幅值、相位、特征频率幅值、相位组合模式等特征，以及这些特征随服役时间的变化关系，角度空间频率谱和角度空间频率分布谱上提取健康状态下的能量的角度空间频率分布模式、能量的角度空间-频率域分布模式、特征角度空间频率的幅值、相位、特征角度空间频率幅值、相位组合模式等特征，故障状态下的能量的角度空间频率域分布模式、能量的角度空间-频率域分布模式、特征角度空间频率的幅值、相位、特征角度空间频率幅值、相位组合模式等特征，以及这些特征随服役时间的变化关系特征；其中，历史故障特征值包括不同电动液压转辙机系统在未出现故障的运行状态下的数据。
可选的，将该历史故障特征值输入LSTM深度神经网络模型进行训练，便自动确定电动液压转辙机系统的运行状态，即健康检测结果。
可选的，在确定电动液压转辙机系统出现故障时，健康检测结果还包括：电动液压转辙机系统的故障信息，包括：故障等级、故障时间、故障位置、剩余使用寿命等。
可选的，输出电动液压转辙机系统的健康检测结果。
具体的，输出电动液压转辙机系统的健康检测结果的方式可以通过显示设备显示，也可以通过扬声器语音播报，使相关技术人员实时掌握电动液压转辙机系统的运行状态。
可选的，将健康检测结果传输至显示设备，显示设备用于显示健康检测结果。其中，显示设备可以但不限于是手机、电脑等带有显示装置的设备。
具体的，可以将健康检测结果通过网络发送至显示设备进行显示，并通过声、光、电、图像等方式呈现给相关技术人员，以提示技术人员及时采取相应措施。还可以将健康检测结果，即电动液压转辙机系统的当前运行状态和确定的使用寿命(或者说电动液压转辙机系统在未来时间点的运行状态)通过网络发送给数据中心，在由数据中心推送给相关技术人员，以使技术人员及时了解设备的运行状态。
本申请实施例提供的系统状态检测方法，通过对第一系统健康状态特征数据和第二系统健康状态特征数据进行时频域分析和特征变换，确定电动液压转辙机系统的运行状态特征值；将电动液压转辙机系统的运行状态特征值输入到预先训练的健康状态检测模型中，得到电动液压转辙机系统的健康检测结果。该技术方案中，通过利用健康状态检测模型，根据电动液压转辙机系统的时域特征、频域特征、时频域特征、角度空间域特征、角度空间频率特征和角度空间-频率域分布特征，确定出电动液压转辙机系统发生故障的时刻、故障位置和故障等级等，便于相关技术人员及时了解电动液压转辙机系统的运行状态，并对故障做出高效处理。
图6为本申请实施例提供的系统状态检测方法实施例四的流程图。如图6所示，该流程图包括如下步骤：
第1步：按照预设时刻采样间隔，同步采集电动液压转辙机系统的液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据、副机液压缸/表示杆/动作杆的位移数据，以获得液压泵液压采样序列、位移采样序列、电流采样序列、电压采样序列、转速采样序列等等时间间隔采样序列。
第2步：根据第1步中的等时间间隔采样序列，确定电动液压转辙机系统在各设定时刻和各设定位移处的主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性。
第3步：根据第1步中的等时间间隔采样序列，确定电动液压转辙机系统在各设定时刻和各设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩。
第4步：根据第2步和第3步中电动液压转辙机系统在各设定时刻和各设定位移处的主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性、液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩，确定电动液压转辙机系统的运行状态特征值，包括：时域特征、频域特征、时频域特征、角度空间域特征、角度空间频率特征和所述角度空间-频率域特征。
第5步：根据电动液压转辙机系统的时域特征、频域特征、时频域特征、角度空间域特征、角度空间频率特征和所述角度空间-频率域特征的一种或者多种特征确定电动液压转辙机系统的健康状态。
第6步：利用电动液压转辙机系统的时域特征、频域特征、时频域特征、角度空间域特征、角度空间频率特征和角度空间-频率域特征中的一种或者多种特征确定电动液压转辙机系统的健康状态、电动液压转辙机系统发生故障的时刻及故障位置。
第7步：发送健康检测结果、故障的时刻及故障位置。
本申请实施例提供的系统状态检测方法，通过按照预设时刻采样间隔，同步采集电动液压转辙机系统的液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据、副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统的健康状态、以及电动液压转辙机系统发生故障的时刻及故障位置，该技术方案，无需在电动液压转辙机系统的各个位置安装传感器和红外摄像装置，便可以实现对电动液压转辙机系统的健康状态的检测，并对有可能出现的故障进行实时预警。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
图7为本申请实施例提供的系统状态检测装置的结构示意图。如图7所示，该装置包括：获取模块71、处理模块72和确定模块73。
获取模块71，用于获取电动液压转辙机系统中主机的运行状态数据和副机的副机液压缸/表示杆/动作杆的位移数据，运行状态数据包括：液压泵的输出液压数据和主机液压缸/动作杆/表示杆的位移数据、电机电流数据；，
处理模块72，用于根据运行状态数据和副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据；
确定模块73，用于根据电动液压转辙机系统在各设定时刻和各设定角位移/位移处的系统健康状态特征数据，确定电动液压转辙机系统的健康检测结果。
在本申请实施例一种可能设计中，处理模块72，具体用于：
根据液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和各设定位移处的主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性；
根据液压泵的输出液压数据、主机液压缸的位移数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据、副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩；
根据电动液压转辙机系统在各设定时刻和各设定位移处的主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性、电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩，确定电动液压转辙机系统在各设定时刻的第一系统健康状态特征数据和电动液压转辙机系统在各设定位移处的第二系统健康状态特征数据；
其中，系统健康状态特征数据包括：第一系统健康状态特征数据和第二系统健康状态特征数据。
可选的，处理模块72，用于根据液压泵的输出液压数据、主机液压缸/动作杆表示杆的位移数据、副机液压缸/表示杆/动作杆的位移数据，确定电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性，具体为：
所述处理模块72，具体用于：
根据各设定时刻的表示杆/动作杆/液压缸位移，获取表示杆/动作杆/液压缸速度和表示杆/动作杆/液压缸加速度；
根据表示杆/动作杆/液压缸位移和表示杆/动作杆/液压缸速度数据，表示杆/动作杆/液压缸加速度数据和电机电流数据，获取道岔物理位置，道岔缺口；
根据所述表示杆/动作杆/液压缸位移，所述表示杆/动作杆/液压缸速度数据，表示杆/动作杆/液压缸加速度数据，液压泵液压数据，获取待检测液压道岔转辙机系统的所述转换力，转换阻力，道岔密贴力。
可选的，处理模块72，用于根据电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，确定电动液压转辙机系统的健康检测结果，具体为：
处理模块72，具体用于：
对第一系统健康状态特征数据和第二系统健康状态特征数据进行时频域分析和特征变换，确定电动液压转辙机系统的运行状态特征值；
将电动液压转辙机系统的运行状态特征值输入到预先训练的健康状态检测模型中，得到电动液压转辙机系统的健康检测结果。
可选的，处理模块72，用于对第一系统健康状态特征数据和第二系统健康状态特征数据进行时频域分析和特征变换，确定电动液压转辙机系统的运行状态特征值，具体为：
处理模块72，具体用于：
根据第一系统健康状态特征数据，确定电动液压转辙机系统的时域特征；
对第一系统健康状态特征数据进行傅里叶变换和时频域分析，得到电动液压转辙机系统的频域特征和时频域特征；
对第二系统健康状态特征数据进行时域分析，确定电动液压转辙机系统的角度空间域特征；
对第二系统健康状态特征数据进行傅里叶变换和时频域分析，得到电动液压转辙机系统的角度空间频率特征和角度空间-频率域特征；
其中，运行状态特征值包括：时域特征、频域特征、时频域特征、角度空间域特征、角度空间频率特征和角度空间-频率域特征。
在本申请实施例另一种可能的设计中，处理模块72，还用于在健康检测结果表示电动液压转辙机系统发生故障时，根据电动液压转辙机系统的健康检测结果，确定电动液压转辙机系统的故障发生时刻及故障位置。
在该种可能的设计中，处理模块72，还用于输出电动液压转辙机系统的健康检测结果。
本实施例提供的系统状态检测装置，可用于执行上述实施例中的方案，其实现原理和技术效果类似，在此不再赘述。
需要说明的是，应理解以上系统状态检测装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，ASIC)，或，一个或多个微处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessing unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。
图8为本申请实施例提供的系统状态检测设备的结构示意图。如图8所示，该系统状态检测设备可以包括：处理器81、存储器82、显示器83、收发器84。
处理器81执行存储器存储的计算机执行指令，使得处理器81执行上述实施例中的方案。
处理器81可以是通用处理器，包括中央处理器CPU、网络处理器(networkprocessor，NP)等；还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器82存储计算机执行指令，显示器83用于显示处理器81的处理结果以及和人机交互，存储器82通过系统总线与处理器82连接并完成相互间的通信。
可选的，在一种可能的设计中，系统状态检测设备还可以包括：显示器83和收发器84。存储器82、显示器83和收发器84通过系统总线与处理器82连接并完成相互间的通信。
其中，收发器84可以对应图7中获取模块71，显示器83可以用于显示电动液压转辙机系统的故障发生时刻、故障位置、以及健康检测结果。
系统总线可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。收发器用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(randomaccess memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
本申请实施例提供的系统状态检测设备，可用于执行上述实施例中系统状态检测的方案，其实现原理和技术效果类似，在此不再赘述。
本申请实施例还提供一种运行指令的芯片，该芯片用于执行上述实施例中系统状态检测的方案。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行上述实施例中系统状态检测的方案。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
可选的，将可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，其存储在计算机可读存储介质中，至少一个处理器可以从计算机可读存储介质读取计算机程序，至少一个处理器执行计算机程序时可实现上述实施例中系统状态检测的方案。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (11)
1.一种系统状态检测方法，用于检测电动液压转辙机系统的健康状态，所述电动液压转辙机系统包括：主机和副机，其特征在于，所述方法包括：
获取电动液压转辙机系统中所述主机的运行状态数据和所述副机液压缸/表示杆/动作杆的位移数据，所述运行状态数据包括：液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据；
根据所述运行状态数据和所述副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据；
根据所述电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，确定所述电动液压转辙机系统的健康检测结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述运行状态数据和所述副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，包括：
根据所述液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、主机道岔密贴力、副机转换阻力、副机道岔密贴力、主机与副机转换同步性；
根据所述液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据、副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩；
根据所述电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、密贴力、主机与副机转换同步性、所述电动液压转辙机系统在各设定时刻和设定位移处的液压泵输出功率、电机做功功率、电机扭矩、液压泵扭矩、液压泵效率、液压泵功率损耗、液压泵扭矩损耗、转子摩擦副间摩擦阻力产生的扭矩，确定所述电动液压转辙机系统在各设定时刻的第一系统健康状态特征数据和所述电动液压转辙机系统在各设定位移处的第二系统健康状态特征数据；
其中，所述系统健康状态特征数据包括：第一系统健康状态特征数据和第二系统健康状态特征数据。
3.根据权利要求2所述的方法，其特征在于，所述根据所述液压泵的输出液压数据、主机液压缸/动作杆表示杆的位移数据、副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的道岔物理位置、主机缺口、副机缺口、主机转换力、副机转换力、主机转换阻力、道岔密贴力、副机转换阻力、道岔密贴力、主机与副机转换同步性，包括：
根据各设定时刻的表示杆/动作杆/液压缸位移，获取表示杆/动作杆/液压缸速度和表示杆/动作杆/液压缸加速度；
根据表示杆/动作杆/液压缸位移和表示杆/动作杆/液压缸速度数据，表示杆/动作杆/液压缸加速度数据和电机电流数据，获取道岔物理位置，道岔缺口；
根据所述表示杆/动作杆/液压缸位移，所述表示杆/动作杆/液压缸速度数据，表示杆/动作杆/液压缸加速度数据，液压泵液压数据，获取待检测液压道岔转辙机系统的所述转换力，转换阻力，道岔密贴力。
4.根据权利要求2所述的方法，其特征在于，所述根据所述电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据，确定所述电动液压转辙机系统的健康检测结果，包括：
对所述第一系统健康状态特征数据和所述第二系统健康状态特征数据进行时频域分析和特征变换，确定所述电动液压转辙机系统的运行状态特征值；
将所述电动液压转辙机系统的运行状态特征值输入到预先训练的健康状态检测模型中，得到所述电动液压转辙机系统的健康检测结果。
5.根据权利要求4所述的方法，其特征在于，所述对所述第一系统健康状态特征数据和所述第二系统健康状态特征数据进行时频域分析和特征变换，确定所述电动液压转辙机系统的运行状态特征值，包括：
根据所述第一系统健康状态特征数据，确定所述电动液压转辙机系统的时域特征；
对所述第一系统健康状态特征数据进行傅里叶变换和时频域分析，得到所述电动液压转辙机系统的频域特征和时频域特征；
对所述第二系统健康状态特征数据进行时域分析，确定所述电动液压转辙机系统的角度空间域特征；
对所述第二系统健康状态特征数据进行傅里叶变换和时频域分析，得到所述电动液压转辙机系统的角度空间频率特征和角度空间-频率域特征；
其中，所述运行状态特征值包括：所述时域特征、所述频域特征、所述时频域特征、所述角度空间域特征、所述角度空间频率特征和所述角度空间-频率域特征。
6.根据权利要求1-4任一项所述的方法，其特征在于，在所述健康检测结果表示所述电动液压转辙机系统发生故障时，所述方法还包括：
根据所述电动液压转辙机系统的健康检测结果，确定所述电动液压转辙机系统的故障发生时刻及故障位置。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
输出所述电动液压转辙机系统的健康检测结果。
8.一种系统状态检测装置，其特征在于，包括：获取模块、处理模块和确定模块；
所述获取模块，用于获取电动液压转辙机系统中主机的运行状态数据和副机的副机液压缸/表示杆/动作杆的位移数据，所述运行状态数据包括：液压泵的输出液压数据、主机液压缸/动作杆/表示杆的位移数据、电机电流数据，
所述处理模块，用于根据所述运行状态数据和所述副机液压缸/表示杆/动作杆的位移数据，确定所述电动液压转辙机系统在各设定时刻和各设定位移处的系统健康状态特征数据；
所述确定模块，用于根据所述电动液压转辙机系统在各设定时刻和各设定角位移/位移处的系统健康状态特征数据，确定所述电动液压转辙机系统的健康检测结果。
9.一种系统状态检测设备，其特征在于，包括：处理器和存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行权利要求1至7任一项所述的系统状态检测方法。
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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的系统状态检测方法。
11.一种系统状态检测系统，其特征在于，包括：系统状态检测设备和所述系统状态检测设备均连接的电动液压转辙机系统、显示设备；
所述系统状态检测设备用于对所述电动液压转辙机系统进行健康状态检测，得到健康检测结果；
所述显示设备用于显示从所述系统状态检测设备获取所述电动液压转辙机系统的健康检测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110785846.0A CN113421017A (zh) | 2021-07-12 | 2021-07-12 | 系统状态检测方法、装置、设备、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110785846.0A CN113421017A (zh) | 2021-07-12 | 2021-07-12 | 系统状态检测方法、装置、设备、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113421017A true CN113421017A (zh) | 2021-09-21 |
Family
ID=77721694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110785846.0A Pending CN113421017A (zh) | 2021-07-12 | 2021-07-12 | 系统状态检测方法、装置、设备、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113421017A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117741512A (zh) * | 2024-02-20 | 2024-03-22 | 山东铁路投资控股集团有限公司 | 一种基于神经网络的转辙机状态检测方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0572026A (ja) * | 1991-09-18 | 1993-03-23 | Hitachi Ltd | 回転系設備故障診断装置及び方法 |
| CN104228881A (zh) * | 2014-09-09 | 2014-12-24 | 宁波思高信通科技有限公司 | 转辙机表示缺口视频监测系统及方法 |
| KR20170119353A (ko) * | 2016-04-18 | 2017-10-27 | 주식회사 세화 | 소리분석을 통한 선로전환기의 고장 탐지 식별 시스템 |
| CN109649438A (zh) * | 2018-12-29 | 2019-04-19 | 佳讯飞鸿（北京）智能科技研究院有限公司 | 一种转辙机状态监测装置、监测系统及监测方法 |
| CN112415927A (zh) * | 2020-11-06 | 2021-02-26 | 山东德龙电子科技有限公司 | 转辙机光电缺口的监测系统 |
| CN112562279A (zh) * | 2020-12-07 | 2021-03-26 | 杭州美时美刻物联网科技有限公司 | 一种基于大数据的转辙机监测及智能预警系统 |
| CN112668715A (zh) * | 2020-12-28 | 2021-04-16 | 卡斯柯信号有限公司 | 一种基于机器学习的道岔转辙机异常诊断方法及系统 |
-
2021
- 2021-07-12 CN CN202110785846.0A patent/CN113421017A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0572026A (ja) * | 1991-09-18 | 1993-03-23 | Hitachi Ltd | 回転系設備故障診断装置及び方法 |
| CN104228881A (zh) * | 2014-09-09 | 2014-12-24 | 宁波思高信通科技有限公司 | 转辙机表示缺口视频监测系统及方法 |
| KR20170119353A (ko) * | 2016-04-18 | 2017-10-27 | 주식회사 세화 | 소리분석을 통한 선로전환기의 고장 탐지 식별 시스템 |
| CN109649438A (zh) * | 2018-12-29 | 2019-04-19 | 佳讯飞鸿（北京）智能科技研究院有限公司 | 一种转辙机状态监测装置、监测系统及监测方法 |
| CN112415927A (zh) * | 2020-11-06 | 2021-02-26 | 山东德龙电子科技有限公司 | 转辙机光电缺口的监测系统 |
| CN112562279A (zh) * | 2020-12-07 | 2021-03-26 | 杭州美时美刻物联网科技有限公司 | 一种基于大数据的转辙机监测及智能预警系统 |
| CN112668715A (zh) * | 2020-12-28 | 2021-04-16 | 卡斯柯信号有限公司 | 一种基于机器学习的道岔转辙机异常诊断方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 张冲;牛瑜烽;柴学艺;: "城市轨道交通ZDJ9型转辙机健康管理系统研究", 铁道通信信号, no. 05 * |
| 张智;周俊伟;闫卫刚;: "电液转辙机在线监测系统", 铁道通信信号, no. 10 * |
| 钟志旺;陈建译;唐涛;徐田华;王峰;: "基于SVDD的道岔故障检测和健康评估方法", 西南交通大学学报, no. 04 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117741512A (zh) * | 2024-02-20 | 2024-03-22 | 山东铁路投资控股集团有限公司 | 一种基于神经网络的转辙机状态检测方法及系统 |
| CN117741512B (zh) * | 2024-02-20 | 2024-06-07 | 山东铁路投资控股集团有限公司 | 一种基于神经网络的转辙机状态检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112431750B (zh) | 系统状态检测方法、装置、设备、系统及存储介质 | |
| CN113460122B (zh) | 电动道岔转辙机系统的状态检测方法、装置、设备及介质 | |
| CN106586796B (zh) | 一种自动扶梯状态监测系统及方法 | |
| CN107003663B (zh) | 具有活动部分的装置的监视 | |
| Medjaher et al. | Data-driven prognostics based on health indicator construction: Application to PRONOSTIA's data | |
| US6774601B2 (en) | System and method for predicting mechanical failures in machinery driven by an induction motor | |
| Kim et al. | Sensorless fault diagnosis of induction motors | |
| CN111356910A (zh) | 一种实现旋转设备自动故障诊断及寿命预测的系统和方法 | |
| AU2012278980A1 (en) | System and method for predicting mechanical failure of a motor | |
| CN111272412B (zh) | 电控气动设备的故障检测方法、装置、设备和存储介质 | |
| Kim et al. | Model-based fault diagnosis of induction motors using non-stationary signal segmentation | |
| KR20110009615A (ko) | 데이터 수집장치 및 상기 데이터 수집장치를 구비한 설비기기의 진단장치 | |
| CN113421017A (zh) | 系统状态检测方法、装置、设备、系统及存储介质 | |
| JP7198089B2 (ja) | 電力変換装置、回転機システム、及び診断方法 | |
| KR20180086628A (ko) | 전동기 전류 및 속도 실시간 주파수 분석을 통한 엘리베이터 원격 진단 방법 | |
| CN112709690B (zh) | 电驱压气机系统的故障检测方法、装置、设备及介质 | |
| KR102240775B1 (ko) | 딥러닝 기반 소음 데이터를 이용한 전동 설비의 고장 판별 장치 및 방법 | |
| Matei et al. | The Case for a Hybrid Approach to Diagnosis: A Railway Switch. | |
| JP6968323B1 (ja) | 異常診断装置及び異常診断方法 | |
| US20240176329A1 (en) | Control method for casting machine, control system for casting machine and computer-readable storage medium | |
| Ranga et al. | Advanced tool based condition monitoring of induction machines by using LabVIEW—A review | |
| CN113049281B (zh) | 故障检测方法和装置 | |
| KR102484471B1 (ko) | 실시간 로봇 상태 진단 방법 및 이러한 방법을 수행하는 장치 | |
| RU2451299C1 (ru) | Устройство диагностирования в реальном времени системы электродвижения судна | |
| KR20230071533A (ko) | 로봇 고장 진단 방법, 장치 및 시스템 |
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 |