CN114577364B - 一种列车轴温传感器故障诊断方法、系统及装置 - Google Patents
一种列车轴温传感器故障诊断方法、系统及装置 Download PDFInfo
- Publication number
- CN114577364B CN114577364B CN202011387408.0A CN202011387408A CN114577364B CN 114577364 B CN114577364 B CN 114577364B CN 202011387408 A CN202011387408 A CN 202011387408A CN 114577364 B CN114577364 B CN 114577364B
- Authority
- CN
- China
- Prior art keywords
- real
- fault
- time
- value
- running speed
- 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
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K15/00—Testing or calibrating of thermometers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请公开了一种列车轴温传感器故障诊断方法、系统及装置,该方法包括:通过列车的轴温传感器获取实时轴温数据;获取列车的实时运行速度;将实时轴温数据和实时运行速度输入故障诊断模型,以得到故障诊断模型的输出结果,输出结果包括是否故障以及列车的实时故障原因;故障诊断模型为:将故障处理数据作为训练样本进行训练得到的诊断模型;故障处理数据包括:故障时轴温数据、故障时运行速度、故障原因;故障原因包括:轴温传感器故障和/或线路接触不良和/或外界干扰。本申请能够较为准确地分辨各类不同的故障原因,可指导故障现场进行有针对性地排查处理,提高故障排查效率,节省人力物力。
Description
技术领域
本发明涉及列车传感器控制领域,特别涉及一种列车轴温传感器故障诊断方法、系统及装置。
背景技术
列车的运行过程中,轴承、齿轮箱、牵引电机等部位会产生热量,正常情况下这些部位的温度能够保持在一个稳定的范围内,但当部件发生异常时,其温度会相应发生变化。列车的轴温实时检测系统,就是通过轴温传感器来监测列车轴箱、齿轮箱以及牵引电机的温度,进而判断各部位是否异常。
但是,现有的轴温异常判断一般只基于单车轴温数据,该轴温数据受到多方面因素的干扰,外部环境干扰和线路接触不良均可能导致温度异常,使得系统误报故障,现场检查难以发现故障点,只能预防性更换传感器或板卡,造成人力成本和设备的浪费。
因此,如何提供一种解决上述技术问题的方案是目前本领域技术人员需要解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种列车轴温传感器故障诊断方法、系统及装置。其具体方案如下:
一种列车轴温传感器故障诊断方法,包括:
通过列车的轴温传感器获取实时轴温数据;
获取所述列车的实时运行速度;
将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以得到所述故障诊断模型的输出结果,所述输出结果包括是否故障以及所述列车的实时故障原因;
所述故障诊断模型为:将故障处理数据作为训练样本进行训练得到的诊断模型;
所述故障处理数据包括:故障时轴温数据、故障时运行速度、故障原因;
所述故障原因包括:所述轴温传感器故障和/或线路接触不良和/或外界干扰。
优选的,所述将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以得到所述故障诊断模型的输出结果的过程,包括:
将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以通过所述故障诊断模型执行以下步骤:
确定所述实时轴温数据的变化过程;
判断所述实时运行速度下所述变化过程是否在正常范围内;
若否,确定有故障发生,根据所述变化过程和所述实时运行速度确定所述实时故障原因;
若是,确定无故障发生;
将是否有故障发生及所述实时故障原因作为所述输出结果输出。
优选的,所述确定所述实时轴温数据的变化过程的过程,包括:
根据所述实时轴温数据,计算跳变值、快速变化值和偏差值;
所述跳变值为第一时间段内所述实时轴温数据的变化量;
所述快速变化值为第二时间段内所述实时轴温数据的变化量;
所述偏差值为所述实时轴温数据与其他所述轴温传感器的实时轴温数据的平均值的差。
优选的,所述根据所述变化过程和所述实时运行速度确定所述实时故障原因的过程,包括:
当以下条件均满足,确定所述实时故障原因为所述轴温传感器故障:
所述实时运行速度超过第一运行速度时,所述跳变值为正且超出跳变阈值,或所述快速变化值为正且超出快速变化阈值;
所述实时运行速度不大于所述第一运行速度时,所述跳变值不大于所述跳变阈值且所述快速变化值不大于所述快速变化值。
优选的,所述根据所述变化过程和所述实时运行速度确定所述实时故障原因的过程,包括:
当以下条件满足,确定所述实时故障原因为线路接触不良或外界干扰:
所述列车运行速度不大于所述第一运行速度时,所述跳变值为负且绝对值超出所述跳变阈值,或所述快速变化值为负且绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出偏差阈值。
优选的,所述根据所述变化过程和所述实时运行速度确定所述实时故障原因的过程,包括:
当以下条件满足,确定所述实时故障原因为不明原因故障:
所述实时运行速度为任一速度时,所述跳变值的绝对值超出所述跳变阈值,或所述快速变化值的绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出所述偏差阈值。
优选的,所述将所述实时轴温数据和所述实时运行速度输入故障诊断模型前,还包括:
获取实时环境温度,将所述实时环境温度输入所述故障诊断模型,以使所述故障诊断模型根据所述实时环境温度确定相应的跳变阈值和/或快速变化阈值和/或偏差阈值。
相应的,本申请还公开了一种列车轴温传感器故障诊断系统,包括:
获取模块,用于通过列车的轴温传感器获取实时轴温数据,获取所述列车的实时运行速度;
诊断模块,用于将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以得到所述故障诊断模型的输出结果,所述输出结果包括是否故障以及所述列车的实时故障原因;
所述故障诊断模型为:将故障处理数据作为训练样本进行训练得到的诊断模型;
所述故障处理数据包括:故障时轴温数据、故障时运行速度、故障原因;
所述故障原因包括:所述轴温传感器故障和/或线路接触不良和/或外界干扰。
优选的,所述诊断模块具体用于:
将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以通过所述故障诊断模型执行以下步骤:
确定所述实时轴温数据的变化过程;
判断所述实时运行速度下所述变化过程是否在正常范围内;
若否,确定有故障发生,根据所述变化过程和所述实时运行速度确定所述实时故障原因;
若是,确定无故障发生;
将是否有故障发生及所述实时故障原因作为所述输出结果输出。
优选的,所述诊断模块具体用于:
根据所述实时轴温数据,计算跳变值、快速变化值和偏差值;
所述跳变值为第一时间段内所述实时轴温数据的变化量;
所述快速变化值为第二时间段内所述实时轴温数据的变化量;
所述偏差值为所述实时轴温数据与其他所述轴温传感器的实时轴温数据的平均值的差。
优选的,所述诊断模块具体用于:
当以下条件均满足,确定所述实时故障原因为所述轴温传感器故障:
所述实时运行速度超过第一运行速度时,所述跳变值为正且超出跳变阈值,或所述快速变化值为正且超出快速变化阈值;
所述实时运行速度不大于所述第一运行速度时,所述跳变值不大于所述跳变阈值且所述快速变化值不大于所述快速变化值。
优选的,所述诊断模块具体用于:
当以下条件满足,确定所述实时故障原因为线路接触不良或外界干扰:
所述列车运行速度不大于所述第一运行速度时,所述跳变值为负且绝对值超出所述跳变阈值,或所述快速变化值为负且绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出偏差阈值。
优选的,所述诊断模块具体用于:
当以下条件满足,确定所述实时故障原因为不明原因故障:
所述实时运行速度为任一速度时,所述跳变值的绝对值超出所述跳变阈值,或所述快速变化值的绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出所述偏差阈值。
优选的,所述获取模块还用于获取实时环境温度;
所述诊断模块还用于将所述实时环境温度输入所述故障诊断模型,以使所述故障诊断模型根据所述实时环境温度确定相应的跳变阈值和/或快速变化阈值和/或偏差阈值。
相应的,本申请还公开了一种列车轴温传感器故障诊断装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上文任一项所述列车轴温传感器故障诊断方法的步骤。
本申请公开了一种列车轴温传感器故障诊断方法,包括:通过列车的轴温传感器获取实时轴温数据;获取所述列车的实时运行速度;将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以得到所述故障诊断模型的输出结果,所述输出结果包括是否故障以及所述列车的实时故障原因;所述故障诊断模型为:将故障处理数据作为训练样本进行训练得到的诊断模型;所述故障处理数据包括:故障时轴温数据、故障时运行速度、故障原因;所述故障原因包括:所述轴温传感器故障和/或线路接触不良和/或外界干扰。本申请的故障诊断模型经过故障处理数据训练,使用时输入参数包括实时轴温数据和实时运行速度,能够较为准确地分辨各类不同的故障原因,可指导故障现场进行有针对性地排查处理,提高故障排查效率,节省人力物力。
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实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例中一种列车轴温传感器故障诊断方法的步骤流程图;
图2为本发明实施例中一种列车轴温传感器故障诊断方法的结构分布图。
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。
现有的轴温异常判断一般只基于单车轴温数据,该轴温数据受到多方面因素的干扰,外部环境干扰和线路接触不良均可能导致温度异常,使得系统误报故障,现场检查难以发现故障点,只能预防性更换传感器或板卡,造成人力成本和设备的浪费。本申请的故障诊断模型经过故障处理数据训练,使用时输入参数包括实时轴温数据和实时运行速度,能够较为准确地分辨各类不同的故障原因,可指导故障现场进行有针对性地排查处理,提高故障排查效率,节省人力物力。
本发明实施例公开了一种列车轴温传感器故障诊断方法,参见图1所示,包括:
S1:通过列车的轴温传感器获取实时轴温数据;
S2:获取所述列车的实时运行速度;
S3:将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以得到所述故障诊断模型的输出结果,所述输出结果包括是否故障以及所述列车的实时故障原因;
所述故障诊断模型为:将故障处理数据作为训练样本进行训练得到的诊断模型;
所述故障处理数据包括:故障时轴温数据、故障时运行速度、故障原因;
所述故障原因包括:所述轴温传感器故障和/或线路接触不良和/或外界干扰。
实际上,列车的轴温传感器对应的实时轴温数据,出现异常的原因有多种,除了轴温传感器确实检测到目标元件出现了温度异常外,还存在外部故障原因,例如轴温传感器故障、线路接触不良、外界干扰等,该外界干扰主要指列车线路以外的环境因素或人为因素,所有这些外部故障原因被视作目标元件温度检测的干扰因素,为了能够准确获取目标元件的温度,需要将这些外部干扰排除掉。当然,对故障原因的准确定位,可以大幅节省故障原因的排查时间,这也正是本实施例的目的所在。
可以理解的是,本实施例的判断主体为故障诊断模型,该故障诊断模型由已出现过的故障处理数据作为训练样本进行训练得到,以故障时轴温数据和故障时运行数据作为特征、故障原因作为目标变量,得到故障诊断模型内含准确的变量关系,从而在输入新的轴温数据和列车的运行速度时可判断其对应的故障原因。可以理解的是,故障诊断模型同时纳入了故障时的轴温数据和运行数据来建立与故障原因的变量关系,除了这些故障处理数据作训练样本外,还可在训练样本中加入正常温度下的轴温数据、运行速度,其对应的故障原因设为无故障,以及检测系统无故障干扰、目标元件温度异常的情况下的轴温数据和运行速度设为目标元件温度异常,在增加了训练样本的更多种情况后,故障诊断模型的故障定位能够更为准确。
本申请公开了一种列车轴温传感器故障诊断方法,包括:通过列车的轴温传感器获取实时轴温数据;获取所述列车的实时运行速度;将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以得到所述故障诊断模型的输出结果,所述输出结果包括是否故障以及所述列车的实时故障原因;所述故障诊断模型为:将故障处理数据作为训练样本进行训练得到的诊断模型;所述故障处理数据包括:故障时轴温数据、故障时运行速度、故障原因;所述故障原因包括:所述轴温传感器故障和/或线路接触不良和/或外界干扰。本申请的故障诊断模型经过故障处理数据训练,使用时输入参数包括实时轴温数据和实时运行速度,能够较为准确地分辨各类不同的故障原因,可指导故障现场进行有针对性地排查处理,提高故障排查效率,节省人力物力。
本发明实施例公开了一种具体的列车轴温传感器故障诊断方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
所述将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以得到所述故障诊断模型的输出结果的过程,包括:
将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以通过所述故障诊断模型执行以下步骤:
确定所述实时轴温数据的变化过程;
判断所述实时运行速度下所述变化过程是否在正常范围内;
若否,确定有故障发生,根据所述变化过程和所述实时运行速度确定所述实时故障原因;
若是,确定无故障发生;
将是否有故障发生及所述实时故障原因作为所述输出结果输出。
具体的,所述确定所述实时轴温数据的变化过程的过程,包括:
根据所述实时轴温数据,计算跳变值、快速变化值和偏差值;
所述跳变值为第一时间段内所述实时轴温数据的变化量;
所述快速变化值为第二时间段内所述实时轴温数据的变化量;
所述偏差值为所述实时轴温数据与其他所述轴温传感器的实时轴温数据的平均值的差。
具体的,跳变值通常为短时间内轴温跳变的量,因此第一时间段常为秒级,可将其设为1秒,每次跳变值为第n秒与第n-1秒轴温的变化量;而快速变化值通常是一段时间内轴温的变化过程的指征,第二时间段常为分钟级,可将第二时间段设为1分钟,每次快速变化值为第m分钟与第m-1分钟轴温的变化量,进一步的,考虑到一段时间内仅以一个点的轴温值来表示存在误差,因此可选择一小段时间内的平均轴温值作为某一分钟的轴温,例如选择第m分钟点前后5秒内的平均轴温作为第m分钟的计算轴温:Tm=Tn-2+Tn-1+Tn+Tn+1+Tn+2,第m-1分钟的计算轴温同理;偏差值是当前时刻该轴温传感器的实时温度数据与其他所有轴温传感器的实时轴温数据的平均值的差值,该差值可用于判断该轴温传感器是否异于整体。
具体的,所述根据所述变化过程和所述实时运行速度确定所述实时故障原因的过程,包括:
当以下条件均满足,确定所述实时故障原因为所述轴温传感器故障:
所述实时运行速度超过第一运行速度时,所述跳变值为正且超出跳变阈值,或所述快速变化值为正且超出快速变化阈值;
所述实时运行速度不大于所述第一运行速度时,所述跳变值不大于所述跳变阈值且所述快速变化值不大于所述快速变化值。
类似的,所述根据所述变化过程和所述实时运行速度确定所述实时故障原因的过程,包括:
当以下条件满足,确定所述实时故障原因为线路接触不良或外界干扰:
所述列车运行速度不大于所述第一运行速度时,所述跳变值为负且绝对值超出所述跳变阈值,或所述快速变化值为负且绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出偏差阈值。
类似的,所述根据所述变化过程和所述实时运行速度确定所述实时故障原因的过程,包括:
当以下条件满足,确定所述实时故障原因为不明原因故障:
所述实时运行速度为任一速度时,所述跳变值的绝对值超出所述跳变阈值,或所述快速变化值的绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出所述偏差阈值。
可以理解的是,在根据输入数据进行判断时,第一运行速度作为实时运行速度的分水岭出现两种判断情景,只有超出第一运行速度下的轴温变化和不大于第一运行速度下轴温变化符合上述全部条件,可将其确定为某一特定的故障原因。
进一步的,偏差值的绝对值超出偏差阈值的情况,需要一段时间来得到稳定可靠的判断结果,可设置一定的判定时间,只有偏差值的绝对值超出偏差阈值且保持时间达到一设定值后,才视为偏差值的绝对值超出偏差阈值。
进一步的,所述将所述实时轴温数据和所述实时运行速度输入故障诊断模型前,还包括:
获取实时环境温度,将所述实时环境温度输入所述故障诊断模型,以使所述故障诊断模型根据所述实时环境温度确定相应的跳变阈值和/或快速变化阈值和/或偏差阈值。
可以理解的是,为了更准确的判定,可将环境温度对故障诊断的影响也加入故障诊断模型,相应的训练样本中也加入各种情况下的环境温度作为特征之一;可以理解的是,环境温度与运行速度均属于环境参考变量,影响实时轴温数据的判断环境,能够对不同环境下的轴温变化过程和故障原因作更充分的训练,同时在故障诊断模型的实际应用中得到更为准确的输出结果。
相应的,本申请实施例还公开了一种列车轴温传感器故障诊断系统,参见图2所示,包括:
获取模块1,用于通过列车的轴温传感器获取实时轴温数据,获取所述列车的实时运行速度;
诊断模块2,用于将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以得到所述故障诊断模型的输出结果,所述输出结果包括是否故障以及所述列车的实时故障原因;
所述故障诊断模型为:将故障处理数据作为训练样本进行训练得到的诊断模型;
所述故障处理数据包括:故障时轴温数据、故障时运行速度、故障原因;
所述故障原因包括:所述轴温传感器故障和/或线路接触不良和/或外界干扰。
本申请的故障诊断模型经过故障处理数据训练,使用时输入参数包括实时轴温数据和实时运行速度,能够较为准确地分辨各类不同的故障原因,可指导故障现场进行有针对性地排查处理,提高故障排查效率,节省人力物力。
在一些具体的实施例中,所述诊断模块2具体用于:
将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以通过所述故障诊断模型执行以下步骤:
确定所述实时轴温数据的变化过程;
判断所述实时运行速度下所述变化过程是否在正常范围内;
若否,确定有故障发生,根据所述变化过程和所述实时运行速度确定所述实时故障原因;
若是,确定无故障发生;
将是否有故障发生及所述实时故障原因作为所述输出结果输出。
在一些具体的实施例中,所述诊断模块2具体用于:
根据所述实时轴温数据,计算跳变值、快速变化值和偏差值;
所述跳变值为第一时间段内所述实时轴温数据的变化量;
所述快速变化值为第二时间段内所述实时轴温数据的变化量;
所述偏差值为所述实时轴温数据与其他所述轴温传感器的实时轴温数据的平均值的差。
在一些具体的实施例中,所述诊断模块2具体用于:
当以下条件均满足,确定所述实时故障原因为所述轴温传感器故障:
所述实时运行速度超过第一运行速度时,所述跳变值为正且超出跳变阈值,或所述快速变化值为正且超出快速变化阈值;
所述实时运行速度不大于所述第一运行速度时,所述跳变值不大于所述跳变阈值且所述快速变化值不大于所述快速变化值。
在一些具体的实施例中,所述诊断模块2具体用于:
当以下条件满足,确定所述实时故障原因为线路接触不良或外界干扰:
所述列车运行速度不大于所述第一运行速度时,所述跳变值为负且绝对值超出所述跳变阈值,或所述快速变化值为负且绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出偏差阈值。
在一些具体的实施例中,所述诊断模块2具体用于:
当以下条件满足,确定所述实时故障原因为不明原因故障:
所述实时运行速度为任一速度时,所述跳变值的绝对值超出所述跳变阈值,或所述快速变化值的绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出所述偏差阈值。
在一些具体的实施例中,所述获取模块1还用于获取实时环境温度;
所述诊断模块2还用于将所述实时环境温度输入所述故障诊断模型,以使所述故障诊断模型根据所述实时环境温度确定相应的跳变阈值和/或快速变化阈值和/或偏差阈值。
相应的,本申请实施例还公开了一种列车轴温传感器故障诊断装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上文任一项所述列车轴温传感器故障诊断方法的步骤。
其中,本实施例中有关列车轴温传感器故障诊断方法的具体形容,可以参照上文实施例中的相关内容,此处不再赘述。
其中,本实施例中列车轴温传感器故障诊断装置具有与上文实施例中列车轴温传感器故障诊断方法相同的有益效果,此处不再赘述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种列车轴温传感器故障诊断方法、系统及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种列车轴温传感器故障诊断方法,其特征在于,包括:
通过列车的轴温传感器获取实时轴温数据;
获取所述列车的实时运行速度;
将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以得到所述故障诊断模型的输出结果,所述输出结果包括是否故障以及所述列车的实时故障原因;
所述故障诊断模型为:将故障处理数据作为训练样本进行训练得到的诊断模型;
所述故障处理数据包括:故障时轴温数据、故障时运行速度、故障原因;
所述故障原因包括:所述轴温传感器故障和/或线路接触不良和/或外界干扰;
其中,所述将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以得到所述故障诊断模型的输出结果的过程,包括:
将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以通过所述故障诊断模型执行以下步骤:
确定所述实时轴温数据的变化过程;
判断所述实时运行速度下所述变化过程是否在正常范围内;
若否,确定有故障发生,根据所述变化过程和所述实时运行速度确定所述实时故障原因;
若是,确定无故障发生;
将是否有故障发生及所述实时故障原因作为所述输出结果输出;
其中,所述确定所述实时轴温数据的变化过程的过程,包括:
根据所述实时轴温数据,计算跳变值、快速变化值和偏差值;
所述跳变值为第一时间段内所述实时轴温数据的变化量;
所述快速变化值为第二时间段内所述实时轴温数据的变化量;
所述偏差值为所述实时轴温数据与其他所述轴温传感器的实时轴温数据的平均值的差;
其中,所述根据所述变化过程和所述实时运行速度确定所述实时故障原因的过程,包括:
当以下条件均满足,确定所述实时故障原因为所述轴温传感器故障:
所述实时运行速度超过第一运行速度时,所述跳变值为正且超出跳变阈值,或所述快速变化值为正且超出快速变化阈值;
所述实时运行速度不大于所述第一运行速度时,所述跳变值不大于所述跳变阈值且所述快速变化值不大于所述快速变化阈值;
当以下条件满足,确定所述实时故障原因为线路接触不良或外界干扰:
所述列车运行速度不大于所述第一运行速度时,所述跳变值为负且绝对值超出所述跳变阈值,或所述快速变化值为负且绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出偏差阈值。
2.根据权利要求1所述列车轴温传感器故障诊断方法,其特征在于,所述根据所述变化过程和所述实时运行速度确定所述实时故障原因的过程,包括:
当以下条件满足,确定所述实时故障原因为不明原因故障:
所述实时运行速度为任一速度时,所述跳变值的绝对值超出所述跳变阈值,或所述快速变化值的绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出所述偏差阈值。
3.根据权利要求2所述列车轴温传感器故障诊断方法,其特征在于,所述将所述实时轴温数据和所述实时运行速度输入故障诊断模型前,还包括:
获取实时环境温度,将所述实时环境温度输入所述故障诊断模型,以使所述故障诊断模型根据所述实时环境温度确定相应的跳变阈值和/或快速变化阈值和/或偏差阈值。
4.一种列车轴温传感器故障诊断系统,其特征在于,包括:
获取模块,用于通过列车的轴温传感器获取实时轴温数据,获取所述列车的实时运行速度;
诊断模块,用于将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以得到所述故障诊断模型的输出结果,所述输出结果包括是否故障以及所述列车的实时故障原因;
所述故障诊断模型为:将故障处理数据作为训练样本进行训练得到的诊断模型;
所述故障处理数据包括:故障时轴温数据、故障时运行速度、故障原因;
所述故障原因包括:所述轴温传感器故障和/或线路接触不良和/或外界干扰;
其中,所述诊断模块具体用于:
将所述实时轴温数据和所述实时运行速度输入故障诊断模型,以通过所述故障诊断模型执行以下步骤:
确定所述实时轴温数据的变化过程;
判断所述实时运行速度下所述变化过程是否在正常范围内;
若否,确定有故障发生,根据所述变化过程和所述实时运行速度确定所述实时故障原因;
若是,确定无故障发生;
将是否有故障发生及所述实时故障原因作为所述输出结果输出;
其中,所述确定所述实时轴温数据的变化过程的过程,包括:
根据所述实时轴温数据,计算跳变值、快速变化值和偏差值;
所述跳变值为第一时间段内所述实时轴温数据的变化量;
所述快速变化值为第二时间段内所述实时轴温数据的变化量;
所述偏差值为所述实时轴温数据与其他所述轴温传感器的实时轴温数据的平均值的差;
其中,所述根据所述变化过程和所述实时运行速度确定所述实时故障原因的过程,包括:
当以下条件均满足,确定所述实时故障原因为所述轴温传感器故障:
所述实时运行速度超过第一运行速度时,所述跳变值为正且超出跳变阈值,或所述快速变化值为正且超出快速变化阈值;
所述实时运行速度不大于所述第一运行速度时,所述跳变值不大于所述跳变阈值且所述快速变化值不大于所述快速变化阈值;
当以下条件满足,确定所述实时故障原因为线路接触不良或外界干扰:
所述列车运行速度不大于所述第一运行速度时,所述跳变值为负且绝对值超出所述跳变阈值,或所述快速变化值为负且绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出偏差阈值。
5.根据权利要求4所述列车轴温传感器故障诊断系统,其特征在于,所述诊断模块具体用于:
当以下条件满足,确定所述实时故障原因为不明原因故障:
所述实时运行速度为任一速度时,所述跳变值的绝对值超出所述跳变阈值,或所述快速变化值的绝对值超出所述快速变化阈值,或所述偏差值的绝对值超出所述偏差阈值。
6.根据权利要求5所述列车轴温传感器故障诊断系统,其特征在于,
所述获取模块还用于获取实时环境温度;
所述诊断模块还用于将所述实时环境温度输入所述故障诊断模型,以使所述故障诊断模型根据所述实时环境温度确定相应的跳变阈值和/或快速变化阈值和/或偏差阈值。
7.一种列车轴温传感器故障诊断装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至3任一项所述列车轴温传感器故障诊断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011387408.0A CN114577364B (zh) | 2020-12-01 | 2020-12-01 | 一种列车轴温传感器故障诊断方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011387408.0A CN114577364B (zh) | 2020-12-01 | 2020-12-01 | 一种列车轴温传感器故障诊断方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114577364A CN114577364A (zh) | 2022-06-03 |
CN114577364B true CN114577364B (zh) | 2022-11-08 |
Family
ID=81766800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011387408.0A Active CN114577364B (zh) | 2020-12-01 | 2020-12-01 | 一种列车轴温传感器故障诊断方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114577364B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005009924A (ja) * | 2003-06-17 | 2005-01-13 | Honda Motor Co Ltd | 温度センサ回路の故障診断装置 |
CN104864985A (zh) * | 2015-05-21 | 2015-08-26 | 南车株洲电力机车研究所有限公司 | 一种列车轴温传感器故障检测方法和装置 |
CN108860211A (zh) * | 2018-05-25 | 2018-11-23 | 中车青岛四方机车车辆股份有限公司 | 一种基于轴温传感器的误报识别方法及装置 |
CN111351664A (zh) * | 2020-02-13 | 2020-06-30 | 成都运达科技股份有限公司 | 一种基于lstm模型的轴承温度预测和报警诊断方法 |
WO2021180575A1 (en) * | 2020-03-12 | 2021-09-16 | Volvo Truck Corporation | A method and a system for determining that a failure has occurred at or in a wheel end bearing of a vehicle |
-
2020
- 2020-12-01 CN CN202011387408.0A patent/CN114577364B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005009924A (ja) * | 2003-06-17 | 2005-01-13 | Honda Motor Co Ltd | 温度センサ回路の故障診断装置 |
CN104864985A (zh) * | 2015-05-21 | 2015-08-26 | 南车株洲电力机车研究所有限公司 | 一种列车轴温传感器故障检测方法和装置 |
CN108860211A (zh) * | 2018-05-25 | 2018-11-23 | 中车青岛四方机车车辆股份有限公司 | 一种基于轴温传感器的误报识别方法及装置 |
CN111351664A (zh) * | 2020-02-13 | 2020-06-30 | 成都运达科技股份有限公司 | 一种基于lstm模型的轴承温度预测和报警诊断方法 |
WO2021180575A1 (en) * | 2020-03-12 | 2021-09-16 | Volvo Truck Corporation | A method and a system for determining that a failure has occurred at or in a wheel end bearing of a vehicle |
Non-Patent Citations (2)
Title |
---|
基于TCDS地面专家系统的轴温故障诊断研究与实现;刘长学;《铁道机车车辆》;20170825(第04期);全文 * |
基于神经网络的动车组轴端温度传感器误报识别;顾佳等;《数字通信世界》;20180201(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114577364A (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7873581B2 (en) | Method and system for determining the reliability of a DC motor system | |
KR100748011B1 (ko) | 에너지 저장 수단의 상태 판별 방법 | |
CN116026389A (zh) | 一种基于数据分析的智能传感器运行检测系统 | |
CN110704964B (zh) | 汽轮机运行状态诊断方法、装置及电子设备、存储介质 | |
CN110837852A (zh) | 一种轧机齿轮箱的故障诊断方法、装置及终端设备 | |
CN112989522B (zh) | 模型训练方法、故障预测方法、装置及电子设备 | |
US7949497B2 (en) | Machine condition monitoring using discontinuity detection | |
CN106052847B (zh) | 对具有旋转的机器组件的机器的监控 | |
CN111457958A (zh) | 港机设备态势监控方法、装置、计算机设备及存储介质 | |
CN105975373A (zh) | 软件程序的运行监测方法及装置 | |
CN114577364B (zh) | 一种列车轴温传感器故障诊断方法、系统及装置 | |
US11009431B2 (en) | Failure mode specifying system, failure mode specifying method, and program | |
CN112964470A (zh) | 一种基于轴承健康指标检测滚动轴承早期故障的方法 | |
CN111475966A (zh) | 一种基于数字孪生的电力电子电路故障诊断方法 | |
CN115973715A (zh) | 用于带式运输机的托辊故障检测模型的训练方法和装置 | |
EP4095533A2 (en) | Early detection of cable failure in automotive networks | |
Granig et al. | Weakness monitors for fail-aware systems | |
CN111274687B (zh) | 元器件失效率预计方法、装置、计算机设备及存储介质 | |
CN113516023A (zh) | 设备振动异常诊断方法和系统 | |
CN113994088A (zh) | 用于对风涡轮机的部件进行计算机实现的监测的方法 | |
CN117193145B (zh) | 一种电工考培设备的自动生产线电气控制方法及系统 | |
CN114638060B (zh) | 故障预测方法、系统、电子设备 | |
Vijaykumar et al. | Improving Reliability of 2 Wheelers Using Predictive Diagnostics | |
CN117642750A (zh) | 用于训练模型的方法和设备 | |
CN109632308B (zh) | 一种深沟球滚动轴承内圈故障劣化状态识别方法及系统 |
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 |