CN117782647B - 一种地铁行走部轴承健康状态监测系统 - Google Patents

Abstract

本发明公开了一种地铁行走部轴承健康状态监测系统，包括存储模块保存轴承历史检测数据以及轴承历史健康分值；训练模块引入初始模型，并重新训练初始模型得到轴承健康预测模型；终端模块实时采集轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据以及轴承摩擦系数；预测模块将轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据以及轴承摩擦系数输入轴承健康预测模型，预测得到下一时刻的轴承预测健康分值；报警模块将轴承预测健康分值根据匹配得到状态分值范围区间生成报警检修指令；检修模块根据报警检修指令对相应地铁行走部轴承进行检修。本发明提高了地铁行走部轴承的耐用性和使用安全性。

Description

一种地铁行走部轴承健康状态监测系统

技术领域

本发明涉及设备监测技术领域，尤其涉及一种地铁行走部轴承健康状态监测系统。

背景技术

地铁行走部轴承是指安装在地铁车辆的行走部（通常是车轮和轴）上的轴承装置。在地铁运行过程中，行走部轴承承载着车辆的重量，同时提供平稳的运行和转动。这些轴承通常采用高强度、耐磨的材料，如钢、铁等，以确保其耐久性和可靠性。地铁行走部轴承的设计和选择对于地铁运行的安全性和舒适性具有重要影响。地铁行走部轴承在长期使用过程中，会因为轴承上动态变化的转速、载重、温度等因素导致使用寿命收到较大的影响，为了保证地铁运行的安全性，对地铁行走部轴承健康状态的监测尤为重要。目前，在现有技术中，对于地铁行走部轴承健康状态的监测方案一般通过实时监测地铁行走部轴承上的部分参数，来判断地铁行走部轴承此时的健康状态，一旦参数异常则对相应的地铁行走部轴承进行及时检修。但是很多情况下，在当前参数异常时，地铁行走部轴承随时可能发生损坏，在检修不及时的情况下，仍然会导致地铁行走部轴承损坏，无法保证乘客在地铁车辆乘坐时的安全性。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种地铁行走部轴承健康状态监测系统，用于提高地铁行走部轴承的耐用性和使用安全性。

为实现上述目的，本发明提供了如下技术方案：一种地铁行走部轴承健康状态监测系统，包括：

存储模块，用于保存若干历史时刻采集到的轴承历史检测数据以及相应的轴承历史健康分值；

训练模块，连接所述存储模块，用于引入预设的初始模型，并将某一历史时刻的若干轴承历史检测数据作为输入，将距离该所述历史时刻一预设时间段后的所述轴承历史健康分值作为输出，重新训练所述初始模型得到轴承健康预测模型；

终端模块，用于实时采集地铁行走部轴承上的轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据以及轴承摩擦系数；

预测模块，连接所述终端模块，用于将所述轴承振动数据、所述轴承温度数据、所述轴承载重数据、所述轴承转速数据以及所述轴承摩擦系数输入所述轴承健康预测模型，以预测得到下一时刻的轴承预测健康分值；

报警模块，连接所述预测模块，用于将所述轴承预测健康分值在预设的若干状态分值范围区间内进行匹配，并根据匹配得到的所述状态分值范围区间生成相应的报警检修指令；

检修模块，连接所述报警模块，用于根据所述报警检修指令对相应所述地铁行走部轴承进行检修。

进一步地，所述轴承历史检测数据包括历史振动数据、历史温度数据、历史载重数据、历史转速数据以及历史摩擦系数。

进一步地，所述存储模块包括：

偏差计算单元，分别将所述历史振动数据、所述历史温度数据、所述历史载重数据、所述历史转速数据以及所述历史摩擦系数与预设的标准振动数据、标准温度数据、标准载重数据、标准转速数据以及标准摩擦系数做差，依次得到振动偏差值、温度偏差值、载重偏差值、转速偏差值以及摩擦系数偏差值；

分值计算单元，连接所述偏差计算单元，用于将所述振动偏差值、所述温度偏差值、所述载重偏差值、所述转速偏差值以及所述摩擦系数偏差值输入预设的健康分值计算公式中，计算得到所述轴承健康历史分值。

进一步地，所述健康分值计算公式配置为：

其中，用于表示所述轴承健康历史分值，/>用于表示预设的轴承健康初始分值，/>用于表示所述振动偏差值，/>用于表示所述温度偏差值，/>用于表示所述载重偏差值，/>用于表示所述转速偏差值，/>用于表示摩擦系数偏差值，/>用于表示所述历史振动数据，/>用于表示所述历史温度数据，/>用于表示所述历史载重数据，/>用于表示所述历史转速数据，/>用于表示所述历史摩擦系数，/>用于表示所述标准振动数据，用于表示所述标准温度数据，/>用于表示所述标准载重数据，/>用于表示所述标准转速数据，/>用于表示所述标准摩擦系数，/>分别用于表示预设的第一转换系数，第二转换系数，第三转换系数，第四转换系数和第五转换系数，/>均不为0。

进一步地，所述训练模块包括：

引入单元，用于引入卷积神经网络模型作为初始模型；

训练单元，连接所述引入单元，用于将所述历史振动数据、所述历史温度数据、所述历史载重数据、所述历史转速数据以及所述历史摩擦系数作为输入，将相应的所述轴承历史健康分值作为输出，重新训练所述卷积神经网络模型，得到所述轴承健康预测模型。

进一步地，还包括环境检测模块，连接所述训练模块，用于实时检测所述地铁行走部轴承周围的环境温度数据、环境湿度数据和环境PH值；

则所述训练模块还包括：

干扰单元，用于将所述环境温度数据、所述环境湿度数据和所述环境PH值输入预设的环境干扰计算公式中，计算得到环境干扰系数；

矫正单元，分别连接所述干扰单元和所述训练单元，用于根据所述环境干扰系数调整所述轴承健康预测模型的输入层与隐藏层之间的连接权重，得到矫正过后的所述轴承健康预测模型。

进一步地，所述环境干扰计算公式配置为：

其中，用于表示所述环境干扰系数，/>用于表示所述环境温度数据，/>用于表示所述环境湿度数据，/>用于表示所述环境PH值，/>、/>、/>分别用于表示预设的标准环境温度、标准环境湿度和标准环境PH值，/>、/>、/>分别用于表示预设的第一干扰系数、第二干扰系数和第三干扰系数。

进一步地，还包括中继模块，分别连接所述终端模块、所述预测模块和服务器，所述中继模块用于将所述轴承振动数据、所述轴承温度数据、所述轴承载重数据、所述轴承转速数据、所述轴承摩擦系数以及所述轴承预测健康分值压缩处理后发送至所述服务器，所述服务器根据所述轴承振动数据、所述轴承温度数据、所述轴承载重数据、所述轴承转速数据、所述轴承摩擦系数以及所述轴承预测健康分值对列车的轴承状态进行动态更新。

进一步地，所述终端模块与所述中继模块之间的连接方式为Zigbee自组网方式，所述中继模块与所述服务器之间的连接方式为移动数据连接方式。

本发明的有益效果：

本发明利用历史时刻采集到的轴承历史检测数据以及计算得到的轴承历史健康分值训练得到轴承健康预测模型，并将实时采集得到的地铁行走部轴承上的轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据以及轴承摩擦系数输入轴承健康预测模型，以预测得到下一时刻的轴承预测健康分值，进而根据轴承预测健康分值匹配得到相应的状态分值范围区间，并生成相应的报警检修指令，最终根据报警检修指令对地铁行走部轴承进行检修，实现了在地铁行走部轴承损坏之前提前预测得到下一时刻地铁行走部轴承的轴承预测健康分值，并对地铁行走部轴承进行检修，避免了在地铁行走部轴承使用过程中发生损坏，有效提高了地铁行走部轴承的耐用性和使用安全性。

附图说明

图1是本发明中地铁行走部轴承健康状态监测系统的结构示意图；

图2是本发明中存储模块的结构示意图；

图3是本发明中训练模块的结构示意图；

图4是本发明中地铁行走部轴承的内部剖视图。

附图标记：1、存储模块；11、偏差计算单元；12、分值计算单元；2、训练模块；21、引入单元；22、训练单元；23、干扰单元；24、矫正单元；3、终端模块；4、预测模块；5、报警模块；6、检修模块；7、环境检测模块；8、中继模块；9、服务器。

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。

需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、 “ 水平的”、“ 左”、“ 右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。

请同时参见图1，本实施例提供了一种地铁行走部轴承健康状态监测系统，包括：

存储模块1，用于保存若干历史时刻采集到的轴承历史检测数据以及相应的轴承历史健康分值；

训练模块2，连接存储模块1，用于引入预设的初始模型，并将某一历史时刻的若干轴承历史检测数据作为输入，将距离该历史时刻一预设时间段后的轴承历史健康分值作为输出，重新训练初始模型得到轴承健康预测模型；

终端模块3，用于实时采集地铁行走部轴承上的轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据以及轴承摩擦系数；

预测模块4，连接终端模块3，用于将轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据以及轴承摩擦系数输入轴承健康预测模型，以预测得到下一时刻的轴承预测健康分值；

报警模块5，连接预测模块4，用于将轴承预测健康分值在预设的若干状态分值范围区间内进行匹配，并根据匹配得到的状态分值范围区间生成相应的报警检修指令；

检修模块6，连接报警模块5，用于根据报警检修指令对相应地铁行走部轴承进行检修。

具体地，本实施例中，被监测的地铁行走部轴承的内部剖视图如图4所示。终端模块3可以为若干传感器，分别对地铁行走部轴承上数据进行实时采集。传感器包括振温复合传感器、压力传感器、转速传感器、滑动摩擦系数仪。其中振温复合传感器用于同时采集地铁行走部轴承上的轴承振动数据、轴承温度数据，压力传感器用于实时采集轴承载重数据，转速传感器用于实时采集轴承转速数据，滑动摩擦系数仪用于实时采集轴承摩擦系数。当前时刻终端模块3采集到的数据，和当前时间点一起保存至存储模块1中，作为轴承历史检测数据。本实施例中配置有处理芯片，用于进行数据分析处理。处理芯片封装在盒体内，盒体采用了密封槽设计，具备良好的防水、防尘和抗震能力。盒体顶部两端设有开孔，开孔配合 T 型螺栓悬挂于地铁车厢底部。各上述各传感器的传输线通过航空插头配合（具备防插错功能），连接至盒体的底部。其中，存储模块1可以包括非易失性存储器，非易失性存储器也设置在盒体内，非易失性存储器上保存有若干历史时刻采集到的轴承历史检测数据以及相应的轴承历史健康分值。训练模块2为预先配置在处理芯片上的模型训练程序，首先引入卷积神经网络模型作为初始模型，再调用非易失性存储器中保存的某一历史时刻的若干轴承历史检测数据作为输入，将距离该历史时刻一预设时间段后的轴承历史健康分值作为输出，重新训练初始模型得到轴承健康预测模型，其中预设时间段可以为1小时。预测模块4可以为健康预测程序，用于将轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据以及轴承摩擦系数输入轴承健康预测模型，以预测得到下一时刻的轴承预测健康分值。其中下一时刻即为距离当前时刻的1小时之后。报警模块5用于判断预测得到的轴承预测健康分值处于哪个状态分值范围区间内，各状态分值范围区间关联有相应的报警检修指令。其中各状态分值范围区间设置有三个，分别为0-59，60-79，80-100。其中0-59区间对应轴承故障状态，60-79区间对应轴承亚健康状态，80-100区间对应轴承健康状态。当轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据以及轴承摩擦系数输入轴承健康预测模型预测得到的轴承预测健康分值处于0-59区间时表明此时地铁行走部轴承处于故障状态，需要报警并紧急检修；当轴承预测健康分值处于0-59区间时表明此时地铁行走部轴承处于亚健康状态，需要在当天运营完毕后进行检修；当轴承预测健康分值处于0-59区间时表明此时地铁行走部轴承处于健康状态，无需检修。

报警检修指令包括紧急检修指令，预警检修指令和无须检修指令。紧急检修指令与0-59区间关联，预警检修指令与60-79区间关联，无须检修指令与80-100区间关联。检修模块6可以包括检修机器人和维修相关工作人员，检修模块6根据紧急检修指令通知地铁停止运行，并立即对相应的地铁行走部轴承进行检修更换，避免地铁行走部轴承在一小时后损坏，导致安全事故发生。检修模块6根据预警检修指令在地铁当天运营完毕后，对相应的地铁行走部轴承进行检修，避免地铁行走部轴承后续损坏。无须检修指令表明该地铁行走部轴承较为健康，检修模块6无需对地铁行走部轴承进行检修更换。此外报警检修指令配置有检修优先级，轴承预测健康分值与检修优先级成反比，轴承预测健康分值越低，检修优先级越高。当检修机器人和维修相关工作人员数量不足时，应当优先对检修优先级高的地铁行走部轴承进行检修。此外检修优先级越高表明地铁行走部轴承损坏越严重，越需要立即更换检修。

本技术方案利用历史时刻采集到的轴承历史检测数据以及计算得到的轴承历史健康分值训练得到轴承健康预测模型，并将实时采集得到的地铁行走部轴承上的轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据以及轴承摩擦系数输入轴承健康预测模型，以预测得到下一时刻的轴承预测健康分值，进而根据轴承预测健康分值匹配得到相应的状态分值范围区间，并生成相应的报警检修指令，最终根据报警检修指令对地铁行走部轴承进行检修，实现了在地铁行走部轴承损坏之前提前预测得到下一时刻地铁行走部轴承的轴承预测健康分值，并对地铁行走部轴承进行检修，避免了在地铁行走部轴承使用过程中发生损坏，有效提高了地铁行走部轴承的耐用性和使用安全性。

优选的，轴承历史检测数据包括历史振动数据、历史温度数据、历史载重数据、历史转速数据以及历史摩擦系数。

优选的，如图2所示，存储模块1包括：

偏差计算单元11，分别将历史振动数据、历史温度数据、历史载重数据、历史转速数据以及历史摩擦系数与预设的标准振动数据、标准温度数据、标准载重数据、标准转速数据以及标准摩擦系数做差，依次得到振动偏差值、温度偏差值、载重偏差值、转速偏差值以及摩擦系数偏差值；

分值计算单元12，连接偏差计算单元11，用于将振动偏差值、温度偏差值、载重偏差值、转速偏差值以及摩擦系数偏差值输入预设的健康分值计算公式中，计算得到轴承健康历史分值。

具体地，本实施例中，存储模块1还包括配置在处理芯片上的计算程序，该计算程序包括偏差计算单元11和分值计算单元12，该计算程序用于计算得到轴承健康历史分值。

优选的，健康分值计算公式配置为：

其中，用于表示轴承健康历史分值，/>用于表示预设的轴承健康初始分值，用于表示振动偏差值，/>用于表示温度偏差值，/>用于表示载重偏差值，/>用于表示转速偏差值，/>用于表示摩擦系数偏差值，/>用于表示历史振动数据，/>用于表示历史温度数据，/>用于表示历史载重数据，/>用于表示历史转速数据，/>用于表示历史摩擦系数，/>用于表示标准振动数据，/>用于表示标准温度数据，/>用于表示标准载重数据，/>用于表示标准转速数据，/>用于表示标准摩擦系数，/>分别用于表示预设的第一转换系数，第二转换系数，第三转换系数，第四转换系数和第五转换系数，均不为0。

具体地，本实施例中，通过为振动偏差值分配第一转换系数，以计算得到振动偏差对轴承健康的振动干扰值；通过为温度偏差值分配第二转换系数，以计算得到温度偏差对轴承健康的温度干扰值；通过为载重偏差值分配第三转换系数，以计算得到载重偏差对轴承健康的载重干扰值；通过为转速偏差值分配第四转换系数，以计算得到转速偏差对轴承健康的转速干扰值；通过为摩擦系数偏差值分配第五转换系数，以计算得到摩擦系数偏差对轴承健康的摩擦系数干扰值。进而对振动干扰值、温度干扰值、载重干扰值、转速干扰值以及摩擦系数干扰值进行综合计算得到综合干扰值，最终将综合干扰值与轴承健康初始分值相乘得到轴承健康历史分值。

优选的，训练模块2包括：

引入单元21，用于引入卷积神经网络模型作为初始模型；

训练单元22，连接引入单元21，用于将历史振动数据、历史温度数据、历史载重数据、历史转速数据以及历史摩擦系数作为输入，将相应的轴承历史健康分值作为输出，重新训练卷积神经网络模型，得到轴承健康预测模型。

优选的，还包括环境检测模块7，连接训练模块2，用于实时检测地铁行走部轴承周围的环境温度数据、环境湿度数据和环境PH值；

则训练模块2还包括：

干扰单元23，用于将环境温度数据、环境湿度数据和环境PH值输入预设的环境干扰计算公式中，计算得到环境干扰系数；

矫正单元24，分别连接干扰单元23和训练单元22，用于根据环境干扰系数调整轴承健康预测模型的输入层与隐藏层之间的连接权重，得到矫正过后的轴承健康预测模型。

具体地，本实施例中，地铁行走部轴承周围的环境温度数据、环境湿度数据和环境PH值也会对地铁行走部轴承的使用寿命造成影响，为了提升轴承健康预测模型的预测精度，需要利用环境温度数据、环境湿度数据和环境PH值对轴承健康预测模型进行优化矫正：首先根据环境温度数据、环境湿度数据和环境PH值计算得到环境干扰系数，再利用环境干扰系数与原先训练完毕的轴承健康预测模型的输入层与隐藏层之间的连接权重相乘积，得到新的连接权重，实现对轴承健康预测模型的矫正。矫正过后的轴承健康预测模型相较于原本的轴承健康预测模型而言，引入了环境温度数据、环境湿度数据和环境PH值对轴承寿命的影响，因此预测精度更高。

优选的，环境干扰计算公式配置为：

其中，用于表示环境干扰系数，/>用于表示环境温度数据，/>用于表示环境湿度数据，/>用于表示环境PH值，/>、/>、/>分别用于表示预设的标准环境温度、标准环境湿度和标准环境PH值，/>、/>、/>分别用于表示预设的第一干扰系数、第二干扰系数和第三干扰系数。

具体地，本实施例中，通过为环境温度数据分配第一干扰系数，以计算得到环境温度数据对轴承健康的环境温度干扰系数；通过为环境湿度数据分配第二干扰系数，以计算得到环境湿度数据对轴承健康的环境湿度干扰系数；通过为环境PH值分配第三干扰系数，以计算得到环境PH值对轴承健康的环境PH干扰系数。进而对环境温度干扰系数、环境湿度干扰系数、环境PH干扰系数进行综合计算得到环境干扰系数。

优选的，还包括中继模块8，分别连接终端模块3、预测模块4和服务器9，中继模块8用于将轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据、轴承摩擦系数以及轴承预测健康分值压缩处理后发送至服务器9，服务器9根据轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据、轴承摩擦系数以及轴承预测健康分值对列车的轴承状态进行动态更新。

具体地，本实施例中，中继模块8是工作在物理层上的连接设备，主要用途是对各采集终端采集到的轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据、轴承摩擦系数以及预测模块4预测得到的轴承预测健康分值进行收集以及压缩打包，来扩大数据传输的距离，实现网络通信协议的转换，然后将上述数据通过4G网络形式传输到服务器9，实现了服务器9上数据的动态更新。在服务器9上可以对上传的数据进行快速浏览、数据分析和数据存储。服务器9上存储有对应于各轴承预测健康分值的若干轴承故障区间，各轴承故障区间关联有相应的维修建议，通过判断轴承预测健康分值处于哪个轴承故障区间，可以输出相应的维修建议。进一步地，根据维修建议和轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据、轴承摩擦系数可以生成数据分析报告，以供检修模块6参考。

优选的，终端模块3与中继模块8之间的连接方式为Zigbee自组网方式，中继模块8与服务器9之间的连接方式为移动数据连接方式。

具体地，本实施例中，每辆地铁列车配置的各终端模块3通过Zigbee自组网形式将实时采集到的轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据、轴承摩擦系数发送至中继模块8，中继模块8通过4G移动数据网络方式将上述数据传输到服务器9。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种地铁行走部轴承健康状态监测系统，其特征在于，包括：

存储模块，用于保存若干历史时刻采集到的轴承历史检测数据以及相应的轴承历史健康分值；所述轴承历史检测数据包括历史振动数据、历史温度数据、历史载重数据、历史转速数据以及历史摩擦系数；

所述存储模块包括偏差计算单元，分别将所述历史振动数据、所述历史温度数据、所述历史载重数据、所述历史转速数据以及所述历史摩擦系数与预设的标准振动数据、标准温度数据、标准载重数据、标准转速数据以及标准摩擦系数做差，依次得到振动偏差值、温度偏差值、载重偏差值、转速偏差值以及摩擦系数偏差值；

还包括分值计算单元，连接所述偏差计算单元，用于将所述振动偏差值、所述温度偏差值、所述载重偏差值、所述转速偏差值以及所述摩擦系数偏差值输入预设的健康分值计算公式中，计算得到所述轴承健康历史分值；

所述健康分值计算公式配置为：

其中，用于表示所述轴承健康历史分值，/>用于表示预设的轴承健康初始分值，用于表示所述振动偏差值，/>用于表示所述温度偏差值，/>用于表示所述载重偏差值，/>用于表示所述转速偏差值，/>用于表示摩擦系数偏差值，/>用于表示所述历史振动数据，/>用于表示所述历史温度数据，/>用于表示所述历史载重数据，/>用于表示所述历史转速数据，/>用于表示所述历史摩擦系数，/>用于表示所述标准振动数据，用于表示所述标准温度数据，/>用于表示所述标准载重数据，/>用于表示所述标准转速数据，/>用于表示所述标准摩擦系数，/>分别用于表示预设的第一转换系数，第二转换系数，第三转换系数，第四转换系数和第五转换系数，/>均不为0；

训练模块，连接所述存储模块，用于引入预设的初始模型，并将某一历史时刻的若干轴承历史检测数据作为输入，将距离该所述历史时刻一预设时间段后的所述轴承历史健康分值作为输出，重新训练所述初始模型得到轴承健康预测模型；

所述训练模块包括，引入单元，用于引入卷积神经网络模型作为初始模型；

还包括训练单元，连接所述引入单元，用于将所述历史振动数据、所述历史温度数据、所述历史载重数据、所述历史转速数据以及所述历史摩擦系数作为输入，将相应的所述轴承历史健康分值作为输出，重新训练所述卷积神经网络模型，得到所述轴承健康预测模型；

环境检测模块，连接所述训练模块，用于实时检测所述地铁行走部轴承周围的环境温度数据、环境湿度数据和环境PH值；

则所述训练模块还包括：

干扰单元，用于将所述环境温度数据、所述环境湿度数据和所述环境PH值输入预设的环境干扰计算公式中，计算得到环境干扰系数；

所述环境干扰计算公式配置为：

其中，用于表示所述环境干扰系数，/>用于表示所述环境温度数据，/>用于表示所述环境湿度数据，/>用于表示所述环境PH值，/>、/>、/>分别用于表示预设的标准环境温度、标准环境湿度和标准环境PH值，/>、/>、/>分别用于表示预设的第一干扰系数、第二干扰系数和第三干扰系数；

矫正单元，分别连接所述干扰单元和所述训练单元，用于根据所述环境干扰系数调整所述轴承健康预测模型的输入层与隐藏层之间的连接权重，得到矫正过后的所述轴承健康预测模型；

终端模块，用于实时采集地铁行走部轴承上的轴承振动数据、轴承温度数据、轴承载重数据、轴承转速数据以及轴承摩擦系数；

预测模块，连接所述终端模块，用于将所述轴承振动数据、所述轴承温度数据、所述轴承载重数据、所述轴承转速数据以及所述轴承摩擦系数输入所述轴承健康预测模型，以预测得到下一时刻的轴承预测健康分值；

报警模块，连接所述预测模块，用于将所述轴承预测健康分值在预设的若干状态分值范围区间内进行匹配，并根据匹配得到的所述状态分值范围区间生成相应的报警检修指令；

检修模块，连接所述报警模块，用于根据所述报警检修指令对相应所述地铁行走部轴承进行检修。

2.根据权利要求1所述的地铁行走部轴承健康状态监测系统，其特征在于：还包括中继模块，分别连接所述终端模块、所述预测模块和服务器，所述中继模块用于将所述轴承振动数据、所述轴承温度数据、所述轴承载重数据、所述轴承转速数据、所述轴承摩擦系数以及所述轴承预测健康分值压缩处理后发送至所述服务器，所述服务器根据所述轴承振动数据、所述轴承温度数据、所述轴承载重数据、所述轴承转速数据、所述轴承摩擦系数以及所述轴承预测健康分值对列车的轴承状态进行动态更新。

3.根据权利要求2所述的地铁行走部轴承健康状态监测系统，其特征在于：所述终端模块与所述中继模块之间的连接方式为Zigbee自组网方式，所述中继模块与所述服务器之间的连接方式为移动数据连接方式。