本發(fā)明設(shè)計(jì)涉及高速列車懸掛系統(tǒng)故障診斷，尤其涉及一種基于prpca和svm的高速列車懸掛系統(tǒng)早期故障診斷方法。

背景技術(shù)：

1、懸掛系統(tǒng)是高速列車重要的組成部分之一，不僅起到支撐轉(zhuǎn)向架以及列車車體的作用，同時又能隔絕由軌道不平順?biāo)a(chǎn)生的作用力，保證了車廂乘客的乘坐體驗(yàn)。懸掛系統(tǒng)作為轉(zhuǎn)向架中最重要的一部分，一般采用兩系懸掛。一系懸掛裝置主要包括軸箱彈簧和軸箱垂向減震器，位于軸箱和轉(zhuǎn)向架構(gòu)架之間；二系懸掛裝置主要由牽引裝置、減振器和空氣彈簧裝置等部件構(gòu)成，位于轉(zhuǎn)向架構(gòu)架和車體之間。隨著列車在軌運(yùn)行時間的增長，懸掛系統(tǒng)中的部分設(shè)備會出現(xiàn)老化和損壞情況，例如空氣彈簧裝置、避震器、懸掛聯(lián)軸器以及懸掛控制器等裝置，而這會導(dǎo)致彈簧細(xì)微開裂或變形、避震器內(nèi)部的密封件破損、懸掛聯(lián)軸器輕微磨損或懸掛控制電子元件的部分失效等早期故障，可能對懸掛系統(tǒng)的性能和安全性產(chǎn)生不利影響，給列車的行車安全帶來潛在的危險。

2、目前，現(xiàn)有的基于主成分分析(principal?components?analysis，pca)和支持向量機(jī)(support?vector?machine，svm)相結(jié)合的高速列車懸掛系統(tǒng)早期故障診斷方法，存在一些在處理過程數(shù)據(jù)方面的局限性。傳統(tǒng)的方法首先使用pca對數(shù)據(jù)進(jìn)行降維，然后使用svm進(jìn)行故障檢測和分類。然而，由于pca是一種線性降維方法，其無法充分捕捉數(shù)據(jù)中復(fù)雜非線性特征之間的關(guān)系，導(dǎo)致提取的特征信息可能不完整或不足以代表真實(shí)系統(tǒng)狀態(tài)。因此，pca對數(shù)據(jù)處理的局限性，影響了故障檢測和基于svm的故障分類的準(zhǔn)確度。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)中的不足，本發(fā)明提供了一種高速列車懸掛系統(tǒng)早期故障診斷方法，以解決現(xiàn)有技術(shù)中無法充分捕捉數(shù)據(jù)中復(fù)雜非線性特征之間的關(guān)系，導(dǎo)致提取的特征信息可能不完整或不足以代表真實(shí)系統(tǒng)狀態(tài)的技術(shù)問題。

2、本發(fā)明提供了一種高速列車懸掛系統(tǒng)早期故障診斷方法，包括如下步驟：

3、步驟1：分別獲取高速列車懸掛系統(tǒng)正常工況和故障工況下的數(shù)據(jù)集，并對數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理；

4、步驟2：獲取步驟1中處理后的數(shù)據(jù)集的負(fù)載矩陣；

5、步驟3：將負(fù)載矩陣轉(zhuǎn)化為prpca殘差模型中的過載矩陣，并構(gòu)建prpca殘差模型獲得數(shù)據(jù)集的prpca殘差模型的殘差；

6、步驟4：設(shè)定故障檢測閾值；

7、步驟5：通過過載矩陣和prpca的模型殘差對支持向量機(jī)的故障識別和分類進(jìn)行訓(xùn)練，并用訓(xùn)練好的支持向量機(jī)對高速列車懸掛系統(tǒng)早期故障進(jìn)行診斷。

8、進(jìn)一步地，所述步驟2中，獲取負(fù)載矩陣的具體方法為：對步驟1處理后的數(shù)據(jù)集進(jìn)行主成分分析，將分析結(jié)果對應(yīng)的協(xié)方差矩陣進(jìn)行奇異值分解，得到數(shù)據(jù)集的負(fù)載矩陣。

9、進(jìn)一步地，說說步驟4中，設(shè)定故障檢測閾值的具體方法為：

10、根據(jù)prpca殘差模型的模型殘差獲取故障工況與正常工況之間的wasserstein距離指標(biāo)，并根據(jù)wasserstein距離設(shè)定故障檢測閾值。

11、進(jìn)一步地，所述wasserstein距離的計(jì)算公式為：

12、

13、式中，r為正常工況下的模型殘差；rif為故障工況下的模型殘差；x、y分別為n維變量。

14、進(jìn)一步地，所述wasserstein距離計(jì)算過程中，n維變量x和y之間的2-wassersteindistance的表達(dá)式為：

15、

16、式中，tr(·)為矩陣的跡；∑1＝∑1/2∑if∑1/2，∑為n維變量x的協(xié)方差矩陣，∑if為n維變量y的協(xié)方差矩陣；μ1＝||μ-μif||2，μ為n維變量x的均值，μif為n維變量y的均值。

17、本發(fā)明的有益效果：

18、本發(fā)明采用prpca方法對過程數(shù)據(jù)進(jìn)行處理，可以將測量數(shù)據(jù)非線性投影到一個新的空間中，從而有效地將初始故障數(shù)據(jù)與正常數(shù)據(jù)分離，解決了傳統(tǒng)pca無法完全捕捉過程數(shù)據(jù)中非線性故障特征的問題，使得處理后的數(shù)據(jù)包含更多的故障特征信息，從而實(shí)現(xiàn)更有效的早期故障檢測。

19、本發(fā)明使用非線性prpca算法對原始故障數(shù)據(jù)進(jìn)行降維，同時將降維后的大樣本數(shù)據(jù)進(jìn)行分組，然后使用方差來度量每組數(shù)據(jù)的偏離程度，再利用支持向量機(jī)對故障類型進(jìn)行分類，進(jìn)一步提高了svm分類的準(zhǔn)確度。

技術(shù)特征：

1.一種高速列車懸掛系統(tǒng)早期故障診斷方法，其特征在于，包括如下步驟：

2.如權(quán)利要求1所述的高速列車懸掛系統(tǒng)早期故障診斷方法，其特征在于，所述步驟2中，獲取負(fù)載矩陣的具體方法為：對步驟1處理后的數(shù)據(jù)集進(jìn)行主成分分析，將分析結(jié)果對應(yīng)的協(xié)方差矩陣進(jìn)行奇異值分解，得到數(shù)據(jù)集的負(fù)載矩陣。

3.如權(quán)利要求1所述的高速列車懸掛系統(tǒng)早期故障診斷方法，其特征在于，說說步驟4中，設(shè)定故障檢測閾值的具體方法為：

4.如權(quán)利要求3所述的高速列車懸掛系統(tǒng)早期故障診斷方法，其特征在于，所述wasserstein距離的計(jì)算公式為：

5.如權(quán)利要求3或4所述的高速列車懸掛系統(tǒng)早期故障診斷方法，其特征在于，所述wasserstein距離計(jì)算過程中，n維變量x和y之間的2-wasserstein?distance的表達(dá)式為：

技術(shù)總結(jié)
本發(fā)明公開了一種高速列車懸掛系統(tǒng)早期故障診斷方法，包括如下步驟：步驟1：分別獲取高速列車懸掛系統(tǒng)正常工況和故障工況下的數(shù)據(jù)集；步驟2：獲取步驟1中處理后的數(shù)據(jù)集的負(fù)載矩陣；步驟3：將負(fù)載矩陣轉(zhuǎn)化為PRPCA殘差模型中的過載矩陣，并構(gòu)建PRPCA殘差模型獲得數(shù)據(jù)集的PRPCA殘差模型的殘差；步驟4：設(shè)定故障檢測閾值；步驟5：通過過載矩陣和PRPCA的模型殘差對支持向量機(jī)的故障識別和分類進(jìn)行訓(xùn)練，并用訓(xùn)練好的支持向量機(jī)對高速列車懸掛系統(tǒng)早期故障進(jìn)行診斷。本發(fā)明可以將測量數(shù)據(jù)非線性投影到一個新的空間中，從而有效地將初始故障數(shù)據(jù)與正常數(shù)據(jù)分離，使得處理后的數(shù)據(jù)包含更多的故障特征信息，從而實(shí)現(xiàn)更有效的早期故障檢測。

技術(shù)研發(fā)人員：吳云凱,馮康,周揚(yáng),周怡錦
受保護(hù)的技術(shù)使用者：江蘇科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2