本发明专利技术提供了一种城轨车辆空调系统故障诊断方法和装置，当获取到采集模块对空调系统进行监测时所采集的故障信号后，采用小波包变换算法对该故障信号进行处理，从而得到该故障信号各频段的重构信号，之后，根据该重构信号即可得到故障信号特征信息，此时，在采用可能性聚类算法对其进行计算，即可快速且准确地确定出与该故障信息对应的故障类型，以便根据该故障类型进行准确且快速地处理，从而使该城轨车辆空调系统快速恢复正常工作，保证乘客舒适的乘车环境。
【技术实现步骤摘要】
【专利摘要】本专利技术提供了一种城轨车辆空调系统故障诊断方法和装置，当获取到采集模块对空调系统进行监测时所采集的故障信号后，采用小波包变换算法对该故障信号进行处理，从而得到该故障信号各频段的重构信号，之后，根据该重构信号即可得到故障信号特征信息，此时，在采用可能性聚类算法对其进行计算，即可快速且准确地确定出与该故障信息对应的故障类型，以便根据该故障类型进行准确且快速地处理，从而使该城轨车辆空调系统快速恢复正常工作，保证乘客舒适的乘车环境。【专利说明】 一种城轨车辆空调系统故障诊断方法和装置
本专利技术涉及空调系统故障诊断
，更具体的说是涉及一种城轨车辆空调系统故障诊断方法和装置。
技术介绍
如今，为了提高乘客在城轨车辆中的舒适度，城轨车辆上通常都会设置空调系统，来调节车厢内空气的湿度和温度，具体的，通过该空调系统中的控制系统控制空调机组对车厢内的空气和外界新气进行处理后，通过通风系统将处理后的空气输送到客室，从而保证客室内空气的温度和湿度的均衡性。其中，为了保证城轨车辆空调系统的可靠工作，在实际应用中，控制系统需要实时监测空调机组和通风系统的运行情况，以便在这两部分发生故障时进行及时处理。 目前，现有的城轨车辆空调系统故障诊断通常都是人工进行的，诊断效率和准确度都比较低，而且，由于该空调系统的结构复杂，其内部部件在运行过程中无法直接观测，此时将无法及时诊断出故障区域及其故障类型，进而也就无法快速恢复城轨车辆空调系统的正常工作。
技术实现思路
有鉴于此，本专利技术提供了一种城轨车辆空调系统故障诊断方法和装置，解决了现有技术中人工进行城轨车辆空调系统故障诊断时，因该空调系统结构无法，其内部部件在运行过程中无法直接观测，从而大大降低了故障诊断效率和准确度的技术问题。 为实现上述目的，本专利技术提供如下技术方案: 一种城轨车辆空调系统故障诊断方法，所述方法包括: 获取采集模块对空调系统进行监测时所采集的故障信号； 采用小波包变换算法，对所述故障信号进行处理，得到所述故障信号中各频率信号的重构信号； 利用所述重构信号，得到故障信号特征向量； 采用可能性聚类算法对所述故障信号特征向量进行计算，确定与所述故障信号对应的故障类型。 优选的，所述采用小波包变换算法，对所述故障信号进行处理，得到所述故障信号中各频率信号的重构信号，包括: 采用预设分解尺度对所述故障信号进行小波包分解，得到所述故障信号中各频率信号; 提取每一预设分解尺度下各频率信号中的信号特征作对应预设分解尺度下各频率信号的重构信号。 优选的，所述利用所述重构信号，得到故障信号特征向量，包括: 计算最后一个预设分解尺度下各频率信号的重构信号的能量以及所有频率信号的重构信号的总能量； 对所述重构信号的能量进行归一化处理，确定各重构信号的能量在所述总能量中所占的比例； 根据所述各重构信号的能量在所述总能量中所占的比例，构建故障信号特征向量。 优选的，所述采用可能性聚类算法对所述故障信号特征向量进行计算，确定与所述故障信号对应的故障类型，包括: 获取可能性聚类算法的初始参数,所述初始参数包括:聚类中心数、权重指数、初始聚类中心矩阵和初始隶属度矩阵； 计算由所述故障信号特征向量确定的每一个样本到所述初始聚类中心矩阵的距离； 将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入隶属度迭代公式，计算出迭代后的隶属度矩阵； 判断所述迭代后的隶属度矩阵与所述初始隶属度矩阵的差值是否小于预设最大允许误差； 如果是，则将所述迭代后的隶属度矩阵作为目标隶属度矩阵； 如果否，则将所述迭代后的隶属度矩阵作为初始隶属度矩阵，并判断当前迭代次数是否达到预设最大迭代次数； 如果未达到，则返回所述将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入隶属度迭代公式，计算出迭代后的隶属度矩阵步骤继续执行； 如果达到，则将当前迭代次数对应的隶属度矩阵作为目标隶属度矩阵； 将所述故障信号特征向量中的每一个样本以及所述目标隶属度矩阵中与所述样本对应的隶属度代入聚类中心迭代公式，计算出目标聚类中心矩阵； 计算未知故障类型的数据样本与所述目标聚类中心矩阵中各聚类中心的贴近度； 根据计算结果，确定与所述故障信号对应的故障类型。 优选的，所述将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入隶属度迭代公式，计算出迭代后的隶属度矩阵，包括: 将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入调节参数确定公式，确定与所述距离对应的调节参数Π i，所述调节参数确定公式为: 【权利要求】1.一种城轨车辆空调系统故障诊断方法，其特征在于，所述方法包括: 获取采集模块对空调系统进行监测时所采集的故障信号； 采用小波包变换算法，对所述故障信号进行处理，得到所述故障信号中各频率信号的重构信号； 利用所述重构信号，得到故障信号特征向量； 采用可能性聚类算法对所述故障信号特征向量进行计算，确定与所述故障信号对应的故障类型。2.根据权利要求1所述的方法，其特征在于，所述采用小波包变换算法，对所述故障信号进行处理，得到所述故障信号中各频率信号的重构信号，包括: 采用预设分解尺度对所述故障信号进行小波包分解，得到所述故障信号中各频率信号; 提取每一预设分解尺度下各频率信号中的信号特征作对应预设分解尺度下各频率信号的重构信号。3.根据权利要求2所述的方法，其特征在于，所述利用所述重构信号，得到故障信号特征向量，包括: 计算最后一个预设分解尺度下各频率信号的重构信号的能量以及所有频率信号的重构信号的总能量； 对所述重构信号的能量进行归一化处理，确定各重构信号的能量在所述总能量中所占的比例； 根据所述各重构信号的能量在所述总能量中所占的比例，构建故障信号特征向量。4.根据权利要求3所述的方法，其特征在于，所述采用可能性聚类算法对所述故障信号特征向量进行计算，确定与所述故障信号对应的故障类型，包括: 获取可能性聚类算法的初始参数，所述初始参数包括:聚类中心数、权重指数、初始聚类中心矩阵和初始隶属度矩阵； 计算由所述故障信号特征向量确定的每一个样本到所述初始聚类中心矩阵的距离；将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入隶属度迭代公式，计算出迭代后的隶属度矩阵； 判断所述迭代后的隶属度矩阵与所述初始隶属度矩阵的差值是否小于预设最大允许误差; 如果是，则将所述迭代后的隶属度矩阵作为目标隶属度矩阵； 如果否，则将所述迭代后的隶属度矩阵作为初始隶属度矩阵，并判断当前迭代次数是否达到预设最大迭代次数； 如果未达到，则返回所述将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入隶属度迭代公式，计算出迭代后的隶属度矩阵步骤继续执行； 如果达到，则将当前迭代次数对应的隶属度矩阵作为目标隶属度矩阵； 将所述故障信号特征向量中的每一个样本以及所述目标隶属度矩阵中与所述样本对应的隶属度代入聚类本文档来自技高网...
【技术保护点】
一种城轨车辆空调系统故障诊断方法，其特征在于，所述方法包括：获取采集模块对空调系统进行监测时所采集的故障信号；采用小波包变换算法，对所述故障信号进行处理，得到所述故障信号中各频率信号的重构信号；利用所述重构信号，得到故障信号特征向量；采用可能性聚类算法对所述故障信号特征向量进行计算，确定与所述故障信号对应的故障类型。
【技术特征摘要】
【专利技术属性】
技术研发人员：杨颖，李骏，李海新，彭冬良，彭驹，
申请(专利权)人：南车株洲电力机车有限公司，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。