一种车载超导磁体异常检测方法、装置和设备制造方法及图纸

本发明专利技术提供一种车载超导磁体异常检测方法、装置和设备，方案首先对超导磁体监控的实时数据进行降维处理提取其主要成分，再使用训练好的支持向量数据描述模型对降维后的实时数据进行检测，最后基于所述的支持向量数据描述模型的检测结果，判断所述车载超导磁体是否异常，实现了超导磁体的异常与否的可靠检测。实现了超导磁体的异常与否的可靠检测。实现了超导磁体的异常与否的可靠检测。

【技术实现步骤摘要】
一种车载超导磁体异常检测方法、装置和设备


[0001]本专利技术涉及磁悬浮列车
，具体涉及一种车载超导磁体异常检测方法、装置和设备。

技术介绍

[0002]超导电动磁浮列车通过超导磁体与地面直线电机定子线圈作用产生牵引力驱动列车前进，超导磁体与地面8字线圈作用产生悬浮力、导向力实现列车的悬浮、导向，其中实现列车牵引和悬浮导向的关键部件为超导磁体。超导磁体没有发生故障且维持超导态是列车能够保持正常运行的一个必要条件。
[0003]目前是通过监测超导磁体内部温度来判断超导磁体的异常与否，当温度超过阈值后即判断为异常，此种方法无法精确判断温度阈值，且不同超导磁体由于结构、冷却介质、磁动势等不同的原因温度阈值也不相同。
[0004]因此，如何精准判断超导磁体的异常与否为本领域技术人员亟待解决的技术问题之一。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供一种车载超导磁体异常检测方法、装置和设备，以实现车载超导磁体异常与否的可靠检测。
[0006]为实现上述目的，本专利技术实施例提供如下技术方案：
[0007]一种车载超导磁体异常检测方法，包括：
[0008]获取车载超导磁体的实时数据；
[0009]对所述实时数据进行特征提取以及降维处理；
[0010]将降维处理后的实时数据输入至支持向量数据描述模型；
[0011]基于所述支持向量数据描述模型的输出结果，判断所述车载超导磁体是否出现异常。
[0012]可选的，上述车载超导磁体异常检测方法中，所述获取车载超导磁体的实时数据之后，对所述实时数据进行特征提取以及降维处理之前，还包括：
[0013]对所述实时数据进行预处理；
[0014]所述预处理至少包括去重处理、去异常值处理和插值补充缺少数据处理中的一项。
[0015]可选的，上述车载超导磁体异常检测方法中，对所述实时数据进行特征提取以及降维处理包括：
[0016]选用流形学习方法对所述实时数据进行特征提取和降维处理。
[0017]可选的，上述车载超导磁体异常检测方法中，所述降维处理的实时数据输入至支持向量数据描述模型，包括：
[0018]将降维处理的实时数据输入至基于支持向量数据描述算法构建的支持向量数据
描述模型。
[0019]可选的，上述车载超导磁体异常检测方法中，基于所述支持向量数据描述模型的输出结果，判断所述车载超导磁体是否出现异常，包括：
[0020]判断所述降维处理后的实时数据是否落入所述支持向量数据描述模型预先构建的超球体中，当落入所述超球体中时，表明所述车载超导磁体未出现故障，否则，表明所述车载超导磁体出现故障。
[0021]一种车载超导磁体异常检测装置，包括：
[0022]数据采集设备，用于获取车载超导磁体的实时数据；
[0023]预处理设备，用于对所述实时数据进行特征提取以及降维处理；
[0024]故障分析单元，用于将降维处理后的实时数据输入至支持向量数据描述模型；基于所述支持向量数据描述模型的输出结果，判断所述车载超导磁体是否出现异常。
[0025]可选的，上述车载超导磁体异常检测装置中，还包括预处理单元；
[0026]所述预处理单元，用于对所述实时数据进行预处理；
[0027]所述预处理至少包括去重处理、去异常值处理和插值补充缺少数据处理中的一项。
[0028]可选的，上述车载超导磁体异常检测装置中，所述预处理设备在对所述实时数据进行特征提取以及降维处理时，具体用于：
[0029]选用流形学习方法对所述实时数据进行特征提取和降维处理。
[0030]可选的，上述车载超导磁体异常检测装置中，所述故障分析单元，在基于所述支持向量数据描述模型的输出结果，判断所述车载超导磁体是否出现异常时，具体用于：
[0031]判断所述降维处理后的实时数据是否落入所述支持向量数据描述模型预先构建的超球体中，当落入所述超球体中时，表明所述车载超导磁体未出现故障，否则，表明所述车载超导磁体出现故障。
[0032]一种车载超导磁体异常检测设备，包括：
[0033]处理器和控制器；
[0034]所述存储器存储有适于所述处理器执行的程序，所述程序用于：
[0035]获取车载超导磁体的实时数据；
[0036]对所述实时数据进行特征提取以及降维处理；
[0037]将降维处理后的实时数据输入至支持向量数据描述模型；
[0038]基于所述支持向量数据描述模型的输出结果，判断所述车载超导磁体是否出现异常。
[0039]基于上述技术方案，本专利技术实施例提供的上述方案，首先对超导磁体监控的实时数据进行降维处理提取其主要成分，再使用训练好的支持向量数据描述模型对降维后的实时数据进行检测，最后基于所述的支持向量数据描述模型的检测结果，判断所述车载超导磁体是否异常，实现了超导磁体的异常与否的可靠检测。
附图说明
[0040]为了更清楚地说明本专利技术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
专利技术的实施例，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。
[0041]图1为本申请实施例公开的车载超导磁体异常检测方法的流程示意图；
[0042]图2为本申请实施例公开的车载超导磁体异常检测装置的结构示意图；
[0043]图3为本申请实施例公开的车载超导磁体异常检测设备的结构示意图。
具体实施方式
[0044]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0045]首先，对本申请中所用到的专业词汇进行解释：
[0046]超导电动磁浮列车：一种使用超导磁体和地面8字线圈、牵引线圈原理的磁浮列车。
[0047]超导磁体：一种应用超导线圈及其附属结构，能够为车辆运行提供稳定静磁场的装置。
[0048]流形学习：一种对数据进行特征提取降维处理的方法。
[0049]支持向量数据描述：一种无监督学习算法。
[0050]无监督学习：算法只对正常数据训练，无需异常数据。
[0051]类不平衡：正常数据很多，异常数据较少即为类不平衡。
[0052]具体得，本申请公开了一种基于支持向量数据描述模型的车载超导磁体的异常情况的检测方法，该方法相较于现有技术中的技术方案而言，可靠性有了显著提高。
[0053]参见图1，本申请公开的车载超导磁体异常检测方法可以包括步骤S101
‑
S104，下面结合图1，分别对S101
‑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车载超导磁体异常检测方法，其特征在于，包括：获取车载超导磁体的实时数据；对所述实时数据进行特征提取以及降维处理；将降维处理后的实时数据输入至支持向量数据描述模型；基于所述支持向量数据描述模型的输出结果，判断所述车载超导磁体是否出现异常。2.根据权利要求1所述的车载超导磁体异常检测方法，其特征在于，所述获取车载超导磁体的实时数据之后，对所述实时数据进行特征提取以及降维处理之前，还包括：对所述实时数据进行预处理；所述预处理至少包括去重处理、去异常值处理和插值补充缺少数据处理中的一项。3.根据权利要求1所述的车载超导磁体异常检测方法，其特征在于，对所述实时数据进行特征提取以及降维处理包括：选用流形学习方法对所述实时数据进行特征提取和降维处理。4.根据权利要求1所述的车载超导磁体异常检测方法，其特征在于，所述降维处理的实时数据输入至支持向量数据描述模型，包括：将降维处理的实时数据输入至基于支持向量数据描述算法构建的支持向量数据描述模型。5.根据权利要求1所述的车载超导磁体异常检测方法，其特征在于，基于所述支持向量数据描述模型的输出结果，判断所述车载超导磁体是否出现异常，包括：判断所述降维处理后的实时数据是否落入所述支持向量数据描述模型预先构建的超球体中，当落入所述超球体中时，表明所述车载超导磁体未出现故障，否则，表明所述车载超导磁体出现故障。6.一种车载超导磁体异常检测装置，其特征在于，包括：数据采集设备，用于获取车载超导磁体的实时数据；预...

【专利技术属性】
技术研发人员：于淼，李凯，刘洪涛，胡浩，
申请(专利权)人：中车长春轨道客车股份有限公司，
类型：发明
国别省市：