列车传动系统故障检测方法技术方案

技术编号：43328914 阅读：22 留言：0更新日期：2024-11-15 20:26

列车传动系统故障检测方法，涉及一种机械部件的测试方法。目的是为了克服现有列车传动系统故障检测方法忽视了组件的相邻组件故障对自身故障的关联性，导致在列车在运行过程中的高噪声状态下，传动系统故障发现不及时，故障预测准确率低的问题，步骤如下：同时获取列车传动系统中每个组件的运行信号；组件分为目标组件和至少一个与目标组件有直接物理连接的其他组件；将运行信号输入至传动系统故障诊断模型，判断传动系统中的组件是否故障；并且在目标组件被诊断为故障时，输出相应的故障类型。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及一种机械部件的测试方法。

技术介绍

1、在高速列车全生命周期链中窗口期最长的运行服役阶段，牵引电动机、传动齿轮箱、轴箱在内的列车传动系统，任何微小的故障若不能被及时诊断出来并得到有效处理都可能引发严重后果。因此，列车传动系统的实时故障诊断对于保证列车运行的安全可靠至关重要。

2、现有列车传动系统故障检测方法是为传动系统中的各组件分别建立了单独的故障诊断网络，但是单独的网络没有考虑相邻组件之间的相互作用。因此忽视了组件的相邻组件故障对组件自身故障的关联性，导致在列车在运行过程中的高噪声状态下，传动系统故障发现不及时，故障预测准确率低。

技术实现思路

1、本专利技术的目的是为了克服现有列车传动系统故障检测方法忽视了组件的相邻组件故障对自身故障的关联性，导致在列车在运行过程中的高噪声状态下，传动系统故障发现不及时，故障预测准确率低的问题，提供了一种列车传动系统故障检测方法。

2、本专利技术的列车传动系统故障检测方法，步骤如下：

3、同时获取列车传动系统中每个组件的运行信号；组件分为目标组件和至少一个与目标组件有直接物理连接的其他组件；

4、将运行信号输入至传动系统故障诊断模型，判断传动系统中的组件是否故障；并且在目标组件被诊断为故障时，输出相应的故障类型。

5、进一步地，列车传动系统故障诊断模型包括顺序连接的节点特征提取器、图注意力网络和分类器。

6、进一步地，训练列车传动系统故障诊断模型的过程如下：</p>

7、步骤一、收集数据集；

8、数据集为预先同时进行采集的每个组件的运行信号；

9、运行信号包括正常工作时的振动信号数据、以及发生不同类型故障时对应的振动信号数据；

10、步骤二、生成列车传动系统的拓扑关系图；

11、组件均作为拓扑关系图的节点；

12、组件之间的物理连接关系均作为拓扑关系图的边；

13、步骤三、利用节点特征提取器从数据集中提取得到每个组件对应节点的节点特征和分类；

14、步骤四、将拓扑关系图、节点的节点特征和分类作为图注意力网络的输入，在考虑节点的节点特征和该节点邻居节点的节点特征的前提下，分别为每个节点生成新的节点特征；

15、步骤五、将目标组件对应节点的新的节点特征通过分类器进行故障分类，并验证和测试通过后；完成列车传动系统故障诊断模型的训练。

16、进一步地，获取振动信号数据的步骤还包括：将振动信号数据从时域信号转换为频域信号的过程。

17、进一步地，获取状态数据的步骤还包括：向振动信号数据中加入噪声信号的过程。

18、进一步地，噪声信号的信噪比为30db～6db。

19、进一步地，组件包括电机轴承、齿轮箱驱动齿轮、齿轮箱从动齿轮、齿轮箱驱动齿轮轴承和轴箱轴承。

20、进一步地，步骤四的具体过程为：

21、步骤四一、计算得到节点j对节点i的原始注意力系数：

22、

23、其中，节点j是节点i的邻居节点；和分别为节点i和节点j的节点特征；w为权重矩阵；a(·)为自注意力-共享注意力机制函数；

24、步骤四二、对原始注意力系数进行归一化，得到归一化注意力系数：

25、

26、其中，ni为包括节点i自身和节点i的邻居节点的集合；

27、步骤四三、对上式中的原始注意力系数通过权重向量参数化，并应用leakyrelu非线性函数后展开得到：

28、

29、其中，为的转置矩阵；∥为拼接操作；

30、步骤四四、通过上式计算得到节点i新的节点特征：

31、

32、其中，σ表示sigma函数。

33、进一步地，节点特征提取器为卷积神经网络。

34、进一步地，分类器为softmax分类器或基于原型的分类器。

35、本专利技术的有益效果是：

36、本专利技术列车传动系统故障检测方法，基于组件空间关系图构建系统级诊断网络，有效地对相邻组件之间的影响进行建模，将传动系统各组件的故障诊断集成到一个统一的框架中。用于检测列车的传动系统中的各组件故障，构建了一种图注意力神经网络来完成列车传动系统的一体化故障诊断，构件空间关系图使诊断网络能够有效地学习和捕捉故障在不同构件之间的传播和交互，提高了列车传动系统的故障诊断准确率，解决了现有的故障检测方法没有考虑相邻组件之间的相互作用，无法在高噪声状态下对列车传动系统进行有效、稳定的诊断的问题，特别是提高了列车电机这一重要组件故障诊断的准确率。相对于对传动系统中各组件单独构建网络进行监测来说准确率更高，抗干扰能力更强。

本文档来自技高网...

【技术保护点】

1.列车传动系统故障检测方法，其特征在于，步骤如下：

2.根据权利要求1所述的列车传动系统故障检测方法，其特征在于，所述列车传动系统故障诊断模型包括顺序连接的节点特征提取器、图注意力网络和分类器。

3.根据权利要求2所述的列车传动系统故障检测方法，其特征在于，训练列车传动系统故障诊断模型的过程如下：

4.根据权利要求1、2或3所述的列车传动系统故障检测方法，其特征在于，获取振动信号数据的步骤还包括：将振动信号数据从时域信号转换为频域信号的过程。

5.根据权利要求4所述的列车传动系统故障检测方法，其特征在于，获取状态数据的步骤还包括：向振动信号数据中加入噪声信号的过程。

6.根据权利要求5所述的列车传动系统故障检测方法，其特征在于，所述噪声信号的信噪比为30dB～6dB。

7.根据权利要求1、2、3、5或6所述的列车传动系统故障检测方法，其特征在于，组件包括电机轴承、齿轮箱驱动齿轮、齿轮箱从动齿轮、齿轮箱驱动齿轮轴承和轴箱轴承。

8.根据权利要求3、5或6所述的列车传动系统故障检测方法，其特征在于，步骤四的具体过程为：

9.根据权利要求2、3、5或6所述的列车传动系统故障检测方法，其特征在于，节点特征提取器为卷积神经网络。

10.根据权利要求9所述的列车传动系统故障检测方法，其特征在于，分类器为Softmax分类器或基于原型的分类器。

...

【技术特征摘要】

1.列车传动系统故障检测方法，其特征在于，步骤如下：

3.根据权利要求2所述的列车传动系统故障检测方法，其特征在于，训练列车传动系统故障诊断模型的过程如下：

5.根据权利要求4所述的列车传动系统故障检测方法，其特征在于，获取状态数据的步骤还包括：向振动信号数据中加入噪声信号的过程。

...

【专利技术属性】
技术研发人员：么洪飞，徐千喆，邓楚颜，付志鹏，
申请(专利权)人：齐齐哈尔大学，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人