一种基于神经网络的地铁列车故障诊断装置制造方法及图纸

本实用新型专利技术公开了一种基于神经网络的地铁列车故障诊断装置，下位机按照功能单元对采集到的地铁列车状态信息进行分类，并将数据集中后再汇总给上位机，上位机接收，处理和存储下位机汇总的地铁列车状态数据，上位机包括数据集合模块和神经网络模块，数据集合模块完成对采集到的地铁列车状态数据分类处理；下位机采集地铁列车的实时数据信息，当地铁列车发生故障或将要发生故障时，上位机的神经网络模块依据训练时建立的径向基函数神经网络的输出作出相应的判断和预判，将故障信息输出至故障诊断结果模块。该实用新型专利技术所描述的实施方式可以很好地克服现有技术存在的采集分析数据量不够丰富，数据处理效率不高，计算过程复杂的技术问题。（*该技术在2020年保护过期，可自由使用*）

【技术实现步骤摘要】

本技术涉及一种故障诊断装置，尤其是一种应用于地铁列车的基于径向基函数神经网络RBFNN (Radial Basis Function Neural Network，径向基函数神经网络)能对故障进行分类处理的故障诊断装置。
技术介绍
随着我国城市轨道交通的快速发展，如何保障地铁列车的安全运营成为越来越紧迫的难点问题。目前我国已经部署了大量的城轨监控系统，在保障运营安全等方面发挥了重要作用。但是现有的技术无法对地铁列车的故障诊断等方面提供理想的解决方案，这也成为了制约我国城市轨道交通继续发展的瓶颈。现有的基于数据融合模式识别的嵌入式故障智能诊断装置，采用神经网络，结合基于数据融合模式识别的传感器群信息，借助多神经网络局部诊断及决策级融合模式识别故障智能诊断机制，实现数据存储、图形显示及数据远程传输的功能，完成故障诊断任务。现有的基于数据融合模式识别的嵌入式故障智能诊断装置，只利用来自传感器的信息，数据量不够丰富。未充分利用如表征地铁列车运行状态的开关量信息等，这些信息往往是准确、快速作出故障诊断所必须的。现有的基于数据融合模式识别的嵌入式故障智能诊断装置，对所有数据进行融合，而不是按功能单元等加以分类，导致效率不高。现有的基于数据融合模式识别的嵌入式故障智能诊断装置，其故障诊断结果模块采用的模型为BP (Back !Propagation，反向传播)模型。尽管该模型研究比较成熟，但算法里有冗长的迭代计算过程，而且容易陷入局部极值。
技术实现思路
本技术提供一种基于神经网络的地铁列车故障诊断装置，该技术可以很好地克服现有技术存在的采集分析数据量不够丰富，数据处理效率不高，计算过程复杂的技术问题，提供一种能够全面收集地铁列车运行状态的相关数据，分类处理后再进行智能分析处理，从而能准确的输出地铁列车发生的故障和将要发生的故障的地铁列车故障诊断装置。本技术提供一种基于神经网络的地铁列车故障诊断装置的具体实施方式，一种基于神经网络的地铁列车故障诊断装置，包括数据采集底层，故障诊断结果模块，下位机和上位机，下位机按照功能单元对来自数据采集底层的地铁列车状态信息数据进行分类采集，并将数据集中后再汇总给上位机，上位机负责接收、处理并存储下位机汇总的地铁列车状态数据，上位机包括数据集合模块和神经网络模块，数据集合模块首先完成对采集到的地铁列车状态信息数据的分类处理；在训练阶段，神经网络模块把分类处理好后的数据作为各个神经网络的训练样本，然后利用训练样本生成地铁列车故障诊断所需的各个神经网络；在应用阶段，下位机不断采集地铁列车的实时数据信息，当地铁列车发生故障或将要发生故障时，上位机的神经网络模块依据在训练阶段建立的神经网络的输出作出相应的判断和预判，并将故障信息结果输出至故障诊断结果模块。作为本技术一种基于神经网络的地铁列车故障诊断装置进一步的实施方式， 神经网络模块为基于径向基函数的神经网络，神经网络模块包括输入层、隐含层和输出层， 隐含层对输入层的激励产生局部化响应，隐含层的特性函数采用非线性的径向基函数，输出层对隐含层的基函数输出进行线性组合。作为本技术一种基于神经网络的地铁列车故障诊断装置进一步的实施方式， 下位机包括采集转换模块、模拟量采集模块、数字量采集模块和总线接口模块，采集转换模块采集地铁列车加装传感器反馈的数据信息；模拟量采集模块采集表征地铁列车运行状态的模拟量信息；数字量采集模块采集表征地铁列车运行状态的数字量信息；总线接口模块采集地铁列车总线上的数据信息。作为本技术一种基于神经网络的地铁列车故障诊断装置进一步的实施方式， 数据集合模块包括系统级数据集合模块、中央控制单元数据集合模块、牵引单元数据集合模块、制动单元数据集合模块和门控单元数据集合模块，数据集合模块将采集到的传感器数据、模拟量数据、数字量数据和地铁列车总线数据按照功能单元分类集合成系统级数据、 中央控制单元数据、牵引单元数据、制动单元数据和门控单元数据。作为本技术一种基于神经网络的地铁列车故障诊断装置进一步的实施方式， 神经网络模块包括系统级径向基函数神经网络、中央控制单元径向基函数神经网络、牵引单元径向基函数神经网络、制动单元径向基函数神经网络和门控单元径向基函数神经网络，系统级径向基函数神经网络与系统级数据集合模块相连，中央控制单元径向基函数神经网络与中央控制单元数据集合模块相连，牵引单元径向基函数神经网络与牵引单元数据集合模块相连，制动单元径向基函数神经网络与制动单元数据集合模块相连，门控单元径向基函数神经网络与门控单元数据集合模块相连。作为本技术一种基于神经网络的地铁列车故障诊断装置进一步的实施方式， 故障诊断结果模块包括系统级故障模块、中央控制单元故障模块、牵引单元故障模块、制动单元故障模块和门控单元故障模块，系统级径向基函数神经网络与系统级数据集合模块相连，中央控制单元径向基函数神经网络与中央控制单元数据集合模块相连，牵引单元径向基函数神经网络与牵引单元数据集合模块相连，制动单元径向基函数神经网络与制动单元数据集合模块相连，门控单元径向基函数神经网络与门控单元数据集合模块相连。故障诊断结果模块进一步为外接的显示模块或者是短信提示模块。通过应用本技术实施方式所描述的一种基于神经网络的地铁列车故障诊断装置，利用了基于径向基函数神经网络快速收敛、运算量小和非线性逼近能力强的特点，能够全面收集地铁列车运行状态的相关数据，分类处理后再作为神经网络的输入。由于引入了径向基函数神经网络，从而可以对发生的故障和将要发生的故障作出准确的判断和预测。数据信息量更加丰富，故障诊断更加准确。数据信息通过分类处理后，故障诊断的效率得到了进一步提高。采用“底层传感器一下位机一上位机”的层次化结构，使得系统更加结构清晰。附图说明为了更清楚地说明本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技术的一些实施例，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，还可以根据这些附图获得其他的附图。图1为本技术一种基于神经网络的地铁列车故障诊断装置的结构原理框图；图2为本技术一种基于神经网络的地铁列车故障诊断装置的系统结构框图；图3为本技术一种基于神经网络的地铁列车故障诊断装置的上位机软件流程图；图4为本技术一种基于神经网络的地铁列车故障诊断装置的径向基函数神经网络的基本结构示意图；其中，1-数据采集底层，2-数据集合模块，3-神经网络模块，4-故障诊断结果模块，5-下位机，6-上位机，7-输入层，8-隐含层，9-输出层。具体实施方式下面将结合本技术实施例中的附图，对本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技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。作为本技术一种基于神经网络的地铁列车故障诊断装置的具体实施方式，如图2所示，基于神经网络的地铁列车故障诊断装置包括数据采集底层1，故障诊断结果模块 4，下位机5和上位机6，数据采集底层1包本文档来自技高网...

【技术保护点】
１．一种基于神经网络的地铁列车故障诊断装置，其特征在于：包括数据采集底层（１），故障诊断结果模块（４），下位机（５）和上位机（６），下位机（５）按照功能单元对来自数据采集底层（１）的地铁列车状态信息数据进行分类采集，并将数据集中后再汇总给上位机（６），上位机（６）负责接收、处理并存储下位机（５）汇总的地铁列车状态数据，上位机（６）包括数据集合模块（２）和神经网络模块（３），数据集合模块（２）首先完成对采集到的地铁列车状态信息数据的分类处理；在训练阶段，神经网络模块（３）把分类处理好后的数据作为各个神经网络的训练样本，然后利用训练样本生成地铁列车故障诊断所需的各个神经网络；在应用阶段，下位机（５）不断采集地铁列车的实时数据信息，当地铁列车发生故障或将要发生故障时，上位机（６）的神经网络模块（３）依据在训练阶段建立的神经网络的输出作出相应的判断和预判，并将故障信息结果输出至故障诊断结果模块（４）。

【技术特征摘要】

【专利技术属性】
技术研发人员：邓亚波，王方程，沈涛，周迥，单晟，陈建校，杜庆，刘黎明，
申请(专利权)人：株洲南车时代电气股份有限公司，上海申通轨道交通研究咨询有限公司，
类型：实用新型
国别省市：43