基于深度学习的机车故障远程诊断方法及系统与流程

摘要: 本发明涉及机车智能控制,具体涉及基于深度学习的机车故障远程诊断方法及系统。背景技术:1、机车走行部运行状态通常通过振动、转速、电流和温度等多源信号进行监测,车载...
基于深度学习的机车故障远程诊断方法及系统与流程

本发明涉及机车智能控制,具体涉及基于深度学习的机车故障远程诊断方法及系统。

背景技术:

1、机车走行部运行状态通常通过振动、转速、电流和温度等多源信号进行监测,车载设备对各信号进行采集后,经移动通信链路发送至远端处理设备,由远端处理设备完成数据汇集、特征分析和故障类别判断。为覆盖不同部件和不同运行工况,现有远程诊断过程常将多个采集通道在时间轴上进行拼接或对齐,再将对齐后的数据输入诊断模型,以获得供报警和检修使用的分析结果。

2、机车运行过程中,隧道遮挡、站场切换及沿线覆盖波动可能造成车地链路丢包或到达时延;不同采集通道的采样率、缓存批次和重传时机存在差异时,按照数据包到达顺序进行拼接,容易使多个通道对应于不同机械循环。采用一般插值补足缺失数据也可能改变相位相关冲击在机械循环中的位置,使诊断模型把通信异常形成的数据变化作为故障特征,因而增加误判或漏判的可能;当链路状态随运行区段变化时,同一诊断会话内的数据完整程度也会波动,难以保持多源信号在车轴机械相位上的一致性。

技术实现思路

1、本发明提供基于深度学习的机车故障远程诊断方法及系统,以解决如何降低车地链路异常引起的多源相位错位对机车走行部远程诊断的影响的技术问题。

2、本发明提供了基于深度学习的机车故障远程诊断方法,应用于包括车载采集网关和远程诊断控制器的机车走行部远程诊断,包括:

3、车载采集网关同步采集振动加速度、车轴转速、牵引电流和轴承温度,并记录采样时刻;

4、依据车轴转速和采样时刻确定累计相位,按车轴机械相位对采集数据进行重采样,形成相位帧并发送至远程诊断控制器;

5、远程诊断控制器依据接收数据生成相位帧的完整性掩码,确定缺失相位点并向车载采集网关发送补采指令,将接收的补采数据写入相位帧;

6、依据相同机械相位以及车轴转速和牵引电流工况,从历史相位帧中重构补采后仍缺失的相位点,得到重构相位帧,将重构相位帧和完整性掩码输入已训练的双输入深度学习模型,获得故障概率;

7、依据故障概率生成诊断结果,并发送至机车显示终端和地面检修终端。

8、本发明提供了基于深度学习的机车故障远程诊断系统,包括:

9、同步采集记录模块,车载采集网关同步采集振动加速度、车轴转速、牵引电流和轴承温度,并记录采样时刻;

10、相位重采样模块,依据车轴转速和采样时刻确定累计相位,按车轴机械相位对采集数据进行重采样,形成相位帧并发送至远程诊断控制器;

11、缺失补采模块,远程诊断控制器依据接收数据生成相位帧的完整性掩码,确定缺失相位点并向车载采集网关发送补采指令,将接收的补采数据写入相位帧;

12、相位重构推理模块,依据相同机械相位以及车轴转速和牵引电流工况,从历史相位帧中重构补采后仍缺失的相位点,得到重构相位帧,将重构相位帧和完整性掩码输入已训练的双输入深度学习模型,获得故障概率;

13、诊断结果发送模块,依据故障概率生成诊断结果,并发送至机车显示终端和地面检修终端。

14、本发明提供的基于深度学习的机车故障远程诊断方法及系统,以同一硬件采样时钟建立多源信号的共同采样基准,并依据累计相位把采集数据转换为按车轴机械相位排列的相位帧,使通信到达时刻不参与物理相位定位;完整性掩码保留各相位位置的实测或重构状态,补采指令先在相同车轴机械相位及相近工况下取得补采数据,对仍缺失的位置再利用同相候选集和相似权重形成同相位加权重构值;双输入深度学习模型同时接收重构相位帧和完整性掩码,对重构位置的特征响应进行门控,并融合连续相位帧,由此减小丢包和到达时延造成的多源相位错位影响,提升不同车轴转速和牵引电流工况下远程诊断结果的一致性。

1.基于深度学习的机车故障远程诊断方法,应用于包括车载采集网关和远程诊断控制器的机车走行部远程诊断,其特征在于,所述方法包括:

2.根据权利要求1所述的基于深度学习的机车故障远程诊断方法,其特征在于,所述同步采集振动加速度、车轴转速、牵引电流和轴承温度,并记录采样时刻,包括:

3.根据权利要求1所述的基于深度学习的机车故障远程诊断方法,其特征在于,所述依据车轴转速和采样时刻确定累计相位,包括:

4.根据权利要求1所述的基于深度学习的机车故障远程诊断方法,其特征在于,所述按车轴机械相位对采集数据进行重采样,形成相位帧并发送至远程诊断控制器,包括:

5.根据权利要求1所述的基于深度学习的机车故障远程诊断方法,其特征在于,所述生成相位帧的完整性掩码,确定缺失相位点并向车载采集网关发送补采指令,包括:

6.根据权利要求1所述的基于深度学习的机车故障远程诊断方法,其特征在于,所述将接收的补采数据写入相位帧,包括:

7.根据权利要求1所述的基于深度学习的机车故障远程诊断方法,其特征在于,所述从历史相位帧中重构补采后仍缺失的相位点,得到重构相位帧,包括:

8.根据权利要求1所述的基于深度学习的机车故障远程诊断方法,其特征在于,所述将重构相位帧和完整性掩码输入已训练的双输入深度学习模型,获得故障概率,包括:

9.根据权利要求1所述的基于深度学习的机车故障远程诊断方法,其特征在于,所述依据故障概率生成诊断结果,并发送至机车显示终端和地面检修终端,包括:

10.基于深度学习的机车故障远程诊断系统,其特征在于,执行如权利要求1到9任一项所述的基于深度学习的机车故障远程诊断方法,包括: