一种轨道交通润滑油脂老化寿命评估系统及方法与流程

摘要: 本发明涉及老化测试,具体涉及一种轨道交通润滑油脂老化寿命评估系统及方法。背景技术:1、轨道交通车辆作为高密度、大运量的公共交通载体,其关键摩擦副的润滑状态直接关...
一种轨道交通润滑油脂老化寿命评估系统及方法与流程

本发明涉及老化测试,具体涉及一种轨道交通润滑油脂老化寿命评估系统及方法。

背景技术:

1、轨道交通车辆作为高密度、大运量的公共交通载体,其关键摩擦副的润滑状态直接关系到列车运行的安全性与可靠性;润滑油脂在长期服役过程中,受机械剪切、热氧化及金属催化等多重因素耦合作用,会逐渐发生理化性能退化,导致润滑失效甚至引发摩擦副损伤;因此,准确评估润滑油脂的老化寿命并预测剩余有效使用周期,是实现轨道交通装备视情维护、降低运维成本的核心技术环节;在现有技术中,润滑油脂老化评估方法主要分为两类:一类是基于离线理化检测的传统方法,通过定期取样测定酸值、粘度、介电常数等指标来判断油脂状态,但该方法存在采样周期长、无法反映实时工况变化、滞后性明显等缺陷;另一类是基于在线监测数据的驱动型方法,利用振动、温度或单一油液传感器数据结合机器学习模型进行寿命预测。

2、然而,现有在线评估方案仍存在以下不足:首先,多数方法仅依赖单一模态传感信息,难以同时捕捉油脂机械磨损与化学氧化的耦合退化机制,特征表征能力有限;其次,轨道交通运行工况复杂多变,载荷频繁交变导致老化进程呈现强非平稳特性,现有方法多采用固定时间窗或等速区间划分稳态片段,无法自适应识别真实工况边界,易将瞬态冲击干扰误判为老化演化信号;再次,跨工况切换过程中的疲劳累积效应对油脂寿命的影响尚未被有效建模,简单叠加各工况下的老化特征忽略了工况间应力传递的非线性补偿关系;最后,在小样本标注数据条件下,纯数据驱动模型易过拟合,而物理模型与数据模型的协同训练缺乏稳定的参数更新策略,导致泛化性能不佳。

技术实现思路

1、为解决上述技术问题,提供一种轨道交通润滑油脂老化寿命评估系统及方法,本技术方案解决了上述的问题。

2、为达到以上目的,本发明采用的技术方案为:

3、一种轨道交通润滑油脂老化寿命评估系统及方法,包括:

4、一种轨道交通润滑油脂老化寿命评估方法,其特征在于,方法包括:

5、获取轨道交通摩擦副的声发射原始波形流、油液介电谱时序数据及牵引电机转速-转矩工况图谱;

6、对声发射原始波形流执行小波包能量谱分解,提取表征油脂膜厚退化的高频能量占比与表征磨粒冲击的低频脉冲计数,构建声学劣化指纹向量;

7、基于油液介电谱时序数据计算复介电常数虚部增量与实部漂移率的比值,得到氧化极性因子;

8、将声学劣化指纹向量与氧化极性因子在特征空间执行正交投影融合,生成油脂多维老化状态张量;

9、解析牵引电机转速-转矩工况图谱中的载荷突变沿,以相邻载荷突变沿为边界将连续运行时段切割为多个稳态工况片段;

10、针对每个稳态工况片段,计算该稳态工况片段内油脂多维老化状态张量的时序波动熵,剔除时序波动熵超过预设非平稳阈值的稳态工况片段,保留有效老化演化子序列;

11、对有效老化演化子序列执行自适应时间尺度卷积操作,提取油脂本征老化动力学特征;

12、基于牵引电机转速-转矩工况图谱中各稳态工况片段的持续时间与平均载荷水平,通过可微疲劳损伤累积网络计算跨工况应力补偿系数;

13、利用跨工况应力补偿系数对油脂本征老化动力学特征执行门控残差修正,得到全局老化状态表征向量;

14、将全局老化状态表征向量输入至剩余寿命预测网络,输出润滑油脂的剩余有效寿命及老化等级;剩余寿命预测网络包括特征编码器和全连接输出层。

15、进一步的,构建声学劣化指纹向量,包括:

16、对声发射原始波形流执行多层小波包分解,得到各频带的小波系数矩阵;

17、计算各频带小波系数的能量值,将高频段能量总和与全频带能量总和的比值确定为高频能量占比;

18、对低频段小波系数执行峰值检测,统计单位时间内超过预设幅值阈值的脉冲数量,确定为低频脉冲计数;

19、将高频能量占比与低频脉冲计数拼接为二维向量,经标准化处理后得到声学劣化指纹向量。

20、进一步的,生成油脂多维老化状态张量,包括:

21、将声学劣化指纹向量映射至第一特征子空间,将氧化极性因子映射至第二特征子空间,第一特征子空间与第二特征子空间维度相同且相互正交;

22、在第一特征子空间中提取声学劣化指纹向量的主成分特征向量,在第二特征子空间中提取氧化极性因子的主成分特征向量;

23、将声学劣化指纹向量的主成分特征向量与氧化极性因子的主成分特征向量的对应元素按预设耦合权重执行加权组合,生成油脂多维老化状态张量。

24、进一步的,提取油脂本征老化动力学特征,包括:

25、确定有效老化演化子序列的平均采样间隔,根据平均采样间隔动态设定卷积核的时间跨度;

26、利用具有时间跨度的卷积核对构成有效老化演化子序列的油脂多维老化状态张量时序序列执行一维卷积操作,生成中间特征序列;

27、对中间特征序列执行层归一化与非线性激活处理,得到油脂本征老化动力学特征。

28、进一步的,利用跨工况应力补偿系数对油脂本征老化动力学特征执行门控残差修正,得到全局老化状态表征向量,包括:

29、将跨工况应力补偿系数通过sigmoid函数映射为零至一之间的门控值;

30、将油脂本征老化动力学特征与门控值逐元素相乘,得到应力调制特征;

31、将应力调制特征与油脂本征老化动力学特征逐元素相加,生成残差特征张量;

32、对残差特征张量执行批量归一化操作,得到全局老化状态表征向量。

33、进一步的,在获取轨道交通摩擦副的声发射原始波形流之前,还包括:

34、监测声发射传感器与介电谱传感器的信号信噪比;

35、当任一传感器的信号信噪比连续多个采样周期低于预设信噪比阈值时,标记该传感器为异常状态;

36、在后续数据处理中,对异常状态传感器采集的数据赋予零权重或采用相邻正常传感器数据进行插值替代。

37、进一步的,在输出润滑油脂的剩余有效寿命及老化等级之后,还包括:

38、提取润滑油脂的实际失效时间点或换油时间点作为真实标签;

39、计算剩余寿命预测网络输出的预测分布与真实标签之间的负对数似然损失;

40、基于全局老化状态表征向量的模长对负对数似然损失执行样本级加权,确定目标损失函数数值;

41、基于目标损失函数数值更新剩余寿命预测网络的参数;

42、监测训练过程中跨工况应力补偿系数的梯度范数;

43、当梯度范数连续多个迭代周期低于预设梯度下限时,冻结可微疲劳损伤累积网络的参数,仅微调剩余寿命预测网络的全连接输出层参数。

44、进一步的,在输出润滑油脂的剩余有效寿命及老化等级之后,还包括:

45、根据老化等级匹配预设维护策略模板;

46、将剩余有效寿命、老化等级及预设维护策略模板封装为结构化维护建议报文;

47、将结构化维护建议报文推送至轨道交通智能运维平台,触发对应级别的维护工单自动生成流程。

48、进一步的,在基于目标损失函数数值更新剩余寿命预测网络的参数之前,还包括:

49、定义覆盖不同线路条件、不同季节温度及不同载客率水平的工况描述模板;

50、利用预训练语言模型基于工况描述模板生成多样化虚拟工况文本;

51、基于虚拟工况文本驱动物理仿真引擎生成包含模拟声发射波形、模拟介电谱数据及对应老化标签的合成数据对;

52、将合成数据对与现场采集的真实数据对按比例混合,构建混合训练数据集;

53、在参数更新过程中,采用交替采样策略从混合训练数据集中抽取批次数据执行梯度下降优化。

54、进一步的,实现如上所述的轨道交通润滑油脂老化寿命评估方法,包括:

55、多源感知数据获取模块,用于获取轨道交通摩擦副的声发射原始波形流、油液介电谱时序数据及牵引电机转速-转矩工况图谱;

56、声学劣化指纹构建模块,用于对声发射原始波形流执行小波包能量谱分解,提取高频能量占比与低频脉冲计数,构建声学劣化指纹向量;

57、氧化极性因子计算模块,用于基于油液介电谱时序数据计算复介电常数虚部增量与实部漂移率的比值,得到氧化极性因子;

58、多维老化状态张量生成模块,用于将声学劣化指纹向量与氧化极性因子在特征空间执行正交投影融合,生成油脂多维老化状态张量;

59、稳态工况片段划分模块,用于解析牵引电机转速-转矩工况图谱中的载荷突变沿,切割得到多个稳态工况片段;

60、有效老化演化子序列筛选模块,用于计算各稳态工况片段对应的油脂多维老化状态张量的时序波动熵,剔除超限片段,保留有效老化演化子序列;

61、本征老化特征提取模块,用于对有效老化演化子序列执行自适应时间尺度卷积操作,提取油脂本征老化动力学特征;

62、跨工况应力补偿计算模块,用于基于各稳态工况片段的持续时间与平均载荷水平,通过可微疲劳损伤累积网络计算跨工况应力补偿系数;

63、全局状态表征生成模块,用于利用跨工况应力补偿系数对油脂本征老化动力学特征执行门控残差修正,得到全局老化状态表征向量;

64、寿命预测与输出模块,用于将全局老化状态表征向量输入至剩余寿命预测网络,输出润滑油脂的剩余有效寿命及老化等级。

65、与现有技术相比,本发明的有益效果在于:

66、1.本发明通过声发射小波包能量谱分解提取膜厚退化与磨粒冲击的声学劣化指纹,同时基于介电谱复介电常数虚实部比值量化氧化极性因子,并在相互正交的特征子空间内执行投影融合生成多维老化状态张量。该机制从机械磨损与化学氧化两个独立物理维度构建特征表示,避免了同源信息冗余导致的特征坍塌问题,使老化状态表征能够全面反映油脂多机理耦合退化的真实演化轨迹;

67、2.本发明以牵引电机转速-转矩图谱中的载荷突变沿为自然边界切割稳态工况片段,摒弃了固定时间窗的人为假设,确保每个片段对应真实的力学稳态过程;进一步引入时序波动熵作为非平稳性度量,自动剔除受瞬态冲击干扰的异常片段,仅保留有效老化演化子序列用于后续特征提取。该策略从根本上消除了工况切换瞬态对老化趋势特征的污染,显著提升了本征老化动力学特征的纯净度与可信度;本发明通过可微疲劳损伤累积网络计算跨工况应力补偿系数,并经sigmoid门控后与本征老化动力学特征执行残差连接生成全局老化状态表征向量;该架构使网络能够自适应学习不同工况切换强度对老化进程的加速或抑制效应,而非对各工况特征进行简单线性叠加,有效解决了变工况条件下老化演化非线性累积的建模难题,提高了剩余寿命预测在复杂运行谱下的准确性。

68、3.本发明在训练过程中监测跨工况应力补偿系数的梯度范数,当其收敛至稳定区间时自动冻结可微疲劳损伤累积网络参数、仅微调全连接输出层,防止已学到的物理机理知识被后期噪声数据破坏;同时利用预训练语言模型生成多样化虚拟工况文本驱动物理仿真引擎产出合成数据对,与真实标注数据交替混合训练。该策略既保障了物理约束的稳定性,又通过数据增强扩充了工况覆盖范围,显著提升了模型在有限实测样本条件下的泛化能力与工程实用性。