一种诊断列车空调机组故障的方法
【技术领域】
[0001] 本发明属于列车空调机组故障诊断方法技术领域，涉及一种诊断列车空调机组故 障的方法。
【背景技术】
[0002] 随着现代社会旅客列车的高速发展，带动了列车空调机组在旅客列车上的应用。
[0003] 旅客列车的密封性比较好，这直接导致了车厢内空气的流通性差，特别是在春运 高峰期，列车中人员密度更大，这就需要列车空调能长期的、无故障的工作。但是，列车空 调机组长期运行在特殊条件下，如：列车高速运行时的较强震动、车外变化较大的空气状态 下，列车空调机组更容易出现故障，直接导致空调性能的下降。因此，列车空调机组的故障 的精确诊断有着十分重要的现实意义。
[0004] 近几年，随着计算机技术的高速发展，列车空调系统故障能结合实时监控的机组 数据，进行很好的故障识别和诊断，并且在故障发生时能及时诊断并给出解决方案，大大提 高了列车空调的使用效率。
[0005] 研究人员罗浩提出的支持向量机的方法进行列车空调的故障诊断，为实际工程应 用起到了一些借鉴和指引作用，并对故障诊断中采用支持向量机算法的可行性做出了一定 的判断。但是，支持向量机有限的诊断精度成为列车空调机组故障诊断的瓶颈。
[0006] 基于以上认识，开发出一个可行的、精度更高的算法来改进列车空调机组故障诊 断问题显得尤为重要。
【发明内容】
[0007] 本发明的目的在于提供一种诊断列车空调机组故障的方法，能准确的对列车空调 机组故障进行诊断。
[0008] 本发明所采用的技术方案是，一种诊断列车空调机组故障的方法，具体按照以下 步骤实施：
[0009] 步骤1、根据列车空调制冷系统工作原理及常见制冷空调故障，确定出列车空调机 组的主要故障类型，并构建列车空调制冷系统故障诊断模型；
[0010] 步骤2、根据步骤1构建好的列车空调制冷系统故障诊断模型进行数据采集和人 工标注，并获取训练样本集合；
[0011] 步骤3、选择并确定先验知识；
[0012] 步骤4、选择核函数；
[0013] 步骤5、采用基于先验知识的I - V - k的多种故障诊断算法，针对k类分类共构造 出k个PKSVM分类器，最终构造出列车空调机组故障诊断模；
[0014] 步骤6、利用步骤5得到的列车空调机组故障诊断模型来诊断列车空调的运行状 ??τ O
[0015] 本发明的特点还在于：
[0016] 步骤1中列车空调机组的主要故障类型如下：
[0017] 制冷剂泄露、蒸发器污垢、冷凝器污垢、有不凝性气体和压缩机停机；
[0018] 在出现不同的故障时，列车空调机组的运行参数变化幅度不同，经数据分析，得到 列车空调机组正常和各故障状态对应的判断参数对各故障的变化特征对应表；
[0019] 选择特征向量Xi = {:压缩机吸气压力，压缩机排气压力，压缩机吸气温度，压缩机 排气温度，机组实际制冷量}作为列车空调制冷系统故障诊断模型的输入。
[0020] 步骤2具体按照以下步骤实施：
[0021] 步骤2. 1、在列车空调机组上设置多处采集测点，在模拟制冷剂泄露、蒸发器污垢、 冷凝器污垢、有不凝性气体和压缩机停机五种故障和正常运行工况下，进行数据采集；
[0022] 采集的数据主要分为温度参数、压力参数和湿度参数三类共9个参数，具体如下：
[0023] 温度参数4个：列车空调机组进口空气干球温度，列车空调机组出口空气干球温 度，压缩机吸气温度，压缩机排气温度；
[0024] 压力参数3个：压缩机吸气压力，压缩机排气压力，列车空调机组出口压差；
[0025] 湿度参数2个：列车空调机组进口空气相对湿度，列车空调机组出口空气相对湿 度；
[0026] 步骤2. 2、将步骤2. 1中设置的所有采集测点的名称、代号、传感器类型和安装位 置进行列表，并获取以下数据：
[0027] 压缩机吸气压力和排气压力分别由压缩机进口压力和压缩机出口压力测点获 得；
[0028] 压缩机吸气温度和压缩机排气温度分别由压缩机进口温度和压缩机出口温度测 点获得；
[0029] 列车空调机组进口空气干球温度、列车空调机组进口空气相对湿度、列车空调机 组出口空气干球温度和列车空调机组出口空气相对湿度分别由列车空调机组进口空气温 度、列车空调机组进口空气湿度、列车空调机组出口空气温度、列车空调机组出口空气湿度 测点获得；
[0030] 列车空调机组出口压差由风道压差测点获得；
[0031] 步骤2. 3、基于步骤2. 1和步骤2. 2结合的数据采集方案，采集列车空调机组在 以上五种故障工况和正常运行工况下各测点的值，并由列车空调机组进口空气温度、列车 空调机组进口空气湿度计算出列车空调机组进口空气的焓值，由列车空调机组出口空气温 度、列车空调机组出口空气湿度计算出出口空气的焓值；进而用空气进、出口焓值及空气风 量计算出空调机组的实际制冷量，从而得到形如特征向量Xi ={压缩机吸气压力，压缩机 排气压力，压缩机吸气温度，压缩机排气温度，机组实际制冷量}的样本数据，并人工标注 故障类型标号Yi= {1，2,3,4,5,6}，分别代表六种类型￥丨={正常运行工况，制冷剂泄露， 蒸发器污垢，冷凝器污垢，有不凝性气体，压缩机停机}。
[0032] 步骤3具体按照以下方法实施：
[0033] 依据列车空调机组实际正常运行数据与多种故障运行数据的分布特征，构建形式 为：的多组先验知识；
[0034] 在数据样本A中选择前k行数据用来构造一个5维的球体，这个5维的球体将这 k行的数据样本包含在球内，以此作为先验知识，剩余的m-k行数据作为训练样本。
[0035] 步骤4中的核函数采用的是高斯核函数，具体如下：
[0036]
.
[0037] 其中，X和z为输入特征向量。
[0038] 步骤5具体按照以下步骤实施：
[0039] 在构造 k个分类器中的第i个分类器时，将第i类训练样本作为一类，类别号为yi =1 ;其余的样本作为一类，类别号为yi = -1，然后将分好的第i类的数据从样本中去除， 进行第i+ι次分类；
[0040] 具体按照以下步骤获得第i个分类器：
[0041] 步骤a、利用步骤3的先验知识构建临近非线性核分类问题的等式约束；
[0042] 由步骤3得到的先验知识为：
[0043] 对于一部分已知的X，利用g(x)彡0指定了一个5维的球体，当在其中时，X属 于+1类，其中，
，X。为圆心，r为半径；接着用g(x) + = max {g (X)，0}替换 g (X)彡 0 ;
[0044] 则先验知识表达为如下形式：
[0045]
[0046] 经过推导，式（1)等价于线性等式（2)，具体如下
[0047]
[0048] 线性等式（2)就是等式约束；
[0049] 步骤b、将线性等式（2)加入到PSVM的线性问题公式（3)中，得到线性问题，如式 ⑷；
为一个r维向量函数，V e 为一个r维向量，D为mXm的方阵，
[0051]
CN 105160345 A m ~P 4/20 页
[0052]
[0053] 步骤c、求解步骤b中涉及的式⑷的线性规划问题，得到如下形式：
[0056] 步骤d、经步骤c后，得到基于PKSVM的第i个分类器为仁⑴=K1UB' )U1-Y1; [0057] 利用上述四个小步骤，就能够得到其它五个分类器；得到的六个分类器就构成了 列车空调机组故障诊断模型。
[0058] 步骤6具体按照以下步骤实施：
[0059] 利用步骤5得到的列车空调机组故障诊断模型来诊断列车空调的的运行状态，诊 断状态包括：正常运行工况、制冷剂泄露、蒸发器污垢、冷凝器污垢、有不凝性气体和压缩机 停机故障，具体步骤如下：
[0060] 步骤6. 1、利用步骤2中采集到列车空调在六种工况下各测点的值，并由列车空调 机组进口空气温度、进列车空调机组口空气湿度计算出列车空调机组进口空气的焓值； [0061] 由列车空调机组出口空气温度、列车空调机组出口空气湿度计算出出口空气的焓 值；
[0062] 进而用空气进、出口焓值及空气风量计算出列车空调机组的实际制冷量，从而得 到形如特征向量Xi ={压缩机吸气压力，压缩机排气压力，压缩机吸气温度，压缩机排气温 度，机组实际制冷量}的数据；
[0063] 步骤6. 2、将步骤6. 1得到的数据作为列车空调机组故障诊断模型的输入矩阵；
[0064] 列车空调机组故障诊断模型即步骤5得到六个PKSVM分类器模型，经列车空调机 组故障诊断模型诊断得到列车空调机组属于六种工况中的哪一种；
[0065] 用故障类型标号Yi = {1，2,3,4,5,6}表示，分别代表六种工况类型Yi = {正常 运行工况，制冷剂泄露，蒸发器污垢，冷凝器污垢，有不凝性气体，压缩机停机};
[0066] 将