基于数据融合模式识别的嵌入式故障智能诊断装置及方法

文档序号:7655952阅读:215来源:国知局
专利名称:基于数据融合模式识别的嵌入式故障智能诊断装置及方法
技术领域
本发明属于轨道交通故障智能诊断技术领域,特别涉及一种基于数据融合模 式识别的嵌入式故障智能诊断装置及方法。特别是适用于关键设备众多,结构复 杂的轨道交通列车(包括安全疏散门、车门、走行部、牵引系统、制动系统和车 载信号系统等),干扰信号复杂的故障诊断系统。
背景技术
国内外事故统计分析表明车辆、信号、轨道及供电系统等是引发轨道交通 事故的关键装备,尤其以关乎乘客生命安全的车辆更是重中之重。车辆由众多关 键设备(安全疏散门、车门、走行部、牵引系统、制动系统和车载信号系统等) 组成,故障后的危害性最大。这一危害性在城市轨道交通中尤为突出。尽管我国 城市轨道交通已经部署了大量的监控系统,在保障运营安全方面发挥了重要作 用。但是,由于缺乏对车辆等关键装备的一体化实时监控、故障诊断、隐患预警、 维修和应急决策支持技术,导致无法为运营提供有效的安全保障。已成为制约我 国城市轨道交通发展和效率提高的瓶颈,是提高运营效率及安全保障必须解决的 难点问题。
70年代初,美国的军事机构就开始研究数据的自动化综合处理,1973年, 美国防部资助开发了声呐信号理解系统,数据融合技术在该系统中得到了最早的 体现。此后,数据融合技术蓬勃发展,不仅在<:31系统中尽可能采用多种传感器 来收集信息,而且在工业控制和管理等领域也朝着多传感器的方向发展。
近20年来,信息融合技术越来越受到人们的普遍关注。西方发达国家相当 重视信息融合技术,其研究与应用发展十分迅速,正从概念论证走向开发应用。 1937年以来,美国国会一直将其列为对美国国防具有重要影响的21项关键技术 之一,并在信息融合技术研究方面投入巨资。 一些采用信息融合技术的军事系统 也相继研制成功。信息融合另外一个有成就的研究和应用领域是智能机器人,智 能机器人需要依靠本身的传感器系统综合信息、识别环境作出决策。
而将信息融合技术应用于轨道交通故障诊断领域成为r一种趋势。在故障诊
断中应该充分利用各种信息,而不应仅局限于一种信息。因为从诊断学角度来看, 任何一种诊断信息都是模糊的、不精确的。任何一种诊断对象,单用一方面信息 来反映其状态行为都是不完整的,只有从多方面获得关于同一对象的多维信息, 并加以融合利用,才能对设备进行更可靠更准确的诊断。

发明内容
本发明的目的在于提供一种基于数据融合模式识别的嵌入式故障智能诊断 装置及方法。
所述基于数据融合模式识别的嵌入式故障智能诊断装置包括硬件结构和软 件结构组成;
硬件结构包括数据采集模块和嵌入式模块。数据采集模块负责完成数据采
集、信号处理的任务,1 n个信号釆集单元通过CAN总线接口和中心处理单元
PC104连接,信号采集单元直接安装固定在列车关键设备的主要部位上,完成传 感器的故障诊断、标定和校准,列车设备工作状态参数采集、信号的特征提取和 CAN总线通讯;中心处理单元是采用PC104总线的嵌入式PC,中心处理单元位于设 备的监测中心,分别和液晶显示、键盘及存贮设备、CAN接口、适配卡连接,画通 过网络与远程服务器通讯,主要完成采集信号的处理、工作状态的判断与报警, 以及故障诊断工作。
所述软件结构采用模块化设计,具有据预处理、历史数据网络训练,网络知 识库进行网络推理,故障解释功能,主要包括监测数据库、监测报警模块、故障 诊断模块、CAN通讯模块及网络通讯模块通过数据库管理模块与故障诊断模块通 讯。
所述PC104是一种专门为嵌入式控制而定义的工业控制总线,实质上是一 种紧凑型的IEEE—P996标准,其信号定义和PC/AT基本一致,但电气和机械规范却 完全不同,是一种优化的、小型、堆栈式结构的嵌入式系统,有极好的抗振性。 PC104嵌入式计算机模块系列是一整套低成本、高可靠性、能迅速配置成产品的
结构化模块。满足了系统抗振性和可靠性的要求。
所述信号采集单元包括传感器、信号调理、AD转换、DSP(或MCU)、数字量 输入模块、FLASH存贮器。
所述监测报警模块根据具体工作状态恶劣程度的不同将报警分为3级。l级报 警只是提醒注意,在这种情况下设备还能工作一段时间;2级报警要求密切注 视故障的发展,但不需立即处理;3级报警对这级报警,应立即进行应急处理。
所述网络推理,故障解释是靠多神经网络诊断模块实现,该模块包括三大模 块:数据级融合模块、特征级并行多神经网络局部诊断模块及决策级融合诊断模 块,是基于数据融合模式识别故障智能诊断机制,利用数据在不同层次(或级别) 上的融合来进行故障诊断。为进行故障诊断,所需要的主要参数通过多传感器从 试验台架上监测获得,经过D/A及A/D转换变换为数字信号输入到计算机中进行系 统的监测及诊断。在特征级上采用3个结构相同的并行BP (back propagation) 神经网络。故障诊断模块工作时,将监测数据库的下位机采集的数据取出并进行 预处理,作为神经网络的输入量,神经网络的输出量代表故障诊断的结果。
所述基于数据融合模式识别的嵌入式故障智能诊断方法,其特征在于,所述 嵌入式故障智能诊断是采用高速的DSP微处理器,借助其高速数据处理的多级缓 冲和流水线机制,组成一种分布式监测处理系统,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 制实现故障决策融合方法,步骤如下
1) 数据采集并存入数据库;
2) 从数据库读取特征数据;
3) 判断特征提取是否完成,如果未完成,则返回步骤2;如果完成,则执行
歩骤4;
4) 将读取的特征数据送入神经网络,进行多神经网络进行训练、推理、故 障定位;
5) 读取读取训练好的网络连接权值,进行计算网络输出;
6) 对任意两个神经网络输出进行融合计算;
7) 将融合结果与第3个网络进行融合;
8) 对步骤7融合诊断结果进行判断,是否继续诊断,如果是,则返回步骤1,
重复步骤1 7,否则结束。
所述多神经网络局部诊断采用最基本的三层BP算法,决策级将BP网络的局部 诊断结果进行融合。
所述基于数据融合即上、下位机两级微机结构。其中,下位机是数据采集模 块负责完成数据采集、信号处理的任务,包括采集传感器的输出信号和传感器数 据的预处理;而上位机为嵌入式中心处理单元,实现数据存储、图形显示及数据 远程传输的功能。另外,采用先进的嵌入式系统结构,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
本发明提出的基于数据融合模式识别嵌入式故障智能诊断技术具有很好的 扩展性,非常适合大规模分布式系统,及监测关键设备众多的列车安全应用中, 进行实时了解和掌握各设备运行过程中的状态,对各方面的信息综合分析和处 理,克服目前故障诊断过程中存在的片面性和不确定性,从而建立故障诊断的基 于数据融合模式识别的传感器群信息融合模型,并实现故障决策融合方法,保证 得到更全面、更准确的故障诊断信息,早期发现故障,查明原因,提高设备工作 的安全性和可靠性,改善设备运行状况,最大限度地提高设备的使用效率,保证 列车关键装备工作的安全性和可靠性,最大限度地提高运营效率和安全保障。


图l是本发明的硬件结构图; 图2是本发明的软件结构图; 图3是本发明软件程序流程图4是故障诊断模块基于数据融合方法的诊断系统结构图5是诊断程序流程图。
具体实施方式
.
基于数据融合模式识别轨道交通列车嵌入式故障智能诊断装置包括硬件和 软件,硬件和软件均采用功能模块化设计,硬件结构如图l所示,包括数据釆集模
块和嵌入式模块。由信号采集单元和中心处理单元组成,其中信号采集单元包括
传感器、信号调理、AD转换、DSP(或MCU)、数字量输入模块、FLASH存贮器和CAN 总线接口。信号采集单元直接安装固定在列车关键设备各主要部位上,完成传感 器的故障诊断、标定和校准,列车设备工作状态参数采集、信号的特征提取和CAN 总线通讯。中心处理单元采用PC104总线的嵌入式PC, PC104是一种专门为嵌入 式控制而定义的工业控制总线,实质上是一种紧凑型的IEEE—P996标准,其信号 定义和PC/AT基本一致,但电气和机械规范却完全不同,是一种优化的、小型、堆 栈式结构的嵌入式系统,有极好的抗振性。PC104嵌入式计算机模块系列是一整 套低成本、高可靠性、能迅速配置成产品的结构化模块。满足了系统抗振性和可 靠性的要求。中心处理单元位于设备的监测中心,主要完成采集信号的处理、工 作状态的判断与报警,以及故障诊断等工作。
故障诊断装置采用高速的DSP微处理器,借助其高速数据处理的多级缓冲和 流水线机制,组成一种分布式监测处理系统,即上、下位机两级微机结构。其中, 数据采集模块负责完成数据采集、信号处理的任务,包括采集传感器的输出信号 和传感器数据的预处理;而嵌入式模块实现数据存储、图形显示及数据远程传输 的功能。另外,采用先进的嵌入式系统结构,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。采用这种嵌入式故障智能诊断技术,可以满 足系统的速度、体积、功耗等要求,从而提高设备工作的安全性和可靠性,最大 限度地提高设备的使用效率。
图2是发明的软件结构,软件系统主要包括监测数据库、监测报警模块、故 障诊断模块、CAN通讯模块及网络通讯模块组成。
图3是软件模块程序流程图。软件模块程序流程是首先进行CAN,网络初 始化,对读取数据预处理、调入网络知识库推理,可定位故障?如果故障可定位 则显示结果,否则启用远程诊断?是则进行远程诊断,不是,则按概率列出故障 原因,并显示结果进行故障参数存储。对诊断故障参数进行监测报警,监测报警 模块根据当前的传感器信号,釆用单参数阈值报警和多参数综合分析报警两种方 式进行当前系统状态的预报。单参数报警是将单个工况参数的监测数据与其设定
的正常工况阈值进行比较,根据差别程度的不同进行分级报警;多参数报警首先
将几个关键工况参数的监测值进行归一化,然后进行综合的故障诊断,给出系统
级的状态指示。监测报警模块根据具体工况恶劣程度的不同将报警分为3级。1
级报警只是提醒注意,在这种情况下设备还能工作一段时间;2级报警要求密 切注视故障的发展,但不需立即处理;3级报警对这级报警,应立即进行应急处理。
故障诊断模块,设备结构的复杂性使得其故障具有多层次性、模糊和不确定 性等特点,而且本系统要求实现在线诊断,因此故障诊断模块采用了神经网络诊 断模型。故障诊断模块工作时,将监测数据库的下位机采集的数据取出并进行预 处理,作为神经网络的输入量,神经网络的输出量代表故障诊断的结果。首先对
神经网络进行训练学习,即将特定故障对应的状态参数作为样本,建立较全的样 本库,然后用所有的样本对神经网络进行训练,这样就可以将样本库的知识以网 络的形式存储在神经网络的连接权中,最后,通过神经网络输入量的计算就可以
完成故障诊断。故障诊断中神经网络所采用的模型大多为BP模型,这主要是由于 对BP模型的研究比较成熟,使用比较可靠。
图4是故障诊断模块基于数据融合方法的诊断系统。该系统包括三大模块:数 据级融合模块、特征级并行多神经网络局部诊断模块及决策级融合诊断模块;数 据级融合模块主要进行多传感器数据采集及特征提取。为进行故障诊断,所需要 的主要参数通过多传感器从试验台架上监测获得,经过D/A及A/D转换变换为数字
信号输入到计算机中进行系统的监测及诊断。在特征级上采用3个结构相同的并 行BP (back propagation)神经网络。BP神经网络是目前较成熟的神经网络,本 发明采用最基本的三层BP算法;决策级将BP网络的局部诊断结果进行融合,得到 最终的诊断结果。诊断程序流程如图5所示。步骤如下
1) 数据采集并存入数据库;
2) 从数据库读取特征数据;
3) 判断特征提取是否完成,如果未完成,则返回步骤2;如果完成,则执行
步骤4;
4) 将读取的特征数据送入神经网络,进行多神经网络进行训练、推理、故 障定位;
5) 读取读取训练好的网络连接权值,进行计算网络输出;
6) 对任意两个神经网络输出进行融合计算;
7) 将融合结果与第3个网络进行融合;
8) 对步骤7融合诊断结果进行判断,是否继续诊断,如果是,则返回步骤l, 重复步骤1 7,否则结束。
权利要求
1.一种基于数据融合模式识别的嵌入式故障智能诊断装置,其特征在于,所述基于数据融合模式识别的嵌入式故障智能诊断装置包括硬件结构和软件结构组成;所述硬件结构包括数据采集模块和嵌入式模块,数据采集模块负责完成数据采集、信号处理的任务,信号采集单元(1)至信号采集单元(n)分别通过CAN总线接口和中心处理单元PC104连接,信号采集单元直接安装固定在列车关键设备的主要部位上,完成传感器的故障诊断、标定和校准,列车设备工作状态参数采集、信号的特征提取和CAN总线通讯;中心处理单元是采用PC104总线的嵌入式PC,中心处理单元位于设备的监测中心,分别和液晶显示、键盘及存贮设备、CAN接口、适配卡连接,画通过网络与远程服务器通讯,主要完成采集信号的处理、工作状态的判断与报警,以及故障诊断工作;所述软件结构采用模块化设计,具有据预处理、历史数据网络训练,网络知识库进行网络推理,故障解释功能,主要包括监测数据库、监测报警模块、故障诊断模块、CAN通讯模块及网络通讯模块通过数据库管理模块与故障诊断模块通讯。
2. 根据权利要求1所述基于数据融合模式识别的嵌入式故障智能诊断装置, 其特征在于,所述PC104是一种专门为嵌入式控制而定义的工业控制总线,实质 上是一种紧凑型的IEEE—P996标准,其信号定义和PC/AT基本一致,但电气和机械 规范却完全不同,是一种优化的、小型、堆栈式结构的嵌入式系统,有极好的抗 振性;PC104嵌入式计算机模块系列是一整套低成本、高可靠性、能迅速配置成 产品的结构化模块,满足了系统抗振性和可靠性的要求。
3. 根据权利要求1所述基于数据融合模式识别的嵌入式故障智能诊断装置, 其特征在于,所述信号采集单元包括传感器、信号调理、AD转换、DSP(或MCU)、 数字量输入模块、FLASH存贮器。
4. 根据权利要求l所述基于数据融合模式识别的嵌入式故障智能诊断装置, 其特征在于,所述监测报警模块根据具体工作状态恶劣程度的不同将报警分为3 级;l级报警只是提醒注意,在这种情况下设备还能工作一段时间;2级报警 要求密切注视故障的发展,但不需立即处理;3级报警对这级报警,应立即进行 应急处理。
5. 根据权利要求1所述基于数据融合模式识别的嵌入式故障智能诊断装置, 其特征在于,所述网络推理,故障解释是靠神经网络诊断模块实现,该模块包括三大模块:数据级融合模块、特征级并行多神经网络局部诊断模块及决策级融合诊断模块,是基于数据融合模式识别故障智能诊断机制,利用数据在不同层次(或级别)上的融合来进行故障诊断;为进行故障诊断,所需要的主要参数通过多传 感器从试验台架上监测获得,经过D/A及A/D转换变换为数字信号输入到计算机中 进行系统的监测及诊断,在特征级上采用3个结构相同的并行BP (back pr叩agation)神经网络,故障诊断模块工作时,将监测数据库的下位机采集的数 据取出并进行预处理,作为神经网络的输入量,神经网络的输出量代表故障诊断 的结果。
6. 根据权利要求1所述基于数据融合模式识别的嵌入式故障智能诊断装置, 其特征在于,所述神经网络诊断模块还包括一种基于模糊神经网络的故障诊断专 家系统(FNN-FD—ES),充分利用专家系统(ES)和模糊神经网络(F腦)的特点,由 ES负责符号处理;F丽负责数值计算,完成知识获取、推理工作。
7. —种基于数据融合模式识别的嵌入式故障智能诊断方法,其特征在于,所 述嵌入式故障智能诊断是采用高速的DSP微处理器,借助其高速数据处理的多级 缓冲和流水线机制,组成一种分布式监测处理系统,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 机制实现故障决策融合方法,步骤如下1) 数据采集并存入数据库;2) 从数据库读取特征数据;3) 判断特征提取是否完成,如果未完成,则返回步骤2;如果完成,则执行步骤4; 4) 将读取的特征数据送入神经网络,进行多神经网络进行训练、推理、故 障定位;5) 读取读取训练好的网络连接权值,进行计算网络输出;6) 对任意两个神经网络输出进行融合计算;7) 将融合结果与第3个网络进行融合;8) 对步骤7融合诊断结果进行判断,是否继续诊断,如果是,则返回步骤l, 重复步骤1 7,否则结束。
8. 根据权利要求7所述基于数据融合模式识别的嵌入式故障智能诊断方法, 其特征在于,所述多神经网络局部诊断采用最基本的三层BP算法,决策级将BP网 络的局部诊断结果进行融合。
9. 根据权利要求7所述基于数据融合模式识别的嵌入式故障智能诊断装置, 其特征在于,所述基于数据融合即上、下位机两级微机结构,其中,下位机是数 据采集模块负责完成数据采集、信号处理的任务,包括采集传感器的输出信号和 传感器数据的预处理;而上位机为嵌入式中心处理单元,实现数据存储、图形显 示及数据远程传输的功能;另外,采用先进的嵌入式系统结构,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。
全文摘要
本发明公开了属于轨道交通故障智能诊断技术领域的一种基于数据融合模式识别的嵌入式故障智能诊断装置及方法。所述基于数据融合模式识别的嵌入式故障智能诊断装置包括硬件结构和软件结构组成;故障诊断装置采用高速的DSP微处理器,借助其高速数据处理的多级缓冲和流水线机制,组成一种分布式监测处理系统,即上、下位机两级微机结构。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。及时发现列车关键装备的潜在故障,保证列车关键装备工作的安全性和可靠性,最大限度地提高运营效率和安全保障。
文档编号H04L12/28GK101110155SQ200710120829
公开日2008年1月23日 申请日期2007年8月27日 优先权日2007年8月27日
发明者周慧娟, 烨 张, 王艳辉, 勇 秦, 蔡国强, 贾利民 申请人:北京交通大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1