一种高速列车悬挂系统早期故障诊断方法

本发明设计涉及高速列车悬挂系统故障诊断，尤其涉及一种基于prpca和svm的高速列车悬挂系统早期故障诊断方法。

背景技术：

1、悬挂系统是高速列车重要的组成部分之一，不仅起到支撑转向架以及列车车体的作用，同时又能隔绝由轨道不平顺所产生的作用力，保证了车厢乘客的乘坐体验。悬挂系统作为转向架中最重要的一部分，一般采用两系悬挂。一系悬挂装置主要包括轴箱弹簧和轴箱垂向减震器，位于轴箱和转向架构架之间；二系悬挂装置主要由牵引装置、减振器和空气弹簧装置等部件构成，位于转向架构架和车体之间。随着列车在轨运行时间的增长，悬挂系统中的部分设备会出现老化和损坏情况，例如空气弹簧装置、避震器、悬挂联轴器以及悬挂控制器等装置，而这会导致弹簧细微开裂或变形、避震器内部的密封件破损、悬挂联轴器轻微磨损或悬挂控制电子元件的部分失效等早期故障，可能对悬挂系统的性能和安全性产生不利影响，给列车的行车安全带来潜在的危险。

2、目前，现有的基于主成分分析(principal components analysis，pca)和支持向量机(support vector machine，svm)相结合的高速列车悬挂系统早期故障诊断方法，存在一些在处理过程数据方面的局限性。传统的方法首先使用pca对数据进行降维，然后使用svm进行故障检测和分类。然而，由于pca是一种线性降维方法，其无法充分捕捉数据中复杂非线性特征之间的关系，导致提取的特征信息可能不完整或不足以代表真实系统状态。因此，pca对数据处理的局限性，影响了故障检测和基于svm的故障分类的准确度。

技术实现思路

1、针对现有技术中的不足，本发明提供了一种高速列车悬挂系统早期故障诊断方法，以解决现有技术中无法充分捕捉数据中复杂非线性特征之间的关系，导致提取的特征信息可能不完整或不足以代表真实系统状态的技术问题。

2、本发明提供了一种高速列车悬挂系统早期故障诊断方法，包括如下步骤：

3、步骤1：分别获取高速列车悬挂系统正常工况和故障工况下的数据集，并对数据集进行标准化处理；

4、步骤2：获取步骤1中处理后的数据集的负载矩阵；

5、步骤3：将负载矩阵转化为prpca残差模型中的过载矩阵，并构建prpca残差模型获得数据集的prpca残差模型的残差；

6、步骤4：设定故障检测阈值；

7、步骤5：通过过载矩阵和prpca的模型残差对支持向量机的故障识别和分类进行训练，并用训练好的支持向量机对高速列车悬挂系统早期故障进行诊断。

8、进一步地，所述步骤2中，获取负载矩阵的具体方法为：对步骤1处理后的数据集进行主成分分析，将分析结果对应的协方差矩阵进行奇异值分解，得到数据集的负载矩阵。

9、进一步地，说说步骤4中，设定故障检测阈值的具体方法为：

10、根据prpca残差模型的模型残差获取故障工况与正常工况之间的wasserstein距离指标，并根据wasserstein距离设定故障检测阈值。

11、进一步地，所述wasserstein距离的计算公式为：

12、

13、式中，r为正常工况下的模型残差；rif为故障工况下的模型残差；x、y分别为n维变量。

14、进一步地，所述wasserstein距离计算过程中，n维变量x和y之间的2-wassersteindistance的表达式为：

15、

16、式中，tr(·)为矩阵的迹；∑1＝∑1/2∑if∑1/2，∑为n维变量x的协方差矩阵，∑if为n维变量y的协方差矩阵；μ1＝||μ-μif||2，μ为n维变量x的均值，μif为n维变量y的均值。

17、本发明的有益效果：

18、本发明采用prpca方法对过程数据进行处理，可以将测量数据非线性投影到一个新的空间中，从而有效地将初始故障数据与正常数据分离，解决了传统pca无法完全捕捉过程数据中非线性故障特征的问题，使得处理后的数据包含更多的故障特征信息，从而实现更有效的早期故障检测。

19、本发明使用非线性prpca算法对原始故障数据进行降维，同时将降维后的大样本数据进行分组，然后使用方差来度量每组数据的偏离程度，再利用支持向量机对故障类型进行分类，进一步提高了svm分类的准确度。

技术特征：

1.一种高速列车悬挂系统早期故障诊断方法，其特征在于，包括如下步骤：

2.如权利要求1所述的高速列车悬挂系统早期故障诊断方法，其特征在于，所述步骤2中，获取负载矩阵的具体方法为：对步骤1处理后的数据集进行主成分分析，将分析结果对应的协方差矩阵进行奇异值分解，得到数据集的负载矩阵。

3.如权利要求1所述的高速列车悬挂系统早期故障诊断方法，其特征在于，说说步骤4中，设定故障检测阈值的具体方法为：

4.如权利要求3所述的高速列车悬挂系统早期故障诊断方法，其特征在于，所述wasserstein距离的计算公式为：

5.如权利要求3或4所述的高速列车悬挂系统早期故障诊断方法，其特征在于，所述wasserstein距离计算过程中，n维变量x和y之间的2-wasserstein distance的表达式为：

技术总结
本发明公开了一种高速列车悬挂系统早期故障诊断方法，包括如下步骤：步骤1：分别获取高速列车悬挂系统正常工况和故障工况下的数据集；步骤2：获取步骤1中处理后的数据集的负载矩阵；步骤3：将负载矩阵转化为PRPCA残差模型中的过载矩阵，并构建PRPCA残差模型获得数据集的PRPCA残差模型的残差；步骤4：设定故障检测阈值；步骤5：通过过载矩阵和PRPCA的模型残差对支持向量机的故障识别和分类进行训练，并用训练好的支持向量机对高速列车悬挂系统早期故障进行诊断。本发明可以将测量数据非线性投影到一个新的空间中，从而有效地将初始故障数据与正常数据分离，使得处理后的数据包含更多的故障特征信息，从而实现更有效的早期故障检测。

技术研发人员：吴云凯,冯康,周扬,周怡锦
受保护的技术使用者：江苏科技大学
技术研发日：
技术公布日：2025/1/2