本發(fā)明涉及軌道車輛制動(dòng)系統(tǒng)，特別是一種基于小波包分解與bp神經(jīng)網(wǎng)絡(luò)的制動(dòng)系統(tǒng)電磁閥故障診斷方法。

背景技術(shù)：

1、電磁閥作為軌道車輛制動(dòng)控制系統(tǒng)中最重要的子部件之一，承擔(dān)著空氣制動(dòng)力的施加、緩解與防滑等重要作用，一旦電磁閥發(fā)生故障，可能會(huì)引起制動(dòng)功能失效、擦輪等問題，進(jìn)而導(dǎo)致列車晚點(diǎn)、清客和救援。根據(jù)售后運(yùn)維反饋，由電磁閥故障導(dǎo)致列車在自檢及運(yùn)營中報(bào)出的故障不在少數(shù)。當(dāng)發(fā)生該故障后，需要檢修人員按照檢修手冊(cè)逐步排查，然后通過拆卸換裝等手段定位到電磁閥部件，最終由技術(shù)部門對(duì)故障閥進(jìn)行拆解分析。這種比較被動(dòng)的故障診斷方案不僅耗費(fèi)了大量的人力物力，也不能及時(shí)的排查出問題，導(dǎo)致故障排查效率低。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)中存在的問題，考慮通過分析電磁閥線圈電流，進(jìn)而判斷出電磁閥是否存在故障。電磁閥發(fā)生卡滯等故障，線圈電流會(huì)產(chǎn)生相應(yīng)的變化，這種變化的特征在時(shí)域中可能難以提取。因此考慮在頻域中提取線圈電流的特征。

2、本發(fā)明提供了一種基于小波包分析與bp神經(jīng)網(wǎng)絡(luò)的制動(dòng)系統(tǒng)電磁閥故障診斷的方法，用來快速定位到故障電磁閥并診斷故障原因。有效性在仿真數(shù)據(jù)和實(shí)物故障數(shù)據(jù)中得到了驗(yàn)證，用于軌道車輛制動(dòng)系統(tǒng)電磁閥的故障診斷極大地提高了軌道交通檢修人員的處置效率。

3、本發(fā)明的目的通過以下技術(shù)方案實(shí)現(xiàn)。

4、一種基于小波包分解與bp神經(jīng)網(wǎng)絡(luò)的制動(dòng)系統(tǒng)電磁閥故障診斷方法，步驟包括：

5、步驟1：收集電磁閥正常、故障條件下的線圈電流；

6、步驟2：采用小波包分解對(duì)各類工況下的電流信號(hào)進(jìn)行3層分解，得到分解后的小波包系數(shù)；步驟3：對(duì)第3層小波包系數(shù)進(jìn)行能量熵特征特征提取。

7、步驟4：采用步驟3提取出的能量特征訓(xùn)練bp神經(jīng)網(wǎng)絡(luò)模型；

8、步驟5：對(duì)于待檢測樣本，根據(jù)步驟2、3提取出該樣本的能量熵特征；

9、步驟6：將步驟5提取出的特征帶入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測輸出，判斷當(dāng)前電磁閥是否發(fā)生故障。

10、所述步驟3具體為：

11、先計(jì)算第3層8個(gè)節(jié)點(diǎn)小波包能量，其能量計(jì)算公式如下：

12、

13、式中：s3,i(k)為第3層i節(jié)點(diǎn)的第k個(gè)小波包系數(shù)，m表示該節(jié)點(diǎn)小波包系數(shù)的個(gè)數(shù)；

14、然后將每個(gè)節(jié)點(diǎn)在第3層的能量比作為最終的特征，即：

15、

16、所述步驟4中bp神經(jīng)網(wǎng)絡(luò)模型的數(shù)學(xué)描述為：其中為第n-1層第j個(gè)神經(jīng)元輸出值，表示第n-1層到第n層中神經(jīng)元j到神經(jīng)元i的權(quán)值，為第n層的神經(jīng)元i的偏差，函數(shù)f為激活函數(shù)。

17、所述步驟4中bp神經(jīng)網(wǎng)絡(luò)模型的求解步驟包含前向傳播與反向傳播，前向傳播是根據(jù)已知的連接權(quán)值和偏差逐步向輸出層求解，反向傳播即根據(jù)求解的誤差反向求導(dǎo)更新模型的權(quán)值及偏差。

18、相比于現(xiàn)有技術(shù)，本發(fā)明的優(yōu)點(diǎn)在于：本發(fā)明用來快速定位到故障電磁閥并診斷故障原因。該方法首先通過車載設(shè)備實(shí)時(shí)采集制動(dòng)系統(tǒng)電磁閥的工作電流，然后通過車載設(shè)備計(jì)算處理單元運(yùn)行故障診斷模型，其中故障診斷模型采用小波包分析對(duì)車載設(shè)備采集的原始電流信號(hào)進(jìn)行3層分解，然后，采用基于能量熵的方式提取不同頻段的能量特征，最后采用bp神經(jīng)網(wǎng)絡(luò)算法對(duì)提取出的能量特征進(jìn)行分類。所提方法的有效性在仿真數(shù)據(jù)和實(shí)物故障數(shù)據(jù)中得到了驗(yàn)證，用于軌道車輛制動(dòng)系統(tǒng)電磁閥的故障診斷極大地提高了軌道交通檢修人員的處置效率。

技術(shù)特征：

1.一種基于小波包分解與bp神經(jīng)網(wǎng)絡(luò)的制動(dòng)系統(tǒng)電磁閥故障診斷方法，其特征在于步驟包括：

2.根據(jù)權(quán)利要求1所述的一種基于小波包分解與bp神經(jīng)網(wǎng)絡(luò)的制動(dòng)系統(tǒng)電磁閥故障診斷方法，其特征在于所述步驟3具體為：

3.根據(jù)權(quán)利要求1所述的一種基于小波包分解與bp神經(jīng)網(wǎng)絡(luò)的制動(dòng)系統(tǒng)電磁閥故障診斷方法，其特征在于所述步驟4中bp神經(jīng)網(wǎng)絡(luò)模型的數(shù)學(xué)描述為：其中為第n-1層第j個(gè)神經(jīng)元輸出值，表示第n-1層到第n層中神經(jīng)元j到神經(jīng)元i的權(quán)值，為第n層的神經(jīng)元i的偏差，函數(shù)f為激活函數(shù)。

4.根據(jù)權(quán)利要求3所述的一種基于小波包分解與bp神經(jīng)網(wǎng)絡(luò)的制動(dòng)系統(tǒng)電磁閥故障診斷方法，其特征在于所述步驟4中bp神經(jīng)網(wǎng)絡(luò)模型的求解步驟包含前向傳播與反向傳播，前向傳播是根據(jù)已知的連接權(quán)值和偏差逐步向輸出層求解，反向傳播即根據(jù)求解的誤差反向求導(dǎo)更新模型的權(quán)值及偏差。

技術(shù)總結(jié)
本發(fā)明公開了一種基于小波包分析與BP神經(jīng)網(wǎng)絡(luò)的制動(dòng)系統(tǒng)電磁閥故障診斷的方法，用來快速定位到故障電磁閥并診斷故障原因。該方法首先通過車載設(shè)備實(shí)時(shí)采集制動(dòng)系統(tǒng)電磁閥的工作電流，然后通過車載設(shè)備計(jì)算處理單元運(yùn)行故障診斷模型，其中故障診斷模型采用小波包分析對(duì)車載設(shè)備采集的原始電流信號(hào)進(jìn)行3層分解，然后，采用基于能量熵的方式提取不同頻段的能量特征，最后采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)提取出的能量特征進(jìn)行分類。所提方法的有效性在仿真數(shù)據(jù)和實(shí)物故障數(shù)據(jù)中得到了驗(yàn)證，用于軌道車輛制動(dòng)系統(tǒng)電磁閥的故障診斷極大地提高了軌道交通檢修人員的處置效率。

技術(shù)研發(fā)人員：孫環(huán)陽,張紅光,薛明晨,鹿峰凱
受保護(hù)的技術(shù)使用者：南京中車浦鎮(zhèn)海泰制動(dòng)設(shè)備有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19