一种列车故障诊断方法及系统

摘要

本发明公开了一种列车故障诊断方法及系统，数据采集模块获取系统中硬件设备的电气特性的实时状态，存储模决将采集的数据存储到过程数据库，等待处理和分析，故障分析模块对数据进行分析，利用神经元算法建立运算模型，找出与故障相关的各种因素；显示模块通过画面展现系统结构，直观地表达系统整体的运行情况，做到基本的报警提示，并通过远程终端提供给客户进行远程浏览，显示模块在采集到数据以后，系统可以对数据进行门限值划分，根据不同的门限值，定义好报警的级别，系统通过声音、颜色多媒体的方式进行报警，通过终端设备进行报警。

主权项

一种列车故障诊断方法，其特征在于，包括以下步骤：步骤S1：采集列车设备电气特性的实时状态数据；并分别存入过程数据库和历史数据库；步骤S2：以历史数据库中的数据为依据，建立基于神经网络结构的故障模型，该神经网络结构由输入层、隐层和输出层组成，分别为：1)输入层节点i，其输出等于输入xi(i＝1，2，…，n)，将控制变量值传输到隐层；2)隐层节点j，其输入为hj，输出为Oj，分别为：$h_i=\underset{i=1}{\overset{n}{\Sigma }}{\omega }_j{x}_t-\theta =\underset{i=1}{\overset{n+1}{\Sigma }}{\omega }_j{x}_i$$O_j=f\left(h_j\right)=\frac{1}{1+e^{-h_j}}$3)输出层节点k，其输入hk、输出yk分别为：$h_k=\underset{j=1}{\overset{m}{\Sigma }}{\omega }_k{O}_j-\theta =\underset{j=1}{\overset{m+1}{\Sigma }}{\omega }_k{O}_j$$y_k=f\left(h_k\right)=\frac{1}{1+e^{{-h}_k}}$在工作期，各节点的连接权值固定不变，网络的计算从输入层开始，逐层逐个节点地计算每一个节点的输出，直到输出层中的各节点计算完毕；在学习期，各节点的输出保持不变，从输出层开始，反向逐层逐个节点地计算各连接权值的修改量；如果输出层的网络输出与所期望的输出相差较大，则开始反向传播，根据网络输出与所期望输出的信号误差，对网络节点间的各连接权值进行修改，来减小网络输出信号与所期望输出的误差；步骤S3：通过故障模型对过程数据库中的实时状态数据进行分析，判断故障发生以及进行故障分析。