基于多分類策略的列車空調(diào)機組故障診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于列車空調(diào)機組故障檢測方法技術(shù)領(lǐng)域，涉及一種基于多分類策略的列 車空調(diào)機組故障診斷方法。
【背景技術(shù)】
[0002] 隨著現(xiàn)代社會旅客列車的高速發(fā)展，列車空調(diào)機組在旅客列車上得到了廣泛的應(yīng) 用?，F(xiàn)代旅客列車密封性都比較好，直接導(dǎo)致車廂內(nèi)空氣流通性差，尤其在春運高峰期，列 車中人員密度更大，這就需要列車空調(diào)能長期的、無故障的工作。但是，列車空調(diào)機組長期 運行在特殊條件下，如：列車高速運行時的較強震動、車外變化較大的空氣狀態(tài)等，列車空 調(diào)機組非常容易出現(xiàn)故障，導(dǎo)致空調(diào)性能的下降。因此，實現(xiàn)列車空調(diào)機組的故障的精確診 斷有著十分重要的現(xiàn)實意義。
[0003] 隨著計算機技術(shù)的高速發(fā)展，列車空調(diào)系統(tǒng)故障能結(jié)合實時監(jiān)控的機組數(shù)據(jù)，很 好的進行故障識別和診斷，并且在故障發(fā)生時能及時診斷并給出解決方案，大大提高了列 車空調(diào)的使用效率。
[0004] 研究者羅浩提出的支持向量機（SVM)的方法進行列車空調(diào)的故障診斷，為實際工 程應(yīng)用起到了一些借鑒和指引作用，并對故障診斷中采用支持向量機算法的可行性做出了 一定的判斷，然而該方法中所采用的一對多的多類分類策略需要對每個子分類器進行非常 仔細(xì)的調(diào)整，否則易于"過學(xué)習(xí)"。
[0005] 目前，構(gòu)造 SVM多類分類器的方法主要有兩類：一類是直接法，直接在目標(biāo)函數(shù)上 進行修改，將多個分類面的參數(shù)求解合并到一個最優(yōu)化問題中，通過求解該最優(yōu)化問題"一 次性"實現(xiàn)多類分類；這種方法看似簡單，但其計算復(fù)雜度比較高，實現(xiàn)起來比較困難，只適 合用于小型問題中。另一類是間接法，主要是通過組合多個二分類器來實現(xiàn)多分類器的構(gòu) 造，常見的方法有 one-against-one 和 one-against-all 兩種。
[0006] a. 一對多法（one-versus-rest，簡稱1-v-r SVMs):訓(xùn)練時依次把某個類別的樣 本歸為一類，其他剩余的樣本歸為另一類，這樣k個類別的樣本就構(gòu)造出了 k個SVM ;分類 時將未知樣本分類為具有最大分類函數(shù)值的那類。
[0007] b. 一對一法（one-versus-one，簡稱1-v-l SVMs):其做法是在任意兩類樣本之間 設(shè)計一個SVM，因此k個類別的樣本就需要設(shè)計k (k-1) /2個SVM ;當(dāng)對一個未知樣本進行分 類時，最后得票最多的類別即為該未知樣本的類別；Libsvm中的多類分類就是根據(jù)這個方 法實現(xiàn)的。
[0008] c.層次支持向量機（H-SVMs):層次分類法首先將所有類別分成兩個子類，再將子 類進一步劃分成兩個次級子類，如此循環(huán)，直到得到一個單獨的類別為止。
[0009] d.其他多類分類方法；除了以上幾種方法外，還有有向無環(huán)圖SVM(Directed Acyclic Graph SVMs，簡稱DAG-SVMs)和對類別進行二進制編碼的糾錯編碼SVMs。
[0010] 基于以上認(rèn)識，采用基于分布密度排序的二叉樹臨近支持向量機多分類策略的列 車空調(diào)機組故障診斷方法，能實現(xiàn)對列車空調(diào)機組故障準(zhǔn)確診斷，適合用于高速鐵路列車 空調(diào)機組故障診斷領(lǐng)域。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明的目的在于提供一種基于多分類策略的列車空調(diào)機組故障診斷方法，能準(zhǔn) 確的對列車空調(diào)機組故障進行診斷。
[0012] 本發(fā)明所采用的技術(shù)方案是，基于多分類策略的列車空調(diào)機組故障診斷方法，具 體按照以下步驟實施：
[0013] 步驟1、根據(jù)列車空調(diào)制冷系統(tǒng)工作原理及常見制冷空調(diào)故障，確定出列車空調(diào)機 組的主要故障類型，并構(gòu)建列車空調(diào)制冷系統(tǒng)故障診斷模型；
[0014] 步驟2、根據(jù)步驟1構(gòu)建好的列車空調(diào)制冷系統(tǒng)故障診斷模型進行數(shù)據(jù)采集和人 工標(biāo)注，并獲取訓(xùn)練樣本集合；
[0015] 步驟3、利用步驟2預(yù)處理得到的訓(xùn)練樣本集合，經(jīng)計算得到每個類的分布密度， 依據(jù)分布密度由輕到重的順序?qū)Ψ诸惔涡蜻M行排列，以得到最合理的分類順序，并構(gòu)建二 叉分類策略樹，即哈夫曼樹；
[0016] 步驟4、完成步驟1到步驟3后，進行核函數(shù)的選擇；
[0017] 步驟5、利用臨近支持向量機算法PSVM作為二分類學(xué)習(xí)機，構(gòu)造哈夫曼樹中各內(nèi) 節(jié)點的最優(yōu)超平面，即構(gòu)建基于分布密度排序的二叉樹多分類策略的列車空調(diào)機組故障診 斷模型；
[0018] 步驟6、利用步驟5得到的列車空調(diào)機組故障診斷模型進行診斷，完成對列車空調(diào) 機組故障類型的診斷。
[0019] 本發(fā)明的特點還在于：
[0020] 步驟1中列車空調(diào)機組的主要故障類型如下：
[0021] 制冷劑泄露、蒸發(fā)器污垢、冷凝器污垢、有不凝性氣體和壓縮機停機；
[0022] 在出現(xiàn)不同的故障時，列車空調(diào)機組的運行參數(shù)變化幅度不同，經(jīng)數(shù)據(jù)分析，得到 列車空調(diào)機組正常和各故障狀態(tài)對應(yīng)的判斷參數(shù)對各故障的變化特征對應(yīng)表；
[0023] 選擇特征向量Xi = {:壓縮機吸氣壓力，壓縮機排氣壓力，壓縮機吸氣溫度，壓縮機 排氣溫度，機組實際制冷量}作為列車空調(diào)制冷系統(tǒng)故障診斷模型的輸入。
[0024] 步驟2具體按照以下步驟實施：
[0025] 步驟2. 1、在列車空調(diào)機組上設(shè)置多處采集測點，在模擬制冷劑泄露、蒸發(fā)器污垢、 冷凝器污垢、有不凝性氣體和壓縮機停機五種故障和正常運行工況下，進行數(shù)據(jù)采集；
[0026] 采集的數(shù)據(jù)主要分為溫度參數(shù)、壓力參數(shù)和濕度參數(shù)三類共9個參數(shù)，具體如下：
[0027] 溫度參數(shù)4個：列車空調(diào)機組進口空氣干球溫度，列車空調(diào)機組出口空氣干球溫 度，壓縮機吸氣溫度，壓縮機排氣溫度；
[0028] 壓力參數(shù)3個：壓縮機吸氣壓力，壓縮機排氣壓力，列車空調(diào)機組出口壓差；
[0029] 濕度參數(shù)2個：列車空調(diào)機組進口空氣相對濕度，列車空調(diào)機組出口空氣相對濕 度；
[0030] 步驟2. 2、將步驟2. 1中設(shè)置的所有采集測點的名稱、代號、傳感器類型和安裝位 置進行列表，并獲取以下數(shù)據(jù)：
[0031] 壓縮機吸氣壓力和排氣壓力分別由壓縮機進口壓力和壓縮機出口壓力測點獲 得；
[0032] 壓縮機吸氣溫度和壓縮機排氣溫度分別由壓縮機進口溫度和壓縮機出口溫度測 點獲得；
[0033] 列車空調(diào)機組進口空氣干球溫度、列車空調(diào)機組進口空氣相對濕度、列車空調(diào)機 組出口空氣干球溫度和列車空調(diào)機組出口空氣相對濕度分別由列車空調(diào)機組進口空氣溫 度、列車空調(diào)機組進口空氣濕度、列車空調(diào)機組出口空氣溫度、列車空調(diào)機組出口空氣濕度 測點獲得；
[0034] 列車空調(diào)機組出口壓差由風(fēng)道壓差測點獲得；
[0035] 步驟2. 3、基于步驟2. 1和步驟2. 2結(jié)合的數(shù)據(jù)采集方案，采集列車空調(diào)機組在 以上五種故障工況和正常運行工況下各測點的值，并由列車空調(diào)機組進口空氣溫度、列車 空調(diào)機組進口空氣濕度計算出列車空調(diào)機組進口空氣的焓值，由列車空調(diào)機組出口空氣溫 度、列車空調(diào)機組出口空氣濕度計算出出口空氣的焓值；進而用空氣進、出口焓值及空氣風(fēng) 量計算出空調(diào)機組的實際制冷量，從而得到形如特征向量Xi ={壓縮機吸氣壓力，壓縮機 排氣壓力，壓縮機吸氣溫度，壓縮機排氣溫度，機組實際制冷量}的樣本數(shù)據(jù)，并人工標(biāo)注 故障類型標(biāo)號Yi= {1，2,3,4,5,6}，分別代表六種類型￥丨={正常運行工況，制冷劑泄露， 蒸發(fā)器污垢，冷凝器污垢，有不凝性氣體，壓縮機停機}。
[0036] 步驟3具體按照以下步驟實施：
[0037] 步驟3. 1，利用步驟2預(yù)處理得到的訓(xùn)練樣本集合，經(jīng)計算得到每個類的分布密 度；
[0038] 具體按照以下步驟實施：
[0039] 步驟a、計算每個類的分布體積有如下兩種計算方法：一種是超長方體體積；另一 種是超球體體積；
[0040] 對超長方體體積：
[0041] 設(shè)類S的訓(xùn)練樣本集合中有N個d維的訓(xùn)練樣本X1, X2, ...，xNe Rd，則包含類S中 所有訓(xùn)練樣本的超長方體體積為：
[0043] 對超球體體積：
[0044] 設(shè)類S的訓(xùn)練樣本集合中有N個d維的訓(xùn)練樣本X1, X2, ...，xNe Rd，則包含類S中 所有訓(xùn)練樣本的超球體體積為：
[004