本發(fā)明涉及一種機械部件的測試方法。

背景技術(shù)：

1、在高速列車全生命周期鏈中窗口期最長的運行服役階段，牽引電動機、傳動齒輪箱、軸箱在內(nèi)的列車傳動系統(tǒng)，任何微小的故障若不能被及時診斷出來并得到有效處理都可能引發(fā)嚴重后果。因此，列車傳動系統(tǒng)的實時故障診斷對于保證列車運行的安全可靠至關(guān)重要。

2、現(xiàn)有列車傳動系統(tǒng)故障檢測方法是為傳動系統(tǒng)中的各組件分別建立了單獨的故障診斷網(wǎng)絡(luò)，但是單獨的網(wǎng)絡(luò)沒有考慮相鄰組件之間的相互作用。因此忽視了組件的相鄰組件故障對組件自身故障的關(guān)聯(lián)性，導(dǎo)致在列車在運行過程中的高噪聲狀態(tài)下，傳動系統(tǒng)故障發(fā)現(xiàn)不及時，故障預(yù)測準確率低。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是為了克服現(xiàn)有列車傳動系統(tǒng)故障檢測方法忽視了組件的相鄰組件故障對自身故障的關(guān)聯(lián)性，導(dǎo)致在列車在運行過程中的高噪聲狀態(tài)下，傳動系統(tǒng)故障發(fā)現(xiàn)不及時，故障預(yù)測準確率低的問題，提供了一種列車傳動系統(tǒng)故障檢測方法。

2、本發(fā)明的列車傳動系統(tǒng)故障檢測方法，步驟如下：

3、同時獲取列車傳動系統(tǒng)中每個組件的運行信號；組件分為目標組件和至少一個與目標組件有直接物理連接的其他組件；

4、將運行信號輸入至傳動系統(tǒng)故障診斷模型，判斷傳動系統(tǒng)中的組件是否故障；并且在目標組件被診斷為故障時，輸出相應(yīng)的故障類型。

5、進一步地，列車傳動系統(tǒng)故障診斷模型包括順序連接的節(jié)點特征提取器、圖注意力網(wǎng)絡(luò)和分類器。

6、進一步地，訓(xùn)練列車傳動系統(tǒng)故障診斷模型的過程如下：

7、步驟一、收集數(shù)據(jù)集；

8、數(shù)據(jù)集為預(yù)先同時進行采集的每個組件的運行信號；

9、運行信號包括正常工作時的振動信號數(shù)據(jù)、以及發(fā)生不同類型故障時對應(yīng)的振動信號數(shù)據(jù)；

10、步驟二、生成列車傳動系統(tǒng)的拓撲關(guān)系圖；

11、組件均作為拓撲關(guān)系圖的節(jié)點；

12、組件之間的物理連接關(guān)系均作為拓撲關(guān)系圖的邊；

13、步驟三、利用節(jié)點特征提取器從數(shù)據(jù)集中提取得到每個組件對應(yīng)節(jié)點的節(jié)點特征和分類；

14、步驟四、將拓撲關(guān)系圖、節(jié)點的節(jié)點特征和分類作為圖注意力網(wǎng)絡(luò)的輸入，在考慮節(jié)點的節(jié)點特征和該節(jié)點鄰居節(jié)點的節(jié)點特征的前提下，分別為每個節(jié)點生成新的節(jié)點特征；

15、步驟五、將目標組件對應(yīng)節(jié)點的新的節(jié)點特征通過分類器進行故障分類，并驗證和測試通過后；完成列車傳動系統(tǒng)故障診斷模型的訓(xùn)練。

16、進一步地，獲取振動信號數(shù)據(jù)的步驟還包括：將振動信號數(shù)據(jù)從時域信號轉(zhuǎn)換為頻域信號的過程。

17、進一步地，獲取狀態(tài)數(shù)據(jù)的步驟還包括：向振動信號數(shù)據(jù)中加入噪聲信號的過程。

18、進一步地，噪聲信號的信噪比為30db～6db。

19、進一步地，組件包括電機軸承、齒輪箱驅(qū)動齒輪、齒輪箱從動齒輪、齒輪箱驅(qū)動齒輪軸承和軸箱軸承。

20、進一步地，步驟四的具體過程為：

21、步驟四一、計算得到節(jié)點j對節(jié)點i的原始注意力系數(shù)：

22、

23、其中，節(jié)點j是節(jié)點i的鄰居節(jié)點；和分別為節(jié)點i和節(jié)點j的節(jié)點特征；w為權(quán)重矩陣；a(·)為自注意力-共享注意力機制函數(shù)；

24、步驟四二、對原始注意力系數(shù)進行歸一化，得到歸一化注意力系數(shù)：

25、

26、其中，ni為包括節(jié)點i自身和節(jié)點i的鄰居節(jié)點的集合；

27、步驟四三、對上式中的原始注意力系數(shù)通過權(quán)重向量參數(shù)化，并應(yīng)用leakyrelu非線性函數(shù)后展開得到：

28、

29、其中，為的轉(zhuǎn)置矩陣；∥為拼接操作；

30、步驟四四、通過上式計算得到節(jié)點i新的節(jié)點特征：

31、

32、其中，σ表示sigma函數(shù)。

33、進一步地，節(jié)點特征提取器為卷積神經(jīng)網(wǎng)絡(luò)。

34、進一步地，分類器為softmax分類器或基于原型的分類器。

35、本發(fā)明的有益效果是：

36、本發(fā)明列車傳動系統(tǒng)故障檢測方法，基于組件空間關(guān)系圖構(gòu)建系統(tǒng)級診斷網(wǎng)絡(luò)，有效地對相鄰組件之間的影響進行建模，將傳動系統(tǒng)各組件的故障診斷集成到一個統(tǒng)一的框架中。用于檢測列車的傳動系統(tǒng)中的各組件故障，構(gòu)建了一種圖注意力神經(jīng)網(wǎng)絡(luò)來完成列車傳動系統(tǒng)的一體化故障診斷，構(gòu)件空間關(guān)系圖使診斷網(wǎng)絡(luò)能夠有效地學(xué)習和捕捉故障在不同構(gòu)件之間的傳播和交互，提高了列車傳動系統(tǒng)的故障診斷準確率，解決了現(xiàn)有的故障檢測方法沒有考慮相鄰組件之間的相互作用，無法在高噪聲狀態(tài)下對列車傳動系統(tǒng)進行有效、穩(wěn)定的診斷的問題，特別是提高了列車電機這一重要組件故障診斷的準確率。相對于對傳動系統(tǒng)中各組件單獨構(gòu)建網(wǎng)絡(luò)進行監(jiān)測來說準確率更高，抗干擾能力更強。

技術(shù)特征：

1.列車傳動系統(tǒng)故障檢測方法，其特征在于，步驟如下：

2.根據(jù)權(quán)利要求1所述的列車傳動系統(tǒng)故障檢測方法，其特征在于，所述列車傳動系統(tǒng)故障診斷模型包括順序連接的節(jié)點特征提取器、圖注意力網(wǎng)絡(luò)和分類器。

3.根據(jù)權(quán)利要求2所述的列車傳動系統(tǒng)故障檢測方法，其特征在于，訓(xùn)練列車傳動系統(tǒng)故障診斷模型的過程如下：

4.根據(jù)權(quán)利要求1、2或3所述的列車傳動系統(tǒng)故障檢測方法，其特征在于，獲取振動信號數(shù)據(jù)的步驟還包括：將振動信號數(shù)據(jù)從時域信號轉(zhuǎn)換為頻域信號的過程。

5.根據(jù)權(quán)利要求4所述的列車傳動系統(tǒng)故障檢測方法，其特征在于，獲取狀態(tài)數(shù)據(jù)的步驟還包括：向振動信號數(shù)據(jù)中加入噪聲信號的過程。

6.根據(jù)權(quán)利要求5所述的列車傳動系統(tǒng)故障檢測方法，其特征在于，所述噪聲信號的信噪比為30db～6db。

7.根據(jù)權(quán)利要求1、2、3、5或6所述的列車傳動系統(tǒng)故障檢測方法，其特征在于，組件包括電機軸承、齒輪箱驅(qū)動齒輪、齒輪箱從動齒輪、齒輪箱驅(qū)動齒輪軸承和軸箱軸承。

8.根據(jù)權(quán)利要求3、5或6所述的列車傳動系統(tǒng)故障檢測方法，其特征在于，步驟四的具體過程為：

9.根據(jù)權(quán)利要求2、3、5或6所述的列車傳動系統(tǒng)故障檢測方法，其特征在于，節(jié)點特征提取器為卷積神經(jīng)網(wǎng)絡(luò)。

10.根據(jù)權(quán)利要求9所述的列車傳動系統(tǒng)故障檢測方法，其特征在于，分類器為softmax分類器或基于原型的分類器。

技術(shù)總結(jié)
列車傳動系統(tǒng)故障檢測方法，涉及一種機械部件的測試方法。目的是為了克服現(xiàn)有列車傳動系統(tǒng)故障檢測方法忽視了組件的相鄰組件故障對自身故障的關(guān)聯(lián)性，導(dǎo)致在列車在運行過程中的高噪聲狀態(tài)下，傳動系統(tǒng)故障發(fā)現(xiàn)不及時，故障預(yù)測準確率低的問題，步驟如下：同時獲取列車傳動系統(tǒng)中每個組件的運行信號；組件分為目標組件和至少一個與目標組件有直接物理連接的其他組件；將運行信號輸入至傳動系統(tǒng)故障診斷模型，判斷傳動系統(tǒng)中的組件是否故障；并且在目標組件被診斷為故障時，輸出相應(yīng)的故障類型。

技術(shù)研發(fā)人員：么洪飛,徐千喆,鄧楚顏,付志鵬
受保護的技術(shù)使用者：齊齊哈爾大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/14