[发明专利]一种基于PCA和BRB的轨道车辆电路故障诊断方法

权利要求书

1.一种基于PCA和BRB的轨道车辆电路故障诊断方法，其特征在于，一种基于PCA和BRB的轨道车辆电路故障诊断方法包含以下步骤：

步骤1，基于主元分析与最大方差旋转法的故障特征量简化；

步骤2，建立基于初始置信规则库轨道车辆电路故障诊断模型；

步骤3，优化初始置信规则库轨道车辆电路故障诊断模型参数；

步骤4，利用主元分析和置信规则库专家系统实现轨道车辆电路故障诊断。

2.根据权利要求1所述的一种基于PCA和BRB的轨道车辆电路故障诊断方法，其特征在于步骤1，基于主元分析与最大方差旋转法的故障特征量简化，其方法为：

故障特征值构成的原始数据样本集为(x_ij)_T×P(其中T为样本数目，P为故障特征数目)，为消除原变量的量纲不同、数值差异太大带来的影响，需要对原变量做标准化处理，即：

式中：

建立相关矩阵，计算矩阵特征值与特征向量：

式中：X^*为标准化后的数据矩阵，由R可获得特征值λ_j和特征向量e_j，其中，j＝1,2,…p，计算第j个主元对总方差的贡献率，即方差贡献率为：

构建因子模型：

其中e_np为主成分y_n的特征向量，其中E为因子载荷矩阵，对载荷矩阵作正交旋转：

B＝EQ＝(b_ij) (7)

B为旋转因子载荷矩阵，使矩阵B的方差和最大，从而求得正交矩阵Q和B，选取b_ij大于一定阈值的关键故障特征量；

通过主元分析，减少了置信规则库专家系统的输入，简化了规则数和模型结构，能大大提高学习速率。

3.根据权利要求1所述的一种基于PCA和BRB的轨道车辆电路故障诊断方法，其特征在于步骤2，建立基于初始置信规则库轨道车辆电路故障诊断模型，其方法为：

(1)置信规则库(BRB)知识的表达，构建故障诊断模型

式中：A^k表示由第k条规则输入参考值所构成的集合；k＝1,2,…,L其中L代表总体规则条数；D表示结果向量；β^k表示由置信度构成的向量；θ^k为规则权重；δ_j为故障特征量权重；

(2)ER推理算法，融合多条规则输出运算结果

规则中的激活权重可以表示为：

BRB的最终输出S(x)可以通过ER算法对BRB中所有的规则进行组合来实现：

且

式(11)、(12)中的ω_k可利用式(9)求得，可以看出是由置信度β_n,k(n＝1,...,N,k＝1,...,L)、规则权重θ_k(k＝1,...,L)、故障特征量δ_j所组成的函数来描述的。

4.根据权利要求1所述的一种基于PCA和BRB的轨道车辆电路故障诊断方法，其特征在于步骤3，优化初始置信规则库轨道车辆电路故障诊断模型参数，其方法为：

以真实故障种类输出值与初始BRB输出值方差最小作为目标函数，从而优化模型参数。

5.根据权利要求1所述的一种基于PCA和BRB的轨道车辆电路故障诊断方法，其特征在于步骤4，利用主元分析和置信规则库专家系统实现轨道车辆电路故障诊断，其方法为：

首先采用主元分析与最大方差旋转法降维故障特征量，将简化特征量输入到故障诊断模型中，得到系统最终决策结果。