[发明专利]轨道交通机车车辆轴承的故障诊断方法、装置、系统及介质

权利要求书

1.一种轨道交通机车车辆轴承的故障诊断方法，其特征在于，包括以下步骤：

S01、建立故障样本集：基于轴承的结构将轴承故障划分为与结构相对应的故障模式；

S02、采集故障样本集中各故障模式的轴承以及正常轴承在工作时的振动信号，并提取振动信号的特征向量；

S03、根据所述特征向量，进行多层堆叠模型的训练及模型参数调优，建立最终的多层堆叠模型；

S04、采用训练成熟的堆叠模型，对相同型号的轴承进行实时的状态监测及故障诊断。

2.根据权利要求1所述的轨道交通机车车辆轴承的故障诊断方法，其特征在于，所述步骤S03中，采用两层堆叠模型，具体的训练步骤包括：

第一层堆叠模型训练：将特征向量集划分为训练集和测试集，利用K折交叉验证完成训练特征向量从特征化到概率化的转化过程；同时对测试集进行K次测试，得到概率化的结果，然后求K次测试集输出结果的算数平均值；结合训练集和测试集输出的结果，得到输出矩阵；

第二层堆叠模型训练：以输出矩阵作为第二层堆叠模型训练的输入，采用集成学习算法进行自学习，建立堆叠模型。

3.根据权利要求2所述的轨道交通机车车辆轴承的故障诊断方法，其特征在于，所述第一层堆叠模型训练中的算法包括向量机、神经网络、逻辑回归或集成学习算法的多种，所述集成学习算法包括GBDT、XGBoost或随机森林的一种。

4.根据权利要求2所述的轨道交通机车车辆轴承的故障诊断方法，其特征在于，K折交叉验证的过程为：将训练集分为完全不相交的5等份，利用5份中的4份作训练集进行模型训练，余下的1份作测试集进行模型精度测试；如此进行5次，训练集划分的5等份每份都会做一次测试集。

5.根据权利要求1至4中任意一项所述的轨道交通机车车辆轴承的故障诊断方法，其特征在于，在步骤S01中，所述故障模式包括内圈故障、外圈故障、滚动体故障和保持架故障中的一种或多种。

6.根据权利要求1至4中任意一项所述的轨道交通机车车辆轴承的故障诊断方法，其特征在于，所述特征向量包括最大值、最小值、有效值、奇异值或能量熵的一种或多种。

7.根据权利要求1至4中任意一项所述的轨道交通机车车辆轴承的故障诊断方法，其特征在于，在步骤S02中，对特征向量提取的过程中对振动信号进行滤波。

8.一种轨道交通机车车辆轴承的故障诊断装置，其特征在于，包括

第一模块，用于建立故障样本集：基于轴承的结构将轴承故障划分为与结构相对应的故障模式；

第二模块，用于采集故障样本集中各故障模式的轴承以及正常轴承在工作时的振动信号，并提取振动信号的特征向量；

第三模块，用于根据所述特征向量，进行多层堆叠模型的训练及模型参数调优，建立最终的多层堆叠模型；

第四模块，用于采用训练成熟的堆叠模型，对相同型号的轴承进行实时的状态监测及故障诊断。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行权利要求1至7中任意一项所述的故障诊断方法的步骤。

10.一种轨道交通机车车辆轴承的故障诊断系统，包括计算机设备，其特征在于，该计算机设备被编程或配置以执行权利要求1～7中任意一项所述故障诊断方法的步骤；或者该计算机设备的存储介质上存储有被编程或配置以执行权利要求1～7中任意一项所述故障诊断方法的计算机程序。