[发明专利]故障检测方法及装置

说明书

本发明公开了一种故障检测方法及装置。其中，该方法包括：获取列车中目标部位的实时温度信息；将实时温度信息输入神经网络模型进行分析，得到目标部位在预设采样周期内的温度偏差信息，其中，该温度偏差信息用于反映目标部位的实时温度信息与标准数据的差异程度；基于温度偏差信息确定目标部位发生故障的置信度，其中，置信度用于反映发生故障的概率；比较置信度和预设阈值；在置信度小于预设阈值时，确定目标部位发生故障。本发明解决了相关技术中故障预测结果不准确的技术问题。

技术领域

本发明涉及车辆故障检测领域，具体而言，涉及一种故障检测方法及装置。

背景技术

为了保证列车的安全行驶，在列车运行过程中往往需要对其行走部的关键部件进行温度检测，但是，目前的温度检测方案在对列车的相关部件(例如列车转向架和走行部的关键部件)进行故障预测时，仅仅采用简单的阈值判断的方式进行，这样，使得检测结果不是特别准确。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种故障检测方法及装置，以至少解决相关技术中故障预测结果不准确的技术问题。

根据本发明实施例的一个方面，提供了一种故障检测方法，包括：获取列车中目标部位的实时温度信息；将实时温度信息输入神经网络模型进行分析，得到目标部位在预设采样周期内的温度偏差信息，其中，该温度偏差信息用于反映目标部位的实时温度信息与标准数据的差异程度；基于温度偏差信息确定目标部位发生故障的置信度，其中，置信度用于反映发生故障的概率；比较置信度和预设阈值；在置信度小于预设阈值时，确定目标部位发生故障。

可选地，基于温度偏差信息确定目标部位发生故障的置信度，包括：基于温度偏差信息确定温度偏差信息对应的温度采样数据是否为异常采样数据；在确定为异常样本数据时，基于温度采样数据和预设采样周期内的历史异常样本数据确定目标部位所处的状态，其中，状态用于指示目标部位在预设采样周期内异常样本数据的变化趋势；依据状态确定置信度。

可选地，上述状态包括以下至少之一：第一状态，用于表示首次出现异常样本数据；第二状态，用于表示在连续的采样点时刻采集的样本数据均为异常样本数据；第三状态，用于表示目标部位在上一个采样点的样本数据为异常样本数据，在当前采样点的样本数据为正常样本数据；

第四状态，用于表示在上一个采样点的样本数据为正常样本数据，在当前采样点的样本数据为异常样本数据。

可选地，依据状态确定置信度，包括：在状态为第一状态时，基于首次出现的异常样本数据的偏差值、基准偏差值、连续出现的异常样本数据的数量确定与第一状态对应的置信度，其中，数量为1；

在状态为第二状态时，基于异常样本数据的偏差值、基准偏差值、连续出现的异常样本数据的数量以及第一状态或第四状态对应的置信度确定与第二状态对应的置信度；在状态为第三状态时，基于上次异常样本数据出现之后到目前为止共监测的样本数目，以及第一状态、第二状态或第四状态中的其中一个状态对应的置信度确定与第三状态对应的置信度；在状态为第四状态时，基于异常样本数据的偏差值、基准偏差值、连续出现的异常样本数据的数量以及第三状态对应的置信度确定与第四状态对应的置信度。

可选地，与第一状态对应的置信度通过以下方式确定：

其中，Score_A表示第一状态对应的置信度，δ_D-L表示异常样本数据的偏差值，δ_base表示基准偏差值，N_sa表示连续出现的异常样本数据的数量，N_thre表示异常样本数据的数量阈值,Δ₁表示控制积分速率。

可选地，与第二状态对应的置信度通过以下方式确定：