[发明专利]一种电力机车故障源定位方法及装置

说明书

本发明提供一种电力机车故障源定位方法及装置。方法包括：通过TCMS总线获取机车子设备单元的运行数据；通过训练好的故障源识别模型对所述运行数据进行故障识别，得到故障源自动识别结果，所述故障源识别模型用于对所述运行数据进行分类，得到所述运行数据所属类别对应的故障源数据，所述故障源自动识别结果为故障源数据。本发明能够提高机车出现故障时的故障定位效率，大大减少人的劳动量，降低故障排查时间成本，使得机车故障定位更加快速、准确。

技术领域

本发明涉及电力机车故障诊断技术领域，具体而言，尤其涉及一种电力机车故障源定位方法及装置。

背景技术

目前，电力机车在出现故障时，主要依靠人工方式对机车上设备记录的运行数据进行综合分析，通过逻辑推理定位机车故障源。

由于在机车故障时，某个设备故障可能同时会导致其他设备出现故障情况，所以可能会同时出现很多故障现象；这就要求分析人员需要对机车数据和故障之间的关联关系非常熟悉，否则很难通过运行数据快速确定故障源。依靠人工定位故障，执行效率较低。

发明内容

根据上述提出人工定位故障效率低下的技术问题，而提供一种电力机车故障源定位方法。本发明能够确保机车在出现故障时，快速、高效、准确定位故障源，缩短故障排查时间，降低时间成本，使机车运用变得更加安全、高效和经济。

本发明采用的技术手段如下：

一种电力机车故障源定位方法，包括：

通过TCMS总线获取机车子设备单元的运行数据；

通过训练好的故障源识别模型对所述运行数据进行故障识别，得到故障源自动识别结果，所述故障源识别模型用于对所述运行数据进行分类，得到所述运行数据所属类别对应的故障源数据，所述故障源自动识别结果为故障源数据。

进一步地，所述故障源识别模型为误差反向传播神经网络模型，将历史运行数据作为所述误差反向传播神经网络模型的输入层神经元的输入数据、将与所述历史运行数据相对应的故障源数据作为所述误差反向传播神经网络模型的输出层神经元的输出数据，训练所述误差反向传播神经网络模型。

进一步地，所述将历史运行数据作为所述误差反向传播神经网络模型的输入层神经元的输入数据、将与所述历史运行数据相对应的实际故障源数据作为所述误差反向传播神经网络模型的输出层神经元的输出数据，训练所述误差反向传播神经网络模型，包括：

根据所述误差反向传播神经网络模型的输出层神经元的输出数据与所述实际故障数据的差值调整误差函数，使所述误差函数达到最小。

进一步地，所述将历史运行数据作为所述误差反向传播神经网络模型的输入层神经元的输入数据、将与所述历史运行数据相对应的实际故障源数据作为所述误差反向传播神经网络模型的输出层神经元的输出数据，训练所述误差反向传播神经网络模型，还包括：

根据所述误差函数调节所述误差反向传播神经网络模型的结构参数，所述结构参数包括输入层节点与隐含层节点间的关联权值、隐含层各节点的相应阀值、隐含层节点与输出层节点间的关联权值以及输出层各节点的相应阀值。

进一步地，方法还包括：对所述机车子设备单元的运行数据进行存储。

一种电力机车故障源定位装置，包括：

获取单元，用于通过TCMS总线获取机车子设备单元的运行数据；

识别单元，用于通过训练好的故障源识别模型对所述运行数据进行故障识别，得到故障源自动识别结果，所述故障源识别模型用于对所述运行数据进行分类，得到所述运行数据所属类别对应的故障源数据，所述故障源自动识别结果为故障源数据。

进一步地，所述故障源识别模型为误差反向传播神经网络模型；