[发明专利]一种基于列车的牵引系统健康度评估的研究方法

权利要求书

1.一种基于列车的牵引系统健康度评估的研究方法，其特征在于，包括以下步骤：

S1.分析数据，调取牵引系统的设备数据进行分析和处理，通过PCE的状态识别出牵引系统的状态，并对牵引系统的状态进行命名；

S2.特征提取，获得与设备健康相关的变量，并从设备健康相关的变量中提取特征；

S3.建立模型，根据提取的特征建立无监督学习模型和有监督学习模型；

S4.模型实践；

S4.1，无监督学习模型，通过向模型输入特征数据，然后经模型输出健康类别的类概率值；

S4.2，有监督学习模型：利用先验知识，定义一个阈值来划分设备该特征的健康状况，然后输出每一个状态处于故障与非故障的概率值；

S5.输出系统健康度得分，在无监督和有监督的模型中，利用模型得到的每一个状态划分到健康类别的类概率值，再利用类概率值作为该状态的健康度得分。

2.根据权利要求1所述的一种基于列车的牵引系统健康度评估的研究方法，其特征在于：在所述S1中，牵引系统的状态进行命名内容为：0＝未知，1＝HSCB断开，2＝故障，3＝牵引施加，4＝牵引未施加，在数据预处理中，将异常为负的电压转化为0，将有发生故障的状态标记为1，没有发生故障的状态标记为0。

3.根据权利要求1所述的一种基于列车的牵引系统健康度评估的研究方法，其特征在于：在所述S2中，特征包括：原始特征、时频域特征和相关性特征。

4.根据权利要求1所述的一种基于列车的牵引系统健康度评估的研究方法，其特征在于：在所述S4中，无监督学习模型包括高斯混合模型，通过高斯混合模型表示在总体分布中含有k个子分布的概率模型，所述高斯混合模型由K个单高斯模型组合而成，K个所述子模型为高斯混合模型的隐变量，通过高斯概率密度函数参数不同，每一个高斯模型可以看作一种类别，当输入一个样本x，即可通过PDF计算其值，然后通过一个阈值来判断该样本是否属于高斯模型，即可给出样本被划分到每一个类别的类概率信息。

5.根据权利要求1所述的一种基于列车的牵引系统健康度评估的研究方法，其特征在于：在所述S4中，有监督学习模型包括逻辑回归模型，在逻辑回归模型中，令g(z)的值分布在(0，1)之间，当g(z)接近于0时样本的标签为0，当g(z)接近于1时样本的标签为类别1。

6.根据权利要求4所述的一种基于列车的牵引系统健康度评估的研究方法，其特征在于：所述高斯混合模型的训练方法为：输入特征数据，利用高斯混合模型进行训练，将数据分为两类，一类倾向于识别出特征中的毛刺状态，一类倾向识别非毛刺的数据，将识别出毛刺的一类作为不健康的一类，输出每一个状态划分到健康类别的类概率值。

7.根据权利要求5所述的一种基于列车的牵引系统健康度评估的研究方法，其特征在于：所述逻辑回归模型的训练方法为：利用经验知识，定义一个阈值来划分设备该特征的健康状况，此处采用统计学中的sigma准则来作为阈值的划分，将所有特征在区间[μ-3σ，μ+3σ]之外的数据定义成异常，利用有监督的逻辑回归分类算法进行训练，输出每一个状态处于故障与非故障的概率值，利用逻辑回归模型将训练集和测试集以7：3的比例进行模型的训练，通过网格搜索进行调参，获得最佳分类效果的模型参数。

8.根据权利要求1所述的一种基于列车的牵引系统健康度评估的研究方法，其特征在于：在所述S7中，当牵引系统本身曝出故障时，认定在该状态下设备的健康度为0，在非牵引状态下和HSCB断开的状态下，不考虑该状态的得分，最后牵引系统某一天的得分，综合牵引状态的健康得分与报故障的健康得分平均来综合，若该车在某一天里面没有牵引状态，则用前一天的得分来作为今天的打分。