[发明专利]多服役工况下列车牵引系统故障诊断方法、系统及介质

说明书

本发明涉及轨道列车牵引系统故障诊断技术领域，公开了一种多服役工况下列车牵引系统故障诊断方法、系统及介质；该方法对预先构建的故障诊断模型框架进行训练得到目标多通道域自适应图卷积网络模型，并基于目标多通道域自适应图卷积网络模型进行故障诊断，这样，基于故障诊断模型框架不仅能够提取数据特征，同时注重于数据关联性，可以在一定程度上使得所需故障样本数量显著降低，可以解决服役工况的多样性和故障样本的稀缺性问题，为小样本下的牵引系统故障诊断提供了可行途径，可以及时诊断轨道列车牵引系统的微小故障。

技术领域

本发明涉及轨道列车牵引系统故障诊断技术领域，尤其涉及一种多服役工况下列车牵引系统故障诊断方法、系统及介质。

背景技术

随着轨道列车的长期运行，其牵引系统关键部件容易随着使用时间的增长而出现一些故障。如果没有及时检修，很可能降低列车工作性能甚至危及乘客人身安全，因此针对轨道列车的故障诊断系统设计日益成为研究的重点，其中，电力牵引系统(简称牵引系统)是轨道列车主要的动力来源，也是轨道列车稳定运行的核心子系统，在一些动车组中，牵引系统主要由高压电器(牵引变压器、预充电电路等)、牵引变流器(整流器、中间直流环节、逆变器)、牵引电机和牵引控制单元级联构成。同时，牵引系统是故障发生频率最高的子系统之一，牵引系统各个部件很容易随着运行时间的增长而出现老化，损坏等情况，最终导致牵引系统无法正常工作。由于轨道列车的故障导向安全准则，使列车长期处于安全保护状态，降低了工作效率，若列车发生故障，则必须停车检修，因此故障数据收集时间较短，导致故障数据样本少；同时，在轨道列车实际运行过程中，牵引系统多数情况处于正常服役工况，即使是故障发生时，也只是做一个故障是否发生的逻辑判断，这是由于缺乏实时有效的故障诊断策略，导致故障类型标签获取困难，这些都导致轨道列车的故障诊断面临着小样本问题。

同时牵引系统运行的多服役工况是导致诊断模型泛化性能有限的主要原因。牵引系统的工作状态包括启机和运行阶段。当工作在启机阶段时，列车仍处于停车阶段；当在运行阶段时，牵引系统经历加速、惰行、常规制动减速、故障情况下减速或停车等不同服役工况。因为牵引系统运行服役工况的时变性以及运行环境的复杂性，使得观测变量的关联性会随着服役工况的变化而发生改变，使得原本关联模型的参数关系发生变化，导致牵引系统小样本下的故障诊断复杂，泛化性能差。

目前传统的建模方法可以建立牵引系统各设备之间的机理模型，但也忽略了强耦合设备间的关联性，因此难以做到微小故障的诊断。此外，由于系统设备之间的关联作用存在一定的由电气连接方式决定的结构化特征，因此，无法通过各设备之间的简单叠加来建立一体化模型。可见，现有技术中，难以及时诊断轨道列车牵引系统的微小故障。

发明内容

本发明提供了一种多服役工况下列车牵引系统故障诊断方法、系统及介质，以解决现有技术中，难以及时诊断轨道列车牵引系统的微小故障。

为了实现上述目的，本发明通过如下的技术方案来实现：

第一方面，本发明提供一种多服役工况下列车牵引系统故障诊断方法，包括：

S1：采集牵引系统在不同服役工况以及不同故障状态下的三相电流原始数据，并为所述三相电流原始数据添加故障类型标签；

S2：对所述三相电流原始数据进行预处理得到故障诊断数据集，并根据服役工况情况将所述故障诊断数据集划分为源域数据集和目标域数据集；

S3：将所述源域数据集和目标域数据集输入预先构建的故障诊断模型框架，以总体损失函数作为网络训练指标，基于反向传播算法进行训练得到目标通道域自适应图卷积网络模型；

S4：将待诊断牵引系统的三相电流数据输入所述目标通道域自适应图卷积网络模型进行故障诊断。

第二方面，本申请提供一种多服役工况下列车牵引系统故障诊断系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。