[发明专利]一种有轨电车电容热管理系统的故障诊断方法及系统

权利要求书

1.一种故障诊断方法，其特征在于，应用于有轨电车超级电容热管理系统的故障诊断，所述故障诊断方法包括：

数据采集步骤：采集有轨电车超级电容热管理系统的运行数据，根据所述运行数据构建运行数据集；

数据预处理步骤：对所述运行数据集进行处理获得所述运行数据集的误差总值；

BP神经网络优化步骤：根据所述误差总值计算获得BP神经网络学习速率，根据所述BP神经网络学习速率与附加动量因子，对BP神经网络进行优化后，根据优化后的所述BP神经网络的第一层权值与第二层权值，计算获得优化后的所述BP神经网络输出的故障诊断初步结果；

故障类型与故障概率预测结果获得步骤：KNNP故障诊断与概率预测模型根据所述故障诊断初步结果输出故障类型与故障概率预测结果。

2.根据权利要求1所述的故障诊断方法，其特征在于，所述数据预处理步骤包括：

对所述运行数据集进行归一化处理后，将归一化处理后的所述运行数据集与故障标签进行处理获得故障标签，并将归一化处理后的所述运行数据集分为运行数据训练集与运行数据测试集。

3.根据权利要求2所述的故障诊断方法，其特征在于，所述预处理步骤还包括：

对所述BP神经网络的神经网络权值进行Xavier均匀分布初始化，获得所述BP神经网络的第一层权值与第二层权值；

根据归一化的所述运行数据集、所述故障标签、初始化后的所述第一层权值及所述第二层权值通过SoftSign函数形成激活函数；

根据所述激活函数构建误差函数，通过所述误差函数计算获得所述运行数据训练集的所述误差总值。

4.根据权利要求2所述的故障诊断方法，其特征在于，所述BP神经网络优化步骤包括：

根据所述误差总值计算获得所述附加动量因子与所述BP神经网络学习速率；

根据所述BP神经网络学习速率与所述附加动量因子对所述BP网络进行训练，获得优化后的所述BP神经网络的第一层权值变化量与第二层权值变化量。

5.根据权利要求4所述的异常识别方法，其特征在于，所述BP神经网络优化步骤还包括：

根据所述第一层权值变化量与所述第二层权值变化量，通过反向传播法计算获得优化后的所述BP神经网络的所述第一层权值与所述第二层权值；

根据所述第一层权值与所述第二层权值，计算获得所述故障诊断初步结果。

6.根据权利要求5所述的故障诊断方法，其特征在于，所述故障类型与故障概率预测结果获得步骤包括：

基于K＝1的最邻近KNNP算法构建所述KNNP故障诊断与概率预测模型，通过所述运行数据测试集对所述KNNP故障诊断与概率预测模型进行测试，所述样本集合通过测试后的所述KNNP故障诊断与概率预测模型获得所述故障类型与故障概率预测结果。

7.根据权利要求2所述的故障诊断方法，其特征在于，所述故障类型与故障概率预测结果获得步骤还包括：

根据所述故障诊断初步结果，通过欧氏距离的距离量度方法获得所述故障诊断初步结果到所述故障标签的距离；

根据K＝1的所述最邻近KNNP算法，取与所述故障诊断初步结果距离最近的故障标签值。

8.一种故障诊断系统，其特征在于，所述故障诊断系统包括：

数据采集单元：通过传感器采集有轨电车超级电容热管理系统的运行数据，根据所述运行数据构建运行数据集，通过物联网平台将所述运行数据存储到云服务器；

数据预处理单元：在数据训练与分析平台中，对所述运行数据集进行处理获得所述运行数据集的误差总值；

BP神经网络优化单元：根据所述误差总值计算获得BP神经网络学习速率，根据所述BP神经网络学习速率与附加动量因子，对BP神经网络进行优化后，根据优化后的所述BP神经网络的第一层权值与第二层权值，计算获得优化后的所述BP神经网络输出的故障诊断初步结果；

故障类型与故障概率预测结果获得单元：通过KNNP故障诊断与概率预测模型根据所述故障诊断初步结果输出故障类型与故障概率预测结果，将所述故障类型与所述故障概率预测结果同步到售后服务平台。