[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

说明书

本申请公开了一种有轨电车电容热管理系统的故障诊断方法及系统，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，根据运行数据构建运行数据集；数据预处理步骤：对运行数据集进行处理获得运行数据集的误差总值；BP神经网络优化步骤：根据误差总值计算获得BP神经网络学习速率，根据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。

技术领域

本申请涉及轨道车辆热管理系统检测技术领域，尤其涉及一种有轨电车 电容热管理系统的故障诊断方法及系统。

背景技术

有轨电车以接触网供电为主，在无架设接触网条件或超高车辆较 多的路口采用车载储能通过。超级电容模组作为储能主要部件，成为 有轨电车的一个关键组成部分。其保证超级电容正常运行的热管理系 统的稳定性、可靠性和及时故障诊断系统都至关重要，其热管理系统 的日常维护、隐患排查和故障诊断是保证列车运行可靠性的重要手段。

超级电容热管理系统故障情况以使用现场通知为准，故障处理严 重滞后于故障发生和故障隐患，且故障后对正常行车秩序影响严重。 故障排查手段常依赖于具有丰富经验的技术人员现场登顶根据故障现 象进行经验分析排查，并需要复杂开箱操作，排查时间通常较长，难 度较大，且部分故障现象并不明显，给现场排查人员带来很大困难。针 对传统热管理系统故障诊断模型，存在模型复杂、训练耗时较长、准 确率低、无法计算故障概率等特点。因而，有轨电车超级电容热管理 系统检测过程中，如何实现基于BP-KNNP型算法模型的故障诊断和故障诊断 模型无法计算出故障概率成为一个亟待解决的问题。

发明内容

本申请实施例提供了一种有轨电车电容热管理系统的故障诊断方法及 系统，以至少通过本发明解决了模型复杂、模型训练耗时长、故障诊 断准确率低、无法实现基于BP-KNNP型算法模型的故障诊断、故障诊断模 型无法计算出故障概率、故障排查和解决难度高等问题。

本发明提供了一种故障诊断方法，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。

上述的故障诊断方法，其中，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对应获得故障标签，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。

上述的故障诊断方法，其中，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。

上述的故障诊断方法，其中，所述BP神经网络优化步骤包括：