[发明专利]铁路货车故障诊断方法、装置及设备

权利要求书

1.一种铁路货车故障诊断方法，其特征在于，包括：

从外部系统中获取铁路货车历史维修数据，所述铁路货车历史维修数据包括故障模式数据、货车运行数据和故障原因数据；

采用Apriori算法对故障模式数据集进行搜索，形成铁路货车故障模式频繁项集；

基于遗传算法对所述铁路货车历史维修数据和所述铁路货车故障模式频繁项集进行编码，得到初始群体；

对所述初始群体依次进行选择操作、交叉操作和变异操作，得到用于货车故障诊断的关联规则集合。

2.根据权利要求1所述的方法，其特征在于，所述外部系统包括货车运用管理信息系统、货车履历信息系统和货车状态监测维修系统，所述从外部系统中获取铁路货车历史维修数据，包括：

从所述货车运用管理信息系统中获取5T预警信息、5T定检履历信息，不良货车信息、加送车信息、列检的货车运行状态地面安全监测系统信息、列检的货车滚动轴承早期故障声学诊断系统信息以及平台的扣车与关门车信息；

从所述货车履历信息系统中获取铁路货车站修、段修和厂修的修程三陪数据及实施信息；

从所述货车状态监测维修系统中获取铁路货车车列和车辆的技术状态、运行轨迹和过车信息。

3.根据权利要求1所述的方法，其特征在于，所述采用Apriori算法对故障模式数据集进行搜索之前，所述方法还包括对所述铁路货车历史维修数据执行以下操作中的至少一项：

删除数据分类标签缺失的铁路货车历史维修数据；

采用预设默认值或者预设计算方式填补铁路货车历史维修数据中的空值；

对于铁路货车历史维修数据中的数值性数据使用历史平均值替代；

使用当前数据前后值的均值来代替当前数据的值，对铁路货车历史维修数据进行数据平滑；

将相同类型的铁路货车历史维修数据划分为同一类；

删除铁路货车历史维修数据中的异常数据；

使用概念分层的方法对铁路货车历史维修数据进行数据泛化；

对铁路货车历史维修数据进行缩放，将其转换至预设范围；

采用车型唯一码和部件唯一码对车号、车型、故障位数、故障编码、故障名称、部件类型、部件名称、部件编码、更换时间、开始时间、截止时间、部件的特征参数值、总里程、空车里程和重车里程进行语义识别与统一。

4.根据权利要求1所述的方法，其特征在于，所述采用Apriori算法对故障模式数据集进行搜索，形成铁路货车故障模式的频繁项集包括：

初始化故障模式数据集，扫描故障模式数据集中的第一条数据记录，将当前扫描的数据记录的数据项个数确定为最大数据项个数，根据所述最大数据项个数创建候选集；

依次扫描故障模式数据集中的中的下一条数据记录，若当前扫描的数据记录的数据项个数小于等于所述最大数据项个数，则对所述候选集进行更新，反之则将所述最大数据项个数更新为当前扫描的数据记录的数据项个数，并根据更新后的最大数据项个数创建新的候选集，直至扫描到故障模式数据集中最后一条数据记录，得到铁路货车故障模式的频繁项集。

5.根据权利要求1所述的方法，其特征在于，所述基于遗传算法对所述铁路货车历史维修数据和所述铁路货车故障模式频繁项集进行编码包括：

对遗传算法中的群体规划、交叉概率和变异概率进行初始化，所述群体规划初始化为300到500之间，所述交叉概率初始化为0.4到0.9之间，所述变异概率初始化为0.01到0.1之间；

将故障特征值划分成不同等级，采用整数数组对所述铁路货车故障模式频繁项集进行编码，使用一条染色体表示一个关联规则，所述关联规则包括前件和后件，所述前件包括部件编码和故障代码，所述后件包括与部件及故障相关的故障特征值属性信息。

6.根据权利要求1所述的方法，其特征在于，所述遗传算法中所采用的适应度函数根据如下表达式确定：

Fitness＝S′/S；

其中，Fitness表示适应度函数，S'表示经过遗传操作形成一条新的规则的支持度，S表示用户给定的支持度阈值。