[发明专利]一种机车车辆异常轴温诊断方法及系统

摘要

本发明提供一种机车车辆异常轴温诊断方法及系统，将多个关联测点在多个时间窗口的温度时域特征组合成特征集合，对特征集合进行k‑means聚类，通过k‑means聚类对特征位置差异进行判断，确定是否存在孤立测点，若存在孤立测点，则以正常测点所属簇的最大半径作为邻域半径，以单个关联测点对应的温度时域特征数量作为最小邻域密度，根据邻域半径和最小邻域密度对特征集合进行DBSCAN聚类，判断其分布密度是否存在显著差异。若某个关联测点对应的温度时域特征在k‑means聚类和DBSCAN聚类的结果中同时具有位置差异性与分布密度差异性，则可判断该关联测点存在温度异常。该方法及系统有效提高了机车车辆异常轴温诊断的正确率，并对应降低了诊断的误判率。

主权项

1.一种机车车辆异常轴温诊断方法，其特征在于，包括：S1，预先设置多个关联测点和多个时间窗口，获取每个所述关联测点在每个所述时间窗口内的温度时域特征，将所有所述关联测点对应的所有所述温度时域特征组合成特征集合；S2，利用k‑means聚类算法对所述特征集合中的所有温度时域特征进行聚类，获得所述特征集合中每个温度时域特征的类标签，根据每个所述关联测点对应的所有温度时域特征的类标签确定每个所述关联测点的类标签，所述类标签的种类为两种；S3，当两种所述类标签中的一种类标签对应的关联测点的数量小于预设数量时，则将该种类标签对应的所有关联测点确定为孤立测点，将另一种类标签对应的所有关联测点确定为正常测点；S4，计算所有所述正常测点对应的所有温度时域特征中的每两个温度时域特征之间的欧氏距离，根据所述欧氏距离确定邻域半径，并根据所述时间窗口的数量确定最小邻域密度；S5，利用DBSCAN聚类算法根据所述邻域半径和所述最小邻域密度对所述特征集合进行聚类，当所有所述孤立测点被聚类为噪声，且所有所述正常测点被聚类为同一类时，确定所有所述孤立测点存在温度异常。