[发明专利]齿轮箱的故障预测、监测和诊断方法及相应装置

权利要求书

1.一种齿轮箱的故障预测方法，其特征在于，包括：

采集齿轮箱的工作数据和列车运行数据；

对所述齿轮箱的工作数据和所述列车运行数据进行智能分析处理，预测得到所述齿轮箱的故障数据；

其中，在对所述齿轮箱的工作数据和所述列车运行数据进行智能分析处理，预测得到所述齿轮箱的故障数据之前，还包括：对所述齿轮箱的工作数据和所述列车数据进行预处理，得到预处理后的数据；对所述预处理后的数据进行筛选，得到至少一个测点对应的测点数据；根据所述测点数据，确定所述测点数据的数据特征，其中，所述数据特征包括：基础统计特征、变化速率特征、时间窗口特征和竞争特征；根据所述测点数据的数据特征，预测得到所述齿轮箱的故障数据；

其中，根据所述测点数据，确定所述测点数据的数据特征，包括：对提取出的相关测点的数据进行聚合，聚合区间为按分钟划分的时间段，选取分钟内数据段的部分统计量作为所述基础统计特征；根据数据探索与测点筛选阶段得到的信息，对齿轮箱故障前后各个温度测点，速度测点以及部分电压、电流测点的连续变化量计算出每分钟变化速率，作为测点的所述变化速率特征；对各项基础统计特征以及变化速率特征进行时间窗口的平滑处理，分别提取时间窗口内的均值、最大值、最小值和累计值作为所述时间窗口特征；对同车各个齿轮箱与其他齿轮箱的基础统计特征和变化速率特征分别进行对比，得到所述竞争特征。

2.根据权利要求1所述的故障预测方法，其特征在于，对所述齿轮箱的工作数据和所述列车运行数据进行预处理包括以下至少之一：

数据清洗，数模转化，数据存储格式转化，数据合并，数据缺失值填补和数据有效性验证。

3.根据权利要求1或2所述的故障预测方法，其特征在于，根据所述测点数据的数据特征，预测得到所述齿轮箱的故障数据包括：

使用故障预测模型对所述测点数据的数据特征进行智能分析，预测得到所述齿轮箱的故障数据，其中，所述故障预测模型为机器学习模型。

4.根据权利要求3所述的故障预测方法，其特征在于，在对所述齿轮箱的工作数据和所述列车运行数据进行智能分析处理，预测得到所述齿轮箱的故障数据之前，所述方法包括：

使用所述齿轮箱的工作数据和所述列车运行数据作为样本数据，训练所述故障预测模型，其中，训练所述故障预测模型包括：

根据所述样本数据，使用多种分类方法构建多个分类模型，其中，所述多个分类模型均为机器学习模型；

集成所述多个分类模型，得到所述故障预测模型。

5.根据权利要求4所述的故障预测方法，其特征在于，所述集成多个分类模型得到所述故障预测模型的方法包括以下至少之一：

投票平均方法，引导聚焦方法，提升方法。

6.一种齿轮箱的故障诊断方法，其特征在于，包括：

采集齿轮箱的工作数据和列车运行数据；

对所述齿轮箱的工作数据和所述列车运行数据进行预处理，得到预处理后的数据；

对所述预处理后的数据进行筛选，得到至少一个测点对应的测点数据；

根据所述测点数据，确定所述测点数据的数据特征，其中，所述数据特征包括：基础统计特征、变化速率特征、时间窗口特征和竞争特征；

使用故障诊断模型对所述测点数据的数据特征进行智能分析处理，诊断得到所述齿轮箱的故障数据，其中，所述故障诊断模型为机器学习模型；

其中，根据所述测点数据，确定所述测点数据的数据特征，包括：对提取出的相关测点的数据进行聚合，聚合区间为按分钟划分的时间段，选取分钟内数据段的部分统计量作为所述基础统计特征；根据数据探索与测点筛选阶段得到的信息，对齿轮箱故障前后各个温度测点，速度测点以及部分电压、电流测点的连续变化量计算出每分钟变化速率，作为测点的所述变化速率特征；对各项基础统计特征以及变化速率特征进行时间窗口的平滑处理，分别提取时间窗口内的均值、最大值、最小值和累计值作为所述时间窗口特征；对同车各个齿轮箱与其他齿轮箱的基础统计特征和变化速率特征分别进行对比，得到所述竞争特征。

7.一种齿轮箱的故障预测装置，其特征在于，包括：

第一采集单元，用于采集齿轮箱的工作数据和列车运行数据；

第一处理单元，用于对所述齿轮箱的工作数据和所述列车运行数据进行智能分析处理，预测得到所述齿轮箱的故障数据；

其中，所述装置还包括：第二采集单元，用于采集齿轮箱的工作数据和列车运行数据；第一预处理单元，用于对所述齿轮箱的工作数据和所述列车运行数据进行预处理，得到预处理后的数据；第一筛选单元，用于对所述预处理后的数据进行筛选，得到至少一个测点对应的测点数据；第一特征工程单元，用于根据所述测点数据，确定所述测点数据的数据特征，其中，所述数据特征包括：基础统计特征、变化速率特征、时间窗口特征和竞争特征；第二处理单元，用于使用故障诊断模型对所述测点数据的数据进行智能分析处理，诊断得到所述齿轮箱的故障数据，其中，所述故障诊断模型为机器学习模型；

其中，所述第一特征工程单元，还用于对提取出的相关测点的数据进行聚合，聚合区间为按分钟划分的时间段，选取分钟内数据段的部分统计量作为所述基础统计特征；根据数据探索与测点筛选阶段得到的信息，对齿轮箱故障前后各个温度测点，速度测点以及部分电压、电流测点的连续变化量计算出每分钟变化速率，作为测点的所述变化速率特征；对各项基础统计特征以及变化速率特征进行时间窗口的平滑处理，分别提取时间窗口内的均值、最大值、最小值和累计值作为所述时间窗口特征；对同车各个齿轮箱与其他齿轮箱的基础统计特征和变化速率特征分别进行对比，得到所述竞争特征。