[发明专利]一种牵引变流器滤网堵塞的诊断方法和装置

说明书

本发明属于车辆故障预警领域，针对根据清洗间隔时间来控制是否进行下一次的滤网清洗，容易进行不必要的清洗和清洗不及时的问题，提出一种牵引变流器滤网堵塞的诊断方法和装置；所述方法包括，获取列车运行特征；获取存储的列车变流器滤网堵塞诊断模型；其中，所述列车变流器滤网堵塞诊断模型根据列车原始运行数据，选取特定的工况，特征工程，结合数据特征与实际检修结果，构建机器学习分类模型后得到；根据所述列车运行特征，结合所述列车变流器滤网堵塞诊断模型，得出列车变流器当前堵塞程度信息；输出所述当前堵塞程度信息。

技术领域

本发明属于车辆故障预警领域，具体涉及一种牵引变流器滤网堵塞的诊断方法和装置。

背景技术

随着通信与数据采集技术的飞速发展，地铁MVB数据已能够记录地铁数千测点的实时数据，精度可达1Hz。地铁的开通运营，为广大市民群众提供了便利，加速了城市发展，其安全稳定运行具有重要的社会意义。在地铁设备部件中，变流器是核心部件之一，它的散热系统和原理一直是一个重要的研究点，变流器需要有一个良好的散热设计，以便及时将热量散发出去，保证列车正常工作。风冷是变流器最重要的散热方式之一，而关乎风冷效果好坏的最重要部件是牵引变流器滤网。

因此，定期的滤网清洗成为了保证地铁安全运行的关键。然而，现阶段滤网清洗的规则往往比较单一，根据清洗间隔时间来决定是否清洗。由于地铁在运行过程中，运行环境复杂(隧道或地面)、牵引制动频繁切换等，滤网中的堵塞情况是随着地铁运行状况累计的，即地铁运行时，柳絮、灰尘等更多地涌入，相较于地铁非运行状态堵塞更为严重。故而，采用现有的根据清洗间隔时间来决定是否清洗滤网，没有提前观察或诊断滤网堵塞程度再决定，有时会进行不必要的清洗，有时又会错过清洗的最佳时机，对滤网的清洁容易出现清洁不及时的问题。如果不及时清理滤网，牵引变流器风冷效果变差，造成牵引变流器过热，导致性能下降，严重时会报出过温警告或过压警告，严重影响地铁的正常运行。

发明内容

本发明实施方式的目的在于提供的一种牵引变流器滤网堵塞的诊断方法和装置，解决了现有技术中，根据清洗间隔时间来控制是否进行下一次的滤网清洗，容易进行不必要的清洗和清洗不及时的问题。

为解决上述技术问题，本发明的实施方式提供了一种牵引变流器滤网堵塞的诊断方法，包括：

获取列车运行特征，所述列车运行特征包括当前时间、列车运行速度、牵引变流器冷却水进口温度、牵引变流器冷却水出口温度、环境温度、牵引变流器输入电流、牵引变流器输入电压、牵引变流器输出电流、牵引变流器输出电压中至少一项；

获取存储的列车变流器滤网堵塞诊断模型；其中，所述列车变流器滤网堵塞诊断模型根据列车原始运行数据，选取特定的工况，特征工程，结合数据特征与实际检修结果，构建机器学习分类模型后得到；

根据所述列车运行特征，结合所述列车变流器滤网堵塞诊断模型，得出列车变流器当前堵塞程度信息；

输出所述当前堵塞程度信息。

有益效果：本方案列车变流器滤网堵塞诊断模型采用人工智能机器学习算法，对已有的列车原始运行数据进行整理和总结，即选取特定的工况，施加特征工程，结合数据特征与实际检修结果，构建机器学习分类模型得到；列车变流器滤网堵塞诊断模型的建立，充分体现了列车变流器滤网堵塞程度与列车运行特征随着时间变化的规律。

根据列车运行时所采集的列车运行特征，结合列车变流器滤网堵塞诊断模型，得出列车变流器当前堵塞程度信息，便于工作人员根据所输出的当前堵塞程度信息的内容/大小可以判断出列车变流器的滤网目前的堵塞情况，从而根据堵塞情况对应判断出合适进行牵引变流器滤网的清洗。相比现有技术中直接根据时间而言，本方案整合历史记录对当前时刻的堵塞情况进行合理推测，有利于本领域工作人员根据堵塞程度及时改变列车变流器滤网的清洗状态，使得列车变流器滤网的清洗贴合列车变流器滤网本身的堵塞状况，避免出现不必要的清洗和清洗不及时的状况。

进一步，所述方法还包括：