《一种城轨车辆空调系统故障诊断方法和装置.pdf》由会员分享,可在线阅读,更多相关《一种城轨车辆空调系统故障诊断方法和装置.pdf(18页珍藏版)》请在专利查询网上搜索。
1、10申请公布号CN104200109A43申请公布日20141210CN104200109A21申请号201410455410522申请日20140909G06F19/0020110171申请人南车株洲电力机车有限公司地址412001湖南省株洲市石峰区田心高科园72发明人杨颖李骏李海新彭冬良彭驹74专利代理机构北京集佳知识产权代理有限公司11227代理人王宝筠54发明名称一种城轨车辆空调系统故障诊断方法和装置57摘要本发明提供了一种城轨车辆空调系统故障诊断方法和装置,当获取到采集模块对空调系统进行监测时所采集的故障信号后,采用小波包变换算法对该故障信号进行处理,从而得到该故障信号各频段的重构信。
2、号,之后,根据该重构信号即可得到故障信号特征信息,此时,在采用可能性聚类算法对其进行计算,即可快速且准确地确定出与该故障信息对应的故障类型,以便根据该故障类型进行准确且快速地处理,从而使该城轨车辆空调系统快速恢复正常工作,保证乘客舒适的乘车环境。51INTCL权利要求书3页说明书11页附图3页19中华人民共和国国家知识产权局12发明专利申请权利要求书3页说明书11页附图3页10申请公布号CN104200109ACN104200109A1/3页21一种城轨车辆空调系统故障诊断方法,其特征在于,所述方法包括获取采集模块对空调系统进行监测时所采集的故障信号;采用小波包变换算法,对所述故障信号进行处理。
3、,得到所述故障信号中各频率信号的重构信号;利用所述重构信号,得到故障信号特征向量;采用可能性聚类算法对所述故障信号特征向量进行计算,确定与所述故障信号对应的故障类型。2根据权利要求1所述的方法,其特征在于,所述采用小波包变换算法,对所述故障信号进行处理,得到所述故障信号中各频率信号的重构信号,包括采用预设分解尺度对所述故障信号进行小波包分解,得到所述故障信号中各频率信号;提取每一预设分解尺度下各频率信号中的信号特征作对应预设分解尺度下各频率信号的重构信号。3根据权利要求2所述的方法,其特征在于,所述利用所述重构信号,得到故障信号特征向量,包括计算最后一个预设分解尺度下各频率信号的重构信号的能量。
4、以及所有频率信号的重构信号的总能量;对所述重构信号的能量进行归一化处理,确定各重构信号的能量在所述总能量中所占的比例;根据所述各重构信号的能量在所述总能量中所占的比例,构建故障信号特征向量。4根据权利要求3所述的方法,其特征在于,所述采用可能性聚类算法对所述故障信号特征向量进行计算,确定与所述故障信号对应的故障类型,包括获取可能性聚类算法的初始参数,所述初始参数包括聚类中心数、权重指数、初始聚类中心矩阵和初始隶属度矩阵;计算由所述故障信号特征向量确定的每一个样本到所述初始聚类中心矩阵的距离;将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入隶属度迭代公式。
5、,计算出迭代后的隶属度矩阵;判断所述迭代后的隶属度矩阵与所述初始隶属度矩阵的差值是否小于预设最大允许误差;如果是,则将所述迭代后的隶属度矩阵作为目标隶属度矩阵;如果否,则将所述迭代后的隶属度矩阵作为初始隶属度矩阵,并判断当前迭代次数是否达到预设最大迭代次数;如果未达到,则返回所述将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入隶属度迭代公式,计算出迭代后的隶属度矩阵步骤继续执行;如果达到,则将当前迭代次数对应的隶属度矩阵作为目标隶属度矩阵;将所述故障信号特征向量中的每一个样本以及所述目标隶属度矩阵中与所述样本对应的隶属度代入聚类中心迭代公式,计算出目标。
6、聚类中心矩阵;计算未知故障类型的数据样本与所述目标聚类中心矩阵中各聚类中心的贴近度;权利要求书CN104200109A2/3页3根据计算结果,确定与所述故障信号对应的故障类型。5根据权利要求4所述的方法,其特征在于,所述将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入隶属度迭代公式,计算出迭代后的隶属度矩阵,包括将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入调节参数确定公式,确定与所述距离对应的调节参数I,所述调节参数确定公式为其中,I1,2,所述预设分解尺度数;J1,2,N,N表示每一预设分解尺度下每个节点。
7、经计算得到的离散指数;UIJ表示初始隶属度矩阵中各预设分解尺度下各节点对应的隶属度,DIJ表示所述每一样本到所述初始聚类中心的距离;M表示所述权重指数;K1;将所述每一个样本到所述初始聚类中心的距离以及与所述距离对应的调节参数代入隶属度迭代公式,计算出迭代后的隶属度矩阵UIJ,所述隶属度迭代公式为6根据权利要求4所述的方法,其特征在于,所述聚类中心迭代公式为其中,UIJ表示目标隶属度矩阵中与各预设分解尺度下各节点对应的隶属度;I1,2,所述预设分解尺度数;J1,2,N;N表示每一预设分解尺度下每个节点经计算得到的离散指数;M表示所述权重指数,XJ表示所述故障信号特征向量中的第J个样本。7根据权。
8、利要求4所述的方法,其特征在于,所述计算未知故障类型的数据样本与所述目标聚类中心矩阵中各聚类中心的贴近度,包括根据公式计算未知故障类型的数据样本与所述目标聚类中心矩阵中各聚类中心的贴近度DATA,V;其中,MIN表示取最小值运算;MAX表示取最大值运算;DATAIK表示未知故障类型的数据样本,VJK表示所述目标聚类中心矩阵中的各聚类中心;I1,2,N;J1,2,C;N表示表示每一预设分解尺度下每个节点经计算得到的离散指数;C表示所述聚类中心数,M表示所述权重指数。权利要求书CN104200109A3/3页48一种城轨车辆空调系统故障诊断装置,其特征在于,所述装置包括第一获取模块,用于获取采集模。
9、块对空调系统进行监测时所采集的故障信号;第一处理模块,用于采用小波包变换算法,对所述故障信号进行处理,得到所述故障信号中各频率信号的重构信号;第一确定模块,用于利用所述重构信号,得到故障信号特征向量;第一计算模块,用于采用可能性聚类算法对所述故障信号特征向量进行计算,确定与所述故障信号对应的故障类型。9根据权利要求8所述的装置,其特征在于,所述第一处理模块包括第一分解单元,用于采用预设分解尺度对所述故障信号进行小波包分解,得到所述故障信号中各频率信号;第一提取单元,用于提取每一预设分解尺度下各频率信号中的信号特征作对应预设分解尺度下各频率信号的重构信号。10根据权利要求8所述的装置,其特征在于。
10、,所述第一确定模块包括第一计算单元,用于计算最后一个预设分解尺度下各频率信号的重构信号的能量以及所有频率信号的重构信号的总能量;第一处理单元,用于对所述重构信号的能量进行归一化处理,确定各重构信号的能量在所述总能量中所占的比例;第一构建单元,用于根据所述各重构信号的能量在所述总能量中所占的比例,构建故障信号特征向量。权利要求书CN104200109A1/11页5一种城轨车辆空调系统故障诊断方法和装置技术领域0001本发明涉及空调系统故障诊断技术领域,更具体的说是涉及一种城轨车辆空调系统故障诊断方法和装置。背景技术0002如今,为了提高乘客在城轨车辆中的舒适度,城轨车辆上通常都会设置空调系统,来。
11、调节车厢内空气的湿度和温度,具体的,通过该空调系统中的控制系统控制空调机组对车厢内的空气和外界新气进行处理后,通过通风系统将处理后的空气输送到客室,从而保证客室内空气的温度和湿度的均衡性。其中,为了保证城轨车辆空调系统的可靠工作,在实际应用中,控制系统需要实时监测空调机组和通风系统的运行情况,以便在这两部分发生故障时进行及时处理。0003目前,现有的城轨车辆空调系统故障诊断通常都是人工进行的,诊断效率和准确度都比较低,而且,由于该空调系统的结构复杂,其内部部件在运行过程中无法直接观测,此时将无法及时诊断出故障区域及其故障类型,进而也就无法快速恢复城轨车辆空调系统的正常工作。发明内容0004有鉴。
12、于此,本发明提供了一种城轨车辆空调系统故障诊断方法和装置,解决了现有技术中人工进行城轨车辆空调系统故障诊断时,因该空调系统结构无法,其内部部件在运行过程中无法直接观测,从而大大降低了故障诊断效率和准确度的技术问题。0005为实现上述目的,本发明提供如下技术方案0006一种城轨车辆空调系统故障诊断方法,所述方法包括0007获取采集模块对空调系统进行监测时所采集的故障信号;0008采用小波包变换算法,对所述故障信号进行处理,得到所述故障信号中各频率信号的重构信号;0009利用所述重构信号,得到故障信号特征向量;0010采用可能性聚类算法对所述故障信号特征向量进行计算,确定与所述故障信号对应的故障类。
13、型。0011优选的,所述采用小波包变换算法,对所述故障信号进行处理,得到所述故障信号中各频率信号的重构信号,包括0012采用预设分解尺度对所述故障信号进行小波包分解,得到所述故障信号中各频率信号;0013提取每一预设分解尺度下各频率信号中的信号特征作对应预设分解尺度下各频率信号的重构信号。0014优选的,所述利用所述重构信号,得到故障信号特征向量,包括0015计算最后一个预设分解尺度下各频率信号的重构信号的能量以及所有频率信号说明书CN104200109A2/11页6的重构信号的总能量;0016对所述重构信号的能量进行归一化处理,确定各重构信号的能量在所述总能量中所占的比例;0017根据所述各。
14、重构信号的能量在所述总能量中所占的比例,构建故障信号特征向量。0018优选的,所述采用可能性聚类算法对所述故障信号特征向量进行计算,确定与所述故障信号对应的故障类型,包括0019获取可能性聚类算法的初始参数,所述初始参数包括聚类中心数、权重指数、初始聚类中心矩阵和初始隶属度矩阵;0020计算由所述故障信号特征向量确定的每一个样本到所述初始聚类中心矩阵的距离;0021将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入隶属度迭代公式,计算出迭代后的隶属度矩阵;0022判断所述迭代后的隶属度矩阵与所述初始隶属度矩阵的差值是否小于预设最大允许误差;0023如果是。
15、,则将所述迭代后的隶属度矩阵作为目标隶属度矩阵;0024如果否,则将所述迭代后的隶属度矩阵作为初始隶属度矩阵,并判断当前迭代次数是否达到预设最大迭代次数;0025如果未达到,则返回所述将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入隶属度迭代公式,计算出迭代后的隶属度矩阵步骤继续执行;0026如果达到,则将当前迭代次数对应的隶属度矩阵作为目标隶属度矩阵;0027将所述故障信号特征向量中的每一个样本以及所述目标隶属度矩阵中与所述样本对应的隶属度代入聚类中心迭代公式,计算出目标聚类中心矩阵;0028计算未知故障类型的数据样本与所述目标聚类中心矩阵中各聚类中。
16、心的贴近度;0029根据计算结果,确定与所述故障信号对应的故障类型。0030优选的,所述将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入隶属度迭代公式,计算出迭代后的隶属度矩阵,包括0031将所述每一个样本到所述初始聚类中心的距离以及所述初始隶属度矩阵中与所述距离对应的隶属度代入调节参数确定公式,确定与所述距离对应的调节参数I,所述调节参数确定公式为00320033其中,I1,2,所述预设分解尺度数;J1,2,N,N表示每一预设分解尺度下每个节点经计算得到的离散指数;UIJ表示初始隶属度矩阵中各预设分解尺度下各节说明书CN104200109A3/11页。
17、7点对应的隶属度,DIJ表示所述每一样本到所述初始聚类中心的距离;M表示所述权重指数;K1;0034将所述每一个样本到所述初始聚类中心的距离以及与所述距离对应的调节参数代入隶属度迭代公式,计算出迭代后的隶属度矩阵UIJ,所述隶属度迭代公式为00350036优选的,所述聚类中心迭代公式为00370038其中,UIJ表示目标隶属度矩阵中与各预设分解尺度下各节点对应的隶属度;I1,2,所述预设分解尺度数;J1,2,N;N表示每一预设分解尺度下每个节点经计算得到的离散指数;M表示所述权重指数,XJ表示所述故障信号特征向量中的第J个样本。0039优选的,所述计算未知故障类型的数据样本与所述目标聚类中心矩。
18、阵中各聚类中心的贴近度,包括0040根据公式计算未知故障类型的数据样本与所述目标聚类中心矩阵中各聚类中心的贴近度DATA,V;0041其中,MIN表示取最小值运算;MAX表示取最大值运算;DATAIK表示未知故障类型的数据样本,VJK表示所述目标聚类中心矩阵中的各聚类中心;I1,2,N;J1,2,C;N表示表示每一预设分解尺度下每个节点经计算得到的离散指数;C表示所述聚类中心数,M表示所述权重指数。0042一种城轨车辆空调系统故障诊断装置,所述装置包括0043第一获取模块,用于获取采集模块对空调系统进行监测时所采集的故障信号;0044第一处理模块,用于采用小波包变换算法,对所述故障信号进行处理。
19、,得到所述故障信号中各频率信号的重构信号;0045第一确定模块,用于利用所述重构信号,得到故障信号特征向量;0046第一计算模块,用于采用可能性聚类算法对所述故障信号特征向量进行计算,确定与所述故障信号对应的故障类型。0047优选的,所述第一处理模块包括0048第一分解单元,用于采用预设分解尺度对所述故障信号进行小波包分解,得到所述故障信号中各频率信号;0049第一提取单元,用于提取每一预设分解尺度下各频率信号中的信号特征作对应预设分解尺度下各频率信号的重构信号。0050优选的,所述第一确定模块包括说明书CN104200109A4/11页80051第一计算单元,用于计算最后一个预设分解尺度下各。
20、频率信号的重构信号的能量以及所有频率信号的重构信号的总能量;0052第一处理单元,用于对所述重构信号的能量进行归一化处理,确定各重构信号的能量在所述总能量中所占的比例;0053第一构建单元,用于根据所述各重构信号的能量在所述总能量中所占的比例,构建故障信号特征向量。0054经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种城轨车辆空调系统故障诊断方法和装置,当获取到采集模块对空调系统进行监测时所采集的故障信号后,采用小波包变换算法对该故障信号进行处理,从而得到该故障信号各频段的重构信号,之后,根据该重构信号即可得到故障信号特征信息,此时,在采用可能性聚类算法对其进行计算,即可快速且准。
21、确地确定出与该故障信息对应的故障类型,以便根据该故障类型进行准确且快速地处理,从而使该城轨车辆空调系统快速恢复正常工作,保证乘客舒适的乘车环境。附图说明0055为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。0056图1为本发明一种城轨车辆空调系统故障诊断方法的流程图;0057图2为本发明一种故障信号小波包分解的分解结构示意图;0058图3为本发明另一种城轨车辆空调系统故障诊断方法的流程图;。
22、0059图4为本发明一种城轨车辆空调系统故障诊断装置的结构示意图。具体实施方式0060下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。0061在实际应用中,为了给乘客提供舒适的乘车环境,在城轨车辆中通常都会安装有空调系统,来调节车厢内的空气的湿度和温度。其中,空调系统主要是由控制系统、通风系统和空调机组三部分组成,而该控制系统由PLCPROGRAMMABLELOGICCONTROLLE。
23、R,可编程逻辑控制器、温度扩展模块和信息显示模块组成,通过辅助供电系统将从接触网获得的1500V直流电整流成110V直流电来供电,由PLC作为该控制系统的核心,实现对空调机组运行情况的实时监测,并通过信息显示模块进行实时显示;空调机组主要由空气处理单元和压缩机冷凝器单元构成,当接收到通风系统中的离心风机从车外吸入的新风和室内回风后,将进行空气一系列处理,并通过主风道将处理后的气体送回客室。其中,空调机组安装在每节车厢顶部的两端,共用一个主风道,送风管道沿车厢顶部纵向布置,从车厢两端向车厢中部送风,且在空调机组两端设有新风口,前端设有送风口,车顶送风通道与空调机送风说明书CN104200109A。
24、5/11页9口相连接,保证冷热空气在客室内交换,为客室创造一舒爽的环境。0062经研究发现,对于结构复杂的空调系统,同一种故障往往有多种不同的原因引起,且不同部件的故障所带来的故障征兆有时也是相同,工作人员无法依据故障征兆诊断故障类型,更何况,在空调系统运行过程中,由于其内部部件是无法直接观测,因而,工作人员若要检查空调系统内部是否故障,必须要该空调系统停止运行,显然,该检查及处理过程必然会影响乘客的乘车环境。0063为了解决人工进行城轨车辆空调系统故障诊断中的问题,本发明实施例公开了一种城轨车辆空调系统故障诊断方法和装置,当获取到采集模块对空调系统进行监测时所采集的故障信号后,采用小波包变换。
25、算法对该故障信号进行处理,从而得到该故障信号各频段的重构信号,之后,根据该重构信号得到故障信号特征信息,此时,再采用可能性聚类算法对其进行计算,即可自动确定出与该故障信息对应的故障类型,无需人工进行故障诊断,提高了故障诊断的速度和准确度,从而使该城轨车辆空调系统快速恢复正常工作,保证了乘客舒适的乘车环境。0064实施例一0065如图1所示,为本发明一种城轨车辆空调系统故障诊断方法的流程图,该方法可以包括0066步骤S101获取采集模块对空调系统进行监测时所采集的故障信号。0067在本发明实施例的实际应用中,可通过采集模块对城轨车辆空调系统进行实时监测,以便及时采集该空调系统的故障信号。其中,该。
26、采集模块具体可以为与空调系统各部件相连的传感器,该传感器的类型可以根据与其相连的部件需要确定,则该故障信号具体可以为电压或电流信号。0068步骤S102采用小波包变换算法,对该故障信号进行处理,得到该故障信号中各频率信号的重构信号。0069在本发明实施例中,当得到城轨车辆的故障信号后,可对其进行小波包分解,从而得到低频段的近似部分和高频段的细节部分。具体的,采用预设分解尺度对所获取的故障信号进行分解,得到该故障信号中各频率信号,提取每一预设分解尺度下各频段信号中的信号特征作对应预设分解尺度下各频率信号的重构信号。其中,预设分解尺度是指对故障信号进行的小波包分解层数0070举例说明,若预设分解尺。
27、度为3层小波包分解,则当获取到空调系统的故障信号后,将对该故障信号进行3层小波包分解,分解结构如图2所示,图中I,J表示第I层的第J个节点I0,1,2,3;J0,1,2,3,4,5,6,7,每层都有2I个节点,每个节点都可以代表一定的信号特征。其中,0,0节点代表原始信号S,1,0节点代表小波包分解的第一层低频系数,1,1节点代表小波包分解的第一层高频系数,2,0节点代表第二层第0个节点系统,其他以此类推。0071之后,对所有小波包分解系数即各频率信号重构,得到每层各频率的重构信号,仍以图2为例,则第I层第J个节点的重构信号可表示为SIJ,如S32表示3,2节点的重构信号,那么,原始信号的重构。
28、信号与第3层节点的重构信号的关系可以表示为0072SS30S31S32S33S34S35S36S3710073步骤S103利用该重构信号,得到故障信号特征向量。说明书CN104200109A6/11页100074在本发明实施例中,只需计算最后一个预设分解尺度下各频率信号的重构信号的能量记为EIJ,以及该预设分解尺度下所有频率信号的重构信号的总能量记为E即可,通过对该重构信号的能量的归一化处理,确定各重构信号的能量在该总能量中所占的比例,并构造以所得各比值为向量元素的故障信号特征向量,此时,为了能够直观地看出能量的变化,还可根据所得比例绘制能量谱尺度图。0075仍以上述举例进行说明,假设第3层的。
29、第J个节点的重构信号S3JJ0,1,7,对应的能量为E3JJ0,1,7,那么各频率信号的重构信号的能量为00760077式中,XJK表示各频率信号的重构信号的离散点的幅值;K1,2,N;N表示第3层第J个节点经计算后的离散指数,即故障信号的采样点数。0078则所有频率信号的重构信号的总能量为00790080之后,对所得各频率信号的重构信号的能量进行归一化处理,即计算每一重构信号的能量在总能量中所占的比例,其中,归一化处理公式为00810082此时,本发明实施例则以归一化处理结果P30,P31,P37为向量元素,构建故障信号特征向量T,即TP30,P31,P32,P33,P34,P35,P36,。
30、P37。0083步骤S104采用可能性聚类算法对该故障信号特征向量进行计算,确定与所述故障信号对应的故障类型。0084在本发明实施例中,在确定故障类型时,该故障诊断方法还可以包括显示或播报所述故障类型,以提醒工作人员针对该故障类型维修该空调系统。0085当然,在执行完步骤S14之后,该城轨车辆空调系统故障诊断方法还可以包括获取与所述故障类型对应的处理程序,并执行所述处理程序,以排除所述空调系统的故障,无需人工进行故障处理,节约了劳动力,且提高了工作效率。0086由上述分析得知,在本发明实施例中,当获取到采集模块对空调系统进行监测时所采集的故障信号后,采用小波包变换算法对该故障信号进行处理,从而。
31、得到该故障信号中各频率信号的重构信号,之后,利用该重构信号即可得到故障信号特征向量,并采用可能性聚类算法对该故障信号特征向量进行计算,即可快速且准确地确定出与该故障信息对应的故障类型,以便根据该故障类型对该城轨车辆空调系统的故障进行准确且快速地处理,从而使该空调系统快速恢复正常工作,保证乘客舒适的乘车环境。0087实施例二0088如图3所示,为本发明另一种城轨车辆空调系统故障诊断方法的流程图,该方法可以包括0089步骤S301获取采集模块对空调系统进行监测时所采集的故障信号。0090步骤S302采用预设分解尺度对该故障信号进行小波包分解,得到该故障信号中说明书CN104200109A107/1。
32、1页11各频率信号。0091在本发明实施例中,由于采用分层法实现对故障信号的小波包分解,因而,该预设分解尺度是指对故障信号进行小波包分解层数。0092步骤S303提取每一预设分解尺度下各频率信号中的信号特征作对应预设分解尺度下各频率信号的重构信号。0093如图2所示实例,预设分解尺度是指对故障信号进行3层小波包分解,在本发明实施例中,当提取每一层的信号特征时,可以按照从低频到高频的顺序从各频率信号中提取信号特征,并将其作为对应频率信号的重构信号。0094步骤S304计算最后一个预设分解尺度下各频率信号的重构信号的能量以及所有频率信号的重构信号的总能量。0095仍以图2为例,本发明实施例可以仅计。
33、算第3层即最底层的各频率信号的重构信号的能量E3JJ0,1,2,3,4,5,6,7,以及第三层所有重构信号的总能量E,则EE30E31E32E33E34E35E36E37。0096步骤S305对该重构信号的能量进行归一化处理,确定各重构信号的能量在所述总能量中所占的比例。0097其中,归一化处理公式可以为上述公式4。0098步骤S306根据各重构信号的能量在总能量中所占的比例,构建故障信号特征向量。0099本发明实施例将步骤S34所得各比值作为向量元素,构建故障信号特征向量T。0100步骤S307对预设可能性聚类算法进行初始化。0101步骤S308获取该可能性聚类算法的初始参数。0102其中,。
34、该初始参数可以包括聚类中心数C、权重指数M、初始聚类中心矩阵V和初始隶属度矩阵U。在实际应用中,操作者可以根据实际需要设置该初始参数,其中,该聚类中心数C可以是该城轨车辆空调系统的已知故障类型的数量;权重指数M无量纲,取值范围通常为11,5;初始聚类中心矩阵V可以选择每类样本即由已知故障类型的故障信号构成的故障特征向量的样本均值作为其初值;初始隶属度矩阵U可以是各已知故障类型的样本对初始聚类中心的隶属度,且其中的元素取值范围为0,1。0103步骤S309计算由故障信号特征向量确定的每一个样本到初始聚类中心矩阵的距离。0104在本发明实施例中,可以利用上述步骤S306构建的故障信号特征向量中的元。
35、素,确定特征空间中的样本XJJ0,1,N,其中,每一个样本XJ包含P3II1,2,3,4,5,6,7八个分量,可见,当样本不同时,其所包含的分量也是不同的,但得到各分量的公式相同。若用用VII0,1,C表示初始聚类中心矩阵中的各元素即聚类中心,则根据预设距离计算公式,计算每一样本到对应的聚类中心的距离DIJ,其中,该距离计算公式为0105DIJ|XJVJ|250106步骤S310将每一样本到所述初始聚类中心的距离以及初始隶属度矩阵中与该距离对应的隶属度代入隶属度迭代公式,计算出迭代后的隶属度矩阵。0107在本发明实施例中,根据上述公式5计算出每一样本到对应的聚类中心的距离说明书CN104200。
36、109A118/11页12DIJ后,可将其及初始隶属度矩阵中心中与该距离对应的隶属度UIJ代入下述调节参数确定公式,计算出与该距离对应的调节参数I,该调节参数确定公式为01080109其中,该式中的K是一个正整数,仅作为调节参数计算的一个常系数,无实际意义,通常可取10110之后,将一样本到对应的聚类中心的距离DIJ以及与该距离对应的调节参数I代入隶属度迭代公式,计算迭代后的隶属度矩阵U,该隶属度迭代公式可以为01110112步骤S311判断迭代后的隶属度矩阵与初始隶属度矩阵的差值是否小于预设最大允许误差,如果是,则执行步骤S312;如果否,则执行步骤S313。0113在本发明实施例中若将经L。
37、次迭代后的隶属度矩阵记为UL,则迭代前的隶属度矩阵即初始隶属度矩阵为UL1,其中,L1,2,Z,Z为预设迭代次数。在每一次迭代后,都会求解迭代后的隶属度矩阵UL与迭代前的隶属度矩阵UL1的差值,判断该差值是否小于预设最大允许误差,即ULUL1是否成立,若成立,则执行步骤S312;若不成立,则执行步骤S313。0114步骤S312将迭代后的隶属度矩阵作为目标隶属度矩阵。0115当确定目标隶属度矩阵后,可直接执行步骤S315,以确定对应的目标聚类中心矩阵。0116步骤S313将迭代后的隶属度矩阵作为初始隶属度矩阵,并判断当前迭代次数是否达到预设最大迭代次数;如果达到,则执行步骤S314;如果未达到。
38、,则返回步骤S310继续执行。0117需要说明的是,在确定目标隶属度矩阵的过程中,迭代次数是有限的,其可以在故障诊断开始前,预先设置好最大迭代次数。在实际应用中,若经预设迭代次数后,仍无法满足公式ULUL1,将会把最后一次迭代得到的隶属度矩阵作为目标隶属度矩阵。0118步骤S314将当前迭代次数对应的隶属度矩阵作为目标隶属度矩阵。0119步骤S315将故障信号特征向量中的每一样本以及该目标隶属度矩阵中与该样本对应的隶属度代入聚类中心迭代公式,计算出目标聚类中心矩阵。0120其中,该聚类中心迭代公式可以为0121说明书CN104200109A129/11页130122其中,UIJ表示目标隶属度矩。
39、阵中与各预设分解尺度下各节点对应的隶属度;I1,2,预设分解尺度数;J1,2,N,N表示每一预设分解尺度下每个节点经计算得到的离散指数;M表示所述权重指数,XJ表示所述故障信号特征向量中的第J个样本。0123步骤S316计算未知故障类型的数据样本与目标聚类中心矩阵中各聚类中心的贴近度。0124在本发明实施例中,步骤S316所用贴近度计算公式可以为01250126其中,MIN表示取最小值运算;MAX表示取最大值运算;DATAIK表示未知故障类型的数据样本,VJK表示所述目标聚类中心矩阵中的各聚类中心;I1,2,N;J1,2,C;N表示表示每一预设分解尺度下每个节点经计算得到的离散指数;C表示所述。
40、聚类中心数,M表示所述权重指数。0127步骤S317根据该计算结果,确定与故障信号对应的故障类型。0128在本发明实施例中,计算得到的最大贴近度对应的故障类型即为所获取的故障信号对应的故障类型,此时,操作者可根据确定出的故障类型对空调系统进行相应地处理,以使该空调系统尽快恢复到正常工作。0129基于上述分析可知,在本发明实施例中,当获取到采集模块对空调系统进行监测时所采集的故障信号后,采用小波包变换算法对该故障信号进行处理,从而得到该故障信号中各频率信号的重构信号,之后,利用该重构信号即可得到故障信号特征向量,并采用可能性聚类算法对该故障信号特征向量进行计算,即可快速且准确地确定出与该故障信息。
41、对应的故障类型,以便根据该故障类型对该城轨车辆空调系统的故障进行准确且快速地处理,从而使该空调系统快速恢复正常工作,保证乘客舒适的乘车环境。0130实施例三0131如图4所示,为本发明一种城轨车辆空调系统故障诊断装置的结构示意图,该装置可以包括0132第一获取模块S401用于获取采集模块对空调系统进行监测时所采集的故障信号。0133第一处理模块S402用于采用小波包变换算法,对故障信号进行处理,得到该故障信号中各频率信号的重构信号。0134其中,在本发明实施例中,该第一处理模块S402可以包括0135第一分解单元,用于采用预设分解尺度对故障信号进行小波包分解,得到该故障信号中各频率信号。013。
42、6第一提取单元,用于提取每一预设分解尺度下各频率信号中的信号特征作对应预设分解尺度下各频率信号的重构信号。0137第一确定模块S403用于利用该重构信号,得到故障信号特征向量。0138优选的,该第一确定模块S403可以包括0139第一计算单元,用于计算最后一个预设分解尺度下各频率信号的重构信号的能量说明书CN104200109A1310/11页14以及所有频率信号的重构信号的总能量。0140第一处理单元,用于对各重构信号的能量进行归一化处理,确定各重构信号的能量在总能量中所占的比例。0141第一构建单元,用于根据各重构信号的能量在总能量中所占的比例,构建故障信号特征向量。0142第一计算模块S。
43、404用于采用可能性聚类算法对该故障信号特征向量进行计算,确定与故障信号对应的故障类型。0143在本发明实施例中,该第一计算模块S404可以包括0144第一获取单元用于获取可能性聚类算法的初始参数。0145其中,该初始参数包括聚类中心数C、权重指数M、初始聚类中心矩阵V和初始隶属度矩阵U。0146第二计算单元,用于计算由故障信号特征向量确定的每一个样本到初始聚类中心矩阵的距离。0147在本发明实施例中,可以根据上述公式5计算故障信号特征向量中的每一样本到初始聚类中心矩阵中的距离。0148第一迭代单元,用于将该每一个样本到初始聚类中心的距离以及初始隶属度矩阵中与该距离对应的隶属度代入隶属度迭代公。
44、式,计算出迭代后的隶属度矩阵。0149其中,可以根据上述公式6和7计算出迭代后的隶属度矩阵。0150第一判断单元用于判断迭代后的隶属度矩阵与初始隶属度矩阵的差值是否小于预设最大允许误差。0151第一确定单元用于在第一判断单元的判断结果为是时,将迭代后的隶属度矩阵作为目标隶属度矩阵。0152第二判断单元用于在第一判断单元的判断结果为否时,将迭代后的隶属度矩阵作为初始隶属度矩阵,并判断当前迭代次数是否达到预设最大迭代次数。0153第一触发单元用于在第二判断单元的判断结果为否时,触发第一迭代单元。0154第二确定单元用于在第二判断单元的判断结果为是时,将当前迭代次数对应的隶属度矩阵作为目标隶属度矩阵。
45、。0155第二迭代单元用于故障信号特征向量中的每一个样本以及目标隶属度矩阵中与该样本对应的隶属度代入聚类中心迭代公式,计算出目标聚类中心矩阵。0156具体的,在本发明实施例中,可以根据上述公式8计算出目标聚类中心矩阵。0157第三计算单元用于计算未知故障类型的数据样本与目标聚类中心矩阵中各聚类中心的贴近度。0158其中,可以根据上述公式9计算未知故障类型的数据样本与目标聚类中心矩阵中各聚类中心的贴近度。0159第三确定单元,用于根据第三计算单元的计算结果,确定与故障信号对应的故障类型。0160在本发明实施例中,当第一获取模块获取到采集模块对空调系统进行监测时所采集的故障信号后,由第一处理模块采。
46、用小波包变换算法对该故障信号进行处理,从而得到该故障信号中各频率信号的重构信号,并由第一确定利用该重构信号即可得到故障信号特说明书CN104200109A1411/11页15征向量,之后,第一计算模块即可采用可能性聚类算法对该故障信号特征向量进行计算,从而快速且准确地确定出与该故障信息对应的故障类型,以便根据该故障类型对该城轨车辆空调系统的故障进行准确且快速地处理,使该空调系统快速恢复正常工作,保证乘客舒适的乘车环境。0161需要说明的是,本发明可通过计算机实现上述实施例所述的城轨车辆空调系统故障诊断方法,而且,上述实施例所述的城轨车辆空调系统故障诊断装置所包含的各模块或单元是根据其功能进行的。
47、命名,除了上述拆分方式,还可以将上述城轨车辆空调系统故障诊断方法的具体步骤重新拆分,并根据拆分的每部分的功能进行装置组成模块或单元的命名,本发明并不局限于上述一种划分方式。0162另外,在本发明上述实施例所述的城轨车辆空调系统故障诊断装置中,除了上述模块或单元,还可以包括用于显示确定的故障类型的显示模块,或者用于播报确定的故障类型的语音模块,以及用于连接各模块或单元的连接器件等等,本发明在此将不再一一列举,只要不是本领域技术人员通过创造劳动确定的,均属于本发明保护范围。0163本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相。
48、参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。0164对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。说明书CN104200109A151/3页16图1图2说明书附图CN104200109A162/3页17图3说明书附图CN104200109A173/3页18图4说明书附图CN104200109A18。