一种接触网故障识别方法、系统、存储介质及电子设备

专利主权项内容

1.一种接触网故障识别方法，其特征在于，包括如下步骤：(一)建立二元受电弓模型以及悬挂接触网模型，并基于拉格朗日方程建立受电弓-接触网垂向耦合系统的振动微分方程组；(二)采用数值积分算法求解所述受电弓-接触网垂向耦合系统的振动微分方程组，获取所述受电弓-接触网垂向耦合系统的振动特性，以模拟真实受电弓和真实接触网的振动响应；(三)调整所述受电弓-接触网垂向耦合系统中的参数，实现对所述真实受电弓和所述真实接触网常见故障的振动响应仿真；(四)提取所述受电弓模型和所述接触网模型在不同故障下的振动响应特征，并采用算法构建模型，以对所述振动响应特征进行分类识别； (五)采用混合元启发算法对所述模型进行迭代优化，以获取最优的故障识别模型；SVMSVMSVM所述步骤(一)的具体步骤包括：提取真实受电弓的结构与运作特性、构建所述受电弓模型；将所述受电弓模型分为上部分和下部分；其中，所述上部分用于模拟所述真实受电弓的弓头部分，所述下部分用于模拟所述真实受电弓的上下框架；分别将所述受电弓模型的各部件转化为带有质量、阻尼以及刚度的质量块，以建立所述二元受电弓模型；通过拉格朗日方程可得所述二元受电弓模型的运动微分方程为：其中，为所述弓头部分的等效质量，为所述上下框架的等效质量，、/>分别为所述弓头部分与所述上下框架的刚度与阻尼，/>、/>分别为所述上下框架与所述受电弓模型的基座间的刚度与阻尼，为所述受电弓模型和悬挂接触网模型间的接触刚度，/>为所述受电弓模型的升弓力，/>、/>、/>分别为所述/>、所述/>和所述接触网的接触线的垂向位移；M1M2Ks同时将真实接触网的接触线等效为伯努利-欧拉梁、将所述真实接触网的承力索等效为集中质量模型，以建立所述悬挂接触网模型；基于受电弓-接触网耦合动力学，通过拉格朗日方程建立所述受电弓-接触网垂向耦合系统的振动微分方程组：其中，所述振动微分方程组中，前两个方程根据所述受电弓-接触网垂向耦合系统中的所述接触线和所述承力索的机械能守恒关系构建，后两个为所述受电弓-接触网垂向耦合系统中的所述受电弓模型的运动微分方程；
为所述承力索的张力；/>为所述接触线的张力，/>为第/>个腕臂与所述承力索间的弹性刚度；/>为第/>个支撑杆与所述接触线间的刚度，/>为第/>个吊弦的刚度；/>为第/>个所述吊弦的质量；/>为第/>个所述吊弦的阻尼；/>、/>分别为所述承力索与所述接触线的抗弯刚度；/>、/>分别为所述承力索与所述接触线的线密度；/>作为所述受电弓模型与所述接触网模型之间的连接点，将所述受电弓模型与所述接触网模型进行耦合；/>、/>为所述承力索与所述接触线第/>项幅值，/>范围(0~+∞)；/>为单个锚段内的所述吊弦总数；/>为单个锚段内所述支撑杆总数；/>为纵向位移，/>为该锚段的长度；系数n为正整数；所述受电弓-接触网垂向耦合系统的振动微分方程通式为：其中，为广义位移矩阵，/>为速度矩阵，/>为加速度矩阵，/>为力矩阵，/>为质量矩阵，为阻尼矩阵，/>为刚度矩阵；所述步骤(二)的具体步骤包括：采用数值积分法求解所述振动微分方程组，将时间离散化，对所述振动微分方程组中的位移、速度、加速度三个因变量进行时刻的假设，以计算出位移、速度、加速度时刻的运动状态，如下式：Newmarktiti+1公式1：公式2：式中，为时间步长，/>是消除高频分量对低频响应的误差与运算的参数，/>是决定稳定极限与收敛极限，法中无条件稳定的要求是/>，/>；Newmark由公式2得到公式3：将公式1带入公式3，然后一并带入所述振动微分方程通式得到：公式4：通过求解公式4可得到，进而逐步反向求得/>、/>等，根据此算法的分析过程，利用编制相应的算法，获取所述受电弓-接触网垂向耦合系统的振动特性，以模拟所述真实受电弓和所述真实接触网的振动响应，具体步骤包括：MATLABI．选取所述受电弓模型中的初始条件：时间步长、参数/>和/>，计算积分常数，选取初始运动参数位移/>、速度/>、加速度/>；II．根据初始条件，形成所述受电弓-接触网垂向耦合系统的刚度矩阵、质量矩阵/>和阻尼矩阵/><III．对时刻的等效载荷进行积分计算：<i+1IV．计算时刻的速度和加速度：<i+1V．循环第III步和第IV步的操作直到计算结束；所述步骤(三)的具体步骤包括：构建故障仿真公式：式中，为变化系数，通过改变所述弓头部分处的阻尼/>来模拟滑板异常磨耗的故障；通过改变所述弓头部分与所述上下框架间的结构刚度/>来模拟所述真实受电弓的损坏故障；通过所述接触网模型的吊弦的刚度系数/>变化来模拟所述真实受电弓的构件磨损、松脱等故障；通过对所述接触网模型的吊弦阻尼参数/>变化来模拟所述接触线的疲劳、烧伤等故障；通过改变所述接触网模型的支撑杆刚度/>及定位器刚度/>来模拟所述真实受电弓的支撑杆等支持装置损坏及定位零件断裂等故障；所述步骤(四)的具体步骤包括：将在所述步骤(三)中得到的数据分为第一样本数据、第二样本数据、及第三样本数据；其中，所述第一样本数据是所述受电弓模型通过无缺陷的所述接触网模型情况下的振动响应特征，所述第二样本数据是所述受电弓模型通过吊弦失效故障的所述接触网模型情况下的振动响应特征，所述第三样本数据是所述受电弓模型通过承力索以及定位器故障的所述接触网模型情况下的振动响应特征；将所述第一样本数据、所述第二样本数据、及所述第三样本数据分为训练样本、及测试样本；引入SVM算法，使用径向基函数RBF作为所述SVM模型的核函数，该核函数公式为：所述模型包括惩罚系数以及反应高斯核映射能力的参数SVMCgamma；将所述训练样本输入所述模型进行机器学习；SVM将经机器学习后的所述模型对所述测试样本进行测试，以验证分类效果；SVM所述步骤(五)的具体步骤包括：(1).引入算法和算法，将其结合为算法，将所述模型定义为种群，初始化种群/>，设置种群规模/>，给定算法的最大迭代次数，设定收敛精度/>，给定所述算法的参数，以及给定所述算法的参数，以产生随机种群/>，进而产生各粒子的初始速度/>；PSOGAPSO-GASVMPSO-GAPSOGA(2).采用实数编码方式对所述模型的惩罚系数和参数进行学习和训练；SVMCgamma其中适应度函数如下：式中，A和B为常数，为样本的真实值，/>为样本的预测值；(3).根据粒子的适应度对粒子进行排序，得到个第一子种群/>、/>个第二子种群/>、/>个第三子种群/>，其中/>的适应度＞/>的适应度＞/>的适应度；(4).将所述第一子种群直接复制进入下一代，将所述第二子种群/>进行粒子交叉操作，将所述第三子种群/>进行粒子变异操作；其中所述粒子交叉操作的具体步骤为：随机选择两个个体，/>进行交叉，将它们做粒子交叉操作的基因设为/>和/>；若个体的适应度大于个体/>的适应度，则对应操作后得到的基因遵循以下原则：若，则：若，则：其他情况遵循：其中，当，/>，否则/>, />为该算法进化次数，GEN为最大迭代次数；/>为(0，1)之间的常数；/>为[0, 1]之间的随机数；/>，/>表示个体向量的最小值和最大值；所述粒子变异操作的具体步骤为：在所述算法中，采用速度位置更新公式作为变异算子，在所述算法中，用种群个体位置将粒子在所述算法的搜索空间中进行位置替换，用种群历史最优个体/>替换中个体的最佳位置/>，用种群最优/>替换中粒子全局最佳位置/>，用的累加差平均数替换粒子当前速度/>，得到下式：PSOGAPSOPSOPSO其中，m为粒子当前的进化数，结合所述算法，得到引进的的新式即为变异算子；PSOPSO(5).计算根据所述粒子交叉操作和所述粒子变异操作产生的新粒子的适应度，若新粒子的适应度优于原粒子的最优解，则将新粒子的位置赋予，否则仍旧使用原粒子的位置；若新粒子群的全局最优要优于原粒子群的全局最优，则将新粒子群的全局最优的位置赋予/>；(6).判断全局最优是否达到设定的所述收敛精度或迭代次数是否达到给定的所述最大迭代次数/>；若达到，则输出全局最优位置的值，即求取了所述模型的最佳惩罚系数C和参数若未达到，则迭代次数加1，继续从所述步骤(3)开始执行，直至达到设定的所述收敛精度/>或给定的所述最大迭代次数/>；SVMgamma；利用所述步骤(6)求取的惩罚系数C和参数配置所述模型的参数，以输出最优的所述故障识别模型。gammaSVM