牵引变流器故障预测方法、装置、服务器及存储介质与流程

本技术涉及轨道交通，尤其涉及一种牵引变流器故障预测方法、装置、服务器及存储介质。

背景技术：

1、牵引变流器是轨道交通车辆的关键设备，其运行状态直接关系到整个轨道交通车辆的安全与稳定，因此对牵引变流器进行故障预测十分必要。但是，牵引变流器系统复杂，故障模式众多，对牵引变流器进行准确的故障预测有一定的难度。

2、现有技术中的牵引变流器故障预测方法大多通过计算故障指标间的距离来定义案例间的相似性。并且相关研究在定义故障指标的权重时往往存在权重“不公平”问题，即所有案例采用同样的故障指标权重。

3、但是发明人发现，现有技术中的牵引变流器故障预测方法，在故障指标缺失时的效果往往很差，且牵引变流器故障模式复杂，故障表现众多，各个故障指标在不同故障模式中的重要程度往往不同，导致了现有的案例预测算法的准确性与适应性不足。

技术实现思路

1、本技术提供一种牵引变流器故障预测方法、装置、服务器及存储介质，用以解决现有技术中的牵引变流器故障预测方法准确性与适应性不足的问题。

2、第一方面，本技术提供一种牵引变流器故障预测方法，包括：

3、计算牵引变流器的各历史牵引变流器故障案例的故障指标数；

4、基于集对分析算法和各历史牵引变流器故障案例的故障指标数，计算待诊断牵引变流器故障案例与各历史牵引变流器故障案例之间的联系数；

5、按照预设规则从所述联系数中选取预设个数的联系数，将选取的预设个数的联系数确定为目标联系数；

6、将所述目标联系数对应的历史牵引变流器故障案例作为待诊断牵引变流器故障案例的预测结果进行输出，并将所述目标联系数确定为所述预测结果的置信度。

7、在一种可能的设计中，所述计算牵引变流器的各历史牵引变流器故障案例的故障指标数，包括：确定各历史牵引变流器故障案例中各故障指标的故障指标重要等级，其中，所述故障指标重要等级包括重要指标和一般指标；根据所述故障指标重要等级计算各历史牵引变流器故障案例的故障指标数，计算公式如下：

8、n＝αimpnimp+αnornnor

9、其中，n表示历史牵引变流器故障案例的故障指标数，nimp表示历史牵引变流器故障案例中的重要指标的数量，nnor表示历史牵引变流器故障案例中的一般指标的数量，αimp表示重要指标的权重因子，αnor表示一般指标的权重因子。

10、在一种可能的设计中，所述基于集对分析算法和各历史牵引变流器故障案例的故障指标数，计算待诊断牵引变流器故障案例与各历史牵引变流器故障案例的联系数，包括：根据历史牵引变流器故障案例中各故障指标的状态等级确定故障指标的各状态等级的隶属度函数；其中，所述状态等级分为正常与异常；基于所述隶属度函数，计算所述待诊断牵引变流器故障案例与历史牵引变流器故障案例之间的故障指标的隶属度；基于集对分析理论，根据所述隶属度计算待诊断牵引变流器故障案例与历史牵引变流器故障案例之间的联系数。

11、在一种可能的设计中，所述基于所述隶属度函数，计算所述待诊断牵引变流器故障案例与历史牵引变流器故障案例之间的故障指标的隶属度，包括：确定历史牵引变流器故障案例中各故障指标的状态等级，根据所述隶属度函数计算待诊断牵引变流器故障案例中的故障指标相对于历史牵引变流器故障案例中对应的故障指标的状态等级的隶属度。

12、在一种可能的设计中，所述基于集对分析理论，根据所述隶属度计算待诊断牵引变流器故障案例与历史牵引变流器故障案例之间的联系数，包括：

13、基于集对分析理论，采用五元联系数计算待诊断牵引变流器故障案例与历史牵引变流器故障案例之间的联系数，计算公式如下：

14、

15、其中，u表示待诊断牵引变流器故障案例与历史牵引变流器故障案例的联系数，a表示待诊断牵引变流器故障案例和历史牵引变流器故障案例中状态等级绝对相同的故障指标数量，b表示待诊断牵引变流器故障案例和历史牵引变流器故障案例中状态等级相对相同的故障指标数量，c表示待诊断牵引变流器故障案例和历史牵引变流器故障案例中状态等级不确定的故障指标数量，d表示待诊断牵引变流器故障案例和历史牵引变流器故障案例中状态等级相对相反的故障指标数量，e表示待诊断牵引变流器故障案例和历史牵引变流器故障案例中状态等级绝对相反的故障指标数量，i表示待诊断牵引变流器故障案例和历史牵引变流器故障案例之间对应的故障指标的状态等级的相对相同程度，j表示待诊断牵引变流器故障案例和历史牵引变流器故障案例之间对应的故障指标的状态等级的不确定程度，k表示待诊断牵引变流器故障案例和历史牵引变流器故障案例之间对应的故障指标的状态等级的相对相反程度，l表示待诊断牵引变流器故障案例和历史牵引变流器故障案例之间对应的故障指标的状态等级的绝对相反程度，mean(sim0～1)表示取值范围为0～1的所述隶属度的平均值，mean(sim-1～0)表示取值范围为-1～0的所述隶属度的平均值。

16、在一种可能的设计中，所述待诊断牵引变流器故障案例和历史牵引变流器故障案例之间的不确定程度j的确定方法包括：采用sigmoid函数确定待诊断牵引变流器故障案例和历史牵引变流器故障案例之间的不确定程度，计算公式如下：

17、

18、其中，x为与故障指标之间隶属度及重要程度相关的量，表示待诊断牵引变流器故障案例与历史牵引变流器故障案例之间已确定的信息越多，待诊断牵引变流器故障案例与历史牵引变流器故障案例之间的不确定程度越小；β为n表示历史牵引变流器故障案例的故障指标数；

19、

20、其中，n表示待诊断牵引变流器故障案例和历史牵引变流器故障案例均有的故障指标的数量，ωp表示故障指标p的权重，simp表示待诊断牵引变流器故障案例和历史牵引变流器故障案例之间故障指标p的隶属度。

21、在一种可能的设计中，所述按照预设规则从所述联系数中选取预设个数的联系数，将选取的预设个数的联系数确定为目标联系数，包括：若判定所述待诊断牵引变流器故障案例和历史牵引变流器故障案例不确定的程度j为负数，则删除待诊断牵引变流器故障案例与各历史牵引变流器故障案例之间的联系数；将剩余的待诊断牵引变流器故障案例与各历史牵引变流器故障案例之间的联系数按照下式进行排序：

22、rankq＝rankdescuq

23、其中，rankq表示待诊断牵引变流器故障案例与历史牵引变流器故障案例q之间的联系数排名；rankdesc表示降序排列；uq表示待诊断牵引变流器故障案例与历史牵引变流器故障案例q的联系数；按照所述排序选取预设个数的联系数，将所述预设个数的联系数确定为目标联系数。

24、第二方面，本技术提供一种牵引变流器故障预测装置，包括：第一计算模块，用于计算牵引变流器的各历史牵引变流器故障案例的故障指标数；第二计算模块，用于基于集对分析算法和各历史牵引变流器故障案例的故障指标数，计算待诊断牵引变流器故障案例与各历史牵引变流器故障案例之间的联系数；选取模块，用于按照预设规则从所述联系数中选取预设个数的联系数，将选取的预设个数的联系数确定为目标联系数；输出模块，用于将所述目标联系数对应的历史牵引变流器故障案例作为待诊断牵引变流器故障案例的预测结果进行输出，并将所述目标联系数确定为所述预测结果的置信度。

25、第三方面，本技术提供一种服务器，包括：至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行第一方面及第一方面任一种可能的设计中的牵引变流器故障预测方法。

26、第四方面，本技术提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面及第一方面任一种可能的设计中的牵引变流器故障预测方法。

27、本技术提供的牵引变流器故障预测方法、装置、服务器及存储介质，通过计算牵引变流器的各历史牵引变流器故障案例的故障指标数，基于集对分析算法和各历史牵引变流器故障案例的故障指标数，计算待诊断牵引变流器故障案例与各历史牵引变流器故障案例之间的联系数，按照预设规则从所述联系数中选取预设个数的联系数，将选取的预设个数的联系数确定为目标联系数，将目标联系数对应的历史牵引变流器故障案例作为待诊断牵引变流器故障案例的预测结果进行输出，并将目标联系数确定为所述预测结果的置信度，提高了牵引变流器故障预测方法的有效性、准确性与适应性。