本申請涉及軌道交通，特別是涉及一種鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)及方法。
背景技術：
1、在鐵路大型養(yǎng)路機械（以下簡稱鐵路大機）運行工況下，工作氣缸漏氣故障頻發(fā)，且難以實現實時監(jiān)測與早期預警。此故障不僅會導致設備輸出功率下降、燃油消耗率上升，嚴重時還會引發(fā)設備功能性失效，對鐵路線路的常規(guī)養(yǎng)護作業(yè)造成顯著影響，甚至危及鐵路行車安全。
2、當前，鐵路大機氣缸漏氣檢測主要依賴人工定期巡檢方式，維修人員憑借聽感、觸感等經驗手段對氣缸狀態(tài)進行定性判斷。此方法存在諸多局限性：其一，檢測效率低下，無法實現全時段、全工況的實時監(jiān)測；其二，檢測結果受維修人員的技術水平與主觀判斷影響顯著，極易出現誤判與漏判；其三，對于早期的輕微漏氣故障，人工檢測手段敏感度不足，難以察覺潛在故障隱患，隨著時間累積，可能導致設備故障進一步惡化。
3、因此，目前行業(yè)內缺乏一套具備高時效性與高精度的監(jiān)控檢測報警系統(tǒng)，無法對氣缸漏氣狀態(tài)進行實時動態(tài)監(jiān)測并及時觸發(fā)警報，導致維修響應遲緩，設備停機時長增加，維修成本大幅攀升。
技術實現思路
1、為解決上述技術問題，本發(fā)明的目的為提供一種能提高檢測準確性與可靠性的鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)及方法。
2、本發(fā)明提供的技術方案如下：
3、一種鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)，包括傳感器模塊、數據采集與處理模塊、報警模塊；所述傳感器模塊安裝在每個工作氣缸上，用于實時采集氣缸內的各個參數數據；所述數據采集與處理模塊連接傳感器模塊與報警模塊，用于對傳感器模塊采集的原始數據進行分析處理，獲得工作氣缸的漏氣量化數據，并將相應指令發(fā)送給報警模塊；所述報警模塊在收到數據采集與處理模塊的指令后，發(fā)出報警信號。
4、優(yōu)選地，還包括顯示模塊，所述顯示模塊連接數據采集與處理模塊，用于顯示各個氣缸的工作狀態(tài)，所述顯示各個氣缸的工作狀態(tài)包括顯示正常運行、輕微漏氣、嚴重漏氣工況，并對漏氣程度進行量化顯示。
5、優(yōu)選地，所述傳感器模塊采集的參數包括壓力、溫度、氣體流量、電壓。
6、優(yōu)選地，所述數據采集與處理模塊包括對壓力、溫度、氣體流量、電壓進行整合分析，利用機器學習算法獲得的氣缸工作狀態(tài)評估模型。
7、優(yōu)選地，所述機器學習算法為支持向量回歸。
8、優(yōu)選地，所述氣缸工作狀態(tài)評估模型的輸入參數為電流有效值、壓力變化率、溫度，輸出參數為漏氣率、置信度。
9、一種鐵路大機工作氣缸漏氣監(jiān)控檢測報警方法，采用如上所述的鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)，所述方法包括：利用傳感器模塊采集實時數據；對采集到的電壓信號進行預處理，提取電壓信號的特征；根據所提取的特征與已有的正常/漏氣狀態(tài)下的特征庫進行比較，判斷是否存在漏氣現象；若是，利用氣缸工作狀態(tài)評估模型得到漏氣率；根據不同的漏氣率進行多級報警。
10、優(yōu)選地，所述對采集到的電壓信號進行預處理，提取電壓信號的特征包括：對adc采集的電壓信號進行滑動平均濾波；計算信號的時域特征，所述時域特征包括有效值、峰值、峭度。
11、優(yōu)選地，所述根據所提取的特征與已有的正常/漏氣狀態(tài)下的特征庫進行比較，判斷是否存在漏氣現象包括：采用馬氏距離法計算實時信號與特征庫的相似度，在判斷過程中引入物理模型修正。
12、優(yōu)選地，所述氣缸工作狀態(tài)評估模型的獲得方式包括：基于支持向量回歸建立漏氣率預測模型；數據采集，包括在臺架試驗中采集多組樣本，再通過流量法標注漏氣率；模型訓練，包括將70%的數據用于訓練，30%的用于驗證，且使用網格搜索優(yōu)化svr參數，引入遷移學習處理不同機型差異，訓練驗證完成后得到氣缸工作狀態(tài)評估模型。
13、相對于現有技術，本發(fā)明鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)及方法，通過設置數據采集與處理模塊獲得工作氣缸的漏氣量化數據，不僅能夠精準識別氣缸的漏氣故障，還能對漏氣程度進行量化評估，為維修人員制定科學合理的維修策略提供數據支持，顯著提高了檢測的準確性與可靠性，有效降低了誤判與漏判率。
1.一種鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)，其特征在于，包括傳感器模塊、數據采集與處理模塊、報警模塊；所述傳感器模塊安裝在每個工作氣缸上，用于實時采集氣缸內的各個參數數據；所述數據采集與處理模塊連接傳感器模塊與報警模塊，用于對傳感器模塊采集的原始數據進行分析處理，獲得工作氣缸的漏氣量化數據，并將相應指令發(fā)送給報警模塊；所述報警模塊在收到數據采集與處理模塊的指令后，發(fā)出報警信號。
2.如權利要求1所述的鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)，其特征在于，還包括顯示模塊，所述顯示模塊連接數據采集與處理模塊，用于顯示各個氣缸的工作狀態(tài)，所述顯示各個氣缸的工作狀態(tài)包括顯示正常運行、輕微漏氣、嚴重漏氣工況，并對漏氣程度進行量化顯示。
3.如權利要求1所述的鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)，其特征在于，所述傳感器模塊采集的參數包括壓力、溫度、氣體流量、電壓。
4.如權利要求3所述的鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)，其特征在于，所述數據采集與處理模塊包括對壓力、溫度、氣體流量、電壓進行整合分析，利用機器學習算法獲得的氣缸工作狀態(tài)評估模型。
5.如權利要求4所述的鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)，其特征在于，所述機器學習算法為支持向量回歸。
6.如權利要求4所述的鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)，其特征在于，所述氣缸工作狀態(tài)評估模型的輸入參數為電流有效值、壓力變化率、溫度，輸出參數為漏氣率、置信度。
7.一種鐵路大機工作氣缸漏氣監(jiān)控檢測報警方法，其特征在于，采用如權利要求4至6任一所述的鐵路大機工作氣缸漏氣監(jiān)控檢測報警系統(tǒng)，所述方法包括：利用傳感器模塊采集實時數據；對采集到的電壓信號進行預處理，提取電壓信號的特征；根據所提取的特征與已有的正常/漏氣狀態(tài)下的特征庫進行比較，判斷是否存在漏氣現象；若是，利用氣缸工作狀態(tài)評估模型得到漏氣率；根據不同的漏氣率進行多級報警。
8.如權利要求7所述的鐵路大機工作氣缸漏氣監(jiān)控檢測報警方法，其特征在于，所述對采集到的電壓信號進行預處理，提取電壓信號的特征包括：對adc采集的電壓信號進行滑動平均濾波；計算信號的時域特征，所述時域特征包括有效值、峰值、峭度。
9.如權利要求8所述的鐵路大機工作氣缸漏氣監(jiān)控檢測報警方法，其特征在于，所述根據所提取的特征與已有的正常/漏氣狀態(tài)下的特征庫進行比較，判斷是否存在漏氣現象包括：采用馬氏距離法計算實時信號與特征庫的相似度，在判斷過程中引入物理模型修正。
10.如權利要求7或8或9所述的鐵路大機工作氣缸漏氣監(jiān)控檢測報警方法，其特征在于，所述氣缸工作狀態(tài)評估模型的獲得方式包括：基于支持向量回歸建立漏氣率預測模型；數據采集，包括在臺架試驗中采集多組樣本，再通過流量法標注漏氣率；模型訓練，包括將70%的數據用于訓練，30%的用于驗證，且使用網格搜索優(yōu)化svr參數，引入遷移學習處理不同機型差異，訓練驗證完成后得到氣缸工作狀態(tài)評估模型。