CN100524367C - 基于波形识别的地铁机车牵引电路故障诊断系统 - Google Patents
基于波形识别的地铁机车牵引电路故障诊断系统 Download PDFInfo
- Publication number
- CN100524367C CN100524367C CNB2006100303279A CN200610030327A CN100524367C CN 100524367 C CN100524367 C CN 100524367C CN B2006100303279 A CNB2006100303279 A CN B2006100303279A CN 200610030327 A CN200610030327 A CN 200610030327A CN 100524367 C CN100524367 C CN 100524367C
- Authority
- CN
- China
- Prior art keywords
- module
- fault
- data
- output
- waveform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Abstract
一种基于波形识别的地铁机车牵引电路故障诊断系统,被测地铁机车牵引电路的输出加载于标准负载,嵌入式工控机从标准负载的两端拾取电压输入,标准负载的端电压输入至嵌入式工控机中最前沿的数据采集器数据输入端口,数据采集器的输出端与A/D转换器输入端连接,A/D转换器的输出端与数据缓存器的写入口连接,数据缓存器的读出口与中央处理器的读入口连接,被测电路故障数据库模块、记录标志缓存、基于波形识别算法软件包模块均通过数据总线与中央处理器实现数据与指令的双向交互,中央处理器的输出通过VGA与显示输出器连接。本发明实现对输出波形的全信息分析只需检测其输出波形,无需其它附加参数,运算过程极为简化,故障判定准确、故障定位准确。
Description
技术领域
本发明涉及一种轨道交通技术领域的系统,具体是一种基于波形识别的地铁机车牵引电路故障诊断系统。
背景技术
电力机车已经日益成为广泛使用的地铁列车牵引动力车,机车内部的电力电子装置是地铁机车的核心部件,机车运行故障的发生概率绝大部分都集中于电力电子装置上,同时,相关运营机构需要实时掌握机车的无故障运行周期,还必须定期对其中的电力电子装置进行预测分析,因此,对地铁机车牵引电路中的电力电子电路及其器件的实时检测与故障诊断自然成为确保地铁机车安全运行所必须的关键技术。
由于电力电子装置在牵引系统中通常作为电源或执行机构出现,对整个系统的可靠性具有重要乃至决定性的作用。地铁机车中的电力电子装置又极具特殊性,因为它所传动的对象为大功率直流电动机或者交流电动机。对于如此大功率的传动对象在拖动庞大的机械系统时所产生的动态效应是非常复杂的,因此电力电子装置可能出现的故障类型与性质也是多样性的。
通常所说的电力电子装置故障一般系指其主电路的故障,它可分为参数性故障和结构性故障。参数性故障指由于电路参数(如电感值、电容值等)偏离正常值一定范围而导致的故障,它通常采用参数辨识进行诊断。结构性故障指由于电力电子器件出现短路、断路或触发信号丢失而导致电路拓扑发生变化的故障。一般情况下,运行人员很难在从发生故障到停电的短时间里判断出故障元件和/或位置,即使是经验丰富的人员也可能会受到外界因素影响而误诊。
就当前的研究状况来看,针对电力电子装置的故障诊断均局限于个别具体电路,因此难以满足实时诊断的需要,而且通用性不强,更难以推广应用。
经对现有技术文献的检索发现,文献“通用电力电子设备远程监控与故障诊断系统设计研究”(马皓、应葑蔚《计算机工程与应用》2004年第8期)介绍了作者采用网络通信的方式实现对远程电力电子系统工作状态性能及其故障的检测与诊断的设计思路。其中,对系统故障诊断的基本思路是,认为大多数电力电子系统的故障,表现在采集信号状态上,即为模拟量的越限(如过压、欠压、过流、过温等)和开关量的变位(如跳闸等);故障特征是指反映故障征兆的信号经过加工处理后所得的反映设备与系统的故障种类、部位、与程度的综合量。系统采取了二级诊断的结构方式,即在现场端进行数据信号实时报警和在线实时诊断的基础上,将可能的故障数据进行记录并上传至中心服务器,以供异地用户下载,调用离线诊断程序进行异地离线诊断,实现本地在线诊断和远程离线诊断的结合。上述系统设计有一定的可行性与有效性,但是,从系统所实现功能可以看出:1、仅对电力电子系统的工作状态与故障进行检测与故障诊断,尚不具备对电力电子电路内部故障进行诊断的能力;2、诊断功能极为有限,对于复杂故障尚需依靠二级调用离线诊断程序进行异地离线诊断;3、通过网络实现远程数据传输,这是一项十分成熟的技术,并非电力电子电路故障诊断的关键之所在。
发明内容
本发明的目的在于克服现有技术中的不足,提出一种基于波形识别的地铁机车牵引电路故障诊断系统。使其实现对输出波形的全信息分析只需检测其输出波形,无需其它附加参数,运算过程极为简化,故障判定准确、故障定位准确。
本发明是通过以下技术方案实现的,本发明包括:被测地铁机车牵引电路、标准负载、嵌入式工控机,被测地铁机车牵引电路的输出加载与标准负载,嵌入式工控机从标准负载的两端拾取电压输入。
所述嵌入式工控机包含:数据采集器、A/D转换器、数据缓存器、中央处理器、被测电路故障数据库模块、记录标志缓存、基于波形识别算法软件包模块、显示输出器。标准负载的端电压输入至嵌入式工控机中最前沿的数据采集器数据输入端口,数据采集器的输出端与A/D转换器输入端连接,A/D转换器的输出端与数据缓存器的写入口连接,数据缓存器的读出口与中央处理器的读入口连接,被测电路故障数据库模块、记录标志缓存、基于波形识别算法软件包模块均通过数据总线与中央处理器实现数据与指令的双向交互,中央处理器的输出通过VGA与显示输出器连接。
所述的标准负载,作为被测地铁机车牵引电路的检测负载,按照标准的工作环境对被测地铁机车牵引电路上电,嵌入式工控机从标准负载的两端检测获得被测地铁机车牵引电路的输出电压波形。输出电压波形首先由数据采集器予以采集,经A/D转换器后转入数据缓存器,在数据采集器采集输出波形全部结束后,中央处理器已经调用基于波形识别算法软件包,并从数据缓存器中读取输出波形数据进行集中处理。基于波形识别算法软件包模块将输出电压波形与被测电路故障数据库模块中的故障波形进行匹配,在确定的相似度允许范围内,计算获得相似度最大者,即认定被测地铁机车牵引电路此时出现的故障属于数据库中该记录所显示的故障类型和性质,并准确指出故障点的位置(包括器件与线路)。当利用本发明进行现场实施检测时,标准负载即为列车原型负载;当利用模拟实验台对被测地铁机车牵引电路进行检测时,标准负载为半实物模拟仿真负载,依据机械惯性与电机传动特性的相似原理制作而成,利用半实物模拟仿真标准负载能够全模拟被测地铁机车牵引电路在列车运行工况下的工作状态。
所述的数据采集器,承担对信号的调理与滤波以获得高信噪比的被测电压波形信号。在对运行现场进行在线检测时,数据采集器并行输入接口,直接接受来自机车被测电路的输出信号。
所述数据缓存器,是为了将数据采集与波形识别运算分开进行,即,将含信号调理与滤波的数据采集与A/D转换作为信号前处理,波形识别作为后处理程序运行,因此能够大大提高数据采集的速度,保证了列车运行工况下信息拾取的完整性,进而提高波形识别与故障诊断的准确率。
所述的被测电路故障数据库模块,其数据结构包含字段变量:输出波形、故障类型与性质、故障定位。事先根据被测地铁机车牵引电路的研发机构和生产厂家所积累的该电路特性及其故障检测参数、曲线与波形进行整理、数字化与特征值提取,按照上述数据结构存放被测地铁机车牵引电路的所有已经故障特征参数。同时,被测电路故障数据库模块具有记录空间自动扩容功能,能够使得在使用该软件包的过程中通过自学习功能在专家系统的辅助下增添与充实被测电路故障数据库的记录。
所述的记录标志缓存,是为识别过程临时存放记录标志而使用的缓冲存储器。一般来说,地铁机车牵引电路的故障具有多样性与复杂性。使用等步长采样逐一将被测输出波形与数据库中的所有记录进行识别匹配,将会耗费大量的运算时间,这是不现实的,也是不适用的,因此需要采用变步长的方式进行运算,即“先粗后细”。每当进行一次大步长粗筛选后,将符合该次筛选所对应的记录“打上标志”,即将这些记录序列号存入记录标志缓存中,以便在下一次调小步长时,对“打上标志”的记录进一步筛选,以避免不必要的重复计算。
所述的波形识别算法软件包模块,包括:故障识别模块、标记模块、弥补模块、显示模块,这些模块之间的连接与信号处理关系为:故障识别模块专施对被测电压波形的识别,一旦被测电压波形被认为可能属于某记录故障,则通知标记模块,标记模块即将该记录“打上标志”,即将该记录号写入记录标志缓存,接着转入下一轮识别运算(即,细选鉴别,对故障予以准确判定与定位);否则(在现有数据库中没有相似故障时),故障识别模块输出运算转移指令,将运算任务移交弥补模块,由弥补模块对未知信号特征实施判定;故障识别模块、标记模块、弥补模块与显示模块采用并行链接,显示模块可以实时跟踪前三者的运算过程与结果,将结果按显示输出协议输出至显示输出器。
具体运算过程:以被测输出电压波形为模板,首次识别时,以大步长采样对数据库中的所有故障记录进行快速粗选,将相似度最高者记录“打上标志”;其次,变小步长对“打上标志”记录进行再次采样筛选,再将新的相似度最高者记录“打上标志”,并更新记录标志缓存中存储;余类推,直至找到唯一的相似度最高者,因此确认当前被测电路的故障类型与性质,以及故障所发生的位置与器件;倘若,在现有故障数据库中尚未找到任何一条记录,则进入功能弥补程序;所谓弥补程序,即,对被测输出电压波形自身对称性识别(包括:相邻周期波形比较与旋转对称比较),进而判断被测波形是否无故障或出现新型故障,再将该新型故障采用弥补程序中的专家系统对原有故障数据库进行记录添加。
基于波形识别算法软件包模块的工作过程进一步说明如下:
(1)以被测输出电压波形为模板,首次识别时,以大步长采样对数据库中的所有故障记录进行快速粗选,将相似度最高者记录“打上标志”;
(2)变小步长对“打上标志”记录进行再次采样筛选,再将新的相似度最高者记录“打上标志”,并更新记录标志缓存;
(3)余类推,直至找到唯一的相似度最高者,因此确认当前被测电路的故障类型与性质,以及故障所发生的位置与器件。
(4)一旦被测电路存在故障,经以上循环结果,能够确认故障性质及故障定位的概率>98%以上;只有<2%的概率在现有故障数据库中无法找到任何一条记录,此时,则进入功能弥补程序。
(5)弥补程序启动:对被测输出电压波形自身对称性进行识别(包括:相邻周期波形比较与旋转对称比较),做出无故障或新型故障的判断,一旦判定出现未知类型(性质)故障,即将新型故障对原有故障数据库进行记录添加。
(6)结论的显示输出。
本发明与背景技术比较的显著优点和有益效果在于:
(1)被测电路的输出数据非常简单,只需检测其输出波形,无需其它附加参数,实现对输出波形的全信息分析;
(2)相对人工神经网络等算法来说,本发明避免了复杂的网络结构设计及其运算方法,使得运算过程极为简化,整个识别过程占用CPU时间短到毫秒级;
(3)故障判定准确、故障定位准确;
(4)具有自学习功能,能运用专家系统补充与完善未知故障的类型与性质等认知知识库。
附图说明
图1本发明系统结构图
具体实施方式
如图1所示,本发明包括:被测地铁机车牵引电路1、标准负载2、嵌入式工控机3。当利用本发明进行现场实施检测时,标准负载2即为列车原型负载;当利用模拟实验台对被测地铁机车牵引电路1进行检测时,标准负载2为半实物模拟仿真负载,依据机械惯性与电机传动特性的相似原理制作而成,被测地铁机车牵引电路1只有连接上标准负载2的情况下才能真实模拟其原有的工况。标准负载2两端的电压输出经信号导线传输至嵌入式工控机3,供信号处理与分析。
嵌入式工控机3包括:数据采集器4、A/D转换器5、数据缓存器6、中央处理器7、被测电路故障数据库模块8、记录标志缓存9、基于波形识别算法软件包模块10、显示输出器11。输出电压波形首先由数据采集器4予以采集,经A/D转换器5后转入数据缓存器6,在数据采集器4采集输出波形全部结束后,中央处理器7已经调用基于波形识别算法软件包模块10,并从数据缓存器6中读取输出波形数据进行集中处理。基于波形识别算法软件包模块10将输出电压波形与被测电路故障数据库模块8中的故障波形进行匹配,在确定的相似度允许范围内,计算获得相似度最大者,即认定被测地铁机车牵引电路1此时出现的故障属于数据库中该记录所显示的故障类型和性质,并准确指出故障点的位置(包括器件与线路)。
基于波形识别算法软件包模块10由故障识别模块、标记模块、弥补模块、显示模块组成运算内核,故障识别模块专施对被测电压波形的识别,一旦被测电压波形被认为可能属于某记录故障,则通知标记模块,标记模块即将该记录号写入记录标志缓存,接着转入下一轮识别运算(对故障予以准确判定与定位);否则,故障识别模块输出运算转移指令,将运算任务移交弥补模块,由弥补模块对未知信号特征实施判定;显示模块实时跟踪故障识别模块、标记模块、弥补模块的运算过程与结果,将结果按显示输出协议输出至显示输出器11。
实施例:上海地铁一号线DC-01直流电动机车主电路测试
该主电路包含的主要模板:牵引控制单元、斩波器及其触发脉冲电路。
实施条件:
(1)采用半实物仿真技术与虚拟仪器技术相结合的方法,建立主控系统综合测试平台,达到主控系统在离线状态下全程模拟机车运行工况,进而实现对主控系统静动态特性的全面测试;建立完整的大规模被测电路故障数据库模块。
(2)将未知性能状况而需要测定的被测电路接入主控系统综合测试平台进行测试。
具体过程如下:
(1)被测地铁机车牵引电路1插入综合测试平台的测试槽,自动与标准负载2及嵌入式工控机3的输入通道连接;
(2)各部分上电,开启电脑并进入运行测试与故障诊断程序;
(3)根据综合测试平台所具有的地铁机车全模拟工况,使被测地铁机车牵引电路1工作于所有可能的列车运行工况;
(4)数据采集器4实时地将被测地铁机车牵引电路1在不同的列车运行工况下的输出波形通过A/D转换器5输入至数据缓存器6;
(5)在数据采集器4采集输出波形全部结束时,中央处理器7已经调用基于波形识别算法软件包模块10,并从数据缓存器6中读取输出波形数据进行集中处理;
(6)基于波形识别算法软件包模块10逐一将输出电压波形与被测电路故障数据库模块8中的故障波形进行匹配,在确定的相似度允许范围内,计算获得相似度最大者,即认定被测地铁机车牵引电路1此时出现的故障属于数据库中该记录所显示的故障类型和性质,并准确指出故障点的位置(包括器件与线路)。
具体实施结果:
数据采样周期τ<1μs;
数据前处理周期T0<1ms;
设定工况下的输出波形识别与故障诊断周期T1<30ms;
五种工况(起动、加速、怠速、制动、紧急刹车)下的输出波形识别与故障诊断总计算周期T=nT1=5T1<150ms,当n=5时;
测试结果故障诊断准确率>98%。
Claims (4)
1、一种基于波形识别的地铁机车牵引电路故障诊断系统,包括:被测地铁机车牵引电路、标准负载,其特征在于,还包括嵌入式工控机,该嵌入式工控机包含:数据采集器、A/D转换器、数据缓存器、中央处理器、被测电路故障数据库模块、记录标志缓存、基于波形识别算法软件包模块和显示输出器,其中:被测地铁机车牵引电路的输出加载于标准负载,嵌入式工控机从标准负载的两端拾取电压输入,标准负载的端电压输入至嵌入式工控机中最前沿的数据采集器数据输入端口,数据采集器的输出端与A/D转换器输入端连接,A/D转换器的输出端与数据缓存器的写入口连接,数据缓存器的读出口与中央处理器的读入口连接,被测电路故障数据库模块、记录标志缓存、基于波形识别算法软件包模块均通过数据总线与中央处理器实现数据与指令的双向交互,中央处理器的输出通过VGA与显示输出器连接。
2、根据权利要求1所述的基于波形识别的地铁机车牵引电路故障诊断系统,其特征是,所述的标准负载,作为被测地铁机车牵引电路的检测负载,按照标准的工作环境对被测地铁机车牵引电路上电,嵌入式工控机从标准负载的两端检测获得被测地铁机车牵引电路的输出电压波形,输出电压波形首先由数据采集器予以采集,经A/D转换器后转入数据缓存器,在数据采集器采集输出波形全部结束后,中央处理器已经调用基于波形识别算法软件包,并从数据缓存器中读取输出波形数据进行集中处理。
3、根据权利要求1或者2所述的基于波形识别的地铁机车牵引电路故障诊断系统,其特征是,所述数据缓存器,为了将数据采集与波形识别运算分开进行,将含信号调理与滤波的数据采集与A/D转换作为信号前处理,波形识别作为后处理程序运行。
4、根据权利要求1或者2所述的基于波形识别的地铁机车牵引电路故障诊断系统,其特征是,所述的基于波形识别算法软件包模块,包括:故障识别模块、标记模块、弥补模块、显示模块,故障识别模块对被测电压波形的识别,一旦被测电压波形被认为可能属于某记录故障,则通知标记模块,标记模块即将记录号写入记录标志缓存,接着转入下一轮对故障予以准确判定与定位识别运算;否则,故障识别模块输出运算转移指令,将运算任务移交弥补模块,由弥补模块对未知信号特征实施判定;显示模块实时跟踪故障识别模块、标记模块、弥补模块的运算过程与结果,将结果按显示输出协议输出至显示输出器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100303279A CN100524367C (zh) | 2006-08-24 | 2006-08-24 | 基于波形识别的地铁机车牵引电路故障诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100303279A CN100524367C (zh) | 2006-08-24 | 2006-08-24 | 基于波形识别的地铁机车牵引电路故障诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1912930A CN1912930A (zh) | 2007-02-14 |
CN100524367C true CN100524367C (zh) | 2009-08-05 |
Family
ID=37721851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100303279A Expired - Fee Related CN100524367C (zh) | 2006-08-24 | 2006-08-24 | 基于波形识别的地铁机车牵引电路故障诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100524367C (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010022559A1 (en) * | 2008-08-29 | 2010-03-04 | Abb Research Ltd | Method and apparatus for fault identification in a power transmission line |
CN102226829B (zh) * | 2011-03-28 | 2013-08-14 | 西南交通大学 | 使用非接触式电磁感应故障定位装置对at供电牵引网进行故障定位的方法 |
CN105631966B (zh) * | 2014-12-01 | 2017-11-24 | 中车大连电力牵引研发中心有限公司 | 轨道列车变流设备数据的记录装置 |
DE102015208927A1 (de) * | 2015-05-13 | 2016-11-17 | Robert Bosch Gmbh | Verfahren zum Überwachen eines Bordnetzes |
CN106597872B (zh) * | 2016-12-26 | 2019-04-23 | 中国铁道科学研究院 | 地铁牵引系统网压中断、突变及波动试验系统及方法 |
CN109557907B (zh) * | 2018-12-20 | 2023-05-23 | 中车大连电力牵引研发中心有限公司 | 用于牵引系统的故障记录和解析系统 |
-
2006
- 2006-08-24 CN CNB2006100303279A patent/CN100524367C/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN1912930A (zh) | 2007-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100524367C (zh) | 基于波形识别的地铁机车牵引电路故障诊断系统 | |
CN100538761C (zh) | 基于数据融合模式识别的嵌入式故障智能诊断装置及方法 | |
CN102710014B (zh) | 一种基于iec61850的断路器机械特性状态监测装置 | |
CN106527181B (zh) | 一种基于通信网络的配电自动化系统仿真测试方法 | |
CN103901882A (zh) | 一种列车动力系统在线监控故障诊断的系统及其方法 | |
CN105159283A (zh) | 城市轨道交通车辆远程故障分析与反馈系统 | |
CN103838226B (zh) | 轨道车辆控制及监控系统故障检索装置和方法 | |
CN102081145B (zh) | 一种电池管理系统功能验证平台 | |
CN108828353A (zh) | 一种充电桩故障检修系统及方法 | |
WO2015010482A1 (zh) | 一种基于cim/e交互的跨系统ems状态估计的方法 | |
CN111884347B (zh) | 多源电力信息融合的电力数据集中控制系统 | |
CN103259686A (zh) | 基于离散错误事件的can总线网络故障诊断方法 | |
CN110233768A (zh) | 基于uds的can总线测试系统及can总线测试方法 | |
CN110389042A (zh) | 一种基于半实物仿真技术的整车电子电气自动化集成测试系统 | |
CN111327468A (zh) | 一种用于电力系统的边缘计算平台的运行方法及其系统 | |
CN110450819A (zh) | 一种基于非接触式数据采集的车载atc设备运维系统 | |
CN1908987A (zh) | 基于波形识别的地铁机车牵引电路故障诊断方法 | |
CN104638761B (zh) | 基于报文监听和报文仿真验证goose虚端子连接的方法 | |
CN109696900A (zh) | 一种测试汽车控制器局域网络报文发送周期的系统和方法 | |
CN103913728A (zh) | 一种便携式雷达综合测试仪及测试方法 | |
CN104392603B (zh) | 一种现场用电信息采集设备智能诊断系统 | |
CN202063165U (zh) | 一种基于神经网络的地铁列车故障诊断装置 | |
CN202502190U (zh) | 基于Labview的移频输电线故障检测定位装置 | |
CN208888649U (zh) | 电动汽车三电系统联合调试的仿真测试系统 | |
CN109407039B (zh) | 智能电表及其系统、自诊断方法和故障检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090805 Termination date: 20100824 |