CN102607867B - 基于glrt列车悬挂系在途故障检测系统及检测方法 - Google Patents
基于glrt列车悬挂系在途故障检测系统及检测方法 Download PDFInfo
- Publication number
- CN102607867B CN102607867B CN201210042062.XA CN201210042062A CN102607867B CN 102607867 B CN102607867 B CN 102607867B CN 201210042062 A CN201210042062 A CN 201210042062A CN 102607867 B CN102607867 B CN 102607867B
- Authority
- CN
- China
- Prior art keywords
- tau
- train
- state
- glrt
- wave filter
- 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.)
- Active
Links
Abstract
本发明涉及基于GLRT列车悬挂系在途故障检测方法,该方法包括:1)对列车车辆悬挂系统进行建模并设计相应的Kalman滤波器;2)利用加速度传感器获取列车运行时各个位置的加速度信号;3)对加速度信号进行抗混叠滤波、高通滤波、二次积分预处理,获得系统输出;4)利用Kalman滤波器对所述的系统输出进行处理,获得残差输出;5)根据残差序列运用GLRT方法判断列车是否发生故障。本发明这种悬挂系在线故障检测技术可以以较高的鲁棒性进行悬挂系的故障检测,有效降低故障误报漏报率。
Description
技术领域
本发明涉及列车故障检测系统,特别是涉及基于GLRT列车悬挂系在途故障检测系统及检测方法。
背景技术
列车悬挂系统位于列车车体与转向架之间以及转向架与轮对之间,由大量不同的部件构成,包括螺旋弹簧、阻尼器、空气弹簧等。轨道车辆的悬挂系统通常分为一系(位于轮对与转向架之间)与二系(位于转向架与车体之间),同时也根据其对列车运动状态的影响分为横向与垂向系统。一方面,悬挂系统支撑着车体与转向架;另一方面,悬挂系还起到缓冲由轨道不平顺所引起的轮轨作用力、控制列车行驶方向、保持运行舒适性等作用。
目前,当前国内外较为成熟的列车在途故障检测系统大多是针对列车动力系、辅助系、制动系等子系统,即牵引电机、逆变器、空调系统、车门系统、空气制动系统的故障检测。即使在针对列车走行系状态监控的技术系统中,也以车轮、轴承、转向架构架等部位为主,几乎没有明确以列车悬挂系统作为状态监控与故障检测对象的系统与方法。
另一方面,在检测对象包括车辆走行部(列车走行部中包括一系二系悬挂系统)的一些列车故障检测系统中,其检测内容只是简单的表现为转向架的运动状态是否平稳,以一些简单的震动加速度指标或者震动频域指标值作为说明,没有明确悬挂系统是否发生了故障。同时列车走行部的运行状态除了直接受列车悬挂系统性能影响之外,线路条件、车辆负载情况、列车运行工况等都对其产生十分重要的作用,因此以往的检测系统并不能获取导致走行部暂时运动状态失稳的原因。
发明内容
为避免以上现有技术的不足,本发明提出一种基于GLRT列车悬挂系在途故障检测系统及检测方法,以解决能对列车悬挂系统状态进行实时检测。
本发明的目的通过以下技术方案来实现:
基于GLRT列车悬挂系在途故障检测方法,该方法包括:
1)对列车车辆悬挂系统进行建模并设计相应的Kalman滤波器;
2)利用加速度传感器获取列车运行时各个位置的加速度信号;
3)对加速度信号进行抗混叠滤波、高通滤波、二次积分预处理,获得系统输出;
4)利用Kalman滤波器对所述的系统输出进行处理,获得残差输出;
5)根据残差序列运用GLRT方法判断列车是否发生故障。
进一步,步骤1)对列车车辆悬挂系统进行建模设计相应的Kalman滤波器具体为:
101)根据列车悬挂系统在运行过程中的动力学特性建立悬挂系统横向、垂向动力学模型,构建横向、垂向悬挂系统空间状态方程;
所述系统空间状态方程为:
其中x为车辆运动状态变量,d为轨道激励,y为加速度传感器输出信号两次积分后得到的信号,即位移,A,B,Cd,Dd为空间状态方程相应的系数矩阵;
102)根据系统空间状态方程以及轨道激励信息,以状态估计的误差方差阵的最小为目标设计Kalman滤波器,并得到该滤波器预测误差方差阵P和滤波增益矩阵K,其中
P=(A-KC)P(A-KC)′+(B-KD)(B-KD)′
K=(APC′+BD′)(CPC′+DD′)-1;
公式中A,B,C,D分别是空间状态方程中的A,Bd,C,Dd,P为状态估计的误差方差阵,K为反馈增益矩阵。
进一步,步骤5)根据所述滤波器输出残差运用GLRT算法判断列车悬挂系是否发生故障,具体为:当lk超出一个阈值的时候,即判断系统发生了故障;
Rj=CjPC′j+DjD′j
其中P为Kalman滤波器误差方差阵;ρj为Kalman滤波器输出残差;Gj为故障特征向量。
进一步,该系统包括:
传感器,用于获取列车在各个位置的加速度信息;
数据采集单元,负责连接传感器和数据预处理单元,将传感器发送的模拟信号转换为数据预处理单元可以识别的格式,以统一的通信协议传输信号给数据预处理单元,实现各传感器测量数据的采集和转换处理;
数据预处理单元,与所述信号采集单元相连,对信号采集单元的数据进行管理,且接收数据采集单元送来的数据及对数据进行预处理,包括高通滤波、二次积分处理工作,然后再将预处理结果通过以太网传给故障诊断单元;
故障诊断单元,对接收到的数据预处理结果进行分析,判断列车悬挂系统是否发生故障。
进一步,所述的传感器包括车体传感器和转向架传感器,分别用于获取车体XYZ三项加速度信号与转向架YZ二项加速度信号。
进一步,所述的车体传感器位于列车底板四角。
进一步,所述的转向架传感器位于列车的转向架侧梁上方两端。
进一步,所述车辆运行状态包括车体与转向架的沉浮运动状态、点头运动状态、侧滚运动状态。
本发明的优点在于:
本发明提出的列车悬挂系在途故障检测系统直接以列车悬挂系统作为检测对象,该检测技术对线路条件、列车运行工况等环境干扰具有鲁棒性,而对悬挂系自身故障却十分敏感,在悬挂系统发生较小故障的时候就可以实时地检测到故障的存在并报警。
附图说明
图1:本发明故障检测系统结构框架;
图2:传感器布设位置;
图3:数据采集单元信号调理电路流程;
图4:数据采集单元电路框图;
图5:数据预处理单元数据处理逻辑如;
图6:车辆垂向悬挂系统示意图;
图7:车辆横向悬挂系统示意图
图8为卡尔曼滤波器滤波估计流程图;
图9为卡尔曼滤波增益和误差方差阵计算流程图;
图10:Kalman滤波器滤波产生残差;
图11:空璜故障检测算法验证图示。
具体实施方式
如图1所示为本发明故障检测系统结构框架图,所述故障检测系统包括:传感器,用于获取列车在各个位置的加速度信息;数据采集单元,负责连接传感器和数据预处理单元,将传感器发送的模拟信号转换为数据预处理单元可以识别的格式,以统一的通信协议发送到数据预处理单元,实现各传感器测量数据的采集和转换理;数据预处理单元,逻辑上负责各数据采集单元的数据管理及车辆网络管理,且接收数据采集单元送来的数据,对数据进行坐标变换、高通滤波、二次积分运算等工作,然后再将预处理结果通过以太网传给故障诊断单元;所述数据采集单元与预处理单元在每个车厢上都有安装,而故障诊断主机一辆列车配备一台,即故障诊断单元,通过以太网搜集各个车厢上采集的信息,对接收到的数据预处理结果进行判断,判断列车悬挂系统是否发生故障。
下面对系统各单元分别进行详细说明。
如图2所示,所述传感器类型有两种,为车体传感器与转向架传感器,分别用于获取车体XYZ三项加速度信号与转向架YZ二项加速度信号。车体传感器布设在车底板的四个角,与车底板边缘距离均为400mm。该布设方案不仅能有效获得车体各个位置各方向加速度信息,且能够用于转换摇头、点头、侧滚等角加速度,全面获取车体各运动状态数据,为故障检测、分离提供充分数据。转向架传感器布设在转向架构架上方四角位置,获取转向架横向以及垂向加速度信号。这样的布设方案同样能够最大限度的获取转向架的运动状态数据。
数据采集单元负责连接传感器和数据预处理单元,将传感器发送的模拟信号转换为数据预处理单元可以识别的格式,以统一的通信协议向上发送,实现各传感器测量数据的采集和转换理。数据采集单元具体将完成以下工作:电流信号到电压信号的转换,抗混叠滤波、电压转换,模拟信号的A/D转换等工作,并通过以太网将采集数据传给数据预处理单元。
数据采集单元电路流程及框图如图3和4所示,数据采集单元具体规格如下:
√采用16位AD转换电路,每个通道能达到200KSPS采样速率,采用二阶抗混叠低通滤波器,提供数字滤波器实现过采样功能
√采用10M/100M/1000M以太网口传输数据,支持IEE1588网络同步协议
√CPU采用Freescale MPC系列高性能处理器,主频400M,内存不小于128MB,板载64M flash
√Altera Cyclone EPC4系列FPGA作为协处理器,可用于采集数据预处理运算
√24VDC供电,单板功耗≤15W
√全部采用高可靠性工业级宽温器件
所述信号预处理单元,物理上负责连接信号采集单元与网络节点,逻辑上负责各信号采集单元的数据管理及车辆网络管理。信号预处理单元接收汇聚信号采集单元送来的数据,对数据进行坐标变换、高通滤波、二次积分运算等工作,然后再将预处理结果通过以太网传给诊断服务主机。
数据处理板的主要功能是对数据进行数字化滤波,积分运算、特征提取等工作,以及完成来自不同传感器接入的异构数据的整合功能。
数据预处理单元数据处理逻辑如图5所示:
●数据处理板规格
√CPU采用Freescale MPC系列高性能处理器,主频400M
√内存不小于128MB
√板载64M flash
√采用10M/100M/1000M以太网口传输数据
√5VDC供电,单板功耗≤15W
√全部采用高可靠性工业级宽温器件
故障诊断单元,由车载高性能工业计算机构成,对接收到的数据预处理结果进行判断,判断列车悬挂系统是否发生故障。具体诊断方法如下。
1.对列车悬挂系统进行建模并设计相应的Kalman滤波器。
如图6,7所示,对车辆垂向、横向悬挂系统建模,根据车辆运动的动力学方程分别建立车体悬挂系统垂向、横向微分方程模型,进而导出车辆悬挂系统的空间状态方程,其形式为:
其中x为状态变量,d为轨道激励,y为加速度传感器输出后两次积分量,即位移,A,B,Cd,Dd为空间状态方程相应的系数矩阵。
如图8为卡尔曼滤波器滤波估计流程图,图9为卡尔曼滤波增益和误差方差阵计算流程图。卡尔曼滤波器进行波形估计的原则为实现状态估计的误差方差阵的最小化,得到滤波器预测误差方差阵P为:
P=(A-KC)P(A-KC)′+(B-KD)(B-KD)′
滤波增益矩阵K的计算公式为:
K=(APC′+BD′)(CPC′+DD′)-1
公式中A,B,C,D分别是空间状态方程中的A,Bd,C,Dd,P为状态估计的误差方差阵,K为反馈增益矩阵。
2.利用加速度传感器获取列车运行时各个位置的加速度信号。
3.对加速度信号进行抗混叠滤波、高通滤波、二次积分预处理,获得系统输出。
4.利用Kalman滤波器对所述的系统输出进行处理,获得残差输出,如图10中虚线框内部分。
5.根据残差序列运用GLRT方法判断列车是否发生故障。
此处是基于GLRT的故障检测,GLRT方法即广义概率比率检验方法(Generalized Likelihood Ratio Test),其基本原理为在每一个时间窗内,利用卡尔曼滤波器输出的残差计算当前系统故障、无故障的条件概率比值,并以该比值作为系统是否发生故障的指标,当下面公式中lk超出一个预先设定的阈值时,即判断系统发生了故障。
广义概率比率公式为:
其中:
Rj=CjPC′j+DjD′j
上述公式中符号含义:P为Kalman滤波器误差方差阵;ρj为Kalman滤波器输出残差;Gj为故障特征向量。
我们利用SIMPACK动力学仿真专用软件对上述故障检测方法进行验证,车辆二系空璜正常刚度值为0.26513MN/m,现在系统运行至40s时发生故障,漏气导致空璜刚度值变为正常值的一半,即0.13256MN/m。如图11可以看到我们的检测算法迅速地检测到了这一故障的发生。当然,发生故障的悬挂系部件也可以是一系二系的其他弹簧与阻尼。经大量的仿真试验验证了该故障检测算法的可靠性。本发明这种悬挂系在线故障检测技术可以以较高的鲁棒性进行悬挂系的故障检测,有效降低故障误报漏报率。本发明列车悬挂系在途故障检测系统是针对列车悬挂系统进行状态监控、故障检测的全新的方法,与已有的列车故障检测系统或者列车状态监控系统有本质的不同。
应当理解,以上借助优选实施例对本发明的技术方案进行的详细说明是示意性的而非限制性的。本领域的普通技术人员在阅读本发明说明书的基础上可以对各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.基于GLRT列车悬挂系在途故障检测方法,其特征在于,该方法包括:
1)对列车车辆悬挂系统进行建模并设计相应的Kalman滤波器;
2)利用加速度传感器获取列车运行时各个位置的加速度信号;
3)对加速度信号进行抗混叠滤波、高通滤波、二次积分预处理,获得系统输出;
4)利用Kalman滤波器对所述的系统输出进行处理,获得残差输出;
5)根据残差序列运用GLRT方法判断列车是否发生故障;
所述步骤1)对列车车辆悬挂系统进行建模设计相应的Kalman滤波器具体为:
101)根据列车悬挂系统在运行过程中的动力学特性建立悬挂系统横向、垂向动力学模型,构建横向、垂向悬挂系统空间状态方程;
所述系统空间状态方程为:
其中x为车辆运动状态变量,d为轨道激励,y为加速度传感器输出信号两次积分后得到的信号,即位移,A,Bd,C,Dd为空间状态方程相应的系数矩阵;
102)根据系统空间状态方程以及轨道激励信息,以状态估计的误差方差阵的最小为目标设计Kalman滤波器,并得到该滤波器预测误差方差阵P和滤波增益矩阵K,其中
P=(A-KC)P(A-KC)′+(B-KD)(B-KD)′
K=(APC′+BD′)(CPC′+DD′)-1;
公式中A,B,C,D分别是空间状态方程中的A,Bd,C,Dd,P为状态估计的误差方差阵,K为反馈增益矩阵;
所述步骤5)根据所述滤波器输出残差运用GLRT算法判断列车悬挂系是否发生故障,具体为:当lk超出一个阈值的时候,即判断系统发生了故障;
Rj=CjPC′j+DjD′j
其中P为Kalman滤波器误差方差阵;ρj为Kalman滤波器输出残差;Gj为故障特征向量。
2.基于GLRT的列车悬挂系在途故障检测系统,其特征在于,该系统包括:
传感器,用于获取列车在各个位置的加速度信息;
数据采集单元,负责连接传感器和数据预处理单元,将传感器发送的模拟信号转换为数据预处理单元可以识别的格式,以统一的通信协议传输信号给数据预处理单元,实现各传感器测量数据的采集和转换处理;
数据预处理单元,与所述信号采集单元相连,对信号采集单元的数据进行管理,且接收数据采集单元送来的数据及对数据进行预处理,包括高通滤波、二次积分处理工作,然后再将预处理结果通过以太网传给故障诊断单元;
故障诊断单元,包括:
根据列车悬挂系统在运行过程中的动力学特性建立悬挂系统横向、垂向动力学模型,构建横向、垂向悬挂系统空间状态方程;
所述系统空间状态方程为:
其中x为车辆运动状态变量,d为轨道激励,y为加速度传感器输出信号两次积分后得到的信号,即位移,A,Bd,C,Dd,为空间状态方程相应的系数矩阵;
根据系统空间状态方程以及轨道激励信息,以状态估计的误差方差阵的最小为目标设计Kalman滤波器,并得到该滤波器预测误差方差阵P和滤波增益矩阵K,其中
P=(A-KC)P(A-KC)′+(B-KD)(B-KD)′
K=(APC′+BD′)(CPC′+DD′)-1;
公式中A,B,C,D分别是空间状态方程中的A,Bd,C,Dd,P为状态估计的误差方差阵,K为反馈增益矩阵;
利用Kalman滤波器对预处理的数据进行处理,获得残差,并运用GLRT算法判断列车悬挂系是否发生故障,具体为:当lk超出一个阈值的时候,即判断系统发生了故障;
Rj=CjPC′j+DjD′j
其中P为Kalman滤波器误差方差阵;ρj为Kalman滤波器输出残差;Gj为故障特征向量。
3.根据权利要求2所述的基于GLRT的列车悬挂系在途故障检测系统,其特征在于,所述的传感器包括车体传感器和转向架传感器,分别用于获取车体XYZ三项加速度信号与转向架YZ二项加速度信号。
4.根据权利要求3所述的基于GLRT的列车悬挂系在途故障检测系统,其特征在于,所述的车体传感器位于列车底板四角。
5.根据权利要求3所述的基于GLRT的列车悬挂系在途故障检测系统,其特征在于,所述的转向架传感器位于列车的转向架侧梁上方两端。
6.根据权利要求2所述的基于GLRT的列车悬挂系在途故障检测系统,其特征在于,车辆运行状态包括车体与转向架的沉浮运动状态、点头运动状态、侧滚运动状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210042062.XA CN102607867B (zh) | 2012-02-22 | 2012-02-22 | 基于glrt列车悬挂系在途故障检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210042062.XA CN102607867B (zh) | 2012-02-22 | 2012-02-22 | 基于glrt列车悬挂系在途故障检测系统及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102607867A CN102607867A (zh) | 2012-07-25 |
CN102607867B true CN102607867B (zh) | 2014-12-10 |
Family
ID=46525431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210042062.XA Active CN102607867B (zh) | 2012-02-22 | 2012-02-22 | 基于glrt列车悬挂系在途故障检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102607867B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768121A (zh) * | 2012-07-31 | 2012-11-07 | 北京交通大学 | 基于鲁棒观测器的列车悬挂系统故障检测方法 |
DE102012218426B4 (de) * | 2012-10-10 | 2018-05-09 | Continental Automotive Gmbh | Verfahren, Steuergerät und System zum Ermitteln eines, einen Zustand zumindest einer Komponente eines Kraftfahrzeugs kennzeichnenden Parameters |
CN102998130B (zh) * | 2012-12-17 | 2015-05-13 | 北京交通大学 | 基于加速度测量的数据驱动的列车悬挂系统故障检测方法 |
CN103018058A (zh) * | 2012-12-17 | 2013-04-03 | 北京交通大学 | 基于相似度的列车悬挂系统故障分离方法 |
CN103196682B (zh) * | 2013-03-21 | 2015-11-18 | 北京交通大学 | 基于d-s证据理论的信息融合的列车悬挂系统故障分离方法 |
CN103471865A (zh) * | 2013-09-12 | 2013-12-25 | 北京交通大学 | 基于线性判别法的列车悬挂系统故障分离方法 |
CN103926092A (zh) * | 2014-02-25 | 2014-07-16 | 北京交通大学 | 轨道交通列车悬挂系统关键元部件脉冲冲击检测方法 |
CN104155968B (zh) * | 2014-07-17 | 2016-08-24 | 南京航空航天大学 | 一种针对高速列车悬架系统执行器的微小故障诊断方法 |
CN104458298B (zh) * | 2014-12-09 | 2017-06-13 | 南京航空航天大学 | 基于多模型的高速列车悬架系统多执行器故障检测与隔离方法 |
JP6530329B2 (ja) * | 2016-02-18 | 2019-06-12 | 公益財団法人鉄道総合技術研究所 | 2次ばね系の異常検出方法及び異常検出装置 |
CN107246973B (zh) * | 2017-05-24 | 2019-06-14 | 北京交通大学 | 基于非线性滤波的抗蛇行减震器性能参数及故障辨识方法 |
AT521735A1 (de) * | 2018-09-19 | 2020-04-15 | Siemens Mobility GmbH | Verfahren und Vorrichtung zur Diagnose und Überwachung von Fahrzeugkomponenten |
CN109472887A (zh) * | 2018-11-23 | 2019-03-15 | 中国铁路总公司 | 车辆悬挂运行状态识别方法及装置 |
CN111846095B (zh) * | 2019-05-14 | 2022-05-17 | 北京骑胜科技有限公司 | 一种故障检测设备、电助力车及故障检测方法 |
CN110209147B (zh) * | 2019-06-12 | 2021-11-23 | 中国神华能源股份有限公司 | 转向架故障位置识别方法及系统、映射关系建立方法装置 |
CN113624997B (zh) * | 2020-06-30 | 2022-12-02 | 株洲中车时代电气股份有限公司 | 一种加速度传感器故障诊断方法及系统 |
CN112224241B (zh) * | 2020-11-18 | 2022-08-02 | 中国铁道科学研究院集团有限公司 | 一种速度采集系统、故障报警方法及装置 |
CN113371032B (zh) * | 2021-06-09 | 2022-04-05 | 广州地铁集团有限公司 | 一种用于地铁车辆悬架系统故障识别的装置及方法 |
CN113607443A (zh) * | 2021-07-02 | 2021-11-05 | 江苏科技大学 | 一种基于数据驱动的高速列车悬挂系统早期故障检测方法 |
CN114115184B (zh) * | 2021-11-15 | 2024-04-23 | 江苏科技大学 | 一种基于数据驱动ToMFIR的高速列车悬挂系统故障诊断方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4036064A1 (de) * | 1990-11-13 | 1992-05-14 | Teves Gmbh Alfred | Semi-aktives fahrwerksregelungssystem |
CN1932469A (zh) * | 2005-09-16 | 2007-03-21 | 通用汽车环球科技运作公司 | 使用自适应阈值的健康状态监测和故障诊断 |
CN102069813A (zh) * | 2010-12-15 | 2011-05-25 | 青岛四方车辆研究所有限公司 | 开关式半主动悬挂系统 |
CN201867297U (zh) * | 2010-11-08 | 2011-06-15 | 吉林大学 | 基于半车质量模拟状态下的转向架悬挂自振特性试验台 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100993168B1 (ko) * | 2004-11-22 | 2010-11-10 | 주식회사 만도 | 차량의 가변 댐퍼 제어방법 |
-
2012
- 2012-02-22 CN CN201210042062.XA patent/CN102607867B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4036064A1 (de) * | 1990-11-13 | 1992-05-14 | Teves Gmbh Alfred | Semi-aktives fahrwerksregelungssystem |
CN1932469A (zh) * | 2005-09-16 | 2007-03-21 | 通用汽车环球科技运作公司 | 使用自适应阈值的健康状态监测和故障诊断 |
CN201867297U (zh) * | 2010-11-08 | 2011-06-15 | 吉林大学 | 基于半车质量模拟状态下的转向架悬挂自振特性试验台 |
CN102069813A (zh) * | 2010-12-15 | 2011-05-25 | 青岛四方车辆研究所有限公司 | 开关式半主动悬挂系统 |
Non-Patent Citations (8)
Title |
---|
JP特开2006-143203A 2006.06.08 * |
冗余传感器故障诊断的最优奇偶向量法与广义似然比检验法的等效性;张玲霞 等;《西北工业大学学报》;20050430;第23卷(第2期);正文第266-270页 * |
列车组合定位系统故障检测与隔离算法的研究;张峰;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20080915(第09期);正文第2页第3段,第3页第1段,第17页倒数第2段 * |
卞鸿巍 等编著.卡尔曼滤波的基本概念.《现代信息融合技术在组合导航中的应用》.国防工业出版社,2010, * |
张峰.列车组合定位系统故障检测与隔离算法的研究.《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》.2008,(第09期), * |
张玲霞 等.冗余传感器故障诊断的最优奇偶向量法与广义似然比检验法的等效性.《西北工业大学学报》.2005,第23卷(第2期), * |
梁红 等编.参量信号的检测——广义似然比方法.《信号检测与估值》.西北工业大学出版社,2011, * |
王莹莹 等编.线性系统的状态空间分析与综合.《自动控制原理(第五版)全程导学及习题全解》.中国时代经济出版社,2009, * |
Also Published As
Publication number | Publication date |
---|---|
CN102607867A (zh) | 2012-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102607867B (zh) | 基于glrt列车悬挂系在途故障检测系统及检测方法 | |
CN104155968B (zh) | 一种针对高速列车悬架系统执行器的微小故障诊断方法 | |
CN102768121A (zh) | 基于鲁棒观测器的列车悬挂系统故障检测方法 | |
CN102998130B (zh) | 基于加速度测量的数据驱动的列车悬挂系统故障检测方法 | |
Hodge et al. | Wireless sensor networks for condition monitoring in the railway industry: A survey | |
CN104458298B (zh) | 基于多模型的高速列车悬架系统多执行器故障检测与隔离方法 | |
CN102785681B (zh) | 列车在途安全状态监测方法、设备和系统 | |
JP5525404B2 (ja) | 鉄道車両の状態監視装置及び状態監視方法、並びに鉄道車両 | |
CN103558806B (zh) | 一种数控机床的故障处理系统 | |
CN103018058A (zh) | 基于相似度的列车悬挂系统故障分离方法 | |
JP4298433B2 (ja) | 鉄道車両の異常検知装置 | |
CN104458297A (zh) | 基于非线性随机模型的列车悬架系统传感器故障检测方法 | |
CN112765778B (zh) | 转向架横向稳定性识别方法、装置以及计算机设备 | |
CN107941533A (zh) | 基于工业以太网的动车组失稳检测系统及方法 | |
CN108445258B (zh) | 基于积分器的磁浮列车单铁悬浮加速度传感器诊断方法 | |
Czop et al. | Application of inverse linear parametric models in the identification of rail track irregularities | |
CN105973457A (zh) | 动车组车载平稳性监控装置及方法 | |
CN105403420A (zh) | 一种融合多传感器的转向架故障诊断方法 | |
Chellaswamy et al. | IoT based rail track health monitoring and information system | |
Tsunashima et al. | Condition monitoring of railway tracks using compact size on-board monitoring device | |
JP5534958B2 (ja) | 劣化診断装置及び劣化診断方法 | |
CN104819856A (zh) | 列车转向架横向稳定性检测方法及装置 | |
CN106052606B (zh) | 一种基于尺度平均小波能量谱的轨道表面凹陷检测方法 | |
CN103759955A (zh) | 一种基于数据投影模式变换的列车运行状态监测系统 | |
KR20190089583A (ko) | 지상 차량 부품 탐지 시스템 |
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 |