CN104155968A - 一种针对高速列车悬架系统执行器的微小故障诊断方法 - Google Patents

Abstract

本发明公开了一种针对高速列车悬架系统执行器的微小故障诊断方法，主要针对CRH高速列车悬架系统的执行器故障，包括以下几个主要步骤：(1)针对高速列车悬架系统执行器的运行工况，对执行器易发的失效型故障建立统一的故障模型；(2)考虑轨道不平顺对于车辆-轨道耦合系统的影响，以动-拖-动的结构建立高速列车悬架系统的模型；(3)针对闭环控制系统下的微小故障诊断问题，提出了一种故障信息全度量残差的概念，并根据一定的决策准则判定故障有无发生以及故障的大小。该诊断方法在悬架系统发生微小故障时可以实现实时的检测报警和故障参数的估计，同时降低闭环控制系统故障检测中误报、漏报的可能性。

Description

一种针对高速列车悬架系统执行器的微小故障诊断方法

技术领域

本发明公开了一种针对高速列车悬架系统执行器的微小故障诊断方法，特别是涉及基于故障信息全度量残差的闭环控制系统微小故障的检测与估计方法。属于高速列车悬挂系统故障诊断技术领域。

背景技术

高速列车悬架系统负责支撑车体和转向架，还起到缓冲由轨道不平顺所引起的轮轨作用力、控制列车行驶方向以及保证列车运行舒适性的作用，因此对其有高可靠性的要求。2008年，我国在主要干线上开通了时速200公里以上的CRH(China Railway High-speed)动车组列车，到目前为止，已经建成世界上规模最大、运营速度最快的高速铁路网。为了提高我国高铁运行的安全性，针对高速列车悬架系统故障诊断的研究势在必行。

高速列车悬架系统分为主动悬架和半主动悬架，采用闭环控制结构。悬架系统位于列车车体与转向架之间(二系悬架)以及转向架与轮对之间(一系悬架)，包含有大量的部件，包括螺旋弹簧、横向/垂向阻尼器、空气弹簧以及主动式作动器。其中主动式作动器作为重要的执行器部件，对于高速列车的安全运行和乘坐舒适性至关重要。目前，国内外针对高速列车悬架系统故障诊断的研究主要集中在螺旋弹簧、阻尼器件，也包括车轮、轴承和转向架构架等部件，但是几乎没有针对二系悬挂中主动式作动器故障诊断的研究。

主动悬架采用闭环控制结构，主动式作动器是其中重要的执行器部件。通常执行器故障包括以下两种状况：失效型(乘性)故障、漂移型(加性)故障，其中又以失效型故障最为常见。当故障特征不明显时，由于列车运行过程中受环境噪声等影响，容易使高速列车悬架系统执行器部件的微小故障被噪声掩盖而不易检测。由于闭环结构的影响，故障更容易在系统内部传播，再加上闭环系统中控制器对于故障有一定的“容错”作用，使得微小故障的定位和诊断在闭环控制结构的悬架系统中十分困难。

故障信息全度量残差包括两个部分：其一是输出残差，用以表征闭环系统中控制器未补偿的那部分故障信息；其二是控制器残差，用以表征闭环控制系统中控制器补偿了的那部分故障信息。该技术可以充分利用故障的全面信息，从而更加准确地对闭环结构下的微小故障进行实时检测和准确诊断。目前，一方面对于主动悬架故障诊断的研究很少，另外针对高速列车闭环控制结构的悬架系统微小故障诊断的研究以及其工程实用的研究尚属空白。。

发明内容

本发明所要解决的技术问题是：针对现有技术的缺陷，提供一种针对高速列车悬架系统执行器的微小故障诊断方法。

本发明为解决上述技术问题采用以下技术方案：

一种针对高速列车悬架系统执行器的微小故障诊断方法，包括如下步骤：

步骤一、依据轨道的不平顺性对于轨道-车辆耦合系统的动态影响，对高速列车悬架系统进行建模；

步骤二、在列车运行过程中，通过加速度传感器、陀螺仪分别获得动车/拖车车体与动车/拖车转向架的加速度信号、角加速度信号；

步骤三、利用故障信息全度量残差，对所述高速列车悬架系统的系统输出进行处理，获得故障检测所需的残差量；

步骤四、根据步骤三所得的故障信息全度量残差进一步得出闭环控制结构悬挂系统的故障残差，再结合列车实时工况、线路条件、负载情况所生成的故障检测报警阈值，判断检测指标是否达到报警阈值，在检测指标达到报警阈值时进行报警；

步骤五、构造基于故障信息全度量残差的故障估计观测器，对悬架系统执行器所发生的微小故障进行实时估计。

作为本发明的进一步优选方案，步骤一中，所述对高速列车悬架系统的建模包括：悬架系统垂向动力学建模、轨道不平顺建模、悬架易发故障建模，所述高速列车悬架系统的空间状态方程为：

$\stackrel{.}{x}\left(t\right)=\mathrm{Ax}\left(t\right)+\mathrm{Bu}\left(t\right)+\mathrm{Bd}\left(t\right)$

z(t)＝Gx(t)+Hu(t)+Hd(t)

其中，x(t)表示车辆运动状态变量，包括车体和转向架的垂向位移以及车体和转向架的俯仰角；是状态变量x(t)的导数；u(t)是主动悬架中作动器的控制输出量；d(t)为轨道激励；z(t)是系统的输出信号，包括车体和转向架的垂向加速度和角加速度；A、B、G、H分别为空间状态方程相应的系数矩阵。

作为本发明的进一步优选方案，步骤三中所述的故障信息全度量残差，包括输出残差和控制器残差，其设计步骤如下：

步骤1、根据高速列车悬架系统空间状态方程获得系统的标称模型G₀和实际模型G₁：

$G_0:\left\{\begin{array}{c}{\stackrel{.}{x}}_0\left(t\right)={\mathrm{Ax}}_0\left(t\right)+{\mathrm{Bu}}_0\left(t\right)\\ Z_0\left(t\right)={\mathrm{Gx}}_0\left(t\right)+{\mathrm{Hu}}_0\left(t\right)\end{array}\right.$

$G_1:\left\{\begin{array}{c}\stackrel{.}{x}\left(t\right)=\mathrm{Ax}\left(t\right)+{\mathrm{Bu}}^f\left(t\right)+\mathrm{Bd}\left(t\right)\\ z\left(t\right)=\mathrm{Gx}\left(t\right)+{\mathrm{Hu}}^f\left(t\right)+\mathrm{Hd}\left(t\right)\end{array}\right.$

其中，x₀(t),z₀(t)是标称模型的状态变量和输出变量，是状态变量x₀(t)的导数；u₀(t)是标称模型中控制器的输出；u^f(t)是实际模型中控制器的输出；

步骤2、定义输出残差r_z(t)用于表征实际模型和标称模型的输出差异：

r_z(t)＝z(t)-z₀(t)＝G₁u^f(t)-G₀u₀(t)

步骤3、定义控制器残差r_u(t)用于表征实际模型和标称模型中控制器的输出差异：

r_u(t)＝u^f(t)-u₀(t)

步骤4、定义闭环控制结构下的故障信息全度量残差：

ToMFIR(t)＝z(t)-z^*(t)

＝G₁u^f(t)-G₀u^f(t)

＝(G₁u^f(t)-G₀u₀(t))-(G₀u^f(t)-G₀u₀(t))

＝r_z(t)-G₀r_u(t)

其中，z^*(t)＝G₀u^f(t)，表征的是标称模型在实时输入信号u^f(t)驱动下的系统输出；

步骤5、利用所设计的故障信息全度量残差，针对高速列车悬架系统执行器的微小故障，设定其故障检测机制为：

其中，λ为故障检测的阈值。

作为本发明的进一步优选方案，步骤五中所述的基于故障信息全度量残差的故障估计观测器具体表示为：

$\left\{\begin{array}{c}\stackrel{\stackrel{.}{^}}{x}\left(t\right)=A\hat{x}\left(t\right)+B{\hat{u}}^f\left(t\right)+\mathrm{Bd}\left(t\right)-L({\mathrm{GA}}^{-1}L-I)(\hat{z}\left(t\right)-z\left(t\right))\\ \hat{z}\left(t\right)=G\hat{x}\left(t\right)+\mathrm{Hu}\left(t\right)+\mathrm{Hd}\left(t\right)\end{array}\right.$

其中，是观测器状态向量，是观测器状态向量的导数，是所设计观测器的输出，是u^f(t)的估计值，L是观测器增益矩阵，I是适维的单位阵；

定义：状态误差 $e_x\left(t\right)=\hat{x}\left(t\right)-x\left(t\right);$

故障估计误差其中，表征故障的估计值，F(t)表征真实的故障；

观测器输出误差 $e_z\left(t\right)=\hat{z}\left(t\right)-z\left(t\right);$

则自适应故障估计策略可以表示为：其中，Γ表示自适应律；

则： $\left\{\begin{array}{c}{\stackrel{.}{e}}_x\left(t\right)=[A-L({\mathrm{GA}}^{-1}L-I)G]e_x\left(t\right)+{\mathrm{Be}}_f\left(t\right)\\ {\stackrel{.}{e}}_f\left(t\right)=-\mathrm{\Γ}\·({\mathrm{GA}}^{-1}L-I){\mathrm{Ge}}_x\left(t\right)-{\stackrel{.}{u}}^f\left(t\right)\end{array}\right.$

增广系统可以描述为： ${\stackrel{.}{e}}_{x|f}\left(t\right)=(\stackrel{\‾}{A}-\stackrel{\‾}{L}\stackrel{\‾}{G})e_{x|f}\left(t\right)+\mathrm{\ϵ}\stackrel{\‾}{F}\left(t\right)$

其中， $e_{x|f}\left(t\right)=\left[\begin{array}{c}{e}_x\left(t\right)\\ e_f\left(t\right)\end{array}\right],\stackrel{\‾}{A}=\left[\begin{array}{cc}A& 0\\ 0& 0\end{array}\right],\stackrel{\‾}{L}=\left[\begin{array}{c}L({\mathrm{GA}}^{-1}L-I)\\ \mathrm{\Γ}\·({\mathrm{GA}}^{-1}L-I)\end{array}\right],\stackrel{\‾}{G}=\left[\begin{array}{cc}G& 0\end{array}\right],$ $\stackrel{\‾}{F}\left(t\right)=\left[\begin{array}{c}{\mathrm{Be}}_f\left(t\right)\\ {\stackrel{.}{u}}^f\left(t\right)\end{array}\right],\mathrm{\ϵ}=\left[\begin{array}{cc}{I}_{18}& 0\\ 0& -1\end{array}\right].$

本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明针对高速列车闭环控制结构的悬架系统，以主动式作动器为故障诊断对象，该诊断方法对执行器微小故障十分敏感，在悬架系统发生较小故障的时候就可以实时检测到并准确估计出故障的动态特性。本发明可以用于基于SIMPACK-SIMULINK仿真架构的执行机构故障分析和系统可靠性分析。

附图说明

图1是本发明悬架系统执行器故障诊断结构框架图。

图2是车辆垂向悬挂系统示意图。

图3是故障信息全度量残差的生成流程图。

图4是故障检测报警示意图。

图5是轨道不平顺数值仿真。

图6是悬架执行器微小故障检测仿真。

图7是悬架执行器微小故障估计仿真。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明设计了一种针对高速列车悬架执行器微小故障的诊断方法，其结构框架如图1所示，步骤如下：

步骤一：根据图2所示的垂向悬挂系统，建立其状态空间方程：

$\stackrel{.}{x}\left(t\right)=\mathrm{Ax}\left(t\right)+\mathrm{Bu}\left(t\right)+\mathrm{Bd}\left(t\right)$

z(t)＝Gx(t)+Hu(t)+Hd(t)

其中，是状态变量x(t)的导数，x(t)是车辆运动状态变量，包括车体和转向架的垂向位移以及车体和转向架的俯仰角；u(t)是主动悬架中作动器f_a,f_b,f_c的控制输出量；d(t)为轨道激励；z(t)是系统的输出信号，包括车体和转向架的垂向加速度和角加速度；A,B,G,H为空间状态方程相应的系数矩阵。

令q＝[y₁ y₂ y₃ θ₁ θ₂ θ₃ y₄ y₅ y₆]^T，则状态变量其中，是q的导数，T表示转置运算，其余状态变量的物理意义详见表2；

$A=\left[\begin{array}{cc}{0}_9& I_9\\ -M^{-1}K& -M^{-1}C\end{array}\right],B=\left[\begin{array}{c}{0}_9\\ M^{-1}\end{array}\right],G=\left[\begin{array}{cc}{I}_9& 0_9\\ 0_9& I_9\\ -M^{-1}K& -M^{-1}C\end{array}\right],H=\left[\begin{array}{c}{0}_9\\ 0_9\\ M^{-1}\end{array}\right]$

其中0₉是9阶零矩阵，I₉是9阶单位矩阵，M称为惯性矩阵，C称为阻尼矩阵，K称为刚度矩阵。

M＝diag(m_p,m_t,m_p,I_p,I_t,I_p,m_pb,m_tb,m_pb)

u＝[f_a f_b f_c -d₁f_a 0 d₁f_c -f_a -f_b -f_c]^T

$d={\left[\begin{array}{ccccccccc}0& 0& 0& 0& 0& 0& k_3{y}_7+c_3{\stackrel{.}{y}}_7& k_4{y}_8+c_4{\stackrel{.}{y}}_8& k_3{y}_9+c_3{\stackrel{.}{y}}_9\end{array}\right]}^T$

$K=\left[\begin{array}{ccccccccc}{k}_5+k& -k& 0& -k_5{d}_1+{\mathrm{kd}}_2& {\mathrm{kd}}_3& 0& 0& 0& 0\\ -k& k_6+2k& -k& -{\mathrm{kd}}_2& 0& {\mathrm{kd}}_2& 0& 0& 0\\ 0& -k& k_7+k& 0& -{\mathrm{kd}}_3& k_7{d}_1-{\mathrm{kd}}_2& 0& 0& 0\\ -k_5{d}_1+{\mathrm{kd}}_2& -{\mathrm{kd}}_2& 0& k_5{d}_1^2+{\mathrm{kd}}_2^2& {\mathrm{kd}}_2{d}_3& 0& 0& 0& 0\\ {\mathrm{kd}}_3& 0& -{\mathrm{kd}}_3& {\mathrm{kd}}_2{d}_3& 2{\mathrm{kd}}_3^2& {\mathrm{kd}}_2{d}_3& 0& 0& 0\\ 0& {\mathrm{kd}}_2& k_7{d}_1-{\mathrm{kd}}_2& 0& {\mathrm{kd}}_2{d}_3& k_7{d}_1^2+{\mathrm{kd}}_2^2& 0& 0& 0\\ -k_5& 0& 0& k_5{d}_1& 0& 0& k_3& 0& 0\\ 0& -k_6& 0& 0& 0& 0& 0& k_4& 0\\ 0& 0& -k_7& 0& 0& -k_7{d}_1& 0& 0& k_3\end{array}\right]$

$C=\left[\begin{array}{ccccccccc}{c}_5& 0& 0& -c_5{d}_1& 0& 0& 0& 0& 0\\ 0& c_6& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& c_7& 0& 0& c_7{d}_1& 0& 0& 0\\ -c_5{d}_1& 0& 0& c_5{d}_1^2& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& c_7{d}_1& 0& 0& c_7{d}_1^2& 0& 0& 0\\ -c_5& 0& 0& c_5{d}_1& 0& 0& c_3& 0& 0\\ 0& -c_6& 0& 0& 0& 0& 0& c_4& 0\\ 0& 0& -c_7& 0& 0& -c_7{d}_1& 0& 0& c_3\end{array}\right]$

上述各矩阵中的参数数值及其物理含义详见表1和表2，特别说明的是，取值k₅,c₅是1号动车转向架的循迹弹簧弹性系数和天棚阻尼器阻尼常数，k₆,c₆是拖车转向架的循迹弹簧弹性系数和天棚阻尼器阻尼常数，k₇,c₇是2号动车转向架的循迹弹簧弹性系数和天棚阻尼器阻尼常数。k₅-k₇,c₅-c₇这6个参数是主动悬架系统中需要设计并确定的量。

表1.物理参数

表2.状态变量物理意义

fa,fb,fc	作动器主动控制力
		y1	1号动车车体重心的垂向位移
y2	拖车车体重心的垂向位移
		y3	2号动车车体重心的垂向位移
y4	1号动车转向架重心的垂向位移
		y5	拖车转向架重心的垂向位移

y6	2号动车转向架重心的垂向位移
		y7	1号动车转向架的轨道垂直踏面(表征轨道的不平顺)
y8	拖车转向架的轨道垂直踏面(表征轨道的不平顺)
		y9	2号动车转向架的轨道垂直踏面(表征轨道的不平顺)
θ1	1号动车车体重心的俯仰角
		θ2	拖车车体重心的俯仰角
θ3	2号动车车体重心的俯仰角

步骤二：轨道不平顺建模

$S_{\mathrm{xx}}\left(k\right)=\frac{1}{N^2}|D\left(x_s\right){|}^2=\frac{1}{N^2}[X^{*}\left(k\right)X\left(k\right)]$

其中，N是总的采样点个数；S_xx(k)是离散化的空间功率谱密度；D(x_s)是时间序列x_s的离散傅里叶变换；X(k)是时间序列x_s的傅里叶谱；X^*(k)是X(k)的共轭转置。

(1)选取合适的空间谱密度函数，并将其离散化；

(2)由上述关系获得谱信号X(k)；

(3)通过傅里叶逆变换获得表征轨道不平顺的时域信号。

轨道不平顺的数值仿真如图5所示。

步骤三：高速列车悬架系统执行器故障建模

$u^f\left(t\right)=[u_1^f\left(t\right),...,u_m^f\left(t\right){]}^T=F\left(t\right)u\left(t\right)$

其中，u^f(t)表征执行器发生故障之后的输出控制量，F(t)＝diag{ρ₁(t),ρ₂(t),...,ρ_m(t)}是一个对角阵，其中ρ_s(t)(1≤s≤m)表示的是执行器剩余的效能，m是执行器的个数，ρ_s＝0,0＜ρ_s＜1,ρ_s＝1分别表示执行器处于健康状况、部分失效状况以及完全失效状况。

图3是故障信息全度量残差的生成流程图，图4是故障检测报警示意图。

步骤四：利用故障信息全度量残差，进行悬架系统执行器微小故障的检测根据系统空间状态方程获得CRH悬架系统的标称模型G₀和实际模型G₁：

$G_0:\left\{\begin{array}{c}{\stackrel{.}{x}}_0\left(t\right)={\mathrm{Ax}}_0\left(t\right)+{\mathrm{Bu}}_0\left(t\right)\\ Z_0\left(t\right)={\mathrm{Gx}}_0\left(t\right)+{\mathrm{Hu}}_0\left(t\right)\end{array}\right.$

$G_1:\left\{\begin{array}{c}\stackrel{.}{x}\left(t\right)=\mathrm{Ax}\left(t\right)+{\mathrm{Bu}}^f\left(t\right)+\mathrm{Bd}\left(t\right)\\ z\left(t\right)=\mathrm{Gx}\left(t\right)+{\mathrm{Hu}}^f\left(t\right)+\mathrm{Hd}\left(t\right)\end{array}\right.$

其中，x₀(t)，z₀(t)是标称模型的状态变量和输出变量，u₀(t)是标称模型中控制器的输出。

定义输出残差r_z(t)用于表征实际模型和标称模型的输出差异：

r_z(t)＝z(t)-z₀(t)＝G₁u^f(t)-G₀u₀(t)

定义控制器残差r_u(t)用于表征实际模型和标称模型中控制器的输出差异：

r_u(t)＝u^f(t)-u₀(t)

定义闭环控制结构下的故障信息全度量残差：

ToMFIR(t)＝z(t)-z^*(t)

＝G₁u^f(t)-G₀u^f(t)

＝(G₁u^f(t)-G₀u₀(t))-(G₀u^f(t)-G₀u₀(t))

＝r_z(t)-G₀r_u(t)

其中，z^*(t)＝G₀u^f(t)，表征的是标称模型在实时输入信号u^f(t)驱动下的系统输出。

利用所设计的故障信息全度量残差，针对高速列车悬架系统执行器的微小故障，其故障检测机制为：

其中，λ为故障检测的阈值，针对悬架系统执行器失效1％的微小故障的检测结果如图6、图7所示。

步骤五：构建基于故障信息全度量残差的故障估计观测器，进行执行器微小故障的特征估计

$\left\{\begin{array}{c}\stackrel{\stackrel{.}{^}}{x}\left(t\right)=A\hat{x}\left(t\right)+B{\hat{u}}^f\left(t\right)+\mathrm{Bd}\left(t\right)-L({\mathrm{GA}}^{-1}L-I)(\hat{z}\left(t\right)-z\left(t\right))\\ \hat{z}\left(t\right)=G\hat{x}\left(t\right)+\mathrm{Hu}\left(t\right)+\mathrm{Hd}\left(t\right)\end{array}\right.$

其中，是观测器状态向量，是所设计观测器的输出，是u^f(t)的估计值，L是观测器增益矩阵，I是适维的单位阵。

定义：状态误差 $e_x\left(t\right)=\hat{x}\left(t\right)-x\left(t\right),$ 故障估计误差 $e_f\left(t\right)=\hat{F}\left(t\right)-F\left(t\right),$ 观测器输出误差则自适应故障估计策略可以表示为：

则： $\left\{\begin{array}{c}{\stackrel{.}{e}}_x\left(t\right)=[A-L({\mathrm{GA}}^{-1}L-I)G]e_x\left(t\right)+{\mathrm{Be}}_f\left(t\right)\\ {\stackrel{.}{e}}_f\left(t\right)=-\mathrm{\Γ}\·({\mathrm{GA}}^{-1}L-I){\mathrm{Ge}}_x\left(t\right)-{\stackrel{.}{u}}^f\left(t\right)\end{array}\right.$

增广系统可以描述为：

${\stackrel{.}{e}}_{x|f}\left(t\right)=(\stackrel{\‾}{A}-\stackrel{\‾}{L}\stackrel{\‾}{G})e_{x|f}\left(t\right)+\mathrm{\ϵ}\stackrel{\‾}{F}\left(t\right)$

其中：

$e_{x|f}\left(t\right)=\left[\begin{array}{c}{e}_x\left(t\right)\\ e_f\left(t\right)\end{array}\right],\stackrel{\‾}{A}=\left[\begin{array}{cc}A& 0\\ 0& 0\end{array}\right],\stackrel{\‾}{L}=\left[\begin{array}{c}L({\mathrm{GA}}^{-1}L-I)\\ \mathrm{\Γ}\·({\mathrm{GA}}^{-1}L-I)\end{array}\right],\stackrel{\‾}{G}=\left[\begin{array}{cc}G& 0\end{array}\right],$ $\stackrel{\‾}{F}\left(t\right)=\left[\begin{array}{c}{\mathrm{Be}}_f\left(t\right)\\ {\stackrel{.}{u}}^f\left(t\right)\end{array}\right],\mathrm{\ϵ}=\left[\begin{array}{cc}{I}_{18}& 0\\ 0& -1\end{array}\right]$

根据有界实引理，对于一个常数γ＞0，如果存在一个正定的对称矩阵P＞0和一个矩阵Y满足如下的线性矩阵不等式：

$\left[\begin{array}{ccc}P\stackrel{\&OverBar;}{A}+{\stackrel{\&OverBar;}{A}}^{T}P-Y\stackrel{\&OverBar;}{G}-{\stackrel{\&OverBar;}{G}}^T{Y}^T& \mathrm{P\&epsiv;}& I\\ *& -\mathrm{\&gamma;I}& 0\\ *& *& -\mathrm{\&gamma;I}\end{array}\right]<0$

则可以保证增广观测器的状态估计误差和故障估计误差的收敛性。

下面对本发明的方法进行仿真验证，

步骤1.设定某一故障的特征信息，包括：故障类型为失效1％的执行器微小故障、故障开始时间为第15秒、故障结束时间为仿真结束时间以及故障大小，所述故障通过故障注入模块进行软件注入，建立故障模型；

步骤2.数值仿真轨道的不平顺性，将计算得到的时频信号作为扰动量实时输入到仿真模块中；

步骤3.采用SIMPACK和Matlab/Simulink联合仿真，将SIMPACK中建立的轨道-列车耦合的模型导入到Matlab/Simulink中，并在Simulink中建立列车垂向悬架系统控制仿真模型。设置车辆的运行速度为250Km/h，仿真时常为50秒。

由上述附图可知本发明的方法可以有效的实现高速列车悬架系统执行器微小故障的检测和估计，有效地解决了闭环控制结构下微小故障的诊断及其工程实用问题，这对于高速列车悬架故障的早期预警和实时监控具有重要的意义。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (4)

1.一种针对高速列车悬架系统执行器的微小故障诊断方法，其特征在于，包括如下步骤：

步骤一、依据轨道的不平顺性对于轨道-车辆耦合系统的动态影响，对高速列车悬架系统进行建模；

步骤二、在列车运行过程中，通过加速度传感器、陀螺仪分别获得动车、拖车车体与动车、拖车转向架的加速度信号、角加速度信号；

步骤三、利用故障信息全度量残差，对所述高速列车悬架系统的系统建模输出进行处理，获得故障检测所需的残差量；

步骤四、根据故障信息全度量残差进一步得出闭环控制结构悬挂系统的故障残差，再结合列车实时工况、线路条件、负载情况所生成的故障检测报警阈值，判断检测指标是否达到报警阈值，在检测指标达到报警阈值时进行报警；

步骤五、构造基于故障信息全度量残差的故障估计观测器，对悬架系统执行器所发生的微小故障进行实时估计。

2.如权利要求1所述的一种针对高速列车悬架系统执行器的微小故障诊断方法，其特征在于，步骤一中，对高速列车悬架系统的建模包括：悬架系统垂向动力学建模、轨道不平顺建模、悬架易发故障建模，建立高速列车悬架系统的空间状态方程为：

$\stackrel{.}{x}\left(t\right)=\mathrm{Ax}\left(t\right)+\mathrm{Bu}\left(t\right)+\mathrm{Bd}\left(t\right)$

z(t)＝Gx(t)+Hu(t)+Hd(t)

其中，x(t)表示车辆运动状态变量，包括车体和转向架的垂向位移以及车体和转向架的俯仰角；是状态变量x(t)的导数；u(t)是主动悬架中作动器的控制输出量；d(t)为轨道激励；z(t)是系统的输出信号，包括车体和转向架的垂向加速度和角加速度；A、B、G、H分别为空间状态方程相应的系数矩阵。

3.如权利要求2所述的一种针对高速列车悬架系统执行器的微小故障诊断方法，其特征在于，步骤三中所述的故障信息全度量残差，包括输出残差和控制器残差，其设计步骤如下：

步骤1、根据高速列车悬架系统空间状态方程获得系统的标称模型G₀和实际模型G₁：

$G_0:\left\{\begin{array}{c}{\stackrel{.}{x}}_0\left(t\right)={\mathrm{Ax}}_0\left(t\right)+{\mathrm{Bu}}_0\left(t\right)\\ Z_0\left(t\right)={\mathrm{Gx}}_0\left(t\right)+{\mathrm{Hu}}_0\left(t\right)\end{array}\right.$

$G_1:\left\{\begin{array}{c}\stackrel{.}{x}\left(t\right)=\mathrm{Ax}\left(t\right)+{\mathrm{Bu}}^f\left(t\right)+\mathrm{Bd}\left(t\right)\\ z\left(t\right)=\mathrm{Gx}\left(t\right)+{\mathrm{Hu}}^f\left(t\right)+\mathrm{Hd}\left(t\right)\end{array}\right.$

其中，x₀(t),z₀(t)分别是标称模型的状态变量和输出变量，是状态变量x₀(t)的导数；u₀(t)是标称模型中控制器的输出；u^f(t)是实际模型中控制器的输出；

步骤2、定义输出残差r_z(t)用于表征实际模型和标称模型的输出差异：

r_z(t)＝z(t)-z₀(t)＝G₁u^f(t)-G₀u₀(t)

步骤3、定义控制器残差r_u(t)用于表征实际模型和标称模型中控制器的输出差异：

r_u(t)＝u^f(t)-u₀(t)

步骤4、定义闭环控制结构下的故障信息全度量残差：

ToMFIR(t)＝z(t)-z^*(t)

＝G₁u^f(t)-G₀u^f(t)

＝(G₁u^f(t)-G₀u₀(t))-(G₀u^f(t)-G₀u₀(t))

＝r_z(t)-G₀r_u(t)

其中，z^*(t)＝G₀u^f(t)，表征的是标称模型在实时输入信号u^f(t)驱动下的系统输出；

步骤5、利用所设计的故障信息全度量残差，针对高速列车悬架系统执行器的微小故障，设定其故障检测机制为：

其中，λ为故障检测的阈值。

4.如权利要求1所述的一种针对高速列车悬架系统执行器的微小故障诊断方法，其特征在于，步骤五中所述的基于故障信息全度量残差的故障估计观测器具体表示为：

$\left\{\begin{array}{c}\stackrel{\stackrel{.}{^}}{x}\left(t\right)=A\hat{x}\left(t\right)+B{\hat{u}}^f\left(t\right)+\mathrm{Bd}\left(t\right)-L({\mathrm{GA}}^{-1}L-I)(\hat{z}\left(t\right)-z\left(t\right))\\ \hat{z}\left(t\right)=G\hat{x}\left(t\right)+\mathrm{Hu}\left(t\right)+\mathrm{Hd}\left(t\right)\end{array}\right.$

其中，是观测器状态向量，是观测器状态向量的导数，是所设计观测器的输出，是u^f(t)的估计值，L是观测器增益矩阵，I是适维的单位阵；

定义：状态误差 $e_x\left(t\right)=\hat{x}\left(t\right)-x\left(t\right);$

故障估计误差其中，表征故障的估计值，F(t)表征真实的故障；

观测器输出误差 $e_z\left(t\right)=\hat{z}\left(t\right)-z\left(t\right);$

则自适应故障估计策略可以表示为：其中，Γ表示自适应律；

则： $\left\{\begin{array}{c}{\stackrel{.}{e}}_x\left(t\right)=[A-L({\mathrm{GA}}^{-1}L-I)G]e_x\left(t\right)+{\mathrm{Be}}_f\left(t\right)\\ {\stackrel{.}{e}}_f\left(t\right)=-\mathrm{\&Gamma;}\&CenterDot;({\mathrm{GA}}^{-1}L-I){\mathrm{Ge}}_x\left(t\right)-{\stackrel{.}{u}}^f\left(t\right)\end{array}\right.$

将增广系统描述为： ${\stackrel{.}{e}}_{x|f}\left(t\right)=(\stackrel{\&OverBar;}{A}-\stackrel{\&OverBar;}{L}\stackrel{\&OverBar;}{G})e_{x|f}\left(t\right)+\mathrm{\&epsiv;}\stackrel{\&OverBar;}{F}\left(t\right)$

其中， $e_{x|f}\left(t\right)=\left[\begin{array}{c}{e}_x\left(t\right)\\ e_f\left(t\right)\end{array}\right],\stackrel{\&OverBar;}{A}=\left[\begin{array}{cc}A& 0\\ 0& 0\end{array}\right],\stackrel{\&OverBar;}{L}=\left[\begin{array}{c}L({\mathrm{GA}}^{-1}L-I)\\ \mathrm{\&Gamma;}\&CenterDot;({\mathrm{GA}}^{-1}L-I)\end{array}\right],\stackrel{\&OverBar;}{G}=\left[\begin{array}{cc}G& 0\end{array}\right],$ $\stackrel{\&OverBar;}{F}\left(t\right)=\left[\begin{array}{c}{\mathrm{Be}}_f\left(t\right)\\ {\stackrel{.}{u}}^f\left(t\right)\end{array}\right],\mathrm{\&epsiv;}=\left[\begin{array}{cc}{I}_{18}& 0\\ 0& -1\end{array}\right].$