CN107255560A - 一种基于压力数据的高速列车制动管故障分类与诊断方法 - Google Patents

一种基于压力数据的高速列车制动管故障分类与诊断方法 Download PDF

Info

Publication number
CN107255560A
CN107255560A CN201710535059.4A CN201710535059A CN107255560A CN 107255560 A CN107255560 A CN 107255560A CN 201710535059 A CN201710535059 A CN 201710535059A CN 107255560 A CN107255560 A CN 107255560A
Authority
CN
China
Prior art keywords
brake pipe
data
pipe pressure
pressure force
force data
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.)
Granted
Application number
CN201710535059.4A
Other languages
English (en)
Other versions
CN107255560B (zh
Inventor
谢国
杜许龙
张永艳
钱富才
胡绍林
焦尚彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingshigong Technology Group Co ltd
Original Assignee
Xian University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian University of Technology filed Critical Xian University of Technology
Priority to CN201710535059.4A priority Critical patent/CN107255560B/zh
Publication of CN107255560A publication Critical patent/CN107255560A/zh
Application granted granted Critical
Publication of CN107255560B publication Critical patent/CN107255560B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/08—Railway vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Valves And Accessory Devices For Braking Systems (AREA)

Abstract

本发明公开了一种基于压力数据的高速列车制动管故障分类与诊断方法，包括以下步骤：步骤1、对列车停车段制动管压力数据进行预处理；步骤2、对步骤1进行预处理后的制动管压力数据进行平滑处理；步骤3、计算列车制动管压力相关参数；步骤4、利用步骤3得到的制动管压力相关参数进行制动管的故障分析。本发明解决了现有技术中存在的制动管故障检测耗时且精准度低的问题。

Description

一种基于压力数据的高速列车制动管故障分类与诊断方法
技术领域
本发明属于故障诊断技术领域，具体涉及一种基于压力数据的高速列车制动管故障分类与诊断方法。
背景技术
随着高铁的快速发展，确保动车组运行秩序和提高动车组的安全性、可靠性受到广泛关注。为了防止高速列车溜逸而发生事故，因此在高速列车上设置了制动系统，制动及其供风系统作为高速动车组的关键技术，如果制动管破损，会影响列车安全运行和线路的畅通。就会因制动管破损而造成列车制动故障，带来灾难性的后果，因此其安全运转直接关系着铁路运输的安全生产。目前制动管故障检测的主要包括两个方面，基于设备监测和基于人工检修。
第一种方法是，通过专家经验，设定列车在行走过程中制动管破裂等故障的相应的措施。在此基础上，采用压力监测装置实时监测列车运行过程中的制动管压力。当制动管压力异常时，则采取报警、限速或停车等相应的措施。相对于高速列车的行驶距离远、运行速度范围大等特点，此方法最大的缺陷在于，未能充分考虑制动管压力收到外界环境的影响，并且无法预测制动管的健康状况，对制动管的故障等危险状况不能起到预警的作用。
第二种方法是，列车停车入库之后，指派有有关检修人员通过根据乘务员报备更换破环的停车制动制动管，并且要对全车的停车制动制动管进行检查，观察有没有其他停车制动制动管损伤严重的，对情况异常者立即进行更换。此方法最大的缺陷在于，由于制动管故障的内在属性显示难以检测，从而导致制动管的故障情况难以判断，以及人工检验的不确定性。
发明内容
本发明的目的是提供一种基于压力数据的高速列车制动管故障分类与诊断方法，解决了现有技术中存在的制动管故障分析费时且精准度低等问题。
为实现上述目的本发明采用以下技术方案：
一种基于压力数据的高速列车制动管故障分类与诊断方法，其特征在于，包括以下步骤：
步骤1、对列车停车段的制动管压力数据进行预处理；
步骤2、对步骤1进行预处理后的制动管压力数据进行平滑处理；
步骤3、提取列车制动管压力相关参数；
步骤4、利用步骤3得到的制动管压力相关参数进行制动管的故障分析。
所述步骤1具体包括以下步骤：
步骤1.1、数据缺失点的补充：
采集列车制动管压力p(i)，其中i为对应的采样时间点，取值范围为1～n，对采集到的制动管压力p(i)所有值进行查找并处理，设2≤i≤n，i∈Z+，Z+表示正整数，若第i-1个数据点为非空值点，而第i个数据点为空值点，即p(i-1)≠null，p(i)＝null，处理过程如下：
若p(i)为孤立的缺失点，即p(i-1)≠null，p(i)＝null，p(i+1)≠null，则将第i-1个数据点的值赋给第i个数据点，即进行p(i)＝p(i-1)赋值操作；
若原数据中出现连续的缺失点，其个数为m(m＞2)，即p(i+1)，p(i+2)，…，p(i+m-1)的均值为null，p(i+m)≠null，则根据m≤n或m＞n，分情况进行讨论，如下：
(1)若m＞n，则表示数据不完整，分析终止；
(2)若m≤n，则进行线性插值处理，具体过程如下：
步骤a：令
步骤b：对所有连续的缺失点进行插值操作，即p(i+j)＝p(i-1)+(j+1)×delta，得
p(i)＝p(i-1)+delta，
p(i+1)＝p(i-1)+2×delta，
p(i+m-1)＝p(i-1)+(m-1)×delta
按照以上步骤对列车所有的制动压力数据缺失点补充完整，补充后的制动管压力数据记为p1(i)；
步骤1.2、孤立零值点的消除：
判断步骤1.1得到的制动管压力数据p1(i)是否为孤立零值点并进行处理，具体操作如下：
若第i个制动管压力数据不为0，即p1(i)≠0，则不对数据处理，继续判断：
若第i个制动管压力数据为0，即p1(i)＝0，则分析它两边的数据p1(i-1)和p1(i+1)是否也为0，如下：
(1)若第i个制动管压力数据的相邻两边数据有且仅有一个为0，即p1(i-1)＝0或p1(i+1)＝0，则将p1(i)＝0视为正常数据，不做任何操作；
(2)若第i个制动管压力数据相邻两边均不为0，即p1(i-1)≠0和p1(i+1)≠0，则将p1(i)视为孤立零值点，此时消除孤立零值点后得到的制动管压力数据记为p2(i)。
所述步骤2具体包括以下步骤：
对步骤1进行预处理后的制动管压力数据p2(i)进行TIME层移动平均滤波，TIME层移动平均滤波具体过程如下：
步骤a：设置数组变量data，并令data＝p2(i)；设置中间变量time＝0；
步骤b：移动平均滤波开始，中间变量自加一，即time＝time+1，将制动管压力数据分为三部分处理，开头和结尾的数据按照公式和处理，中间部分按公式处理，其中，M＝2i-1，M≤N，N为窗口大小，并且end(i)从制动管压力数据末尾开始倒着处理，最后平滑后数据三部分重新组合为其表达式为
步骤c，如果time＜TIME，返回步骤b继续对平滑数据作为移动平均滤波的输入继续处理；如果time＝TIME，则跳出循环，将最终得到的平滑数据赋值给数组DATA，即其中TIME∈Z+；
通过上述滤波处理制动管压力数据中的高频噪声被消除，使制动管压力曲线更加平滑，为压力数据的相关参数的计算提供基础。
步骤3具体包括以下步骤：
步骤3.1、制动管压力相关参数的计算：
对经过所述步骤2处理后的制动管压力数据，进行数据上升区间与下降区间的提取，具体如下：
步骤3.1.1、依次做差得到差值φ，即φ＝DATA(i)-DATA(i+1)，其中i＝1，2，3，…，n；
步骤3.1.2、如果φ＜0，则该区间[i，i+1]属于制动管压力上升区间，将该区间的起点i保存在数组stage(i，1)，并且i自加一，即i＝i+1，返回步骤3.1.1继续判断下一个时间段是否属于压力上升区间；如果φ＞0，则说明该区间[i，i+1]不属于制动管压力上升区间，此时将该区间的起点i保存在数组stage(i，2)；
步骤3.1.3、将制动管压力数据的上升区间依次通过做差计算得到了一个二维数组[stage(i，1)，stage(i，2)]，并将该数组保存至[m，n]，与提取制动管压力上升区间方法类似，我们对制动管压力数据下降区间进行提区，本文将提取出来的下降区间保存至[dm，dn]，
步骤3.2、制动管故障关键参数的计算：
对步骤3.1处理后的制动管压力数据进行上升速率计算，计算过程如下：
步骤3.2.1、将各个上升段的制动管压力数据上升变化值，记为pfk，以及制动管压力数据的上升时间，记为Δt。pfk与Δt的计算公式分别如下：
pfk＝DATA(n)-DATA(m)，
Δt＝n-m，
其中，m和n分别是制动管压力数据第k个上升区间的起点和终点；
此时，统计出各个下降段的制动管压力数据的下降变化值，记为dpfk，以及制动管压力数据的下降时间，记为Δdtk。
dpfk＝Data(dm)-Data(dn)
Δdtk＝dn-dm
其中，dm和dn分别是制动管压力数据的第k个下降区间的起点和终点；
步骤3.2.2、令SSPFk为第k个上升区间的制动管压力数据上升速率，它的计算公式如下：
令SSDPEk是第k个下降段的制动管压力数据下降速率，它的计算公式如下：
所述步骤4具体包括以下步骤：
步骤4.1、计算所述步骤3中某一天的高铁制动管压力上升速率SSPFk(k＝1，2，…n)，上升段制动管压力变化值pfk，与上升时间Δtk，并计算出制动管压力下降速率SSDPFk，下降段制动管压力变化值dpfk，与下降时间Δdtk，其中k是某天制动管压力上升或下降的段数；
步骤4.2、通过步骤4.1中得到的某天的高铁制动管压力上升速率SSPFk，上升段制动管压力变化值pfk，与上升变化时间Δtk，以及制动管压力下降速率SSDPFk，下降段制动管压力变化值dpfk，与下降变化时间Δdtk分析制动管的故障状态，制动管故障的判断与依据为：
故障1、制动管泄漏；
该故障通常是由于制动管破裂造成的，分析故障数据时不难发现，制动管破裂后，制动管压力数据的上升段曲线斜率会变小，上升时间加长，上升变化值不变，提出的判定方式如下：
首先，需要通过制动管压力数据上升速率SSPFk，与标准上升速率Prrate进行比较，如果SSPFk≤(1-α)Prrate，这种情况是由于发生了制动管泄露，具体的α与Prrate需要根据经验以及具体制动管的型号而定；故障2、制动管缓解不畅；
该故障主要是由于空气阀故障，造成制动管内压力异常，同样，分析制动管压力数据时不难看出，制动管压力数据下降段出现异常，下降时间要比正常运行时要长，提出判定方法如下：
首先，需要制动管压力数据下降速率SSDPFk，与标准的下降速率Pdrrrate进行比较，如果SSDPFk≥(1+β)Pdrrate，这种情况就是由于制动管缓解不畅引起的，具体的β与Pdrrate需要跟据经验以及具体制动管的型号而定；
故障3、制动管过度充气；
该故障主要体现在制动管内压力超过正常值，制动管压力上升变化值远远大于正常状态时的制动管压力上升变化值，但是充气时的压力上升时间不变，提出判定方法如下：
首先，需要通过制动管压力数据上升变化值pfk，与标准的上升压力数据变化值Prstd进行比较，如果pfk≥(1+χ)Prstd，这就表示制动管发生了过度充气，其中，x和Prstd是根据经验以及具体制动管的型号而定；
故障4、制动管充气不足；
该故障是由于制动管管内气压不足造成，有可能是进气阀故障，出现这种故障状况的数据上会呈现出故障数据的压力数据下降变化值会比正常数据的压力数据下降变化值小，但是充气时间不变，提出判定方法如下：
首先，需要通过制动管压力数据下降变化值dpfk，与标准的制动管压力数据下降变化值Pdstd进行比较，如果dpfk≤(1-δ)Pdstd，则说明制动管充气不足，其中，δ和Pdstd是根据经验以及具体制动管的型号而定。
本发明的有益效果是：一种基于压力数据的高速列车制动管故障分类与诊断方法，对高铁监测数据进行分析，实现制动管压力数据的自动分析计算，并可基于数据实现制动管故障分析；运用了移动平均滤波，对数据进行处理后，让制动管压力数据趋势更为明显，便于计算制动管的相关参数；通过数据处理后数据连续性好，直接可以通过差值来判断上升区间与下降区间，便于自动提取上升及下降区间；计算相关参数等，建立压力数据相关参数计算方法，结合制动管压力数据在停车段呈现规律性变化得特性，新方法更适合制动管的故障状态的分析判断。
附图说明
图1是本发明的方法流程图；
图2是本发明的数据缺失点补充和孤立零值点消除流程图；
图3是本发明的TIME层移动平均滤波的流程图；
图4是本发明的计算制动管压力数据相关参数流程图；
图5是本发明的原始制动管压力信号数据曲线示意图；
图6是本发明的预处理插值后的制动管压力信号曲线示意图；
图7是本发明的TIME层移动平均滤波后的制动管压力数据曲线示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明所采用的技术方案是，一种基于压力数据的高速列车制动管故障分类与诊断方法，具体按照以下步骤实施：
步骤1、对列车停车段的制动管压力数据进行预处理；
步骤2、对步骤1进行预处理后的制动管压力数据进行平滑处理；
步骤3、提取列车制动管压力相关参数；
步骤4、利用步骤3得到的制动管压力相关参数进行制动管的故障分析。
本发明的特点还在于，
步骤1具体按照以下步骤实施：
步骤(1.1)、数据缺失点的补充：
采集列车制动管压力p(i)，其中i为对应的采样时间点，取值范围为1～n，对采集到的制动管压力p(i)所有值进行查找并处理，设2≤i≤n，i∈Z+，Z+表示正整数，若第i-1个数据点为非空值点，而第i个数据点为空值点，即p(i-1)≠null，p(i)＝null，处理过程如下：
若p(i)为孤立的缺失点，即p(i-1)≠null，p(i)＝null，p(i+1)≠null，则将第i-1个数据点的值赋给第i个数据点，即进行p(i)＝p(i-1)赋值操作；若原数据中出现连续的缺失点，其个数为m(m＞2)，即p(i+1)，p(i+2)，…，p(i+m-1)的均值为null，p(i+m)≠null，则根据m≤n或m＞n，分情况进行讨论，如下：
(1)若m＞n，则表示数据不完整，分析终止；
(2)若m≤n，则进行线性插值处理，具体过程如下：
步骤a：令
步骤b：对所有连续的缺失点进行插值操作，即p(i+j)＝p(i-1)+(j+1)×delta，得
p(i)＝p(i-1)+delta：
p(i+1)＝p(i-1)+2×delta，
p(i+m-1)＝p(i-1)+(m-1)×delta
按照以上步骤对列车所有的制动压力数据缺失点补充完整，补充后的制动管压力数据记为p1(i)；
步骤(1.2)、孤立零值点的消除：
判断步骤(1.1)得到的制动管压力数据p1(i)是否为孤立零值点并进行处理，具体操作如下：
若第i个制动管压力数据不为0，即p1(i)≠0，则不对数据处理，继续判断；
若第i个制动管压力数据为0，即p1(i)＝0，则分析它两边的数据p1(i-1)和p1(i+1)是否也为0，如下：
(1)若第i个制动管压力数据的相邻两边数据有且仅有一个为0，即p1(i-1)＝0或p1(i+1)＝0，则将p1(i)＝0视为正常数据，不做任何操作；
(2)若第i个制动管压力数据相邻两边均不为0，即p1(i-1)≠0和p1(i+1)≠0，则将p1(i)视为孤立零值点，此时消除孤立零值点后得到的制动管压力数据记为p2(i)。
步骤2具体按照以下步骤实施：
对步骤1进行预处理后的制动管压力数据p2(i)进行TIME层移动平均滤波，TIME层移动平均滤波具体过程如下：
步骤a：设置数组变量data，并令data＝p2(i)；设置中间变量time＝0；
步骤b：移动平均滤波开始，中间变量自加一，即time＝time+1，将制动管压力数据分为三部分处理，开头和结尾的数据按照公式和处理，中间部分按公式处理，其中，M＝2i-1，M≤N，N为窗口大小。并且end(i)从制动管压力数据末尾开始倒着处理，最后，平滑后数据三部分重新组合为其表达式为
步骤C，如果time＜TIME，返回步骤b继续对平滑数据作为移动平均滤波的输入继续处理；如果time＝TIME，则跳出循环，将最终得到的平滑数据赋值给数组DATA，即其中TIME∈Z+。通过上述滤波处理制动管压力数据中的高频噪声被消除，使制动管压力曲线更加平滑，为压力数据的相关参数的计算提供基础。
步骤3具体按照以下步骤实施：
步骤(3.1)、制动管压力相关参数的计算：
对经过所述步骤2处理后的制动管压力数据，进行数据上升区间与下降区间的提取，具体如下：
步骤(3.1.1)、依次做差得到差值φ，即φ＝DATA(i)-DATA(i+1)，其中i＝1，2，3，…，n；
步骤(3.1.2)、如果φ＜0，则该区间[i，i+1]属于制动管压力上升区间，将该区间的起点i保存在数组stage(i，1)，并且i自加一，即i＝i+1，返回步骤(3.1.1)继续判断下一个时间段是否属于压力上升区间；如果φ＞0，则说明该区间[i，i+1]不属于制动管压力上升区间，此时将该区间的起点i保存在数组stage(i，2)；
步骤(3.1.3)、将制动管压力数据的上升区间依次通过做差计算得到了一个二维数组[stage(i，1)，stage(i，2)]，并将该数组保存至[m，n]，与提取制动管压力上升区间方法类似，我们对制动管压力数据下降区间进行提区，本文将提取出来的下降区间保存至[dm，dn]，
步骤(3.2)、制动管故障关键参数的计算：
对步骤(3.1)处理后的制动管压力数据进行上升速率计算，计算过程如下：
步骤(3.2.1)、将各个上升段的制动管压力数据上升变化值，记为pfk，以及制动管压力数据的上升时间，记为Δt。pfk与Δt的计算公式分别如下：
pfk＝DATA(n)-DATA(m)，
Δt＝n-m，
其中，m和n分别是制动管压力数据第k个上升区间的起点和终点；此时，统计出各个下降段的制动管压力数据的下降变化值，记为dpfk，以及制动管压力数据的下降时间，记为Δdtk。
dpfk＝Data(dm)-Data(dn)
Δdtk＝dn-dm
其中，dm和dn分别是制动管压力数据的第k个下降区间的起点和终点。
步骤(3.2.2)、令SSPFk为第k个上升区间的制动管压力数据上升速率，它的计算公式如下：
令SSDPFk是第k个下降段的制动管压力数据下降速率，它的计算公式如下：
步骤4具体按照以下步骤实施：
步骤(4.1)、计算所述步骤3中某一天的高铁制动管压力上升速率SSPFk(k＝1，2，…n)，上升段制动管压力变化值pfk，与上升时间Δtk，并计算出制动管压力下降速率SSDPFk，下降段制动管压力变化值dpfk，与下降时间Δdtk，其中k是某天制动管压力上升或下降的段数；
步骤(4.2)、通过步骤(4.1)中得到的某天的高铁制动管压力上升速率SSPFk，上升段制动管压力变化值pfk，与上升变化时间Δtk，以及制动管压力下降速率SSDPEk，下降段制动管压力变化值dpfk，与下降变化时间Δdtk分析制动管的故障状态，制动管故障的判断与依据为：故障1、制动管泄漏
该故障通常是由于制动管破裂造成的，分析故障数据时不难发现，制动管破裂后，制动管压力数据的上升段曲线斜率会变小，上升时间加长，上升变化值不变，因此，提出的判定方式如下：
首先，需要通过制动管压力数据上升速率SSPFk，与标准上升速率Prrate进行比较，如果SSPFk≤(1-α)Prrate，这种情况是由于发生了制动管泄露，具体的α与Prrate需要根据经验以及具体制动管的型号而定。
故障2、制动管缓解不畅
该故障主要是由于空气阀故障，造成制动管内压力异常，同样，分析制动管压力数据时不难看出，制动管压力数据下降段出现异常，下降时间要比正常运行时要长，因此，提出判定方法如下：
首先，需要制动管压力数据下降速率SSDPFk，与标准的下降速率Pdrrrate进行比较，如果SSDPFk≥(1+β)Pdrrate，这种情况就是由于制动管缓解不畅引起的，具体的β与Pdrrate需要跟据经验以及具体制动管的型号而定。
故障3、制动管过度充气
该故障主要体现在制动管内压力超过正常值，制动管压力上升变化值远远大于正常状态时的制动管压力上升变化值，但是充气时的压力上升时间不变，因此，提出判定方法如下：
首先，需要通过制动管压力数据上升变化值pfk，与标准的上升压力数据变化值Prstd进行比较，如果pfk≥(1+x)Prstd，这就表示制动管发生了过度充气，其中，χ和Prstd是根据经验以及具体制动管的型号而定。
故障4、制动管充气不足
该故障是由于制动管管内气压不足造成，有可能是进气阀故障，出现这种故障状况的数据上会呈现出故障数据的压力数据下降变化值会比正常数据的压力数据下降变化值小，但是充气时间不变，因此，提出判定方法如下：
首先，需要通过制动管压力数据下降变化值dpfk，与标准的制动管压力数据下降变化值Pdstd进行比较，如杲dpfk≤(1-δ)Pdstd，则说明制动管充气不足，其中，δ和Pdstd是根据经验以及具体制动管的型号而定。
本发明的有益效果是，一种基于压力数据的高速列车制动管故障分类与诊断方法，对高铁监测数据进行分析，实现制动管压力数据的自动分析计算，并可基于数据实现制动管故障分析，运用了移动平均滤波，对数据进行处理后，让制动管压力数据趋势更为明显，便于计算制动管的相关参数，通过数据处理后数据连续性好，直接可以通过差值来判断上升区间与下降区间，便于自动提取上升及下降区间，计算相关参数等，建立压力数据相关参数计算方法，结合制动管压力数据在停车段呈现规律性变化得特性，新方法更适合制动管的故障状态的分析判断。
实施例
本发明一种基于压力数据的高速列车制动管故障分类与诊断方法，流程图如图1所示，具体按照以下步骤实施：
步骤1具体按照以下步骤实施：
步骤(1.1)、数据缺失点的补充：
采集制动管压力p(i)，其中i为对应的采样时间点，i＝23，如表1和表2所示，绘制初始制动管压力信号曲线示意图，
表1：制动管压力p(i)的采样数据
采样时间点 1 2 3 4 5 6 7 8
制动管压力 9 8.6 8.4 8.7 9.4 9.8 0
采样时间点 9 10 11 12 13 14 15 16
制动管压力 10.1 9.8 9.5 9 8.7 8.5 8.4 8.8
采样时间点 17 18 19 20 21 22 23
制动管压力 9 9.4 9.8 10.1 9.6 9 9.3
分别对采集到的列车制动管压力p(i)所有值进行查找并处理，由表1可以看出，p(5)为孤立的缺失点，即p(4)≠null，p(5)＝null，p(6)≠null，则将第4点的值赋给第5个值，即进行p(5)＝p(4)赋值操作，同理，按照以上步骤对列车速度数据spe(i)进行如上相同操作，从而将所有的数据缺失点补充完整，补充后的制动管压力数据记为p1(i)，如表2所示，
表2：补充完数据缺失点后的列车制动管压力p1(i)
采样时间点 1 2 3 4 5 6 7 8
制动管压力 9 8.6 8.4 8.7 8.7 9.4 9.8 0
采样时间点 9 10 11 12 13 14 15 16
制动管压力 10.1 9.8 9.5 9 8.7 8.5 8.4 8.8
采样时间点 17 18 19 20 21 22 23
制动管压力 9 9.4 9.8 10.1 9.6 9 9.3
步骤(1.2)、孤立零值点的消除：
判断步骤(1.1)得到的制动管压力数据p1(i)是否为孤立零值点并进行处理，具体操作如下：
第8个制动管压力数据为0，即p1(8)＝0，则继续判断其相邻的数据p1(7)和p1(9)是否也为零值点，如下：
第7制动管压力数据不为0且第9制动管压力数据也不为0，即p1(7)≠0和p1(9)≠0，则将p1(8)视为孤立零值点，此时如表3所示：
表3：消除孤立零值点后的列车制动管压力p2(i)
采样时间点 1 2 3 4 5 6 7 8
制动管压力 9 8.6 8.4 8.7 8.7 9.4 9.8 9.95
采样时间点 9 10 11 12 13 14 15 16
制动管压力 10.1 9.8 9.5 9 8.7 8.5 8.4 8.8
采样时间点 17 18 19 20 21 22 23
制动管压力 9 9.4 9.8 10.1 9.6 9 9.3
步骤2具体按照以下步骤实施：
对步骤1进行预处理后的制动管压力数据p2(i)进行TIME层移动平均滤波，TIME层移动平均滤波具体过程如下：
步骤a：设置数组变量data，并令data＝p2(i)；设置中间变量time＝0；
步骤b：移动平均滤波开始，中间变量自加一，即time＝time+1，将制动管压力数据分为三部分处理，开头和结尾的数据按照公式和处理，中间部分按公式处理，其中，M＝2i-1，M≤N，N为窗口大小。并且end(i)从制动管压力数据末尾开始倒着处理，最后，平滑后数据三部分重新组合为其表达式为
步骤c，如果time＜TIME，返回步骤b继续对平滑数据作为移动平均滤波的输入继续处理；如果time＝TIME，则跳出循环，将最终得到的平滑数据赋值给数组DATA，即
通过上述滤波处理制动管压力数据中的噪声信号被消除，使制动管压力曲线更加平滑，为温度数据的上升区间获取提供基础，平滑处理后的列车割动管压力DATA(i)如表4所示：
表4平滑处理后的列车制动管压力DATA(i)
采样时间点 1 2 3 4 5 6 7 8
制动管压力 9.0000 8.6000 8.4000 8.7000 9.0000 9.4000 9.8000 9.9500
采样时间点 9 10 11 12 13 14 15 16
制动管压力 10.1000 9.8000 9.5000 9.0000 8.7000 8.5000 8.4000 8.8000
采样时间点 17 18 19 20 21 22 23
制动管压力 9.0000 9.4000 9.8000 10.1000 9.6000
步骤3、计算列车制动管压力相关参数：
对经过步骤2处理后的制动管压力数据，进行上升区间和下降区间的提取，具体如下：将步骤2处理后的制动管压力数据依次做差，差值记为φ，即φ＝DATA(i)-DATA(i+1)，得如表5所示的结果：
表5制动管压力差值表
DATA(i)-DATA(i+1) DATA(1)-DATA(2) DATA(3)-DATA(2) DATA(4)-DATA(3)
制动管压力差值 -0.4 -0.2 0.3
DATA(i)-DATA(i+1) DATA(5)-DATA(4) DATA(6)-DATA(5) DATA(7)-DATA(6)
制动管压力差值 0.3 0.4 0.4
DATA(i)-DATA(i+1) DATA(8)-DATA(7) DATA(9)-DATA(8) DATA(10)-DATA(9)
制动管压力差值 0.15 0.15 -0.3
DATA(i)-DATA(i+1) DATA(11)-DATA(10) DATA(12)-DATA(11) DATA(13)-DATA(12)
制动管压力差值 -0.3 -0.5 -0.3
DATA(i)-DATA(i+1) DATA(14)-DATA(13) DATA(15)-DATA(14) DATA(16)-DATA(15)
制动管压力差值 -0.2 -0.1 0.4
DATA(i)-DATA(i+1) DATA(17)-DATA(16) DATA(18)-DATA(17) DATA(19)-DATA(18)
制动管压力差值 0.2 0.4 0.4
DATA(i)-DATA(i+1) DATA(20)-DATA(19) DATA(21)-DATA(20)
制动管压力差值 0.3 -0.5
由表5制动管压力做差可以看出，差值有小于0也有大于0，则属于上升阶段的为[3，9]，[15，20]，并将该数组保存至[m，n]，下降阶段的为[1，3]，[9，15]，[20，21]，但只有[9，15]符合要求并将该数组保存至[dm，dn]，通过计算得到三段制动管压力上升及下降段如表所示；
表6三段制动管压力上升数据
表7三段制动管压力下降数据
步骤4具体按照以下步骤实施：
步骤(4.1)、根据您计算所述步骤3中某天的高铁制动管压力数据对该制动管进行分析：
根据表6与表7中统计计算得到的相关数据，通过本文提出的判定方法对制动管的状态进行分析，制动管压力数据上升速率SSPFk以及制动管压力数据下降速率SSDPFk，并结合4种故障状态进行分析结果如下：
表8故障1的判断分析
其中，P是标准制动管压力数据上升值，即P＝Prrate，并且α＝0.2和Prrate＝0.0035，可以计算得出(1-α)Prrate＝0.0028。三段的制动管压力数据分析结果均显示正常，表明该制动管没发生制动管泄露故障。
表9故障2的判断分析
其中，P是标准制动管压力数据下降值，即P＝Pdrate，并且β＝0.2和Pdrate＝0.35，可以计算得出(1+β)Pdrate＝0.42。三段的制动管压力数据分析结果均显示正常，表明该制动管没发生制动管缓解不畅的故障。
表10故障3的判断分析
其中，P是标准制动管压力数据上升变化值，即P＝Prstd，并且χ＝0.11和Prstd＝1.6，可以计算得出(1+χ)Prstd＝1.776。三段的制动管压力数据均显示正常，表明该制动管没发生制动管过度充气的故障。
表11故障4的判断分析
其中，P是标准制动管压力数据下降变化值，即P＝Pdstd，并且δ＝0.15和Pdstd＝1.6，可以计算得出(1-δ)Prstd＝1.36。三段的制动管压力数据分析结果均显示正常，表明该制动管没有出现制动管充气不足的故障。由于上面实施例中数据较少，导致绘制出来的曲线视觉效果并不明显，为了能达到一种最佳的视觉效果，将制动管压力采集数据量扩大为7万多个采样点，绘制初始制动管压力信号曲线示意图，如图5，将图5中数据进行预处理插值后，制动管压力信号曲线示意图如图6所示，对经过预处理后的图6中的制动管压力数据进行TIME层移动平均滤波，TIME层移动平均滤波分解后的制动管压力数据曲线示意图如图7所示，在这里将TIME设为1进行平滑处理。
以上所述为本发明较佳实施例，对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理与精神的情况下，对实施方式所进行的改变、修改、替换和变型仍落入本发明的保护范围之内。

Claims (5)

1.一种基于压力数据的高速列车制动管故障分类与诊断方法，其特征在于，包括以下步骤：
步骤1、对列车停车段的制动管压力数据进行预处理；
步骤2、对步骤1进行预处理后的制动管压力数据进行平滑处理；
步骤3、提取列车制动管压力相关参数；
步骤4、利用步骤3得到的制动管压力相关参数进行制动管的故障分析。
2.如权利要求1所述的一种基于压力数据的高速列车制动管故障分类与诊断方法，其特征在于，所述步骤1具体包括以下步骤：
步骤1.1、数据缺失点的补充：
采集列车制动管压力p(i)，其中i为对应的采样时间点，取值范围为1～n.对采集到的制动管压力p(i)所有值进行查找并处理，设2≤i≤n，i∈Z+，Z+表示正整数，若第i-1个数据点为非空值点，而第i个数据点为空值点，即p(i-1)≠null，p(i)＝null，处理过程如下：
若p(i)为孤立的缺失点，即p(i-1)≠null，p(i)＝null，p(i+1)≠null，则将第i-1个数据点的值赋给第i个数据点，即进行p(i)＝p(i-1)赋值操作；
若原数据中出现连续的缺失点，其个数为m(m＞2)，即p(i+1)，p(i+2)，…；p(i+m-1)的均值为null，p(i+m)≠null，则根据m≤n或m＞n，分情况进行讨论，如下：
(1)若m＞n，则表示数据不完整，分析终止；
(2)若m≤n，则进行线性插值处理，具体过程如下：
步骤a：令
步骤b：对所有连续的缺失点进行插值操作，即p(i+j)＝p(i-1)+(j+1)×delta，得
p(i)＝p(i-1)+delta，
p(i+1)＝p(i-1)+2×delta，
p(i+m-1)＝p(i-1)+(m-1)×delta
按照以上步骤对列车所有的制动压力数据缺失点补充完整，补充后的制动管压力数据记为p1(i)；
步骤1.2、孤立零值点的消除：
判断步骤1.1得到的制动管压力数据p1(i)是否为孤立零值点并进行处理，具体操作如下：
若第i个制动管压力数据不为0，即p1(i)≠0，则不对数据处理，继续判断；
若第i个制动管压力数据为0，即p1(i)＝0，则分析它两边的数据p1(i-1)和p1(i+1)是否也为0，如下：
(1)若第i个制动管压力数据的相邻两边数据有且仅有一个为0，即p1(i-1)＝0或p1(i+1)＝0，则将p1(i)＝0视为正常数据，不做任何操作；
(2)若第i个制动管压力数据相邻两边均不为0，即p1(i-1)≠0和p1(i+1)≠0，则将p1(i)视为孤立零值点，此时消除孤立零值点后得到的制动管压力数据记为p2(i)。
3.如权利要求1所述的一种基于压力数据的高速列车制动管故障分类与诊断方法，其特征在于，所述步骤2具体包括以下步骤：
对步骤1进行预处理后的制动管压力数据p2(i)进行TIME层移动平均滤波，TIME层移动平均滤波具体过程如下：
步骤a：设置数组变量data，并令data＝p2(i)；设置中间变量time＝0；
步骤b：移动平均滤波开始，中间变量自加一，即time＝time+1，将制动管压力数据分为三部分处理，开头和结尾的数据按照公式和处理，中间部分按公式处理，其中，M＝2i-1，M≤N，N为窗口大小，并且end(i)从制动管压力数据末尾开始倒着处理，最后平滑后数据三部分重新组合为其表达式为
步骤c，如果time＜TIME，返回步骤b继续对平滑数据作为移动平均滤波的输入继续处理；如果time＝TIME，则跳出循环，将最终得到的平滑数据赋值给数组DATA，即其中TIME∈Z+；
通过上述滤波处理制动管压力数据中的高频噪声被消除，使制动管压力曲线更加平滑，为压力数据的相关参数的计算提供基础。
4.如权利要求1所述的一种基于压力数据的高速列车制动管故障分类与诊断方法，其特征在于，步骤3具体包括以下步骤：
步骤3.1、制动管压力相关参数的计算：
对经过所述步骤2处理后的制动管压力数据，进行数据上升区间与下降区间的提取，具体如下：
步骤3.1.1、依次做差得到差值φ，即φ＝DATA(i)-DATA(i+1)，其中i＝1，2，3，…，n；
步骤3.1.2、如果φ＜0，则该区间[i，i+1]属于制动管压力上升区间，将该区间的起点i保存在数组stage(i，1)，并且i自加一，即i＝i+1，返回步骤3.1.1继续判断下一个时间段是否属于压力上升区间；如果φ＞0，则说明该区间[i，i+1]不属于制动管压力上升区间，此时将该区间的起点i保存在数组stage(i，2)；
步骤3.1.3、将制动管压力数据的上升区间依次通过做差计算得到了一个二维数组[stage(i，1)，stage(i，2)]，并将该数组保存至[m，n]，与提取制动管压力上升区间方法类似，我们对制动管压力数据下降区间进行提区，本文将提取出来的下降区间保存至[dm，dn]，
步骤3.2、制动管故障关键参数的计算：
对步骤3.1处理后的制动管压力数据进行上升速率计算，计算过程如下：
步骤3.2.1、将各个上升段的制动管压力数据上升变化值，记为pfk，以及制动管压力数据的上升时间，记为Δt。pfk与Δt的计算公式分别如下：
pfk＝DATA(n)-DATA(m)，
Δt＝n-m，
其中，m和n分别是制动管压力数据第k个上升区间的起点和终点；
此时，统计出各个下降段的制动管压力数据的下降变化值，记为dpfk，以及制动管压力数据的下降时间，记为Δdtk。
dpfk＝Data(dm)-Data(dn)
Δdtk＝dn-dm
其中，dm和dn分别是制动管压力数据的第k个下降区间的起点和终点；
步骤3.2.2、令SSPFk为第k个上升区间的制动管压力数据上升速率，它的计算公式如下：
<mrow> <msub> <mi>SSPF</mi> <mi>k</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>pf</mi> <mi>k</mi> </msub> </mrow> <mrow> <msub> <mi>&amp;Delta;t</mi> <mi>k</mi> </msub> </mrow> </mfrac> </mrow>
令SSDPFk是第k个下降段的制动管压力数据下降速率，它的计算公式如下：
<mrow> <msub> <mi>SSDPF</mi> <mi>k</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>dpf</mi> <mi>k</mi> </msub> </mrow> <mrow> <msub> <mi>&amp;Delta;dt</mi> <mi>k</mi> </msub> </mrow> </mfrac> <mo>.</mo> </mrow>
5.如权利要求1所述的一种基于压力数据的高速列车制动管故障分类与诊断方法，其特征在于，所述步骤4具体包括以下步骤：
步骤4.1、计算所述步骤3中某一天的高铁制动管压力上升速率SSPFk(k＝1，2，…n)，上升段制动管压力变化值pfk，与上升时间Δtk，并计算出制动管压力下降速率SSDPFk，下降段制动管压力变化值dpfk，与下降时间Δdtk，其中k是某天制动管压力上升或下降的段数；
步骤4.2、通过步骤4.1中得到的某天的高铁制动管压力上升速率SSPFk，上升段制动管压力变化值pfk，与上升变化时间Δtk，以及制动管压力下降速率SSDPFk，下降段制动管压力变化值dpfk，与下降变化时间Δdtk分析制动管的故障状态，制动管故障的判断与依据为：
故障1、制动管泄漏；
该故障通常是由于制动管破裂造成的，分析故障数据时不难发现，制动管破裂后，制动管压力数据的上升段曲线斜率会变小，上升时间加长，上升变化值不变，提出的判定方式如下：
首先，需要通过制动管压力数据上升速率SSPFk，与标准上升速率Prrate进行比较，如果SSPFk≤(1-α)Prrate，这种情况是由于发生了制动管泄露，具体的α与Prrate需要根据经验以及具体制动管的型号而定；
故障2、制动管缓解不畅；
该故障主要是由于空气阀故障，造成制动管内压力异常，同样，分析制动管压力数据时不难看出，制动管压力数据下降段出现异常，下降时间要比正常运行时要长，提出判定方法如下：
首先，需要制动管压力数据下降速率SSDPFk，与标准的下降速率Pdrrate进行比较，如果SSDPFk≥(1+β)Pdrrate，这种情况就是由于制动管缓解不畅引起的，具体的β与Pdrrate需要跟据经验以及具体制动管的型号而定；
故障3、制动管过度充气；
该故障主要体现在制动管内压力超过正常值，制动管压力上升变化值远远大于正常状态时的制动管压力上升变化值，但是充气时的压力上升时间不变，提出判定方法如下：
首先，需要通过制动管压力数据上升变化值pfk，与标准的上升压力数据变化值Prstd进行比较，如果pfk≥(1+χ)Prstd，这就表示制动管发生了过度充气，其中，χ和Prstd是根据经验以及具体制动管的型号而定；
故障4、制动管充气不足；
该故障是由于制动管管内气压不足造成，有可能是进气阀故障，出现这种故障状况的数据上会呈现出故障数据的压力数据下降变化值会比正常数据的压力数据下降变化值小，但是充气时间不变，提出判定方法如下：
首先，需要通过制动管压力数据下降变化值dpfk，与标准的制动管压力数据下降变化值Pdstd进行比较，如果dpfk≤(1-δ)Pdstd，则说明制动管充气不足，其中，δ和Pdstd是根据经验以及具体制动管的型号而定。
CN201710535059.4A 2017-07-04 2017-07-04 一种基于压力数据的高速列车制动管故障分类与诊断方法 Active CN107255560B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710535059.4A CN107255560B (zh) 2017-07-04 2017-07-04 一种基于压力数据的高速列车制动管故障分类与诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710535059.4A CN107255560B (zh) 2017-07-04 2017-07-04 一种基于压力数据的高速列车制动管故障分类与诊断方法

Publications (2)

Publication Number Publication Date
CN107255560A true CN107255560A (zh) 2017-10-17
CN107255560B CN107255560B (zh) 2019-11-01

Family

ID=60025494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710535059.4A Active CN107255560B (zh) 2017-07-04 2017-07-04 一种基于压力数据的高速列车制动管故障分类与诊断方法

Country Status (1)

Country Link
CN (1) CN107255560B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111873978A (zh) * 2020-07-10 2020-11-03 中车齐齐哈尔车辆有限公司 列车管压力的监测方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521432A (zh) * 2011-11-18 2012-06-27 北京交通大学 轨道不平顺状态的安全性评判方法
CN104714100A (zh) * 2015-04-01 2015-06-17 国家电网公司 一种用于含水量分析的绝缘电阻测量数据处理方法
CN105045983A (zh) * 2015-07-06 2015-11-11 西安理工大学 一种基于轴温数据的高速列车车轴老化分析方法
WO2016039202A1 (ja) * 2014-09-12 2016-03-17 Ntn株式会社 鉄道車両用軸受異常検知システム
CN106226097A (zh) * 2016-09-14 2016-12-14 西安理工大学 基于隐马尔可夫模型的高速列车风管安全状态诊断方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521432A (zh) * 2011-11-18 2012-06-27 北京交通大学 轨道不平顺状态的安全性评判方法
WO2016039202A1 (ja) * 2014-09-12 2016-03-17 Ntn株式会社 鉄道車両用軸受異常検知システム
CN104714100A (zh) * 2015-04-01 2015-06-17 国家电网公司 一种用于含水量分析的绝缘电阻测量数据处理方法
CN105045983A (zh) * 2015-07-06 2015-11-11 西安理工大学 一种基于轴温数据的高速列车车轴老化分析方法
CN106226097A (zh) * 2016-09-14 2016-12-14 西安理工大学 基于隐马尔可夫模型的高速列车风管安全状态诊断方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111873978A (zh) * 2020-07-10 2020-11-03 中车齐齐哈尔车辆有限公司 列车管压力的监测方法和系统
CN111873978B (zh) * 2020-07-10 2021-11-12 中车齐齐哈尔车辆有限公司 列车管压力的监测方法和系统

Also Published As

Publication number Publication date
CN107255560B (zh) 2019-11-01

Similar Documents

Publication Publication Date Title
CN110322048B (zh) 一种生产物流输送装备故障预警方法
CN104863842B (zh) 一种基于分形理论的隔膜泵故障诊断方法及装置
CN105045983B (zh) 一种基于轴温数据的高速列车车轴老化分析方法
CN103969046B (zh) 一种与轮对轴承磨合机联用的轴承声学诊断系统和方法
CN109213121B (zh) 一种风机制动系统卡缸故障诊断方法
CN102981497B (zh) 高速列车制动系统故障诊断设备及诊断方法
CN112208506B (zh) 用于铁路货车空气制动装置的智能故障检测方法
CN107145675A (zh) 基于bp神经网络算法的电力变压器故障诊断装置及方法
CN110208019A (zh) 一种动设备状态监测动态阈值预警方法
CN106934125A (zh) 一种梯形噪声分布的指数模型机械设备剩余寿命预测方法
CN110422189A (zh) 轨道车辆空调机组中压缩机故障的在线预测方法
CN104794283A (zh) 基于离群特征分析的柴油机故障灰预测方法
CN111071291B (zh) 列车轮对监测系统及列车轮对监测方法
CN110080921A (zh) 一种抽水蓄能电站主进水阀在线监测评估方法和系统
CN107255560A (zh) 一种基于压力数据的高速列车制动管故障分类与诊断方法
CN108267312A (zh) 一种基于快速搜索算法的地铁列车轴承智能诊断方法
CN111723449A (zh) 一种矿井提升机恒减速制动系统性能退化评价方法
CN108716463B (zh) 一种往复压缩机环状气阀的故障诊断方法
CN112949497B (zh) 一种基于改进广义回归神经网络的gis局放模式识别方法
CN203333099U (zh) 电梯故障诊断和预警系统
CN107782548A (zh) 一种基于对轨道交通工具零部件检测系统
CN104571073B (zh) 针对列车制动系统的隐患和故障特征提取方法
CN206224226U (zh) 湿冷汽轮机组凝汽器真空异常自动诊断系统
EP3847512B1 (de) System zur diagnose und überwachung von luftversorgungsanlagen und deren komponenten
CN109139443A (zh) 一种基于位移信号的活塞杆故障诊断方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240221

Address after: 518000 1002, Building A, Zhiyun Industrial Park, No. 13, Huaxing Road, Henglang Community, Longhua District, Shenzhen, Guangdong Province

Patentee after: Shenzhen Wanzhida Technology Co.,Ltd.

Country or region after: China

Address before: 710048 No. 5 Jinhua South Road, Shaanxi, Xi'an

Patentee before: XI'AN University OF TECHNOLOGY

Country or region before: China

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240428

Address after: No. 95, Lin., Heizhai Village, Liucun Town, Changping District, Beijing, 102200

Patentee after: Beijing jingshigong Technology Group Co.,Ltd.

Country or region after: China

Address before: 518000 1002, Building A, Zhiyun Industrial Park, No. 13, Huaxing Road, Henglang Community, Longhua District, Shenzhen, Guangdong Province

Patentee before: Shenzhen Wanzhida Technology Co.,Ltd.

Country or region before: China