CN108415402A - 考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法 - Google Patents
考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法 Download PDFInfo
- Publication number
- CN108415402A CN108415402A CN201810081180.9A CN201810081180A CN108415402A CN 108415402 A CN108415402 A CN 108415402A CN 201810081180 A CN201810081180 A CN 201810081180A CN 108415402 A CN108415402 A CN 108415402A
- Authority
- CN
- China
- Prior art keywords
- fault detection
- calculating
- following
- saturation
- state estimation
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000001914 filtration Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims description 11
- 238000013461 design Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法,属于信号处理领域,具体包括如下步骤:考虑输出饱和的动车组状态空间模型建立及触发策略设计步骤;事件驱动的鲁棒滤波器设计步骤,离线设计滤波器增益:设定滤波器初值,计算中间变量,计算一步预测状态估计误差协方差上界,计算滤波器增益,计算状态估计误差协方差上界,在线计算状态估计值:设定状态估计初值,计算一步状态预测值,计算新息,计算状态估计值;故障检测策略设计步骤,计算残差,计算故障检测统计量,计算残差二阶矩上界,计算故障检测阈值,设定故障检测逻辑。本发明故障检测方法,能够实时在线检测系统故障,提高了动车组安全性和可靠性。
Description
技术领域
本发明属于信号处理领域,具体涉及一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法。
背景技术
动车组能否稳定可靠工作直接关系到行车安全,因此针对动车组故障,往往采取安全导向原则,即一旦检测出动车组发生故障,便会采取中途停车处理。但该措施会导致线路停运,造成巨大的经济损失,也给其它列车的运行带来了严重的安全隐患。实际上,某些故障短时间内并不会危及行车安全,如能有效在线检测出这些故障,便无需立即停车处理,可待进站后再进行维修。但是现有故障检测方法严重依赖模型不确定性结构,且在传感器存在随机饱和效应限制和网络存在事件驱动机制的情况下无法有效检测系统故障。
基于上述情况,为了满足实际应用需求,亟需一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法,实时在线检测系统故障,提高动车组安全性和可靠性。
发明内容
针对现有技术中存在的上述技术问题,本发明提出了一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法,设计合理,克服了现有技术的不足,具有良好的效果。
为了实现上述目的,本发明采用如下技术方案:
一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法,具体包括如下步骤:
步骤1:建立考虑输出饱和的动车组状态空间模型,并设计触发策略;
建立考虑输出饱和的动车组状态空间模型:
饱和系数Λ(k)具体形式如下
其中,第i个分量λi(k)服从下述伯努利分布:
给定向量饱和函数g(·)具体形式如下:
其中,为符号函数,为饱和边界;
设计触发策略:
当前k时刻的第i个传感器的测量值满足下述触发条件时才会被传输:
||yi(k)-yi(k-l)||2>δi, (27);
其中,yi(k-l)为之前传输的第i个传感器的测量值,为触发阈值;令kt,1,kt,2,…为触发时刻序列,则实际传输的测量值为
步骤2:设计事件驱动的鲁棒滤波器,具体包括如下步骤:
步骤2.1:离线设计滤波器增益,具体包括如下步骤:
步骤2.1.1:设定滤波器初值
步骤2.1.2:计算中间变量
步骤2.1.3:计算一步预测状态估计误差协方差上界
步骤2.1.4:计算滤波器增益
步骤2.1.5:计算状态估计误差协方差上界
步骤2.2:在线计算状态估计值,具体包括如下步骤:步骤2.2.1:设定状态估计初值
步骤2.2.2:计算一步状态预测值
步骤2.2.3:计算新息
步骤2.2.4:计算状态估计值
步骤3:设计故障检测策略,具体包括如下步骤:
步骤3.1:计算残差
步骤3.2:计算故障检测统计量
步骤3.3:计算残差二阶矩上界
步骤3.4:计算故障检测阈值
步骤3.5:设定故障检测逻辑
若故障检测统计量小于等于所述故障检测阈值,即TD(k)≤JD(k)时,则系统正常;
若故障检测统计量大于所述故障检测阈值,即TD(k)>JD(k)时,则系统故障。
本发明所带来的有益技术效果:
本发明一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法,不依赖任何模型不确定性结构信息,在传感器存在随机饱和效应限制和网络存在事件驱动机制的情况下能够实时在线检测系统故障,提高了动车组安全性和可靠性,有效保障了实际应用需求。
附图说明
图1为本发明一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法的流程图。
图2为事件触发时刻序列的曲线图。
图3为实际状态的曲线图。
图4为估计状态的曲线图。
图5为状态估计均方误差的曲线图。
图6为执行器发生正偏差故障的检测结果图。
图7为执行器发生负偏差故障的检测结果图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明:
一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法,其流程如图1所示,具体包括如下步骤:
步骤1:建立考虑输出饱和的动车组状态空间模型,并设计触发策略;
建立考虑输出饱和的动车组状态空间模型:
其中,为系统状态,为控制输入,为测量输出;为过程噪声,为测量噪声;为过程参数,为测量参数;为过程参数不确定性,为测量参数不确定性;为执行器故障;为饱和系数,为饱和函数;
上述随机变量满足下列条件:
初始系统状态x(0)的均值为协方差为P0,二阶矩为Σ0;噪声w(k),v(k)的均值为零,协方差分别为Σw(k),Σv(k);参数不确定性Aδ(k),Bδ(k),Cδ(k)的均值为零,协方差分别为;Λ(k)的均值为Λc(k),二阶矩为ΣΛ(k);
饱和系数Λ(k)具体形式如下
其中,第i个分量λi(k)服从下述伯努利分布:
给定向量饱和函数g(·)具体形式如下:
其中,为符号函数,为饱和边界;
设计触发策略:
当前k时刻的第i个传感器的测量值满足下述触发条件时才会被传输:
||yi(k)-yi(k-l)||2>δi, (49);
其中,yi(k-l)为之前传输的第i个传感器的测量值,为触发阈值;令kt,1,kt,2,…为触发时刻序列,则实际传输的测量值为
事件触发时刻序列如图2所示。
步骤2:设计事件驱动的鲁棒滤波器,具体包括如下步骤:
步骤2.1:离线设计滤波器增益,具体包括如下步骤:
步骤2.1.1:设定滤波器初值
步骤2.1.2:计算中间变量
步骤2.1.3:计算一步预测状态估计误差协方差上界
步骤2.1.4:计算滤波器增益
步骤2.1.5:计算状态估计误差协方差上界
步骤2.2:在线计算状态估计值,具体包括如下步骤:
步骤2.2.1:设定状态估计初值
步骤2.2.2:计算一步状态预测值
步骤2.2.3:计算新息
步骤2.2.4:计算状态估计值
实际状态如图3所示,估计状态如图4所示,状态估计均方误差如图5所示。
步骤3:设计故障检测策略,具体包括如下步骤:
步骤3.1:计算残差
步骤3.2:计算故障检测统计量
步骤3.3:计算残差二阶矩上界
步骤3.4:计算故障检测阈值
步骤3.5:设定故障检测逻辑
若故障检测统计量小于等于所述故障检测阈值,即TD(k)≤JD(k)时,则系统正常;
若故障检测统计量大于所述故障检测阈值,即TD(k)>JD(k)时,则系统故障;
执行器发生正偏差故障的检测结果如图6所示,执行器发生负偏差故障的检测结果如图7所示。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (1)
1.考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法,其特征在于:具体包括如下步骤:
步骤1:建立考虑输出饱和的动车组状态空间模型,并设计触发策略;
建立考虑输出饱和的动车组状态空间模型:
其中,为系统状态,为控制输入,为测量输出;为过程噪声,为测量噪声;为过程参数,为测量参数;为过程参数不确定性,为测量参数不确定性;为执行器故障;为饱和系数,为饱和函数;
上述随机变量满足下列条件:
初始系统状态x(0)的均值为协方差为P0,二阶矩为Σ0;噪声w(k),v(k)的均值为零,协方差分别为Σw(k),Σv(k);参数不确定性Aδ(k),Bδ(k),Cδ(k)的均值为零,协方差分别为Λ(k)的均值为Λc(k),二阶矩为ΣΛ(k);
饱和系数Λ(k)具体形式如下:
其中,第i个分量λi(k)服从下述伯努利分布:
给定向量饱和函数g(·)具体形式如下:
其中,为符号函数,为饱和边界;
设计触发策略:
当前k时刻的第i个传感器的测量值满足下述触发条件时才会被传输:
||yi(k)-yi(k-l)||2>δi, (5);
其中,yi(k-l)为之前传输的第i个传感器的测量值,为触发阈值;令kt,1,kt,2,…为触发时刻序列,则实际传输的测量值为
步骤2:设计事件驱动的鲁棒滤波器,具体包括如下步骤:
步骤2.1:离线设计滤波器增益,具体包括如下步骤:
步骤2.1.1:设定滤波器初值
步骤2.1.2:计算中间变量
步骤2.1.3:计算一步预测状态估计误差协方差上界
步骤2.1.4:计算滤波器增益
步骤2.1.5:计算状态估计误差协方差上界
步骤2.2:在线计算状态估计值,具体包括如下步骤:
步骤2.2.1:设定状态估计初值
步骤2.2.2:计算一步状态预测值
步骤2.2.3:计算新息
步骤2.2.4:计算状态估计值
步骤3:设计故障检测策略,具体包括如下步骤:
步骤3.1:计算残差
步骤3.2:计算故障检测统计量
步骤3.3:计算残差二阶矩上界
步骤3.4:计算故障检测阈值
步骤3.5:设定故障检测逻辑
若故障检测统计量小于等于所述故障检测阈值,即TD(k)≤JD(k)时,则系统正常;
若故障检测统计量大于所述故障检测阈值,即TD(k)>JD(k)时,则系统故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081180.9A CN108415402B (zh) | 2018-01-29 | 2018-01-29 | 考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081180.9A CN108415402B (zh) | 2018-01-29 | 2018-01-29 | 考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108415402A true CN108415402A (zh) | 2018-08-17 |
CN108415402B CN108415402B (zh) | 2019-08-09 |
Family
ID=63126431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810081180.9A Active CN108415402B (zh) | 2018-01-29 | 2018-01-29 | 考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108415402B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109062273A (zh) * | 2018-08-15 | 2018-12-21 | 北京交通大学 | 基于事件触发pid控制的列车速度曲线跟踪控制方法和系统 |
CN109309593A (zh) * | 2018-11-22 | 2019-02-05 | 江南大学 | 一种基于Round-Robin协议的网络化系统的故障检测方法 |
CN110161882A (zh) * | 2019-06-12 | 2019-08-23 | 江南大学 | 一种基于事件触发机制的网络化系统的故障检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150338449A1 (en) * | 2014-05-21 | 2015-11-26 | King Fahd University Of Petroleum And Minerals | Distributed filtering method for fault diagnosis in a sensor network |
CN106525466A (zh) * | 2016-10-14 | 2017-03-22 | 清华大学 | 一种动车组制动系统关键部件鲁棒滤波方法和系统 |
CN107272651A (zh) * | 2017-07-10 | 2017-10-20 | 山东科技大学 | 一种动车组制动系统间歇乘性传感器故障的鲁棒检测方法 |
-
2018
- 2018-01-29 CN CN201810081180.9A patent/CN108415402B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150338449A1 (en) * | 2014-05-21 | 2015-11-26 | King Fahd University Of Petroleum And Minerals | Distributed filtering method for fault diagnosis in a sensor network |
CN106525466A (zh) * | 2016-10-14 | 2017-03-22 | 清华大学 | 一种动车组制动系统关键部件鲁棒滤波方法和系统 |
CN107272651A (zh) * | 2017-07-10 | 2017-10-20 | 山东科技大学 | 一种动车组制动系统间歇乘性传感器故障的鲁棒检测方法 |
Non-Patent Citations (1)
Title |
---|
鄢镕易: "《一类存在参数摄动的线性随机系统的鲁棒间歇故障诊断方法》", 《自动化学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109062273A (zh) * | 2018-08-15 | 2018-12-21 | 北京交通大学 | 基于事件触发pid控制的列车速度曲线跟踪控制方法和系统 |
CN109062273B (zh) * | 2018-08-15 | 2021-11-02 | 北京交通大学 | 基于事件触发pid控制的列车速度曲线跟踪控制方法和系统 |
CN109309593A (zh) * | 2018-11-22 | 2019-02-05 | 江南大学 | 一种基于Round-Robin协议的网络化系统的故障检测方法 |
CN110161882A (zh) * | 2019-06-12 | 2019-08-23 | 江南大学 | 一种基于事件触发机制的网络化系统的故障检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108415402B (zh) | 2019-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108415402B (zh) | 考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法 | |
CN107272651B (zh) | 一种动车组制动系统间歇乘性传感器故障的鲁棒检测方法 | |
CN108205311B (zh) | 一类事件触发传输时变系统基于未知输入观测器技术的故障估计方法 | |
Zhang | Decentralized fault detection for a class of large-scale nonlinear uncertain systems | |
CN108345711A (zh) | 基于事件驱动的动车组鲁棒传感器间歇故障检测方法 | |
CN103346797B (zh) | 一种用于齿轮故障信号的实时压缩方法 | |
CN104914846B (zh) | 基于自适应滑模观测器的电连接器间歇性失效检测方法 | |
CN110597312A (zh) | 气体压力控制方法、存储介质、电子设备及装置 | |
CN108170955B (zh) | 考虑随机传感器饱和效应的鲁棒状态监测与故障检测方法 | |
AU2020415919A1 (en) | Locomotive and weighted parameter adhesion control method therefor | |
CN110187206B (zh) | 一种复杂工况下非高斯过程的悬浮系统的故障检测方法 | |
CN112801533B (zh) | 一种考虑决策依赖不确定的电力系统运行可靠性评估方法 | |
CN107703740A (zh) | 一种高速列车关键系统的鲁棒间歇传感器故障诊断方法 | |
CN105652795B (zh) | 一种基于残差观测器的3ptt-2r串并联数控机床伺服系统故障预测装置及方法 | |
Escobet et al. | Health aware control and model-based prognosis | |
CN107356282A (zh) | 分辨率受限情况下高速列车鲁棒间歇传感器故障检测方法 | |
CN115358294A (zh) | 一种高速列车牵引系统的微小故障检测方法 | |
CN114063456B (zh) | 利用自回归模型和卡尔曼滤波算法的故障预测与预警方法 | |
Blesa et al. | Robust fault detection and isolation of wind turbines using interval observers | |
CN113721586B (zh) | 一种工业过程控制回路的欺骗攻击检测方法 | |
CN114115185A (zh) | 一种基于区间运算的故障检测阈值计算方法 | |
CN113852303B (zh) | 电动机再启动控制器及电动机再启动控制器的控制方法 | |
CN113759882A (zh) | 一种悬浮系统的部件故障检测方法、装置及悬浮系统 | |
CN114545907B (zh) | 一种基于滤波器的飞行控制系统的故障检测方法 | |
CN115755827A (zh) | 一种用于阀门控制系统的状态评估方法及装置 |
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 |