CN109839264A - 闭环下高速列车制动系统间歇故障检测方法 - Google Patents

闭环下高速列车制动系统间歇故障检测方法 Download PDF

Info

Publication number
CN109839264A
CN109839264A CN201910186656.XA CN201910186656A CN109839264A CN 109839264 A CN109839264 A CN 109839264A CN 201910186656 A CN201910186656 A CN 201910186656A CN 109839264 A CN109839264 A CN 109839264A
Authority
CN
China
Prior art keywords
fault detection
braking system
speed train
intermittent fault
train braking
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.)
Withdrawn
Application number
CN201910186656.XA
Other languages
English (en)
Inventor
周东华
张峻峰
何潇
郭天序
钟麦英
王友清
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.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and 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 Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN201910186656.XA priority Critical patent/CN109839264A/zh
Publication of CN109839264A publication Critical patent/CN109839264A/zh
Withdrawn legal-status Critical Current

Links

Landscapes

  • Valves And Accessory Devices For Braking Systems (AREA)

Abstract

本发明公开了一种闭环下高速列车制动系统间歇故障检测方法,具体涉及高速列车间歇故障检测领域。其解决了现有故障检测方法通常仅能用于永久故障的检测,无法在存在无结构相关模型不确定性的情况下进行间歇故障检测的不足。该故障检测方法通过建立高速列车制动系统模型,设计高速列车制动系统鲁棒残差生成器和间歇故障检测方法,计算出间歇故障检测统计量,通过间歇故障检测统计量与预设的间歇故障检测阈值进行比较,判定故障的发生情况。

Description

闭环下高速列车制动系统间歇故障检测方法
技术领域
本发明涉及高速列车间歇故障检测领域,具体涉及一种闭环下高速列车制动系统间歇故障检测方法。
背景技术
高速列车制动系统能否稳定可靠工作直接关系到行车安全,是列车安全行驶的最后保障。高速列车制动系统所处工作环境条件恶劣,间歇故障出现较为普遍,对高速列车的安全构成了巨大的威胁。
然而,现有的高速列车故障检测技术大多采用阈值比较,搭配简单的判断逻辑,只能进行简单故障的检测。此外,现有鲁棒故障检测方法大多只能处理具有特定结构的模型不确定性,且需提前获取不确定性结构及结构参数等先验信息。现有方法通常仅能用于永久故障的检测,无法在存在无结构相关模型不确定性的情况下进行间歇故障检测。另外,高速列车的闭环控制结构使得系统处于不断的动态调节过程中,可能会掩盖故障对测量输出带来的影响,从而增加了故障检测的难度。
发明内容
本发明的目的是针对上述高速列车故障检测技术存在的不足,提出一种闭环下高速列车制动系统间歇故障检测方法来实时在线检测闭环下高速列车制动系统的间歇故障。
本发明具体采用如下技术方案:
闭环下高速列车制动系统间歇故障检测方法,其特征在于,具体包括以下步骤:
步骤S101,建立高速列车制动系统模型:
基于高速列车制动系统结构、欧拉离散化方法、流体力学基本原理和系统辨识理论建立如式(1)的闭环下高速列车制动系统的非线性数学模型:
PR(k+1)=abPR(k)+bbPs(k),
yR(k)=14×1PT(k), (1)
其中,
其中,Ps(k)为压力输入值,PR(k)为中继阀压力,PT(k)为制动缸压力,m(k)为制动缸空气总质量,yR(k)为制动缸压力传感器测量值,r为理想气体常数,V为制动缸体积,Ts为采样时间,γ为绝热常数,Cq为等效系数,S为进气孔横截面积,Te为环境温度,Cm(k)为流量参数,Pcr为临界压力比;
基于泰勒线性化方法式(1)建立的数学模型转化为如式(3)形式的状态空间模型:
x(k+1)=(Ac(k)+Aδ(k))x(k)+(Bc(k)+Bδ(k))u(k)+w(k),
y(k)=(Cc(k)+Cδ(k))x(k)+v(k), (3);
其中,分别为系统状态,控制输入,测量输出;分别为过程噪声,测量噪声; 为系统参数;为参数不确定性;满足下列条件:初始状态x(0)的均值,协方差,二阶矩分别为μx(0)Σx(0);噪声w(k),v(k)的均值为零,协方差矩阵分别为Σw(k),Σv(k);参数不确定性Aδ(k),Bδ(k),Cδ(k)的均值为零,协方差矩阵分别为过程参数不确定性Aδ(k)和过程噪声w(k)的互协方差矩阵为测量参数不确定性Cδ(k)和测量噪声v(k)的互协方差矩阵为
步骤S102,设计高速列车制动系统鲁棒残差生成器:
根据式(4)离线计算增益矩阵K(k)
其中,
根据式(8)在线计算鲁棒残差r(k):
其中,
步骤S103,设计高速列车制动系统鲁棒间歇故障检测方法:
按照式(11)计算间歇故障检测统计量TD(k)
TD(k)=r(k)Tr(k) (11);
若TD(k-1)≤JD,TD(k)>JD,则k时刻发生故障,故障警报指示量Ia=1;
若TD(k-1)>JD,TD(k)≤JD,则k时刻故障消失,故障解除指示量Ir=1;
JD为预设的间歇故障检测阈值,第i个间歇故障的故障警报时间和故障解除时间分别为式(12)和(13)所示
kalarm,i=min(k|TD(k)>JD,k≥krelease,i-1+1) (12)
krelease,i=min(k|TD(k)≤JD,k≥kalarm,i+1) (13)。
本发明具有如下有益效果:
该方法实现了故障检测系统对高速列车制动系统间歇故障进行实时在线检测,有效保障了高速列车制动系统间歇故障检测的实际应用需求。
附图说明
图1为闭环下高速列车制动系统间歇故障检测方法流程框图;
图2为基于闭环下高速列车制动系统间歇故障检测方法的1、3和4号制动缸压力传感器发生间歇故障的检测结果示意图;
图3为基于闭环下高速列车制动系统间歇故障检测方法的1至4号制动缸压力传感器发生间歇故障的检测结果示意图;
图4为基于闭环下高速列车制动系统间歇故障检测方法的2号制动缸压力传感器发生间歇故障的检测结果示意图;
图5为基于闭环下高速列车制动系统间歇故障检测方法的2和3号制动缸压力传感器发生间歇故障的检测结果示意图;
图6是根据本发明的一个实施例的电空转化阀发生了第一类间歇故障的检测结果示意图;
图7是根据本发明的一个实施例的电空转化阀发生了第二类间歇故障的检测结果示意图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明:
如图1所示,闭环下高速列车制动系统间歇故障检测方法,具体包括以下步骤:
步骤S101,建立高速列车制动系统模型:
基于高速列车制动系统结构、欧拉离散化方法、流体力学基本原理和系统辨识理论建立如式(1)的闭环下高速列车制动系统的非线性数学模型:
PR(k+1)=abPR(k)+bbPs(k),
yR(k)=14×1PT(k), (1)
其中,
其中,Ps(k)为压力输入值,PR(k)为中继阀压力,PT(k)为制动缸压力,m(k)为制动缸空气总质量,yR(k)为制动缸压力传感器测量值,r为理想气体常数,V为制动缸体积,Ts为采样时间,γ为绝热常数,Cq为等效系数,S为进气孔横截面积,Te为环境温度,Cm(k)为流量参数,Pcr为临界压力比;
基于泰勒线性化方法式(1)建立的数学模型转化为如式(3)形式的状态空间模型:
x(k+1)=(Ac(k)+Aδ(k))x(k)+(Bc(k)+Bδ(k))u(k)+w(k),
y(k)=(Cc(k)+Cδ(k))x(k)+v(k), (3);
其中,分别为系统状态,控制输入,测量输出;分别为过程噪声,测量噪声; 为系统参数;为参数不确定性;满足下列条件:初始状态x(0)的均值,协方差,二阶矩分别为μx(0)Σx(0);噪声w(k),v(k)的均值为零,协方差矩阵分别为Σw(k),Σv(k);参数不确定性Aδ(k),Bδ(k),Cδ(k)的均值为零,协方差矩阵分别为过程参数不确定性Aδ(k)和过程噪声w(k)的互协方差矩阵为测量参数不确定性Cδ(k)和测量噪声v(k)的互协方差矩阵为
步骤S102,设计高速列车制动系统鲁棒残差生成器:
根据式(4)离线计算增益矩阵K(k)
其中,
根据式(8)在线计算鲁棒残差r(k):
其中,
步骤S103,设计高速列车制动系统鲁棒间歇故障检测方法:
按照式(11)计算间歇故障检测统计量TD(k)
TD(k)=r(k)Tr(k) (11);
若TD(k-1)≤JD,TD(k)>JD,则k时刻发生故障,故障警报指示量Ia=1;
若TD(k-1)>JD,TD(k)≤JD,则k时刻故障消失,故障解除指示量Ir=1;
JD为预设的间歇故障检测阈值,第i个间歇故障的故障警报时间和故障解除时间分别为式(12)和(13)所示
kalarm,i=min(k|TD(k)>JD,k≥krelease,i-1+1) (12)
krelease,i=min(k|TD(k)≤JD,k≥kalarm,i+1) (13)。
下面以高速列车制动系统发生制动缸压力传感器故障和电空转换阀泄漏故障为例来对本发明的故障检测方法进行说明。
高速列车制动系统压力传感器在实际工作过程中由于高压负荷的恶劣工作环境,机械振动导致的压力传感器压感原件形变,风沙和盐腐蚀造成的压力传感器性能不稳定等原因会诱发传感器间歇故障的发生。本实例中,考虑了如下多种故障情况。情况一:1、3、4号制动缸压力传感器分别发生了等效为5kPa、-3kPa和-4kPa的间歇故障,对应的检测结果如图2所示。情况二:1至4号制动缸压力传感器分别发生了等效为4kPa、-5kPa、6kPa和-4kPa的间歇故障,对应的检测结果如图3所示。情况三:2号制动缸传感器发生了等效为11kPa的间歇故障,对应的检测结果如图4所示。情况四:2和3号制动缸传感器分别发生了等效为14kPa和11kPa的间歇故障,对应的检测结果如图5所示。情况五:电空转化阀发生了等效为4L/min的第一类间歇泄漏故障,对应的检测结果如图6所示。情况六:电空转化阀发生了等效为10L/min的第二类间歇泄漏故障,对应的检测结果如图7所示。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
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.闭环下高速列车制动系统间歇故障检测方法,其特征在于,具体包括以下步骤:
步骤S101,建立高速列车制动系统模型:
基于高速列车制动系统结构、欧拉离散化方法、流体力学基本原理和系统辨识理论建立如式(1)的闭环下高速列车制动系统的非线性数学模型:
PR(k+1)=abPR(k)+bbPs(k),
yR(k)=14×1PT(k), (1)
其中,
其中,Ps(k)为压力输入值,PR(k)为中继阀压力,PT(k)为制动缸压力,m(k)为制动缸空气总质量,yR(k)为制动缸压力传感器测量值,r为理想气体常数,V为制动缸体积,Ts为采样时间,γ为绝热常数,Cq为等效系数,S为进气孔横截面积,Te为环境温度,Cm(k)为流量参数,Pcr为临界压力比;
基于泰勒线性化方法式(1)建立的数学模型转化为如式(3)形式的状态空间模型:
x(k+1)=(Ac(k)+Aδ(k))x(k)+(Bc(k)+Bδ(k))u(k)+w(k),
y(k)=(Cc(k)+Cδ(k))x(k)+v(k), (3);
其中,分别为系统状态,控制输入,测量输出;分别为过程噪声,测量噪声; 为系统参数;为参数不确定性;满足下列条件:初始状态x(0)的均值,协方差,二阶矩分别为μx(0)Σx(0);噪声w(k),v(k)的均值为零,协方差矩阵分别为Σw(k),Σv(k);参数不确定性Aδ(k),Bδ(k),Cδ(k)的均值为零,协方差矩阵分别为过程参数不确定性Aδ(k)和过程噪声w(k)的互协方差矩阵为测量参数不确定性Cδ(k)和测量噪声v(k)的互协方差矩阵为
步骤S102,设计高速列车制动系统鲁棒残差生成器:
根据式(4)离线计算增益矩阵K(k)
其中,
根据式(8)在线计算鲁棒残差r(k):
其中,
步骤S103,设计高速列车制动系统鲁棒间歇故障检测方法:
按照式(11)计算间歇故障检测统计量TD(k)
TD(k)=r(k)Tr(k) (11);
若TD(k-1)≤JD,TD(k)>JD,则k时刻发生故障,故障警报指示量Ia=1;
若TD(k-1)>JD,TD(k)≤JD,则k时刻故障消失,故障解除指示量Ir=1;
JD为预设的间歇故障检测阈值,第i个间歇故障的故障警报时间和故障解除时间分别为式(12)和(13)所示
kalarm,i=min(k|TD(k)>JD,k≥krelease,i-1+1) (12)
krelease,i=min(k|TD(k)≤JD,k≥kalarm,i+1) (13)。
CN201910186656.XA 2019-03-13 2019-03-13 闭环下高速列车制动系统间歇故障检测方法 Withdrawn CN109839264A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910186656.XA CN109839264A (zh) 2019-03-13 2019-03-13 闭环下高速列车制动系统间歇故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910186656.XA CN109839264A (zh) 2019-03-13 2019-03-13 闭环下高速列车制动系统间歇故障检测方法

Publications (1)

Publication Number Publication Date
CN109839264A true CN109839264A (zh) 2019-06-04

Family

ID=66885735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910186656.XA Withdrawn CN109839264A (zh) 2019-03-13 2019-03-13 闭环下高速列车制动系统间歇故障检测方法

Country Status (1)

Country Link
CN (1) CN109839264A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116067399A (zh) * 2023-03-06 2023-05-05 中国船舶集团有限公司第七〇七研究所 一种光纤陀螺惯性导航系统间歇故障检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104458297A (zh) * 2014-11-12 2015-03-25 南京航空航天大学 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
CN104724098A (zh) * 2013-12-20 2015-06-24 广州市地下铁道总公司 一种城轨列车制动系统故障诊断方法
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
US20170253229A1 (en) * 2015-02-17 2017-09-07 Oshkosh Corporation Multi-mode electromechanical variable transmission
CN107703740A (zh) * 2017-07-10 2018-02-16 山东科技大学 一种高速列车关键系统的鲁棒间歇传感器故障诊断方法
CN108008719A (zh) * 2017-12-12 2018-05-08 同济大学 城轨列车电子制动控制单元闭环控制试验装置及试验方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104724098A (zh) * 2013-12-20 2015-06-24 广州市地下铁道总公司 一种城轨列车制动系统故障诊断方法
CN104458297A (zh) * 2014-11-12 2015-03-25 南京航空航天大学 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
US20170253229A1 (en) * 2015-02-17 2017-09-07 Oshkosh Corporation Multi-mode electromechanical variable transmission
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
CN107703740A (zh) * 2017-07-10 2018-02-16 山东科技大学 一种高速列车关键系统的鲁棒间歇传感器故障诊断方法
CN108008719A (zh) * 2017-12-12 2018-05-08 同济大学 城轨列车电子制动控制单元闭环控制试验装置及试验方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DONGHUA ZHOU 等: "Fault Detection and Isolation of the Brake Cylinder", 《IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY》 *
刘洋等: "分布式测量下闭环系统的故障检测", 《上海交通大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116067399A (zh) * 2023-03-06 2023-05-05 中国船舶集团有限公司第七〇七研究所 一种光纤陀螺惯性导航系统间歇故障检测方法
CN116067399B (zh) * 2023-03-06 2023-06-06 中国船舶集团有限公司第七〇七研究所 一种光纤陀螺惯性导航系统间歇故障检测方法

Similar Documents

Publication Publication Date Title
Mathis et al. Estimating wall-shear-stress fluctuations given an outer region input
CN107013813B (zh) 一种供水管道泄漏量估算系统及方法
CN110500339B (zh) 一种电液伺服系统加性故障检测方法
Abdulla et al. Pipeline leak detection using artificial neural network: Experimental study
KR101624968B1 (ko) 데이터 정형화 처리기 및 실시간 제어 분석기를 이용한 사고 회복 방법 및 사고 회복 장치
CN103968256A (zh) 油库管道泄漏检测方法
CN109827629A (zh) 一种城市河道水位的分布式可靠性估计方法
Ismail et al. Performance evaluation of wireless accelerometer sensor for water pipeline leakage
CN109839264A (zh) 闭环下高速列车制动系统间歇故障检测方法
Dong et al. Robust fault diagnosis based on nonlinear model of hydraulic gauge control system on rolling mill
CN110336860A (zh) 工业物联网中基于多维数据处理的关键节点数据保护方法
CN105717257A (zh) 基于非线性最小二乘法和扩展集员滤波的气体源无线定位
Chen Fault detection and isolation in nonlinear systems:: observer and energy-balance based approaches
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
Oliveira et al. Leak detection system using machine learning techniques
CN106874589A (zh) 一种基于数据驱动的报警根源寻找方法
CN114811448B (zh) 一种流动条件下管道泄漏检测、泄露流速估计与泄露定位的方法
EP2956751B1 (en) Method and monitoring device for monitoring a structure
Feng et al. Diagnosis and localization of pipeline leak based on fuzzy decision-making method
CN113858269A (zh) 基于奇异系统模型的三连杆机械手有限时间故障检测方法
CN109633206B (zh) 六氟化铀气体流向保护传感器的模拟测试系统及方法
Alajlouni et al. Anomaly detection in liquid pipelines using modeling, co-simulation and dynamical estimation
Lou et al. A general survey on technological developments of oil leakage detection over the past decade
Song et al. Study on detection and location of mobile oil pipeline leakage based on pressure gradient method
CN109101702A (zh) 一种基于时间约束稀疏表示和特征降维的故障检测方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20190604