CN111238725A - 电空制动系统压力传感器的故障诊断方法、装置及系统 - Google Patents
电空制动系统压力传感器的故障诊断方法、装置及系统 Download PDFInfo
- Publication number
- CN111238725A CN111238725A CN202010099847.5A CN202010099847A CN111238725A CN 111238725 A CN111238725 A CN 111238725A CN 202010099847 A CN202010099847 A CN 202010099847A CN 111238725 A CN111238725 A CN 111238725A
- Authority
- CN
- China
- Prior art keywords
- pressure
- measurement data
- sensor
- pressure sensor
- pressure measurement
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L27/00—Testing or calibrating of apparatus for measuring fluid pressure
- G01L27/007—Malfunction diagnosis, i.e. diagnosing a sensor defect
Landscapes
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Valves And Accessory Devices For Braking Systems (AREA)
Abstract
本发明公开了一种机车电空制动系统压力传感器的故障诊断方法、装置及系统,方法为:步骤S1,在机车电空制动系统无故障时,分别在制动、缓解和稳压运行每种工作模式下对均衡风缸和列车管的压力进行回归分析;步骤S2,使用步骤S1得到的回归分析模型,把实时采集列车管的压力测量数据转换为均衡风缸的压力测量数据;步骤S3,使用自适应加权数据融合方法,对均衡风缸的所有压力测量数据进行融合计算;步骤S4,将每个压力传感器对应的压力测量数据减去压力融合数据,得到自身对应的残差值;步骤S5,将每个传感器对应的残差值与阈值比较,判断其是否故障。本发明能快速、准确地对电空制动系统的压力传感器进行故障检测和隔离。
Description
技术领域
本发明属于列车制动技术领域,尤其是指一种机车电空制动系统压力传感器的故障诊断方法、装置及系统。
背景技术
制动系统是列车的关键部件之一,制动系统的好坏直接影响着列车运行的时效性和安全性。均衡风缸控制系统是电空制动系统的关键子系统,电空制动系统的正常工作取决于均衡风缸压力的正确控制。均衡风缸压力控制系统中均衡风缸压力传感器测量数据的精度和可靠性是性能监控、实施控制策略的基础。均衡风缸压力传感器的故障诊断对于电空制动系统来说非常有必要。目前常用的传感故障诊断方法有基于模型和数据驱动的方法。电空制动系统是一个复杂的集成系统,而且系统有着强烈的非线性。因此,很难建立制动系统的精确物理模型;所以传统的基于模型的方法不适用于电空制动系统的故障诊断。此外,电空制动器有多种工作模式,制动系统在不同模式下工作方式不同,这使得该系统的故障诊断更加困难。
故障诊断包含故障检测和故障隔离。其中,故障检测是指判断是否存在故障;故障隔离是指确定故障的位置和大小,通常使用冗余方法完成故障诊断。传感器故障诊断方法可分为两类:物理冗余和解析冗余。物理冗余方法常用于航空航天领域,通过直接比较来自至少三个相同传感器的信息。该方法易于实现并且实时性好,而且比解析冗余更可靠。然而,物理冗余方法需要额外的传感器;这导致经济成本高以及设备尺寸增大。因此,对传感器故障检测的研究较多基于解析冗余。解析冗余方法基于系统各物理变量之间的数学关系。解析冗余方法有基于模型和数据驱动的方法。由于电空制动系统使用压缩空气作为能量传递介质;由于空气的可压缩性使得建立该系统的精确机理模型非常困难。常规的建模过程是根据物理和数学定理,推导出两个或多个物理量之间的数学关系;对于电空制动系统这样的非线性复杂集成系统使用该方法来建立机理模型难度大而且精度不高。
发明内容
本发明要解决的技术问题在于,提供一种电空制动系统压力传感器的故障诊断方法、装置及系统,能快速、准确地对电空制动系统的压力传感器进行故障检测和隔离。
为实现上述技术效果,本发明采用如下技术方案:
一种机车电空制动系统压力传感器的故障诊断方法,包括以下步骤:
步骤S1,在机车电空制动系统无故障时,分别进行制动、缓解和稳压运行操作;记录均衡风缸和列车管的压力传感器在制动、缓解和稳压每种工作模式下的压力测量数据,并对每种工作模式下的2个压力测量数据进行回归分析,得到均衡风缸与列车管两者的压力在每种工作模式下的数量关系的回归分析模型;
步骤S2,在机车电空制动系统的压力传感器故障未知时,任意执行制动、缓解和稳压运行操作,实时采集均衡风缸的M个压力传感器和列车管的N个压力传感器在当前工作模式下的压力测量数据,得到均衡风缸的M个压力测量数据和列车管的N个压力测量数据;使用均衡风缸与列车管两者的压力在当前工作模式下的数量关系的回归分析模型,将列车管的N个压力测量数据转换为均衡风缸的N个压力测量数据;
步骤S3,使用自适应加权数据融合方法,对均衡风缸的M+N个压力测量数据进行融合计算,得到均衡风缸的压力融合数据;
步骤S4,将均衡风缸的所有压力测量数据,分别减去均衡风缸的压力融合数据,计算得到与各压力传感器对应的残差值;
步骤S5,对每个传感器进行故障诊断:若压力传感器对应的残差值大于阈值,则该压力传感器故障;否则该压力传感器在当前工作模式下无故障。
在更优的技术方案中,采用梯度提升决策树进行回归分析。
在更优的技术方案中,所有压力传感器均以预设频率进行压力数据测量,步骤S4得到各传感器对应的残差序列;在执行步骤S5时,若压力传感器对应的残差序列中连续3个残差值大于阈值,则判断该压力传感器故障,否则该压力传感器在当前工作模式下无故障。
在更优的技术方案中,当判断得到压力传感器故障时,还包括判断该压力传感器的故障类型:若压力传感器对应的残差序列在某个固定值附近波动,则该压力传感器发生偏置故障;若传感器对应的残差序列随时间变化超过预设值,则该压力传感器发生漂移故障。
在更优的技术方案中,若压力传感器在每种工作模式下均无故障,则该压力传感器正常。
在更优的技术方案中,自适应加权数据融合方法的计算公式为:
其中,Se(t)为均衡风缸的压力融合值,Si(t)为第i个传感器在t时刻对均衡风缸的压力测量数据,Wi(t)表示第i个传感器在t时刻的权重。
在更优的技术方案中,每个传感器在t时刻的权重的计算方法为:
ri(t)=g*ri(t-1)+(1-g)|Si(t)-2Se(t-1)+Se(t-2)|;
在更优的技术方案中,M=2,N=1。
本发明还提供一种机车电空制动系统压力传感器的故障诊断装置,包括:压力关系回归模型确定模块、压力测量数据获取模块、压力融合数据计算模块、残差值计算模块和故障诊断模块;
所述压力关系回归模型确定模块用于:在机车电空制动系统无故障时,分别进行制动、缓解和稳压运行操作;记录均衡风缸和列车管的压力传感器在制动、缓解和稳压每种工作模式下的压力测量数据,并对每种工作模式下的2种压力测量数据进行回归分析,得到均衡风缸与列车管两者的压力在每种工作模式下的数量关系的回归分析模型;
所述压力测量数据获取模块用于:在机车电空制动系统的压力传感器故障未知时,任意执行制动、缓解和/或稳压运行操作,实时采集均衡风缸的M个压力传感器和列车管的N个压力传感器在当前工作模式下的压力测量数据,得到均衡风缸的M个压力测量数据和列车管的N个压力测量数据;使用均衡风缸与列车管两者的压力在当前工作模式下的数量关系的回归分析模型,将列车管的N个压力测量数据转换为均衡风缸的N个压力测量数据;
所述压力融合数据计算模块用于:使用自适应加权数据融合方法,对均衡风缸的M+N个压力测量数据进行融合计算,得到均衡风缸的压力融合数据;
所述残差值计算模块用于:将均衡风缸的所有压力测量数据,分别减去均衡风缸的压力融合数据,计算得到与各压力传感器对应的残差值;
所述故障诊断模块用于:对每个传感器进行故障诊断:若压力传感器对应的残差值大于阈值,则该压力传感器故障;否则该压力传感器在当前工作模式下无故障。
处理器和存储器,所述存储器存储有计算机程序,其中,所述计算机程序被所述处理器执行时,使得所述处理器执行上述任一项技术方案所述的方法。
本发明还提供一种机车电空制动系统,包括气路子系统和制动控制系统,所述制动控制系统包括:设置于气路子系统的均衡风缸和列车管的压力传感器以及用于上述任一所述方法的控制板。
有益效果
针对列车电空制动系统的复杂组成结构和工作机制,本发明使用数据驱动的解析冗余方法,在缓解、制动和稳压运行过程中检测和隔离电空制动系统的压力传感器故障。本发明采用数据驱动的方法,即依据制动系统中被测量之间的相互联系,通过回归分析方法确定均衡风缸压力和列车管压力之间的定量关系,避免了建立电空制动系统精确机理模型的难题;本发明采用解析冗余的方法,即通过回归分析模型(均衡风缸压力和列车管压力之间的定量关系)把列车管的压力测量数据转换为均衡风缸的压力测量数据,相当于增加了一个用于测量均衡风缸的压力传感器,从而可以使用多传感器数据融合方法融合多个传感器的测量值来计算均衡风缸压力,并根据融合计算值和每个测量值之间的残差来进行传感器故障检测和识别,能快速、准确地对电空制动系统的压力传感器进行故障检测和隔离,以减少因为故障引起制动系统性能下降,避免安全事故的发生。
附图说明
图1是本发明实施例所述机车电空制动系统的结构示意图;
图2是本发明实施例所述机车电空制动系统压力传感器的故障诊断方法原理框图;
图3是本发明实施例所述机车电空制动系统压力传感器的故障诊断方法的实现步骤图;
图4是本发明实施例所述机车电空制动系统压力传感器的故障诊断方法进行在线故障诊断的流程框图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例以本发明的技术方案为依据开展,给出了详细的实施方式和具体的操作过程,对本发明的技术方案作进一步解释说明。
本发明实施例提供一种机车电空制动系统压力传感器的故障诊断方法,应用于机车电空制动系统,该机车电空制动系统包括气路子路和制动控制系统;所述气路子系统用来实现列车管的空气压力调节,从而改变制动力;所述制动控制系统通过采集司机的控制命令来实现对均衡风缸压力的控制。
气路子系统由空气压缩机、气路管、总风容器、减压阀、均衡风缸、制动阀、缓解阀、中继阀、列车管等组成。
如图1所示,空气压缩机用来提供高压的压缩空气,总风容器用来存储压缩空气,减压阀将压缩空气压力减少到650kPa的绝对压力;该电空制动系统有缓解,稳压和制动这三种工作模式;在缓解过程中:缓解阀闭合后,经减压阀减压后的缩空气流入到均衡风缸,均衡风缸中的气压在制动控制系统的预设控制算法作用下上升到设定值;缓解过程完成之后,制动系统进入稳压运行过程,在该过程中均衡风缸的压力保持稳定;当司机进行制动操作时,在制动过程中:制动阀闭合后,均衡风缸向大气中排气,在控制算法的作用下均衡风缸中的气压下降到设定值;气路管用于将各部分连通起来,总风容器、均衡风缸和列车管通过中继阀连接起来;中继阀的作用是使列车管中的压力跟随均衡风缸中的压力变化。所述制动阀和缓解阀是电磁阀,其额定工作电压为24V。
制动控制系统由控制板、模拟量输入输出板(AIAO)、压力传感器和电源组成,控制板与模拟量输入输出板之间通过双口RAM交换数据。
在本实施例中,制动控制系统在总风容器设置1个压力传感器,在均衡风缸设置2个压力传感器,在列车管设置1个压力传感器;模拟量输入板将各压力传感器输出的电流值转化成相对压力输出给控制板;模拟量输入板采集司机对制动系统的操作命令,计算到设定的压力目标值;控制板根据压力目标值以及压力传感器反馈的相对压力值,运行控制算法,并通过模拟量输出板输出PWM波以控制制动阀和缓解阀的开闭,使均衡风缸的压力与设定的压力目标值相同。
当司机执行缓解操作时,模拟量输出板输出PWM波控制缓解阀闭合,均衡风缸中的压力上升至设定的压力目标值;当司机执行制动操作时,模拟量输出板输出PWM波控制制动阀闭合,均衡风缸中的压缩空气排到大气,其压力减小到设定的压力目标值;在稳压运行模式下不输出PWM波,缓解阀和制动阀都断开,均衡风缸中的压力保持稳定。
所述控制板还用于实现本实施例所述的机车电空制动系统压力传感器的故障诊断方法,该方法如图2-4所示,包括以下步骤:
步骤S1,在机车电空制动系统无故障时,分别进行制动、缓解和稳压运行操作;记录均衡风缸和列车管的压力传感器在制动、缓解和稳压每种工作模式下的压力测量数据,对每种工作模式下的2种压力测量数据进行回归分析,得到均衡风缸与列车管两者的压力在每种工作模式下的数量关系的回归分析模型;
本实施例所采用的回归分析方法为梯度提升决策树(GBDT);在电空制动系统无故障的时候分别进行制动,缓解和稳压运行操作,并记录操作过程中均衡风缸压力传感器1、均衡风缸压力传感器2和列车管压力传感器的测量数据;对得到的压力测量数据进行去噪处理,然后根据操作模式把数据划分成三部分:制动过程数据,缓解过程数据以及稳压运行数据;对同一工作模式下均衡风缸和列车管的压力测量数据,使用梯度提升决策树拟合它们之间的数量关系,以确定均衡风缸和列车管在制动、缓解以及稳压运行每种工作模式下的压力测量数据关系。
步骤S2,在机车电空制动系统的压力传感器故障未知时,任意执行制动、缓解或稳压运行操作,实时采集均衡风缸的2个压力传感器和列车管的1个压力传感器在当前工作模式下的压力测量数据,得到均衡风缸的2个压力测量数据和列车管的1个压力测量数据;使用均衡风缸与列车管两者的压力在当前工作模式下的数量关系的回归分析模型,将列车管的1个压力测量数据转换为均衡风缸的1个压力测量数据;
步骤S3,使用自适应加权数据融合方法,对均衡风缸的3个压力测量数据按以下公式进行融合计算,得到均衡风缸的压力融合数据;其中自适应加权数据融合方法的计算公式为:
其中,Se(t)为均衡风缸在t时刻的压力融合值,Si(t)为第i个传感器在t时刻对均衡风缸的压力测量数据,Wi(t)表示第i个传感器在t时刻的权重,由传感器的精度按以下公式确定:
ri(t)=g*ri(t-1)+(1-g)|Si(t)-2Se(t-1)+Se(t-2)|;
其中,是第i个传感器在t时刻的未归一化权重,ri(t)用来衡量传感器的测量精度,传感器的精度越高ri(t)越小;g∈(0,1],g是一个权重系数,引入g是为了根据传感器当前的测量误差动态的调整ri(t);本实施例依据每个传感器的测量精度,经过多次试验尝试,取g=0.8。
步骤S4,将均衡风缸的3个压力测量数据,分别减去均衡风缸的压力融合数据,计算得到与3个压力传感器对应的残差值;
步骤S5,对每个传感器进行故障诊断:若压力传感器对应的残差值大于阈值,则该压力传感器故障;否则该压力传感器在当前工作模式下无故障。
为减少误报的可能性,阈值设置为将误报率限制在1%以内,即:在设置阈值时,由若干残差组成的训练数据集中,使其中至少99%的数据均低于阈值。
在更优的实施例中,所有压力传感器均以预设频率进行压力数据测量,因此该步骤S4得到各传感器对应的残差序列;在执行步骤S5时,若压力传感器对应的残差序列中连续3个残差值大于阈值,则判断该压力传感器故障,否则该压力传感器在当前工作模式下无故障。的压力在每种工作模式下的数量关系的回归分析模型在更优的实施例中,当判断得到某个压力传感器故障时,再进一步判断该压力传感器的故障类型:若压力传感器对应的残差序列在某个固定值附近波动,则该压力传感器发生偏置故障;若传感器对应的残差序列随时间变化超过预设值,即波动较大,则该压力传感器发生漂移故障。
在更优的实施例中,如果判断得到某个压力传感器在某种工作模式下无故障,再进一步判断其在其他工作模式下是否故障,如果该压力传感器在每种工作模式下均无故障,则判断该压力传感器正常。
本发明还提供一种机车电空制动系统压力传感器的故障诊断装置,是与上述实施例所述的故障诊断方法相对应装置类实施例,包括:压力关系回归模型确定模块、压力测量数据获取模块、压力融合数据计算模块、残差值计算模块和故障诊断模块;
所述压力关系回归模型确定模块用于:在机车电空制动系统无故障时,分别进行制动、缓解和稳压运行操作;记录均衡风缸和列车管的压力传感器在制动、缓解和稳压每种工作模式下的压力测量数据,并对每种工作模式下的2种压力测量数据进行回归分析,得到均衡风缸与列车管两者的压力在每种工作模式下的数量关系的回归分析模型;
所述压力测量数据获取模块用于:在机车电空制动系统的压力传感器故障未知时,任意执行制动、缓解和/或稳压运行操作,实时采集均衡风缸的M个压力传感器和列车管的N个压力传感器在当前工作模式下的压力测量数据,得到均衡风缸的M个压力测量数据和列车管的N个压力测量数据;使用均衡风缸与列车管两者的压力在当前工作模式下的数量关系的回归分析模型,将列车管的N个压力测量数据转换为均衡风缸的N个压力测量数据;
所述压力融合数据计算模块用于:使用自适应加权数据融合方法,对均衡风缸的M+N个压力测量数据进行融合计算,得到均衡风缸的压力融合数据;
所述残差值计算模块用于:将均衡风缸的所有压力测量数据,分别减去均衡风缸的压力融合数据,计算得到与各压力传感器对应的残差值;
所述故障诊断模块用于:对每个传感器进行故障诊断:若压力传感器对应的残差值大于阈值,则该压力传感器故障;否则该压力传感器在当前工作模式下无故障。
本发明还提供一种机车电空制动系统,包括气路子系统和制动控制系统,所述制动控制系统包括:设置于气路子系统的均衡风缸和列车管的压力传感器以及用于实现上述实施例方法的控制板。
综上所述,针对列车电空制动系统的复杂组成结构和工作机制,本发明使用数据驱动的方法,在缓解、制动和稳压运行过程中检测和隔离电空制动系统的压力传感器故障。本发明依据制动系统中被测量之间的相互联系,通过回归分析方法确定均衡风缸压力和列车管压力之间的定量关系,避免了建立电空制动系统精确机理模型的难题;本发明使用多传感器数据融合方法融合多个传感器的测量值来计算均衡风缸压力,根据融合计算值和每个测量值之间的残差来进行传感器故障检测和识别,能快速地进行电空制动系统压力传感器故障检测和隔离,避免电空制动系统因为传感器故障而导致性能下降,同时减少安全事故的发生。
以上实施例为本申请的优选实施例,本领域的普通技术人员还可以在此基础上进行各种变换或改进,在不脱离本申请总的构思的前提下,这些变换或改进都应当属于本申请要求保护的范围之内。
Claims (10)
1.一种机车电空制动系统压力传感器的故障诊断方法,其特征在于,包括以下步骤:
步骤S1,在机车电空制动系统无故障时,分别进行制动、缓解和稳压运行操作;记录均衡风缸和列车管的压力传感器在制动、缓解和稳压每种工作模式下的压力测量数据,并对每种工作模式下的2个压力测量数据进行回归分析,得到均衡风缸与列车管两者的压力在每种工作模式下的数量关系的回归分析模型;
步骤S2,在机车电空制动系统的压力传感器故障未知时,任意执行制动、缓解和稳压运行操作,实时采集均衡风缸的M个压力传感器和列车管的N个压力传感器在当前工作模式下的压力测量数据,得到均衡风缸的M个压力测量数据和列车管的N个压力测量数据;使用均衡风缸与列车管两者的压力在当前工作模式下的数量关系的回归分析模型,将列车管的N个压力测量数据转换为均衡风缸的N个压力测量数据;
步骤S3,使用自适应加权数据融合方法,对均衡风缸的M+N个压力测量数据进行融合计算,得到均衡风缸的压力融合数据;
步骤S4,将均衡风缸的所有压力测量数据,分别减去均衡风缸的压力融合数据,计算得到与各压力传感器对应的残差值;
步骤S5,对每个传感器进行故障诊断:若压力传感器对应的残差值大于阈值,则该压力传感器故障;否则该压力传感器在当前工作模式下无故障。
2.根据权利要求1所述的方法,其特征在于,采用梯度提升决策树进行回归分析。
3.根据权利要求1所述的方法,其特征在于,所有压力传感器均以预设频率进行压力数据测量,步骤S4得到各传感器对应的残差序列;在执行步骤S5时,若压力传感器对应的残差序列中连续3个残差值大于阈值,则判断该压力传感器故障,否则该压力传感器在当前工作模式下无故障。
4.根据权利要求3所述的方法,其特征在于,当判断得到压力传感器故障时,还包括判断该压力传感器的故障类型:若压力传感器对应的残差序列在某个固定值附近波动,则该压力传感器发生偏置故障;若传感器对应的残差序列随时间变化超过预设值,则该压力传感器发生漂移故障。
5.根据权利要求1所述的方法,其特征在于,若压力传感器在每种工作模式下均无故障,则该压力传感器正常。
8.根据权利要求1所述的方法,其特征在于,M=2,N=1。
9.一种机车电空制动系统压力传感器的故障诊断装置,其特征在于,包括:压力关系回归模型确定模块、压力测量数据获取模块、压力融合数据计算模块、残差值计算模块和故障诊断模块;
所述压力关系回归模型确定模块用于:在机车电空制动系统无故障时,分别进行制动、缓解和稳压运行操作;记录均衡风缸和列车管的压力传感器在制动、缓解和稳压每种工作模式下的压力测量数据,并对每种工作模式下的2种压力测量数据进行回归分析,得到均衡风缸与列车管两者的压力在每种工作模式下的数量关系的回归分析模型;
所述压力测量数据获取模块用于:在机车电空制动系统的压力传感器故障未知时,任意执行制动、缓解和/或稳压运行操作,实时采集均衡风缸的M个压力传感器和列车管的N个压力传感器在当前工作模式下的压力测量数据,得到均衡风缸的M个压力测量数据和列车管的N个压力测量数据;使用均衡风缸与列车管两者的压力在当前工作模式下的数量关系的回归分析模型,将列车管的N个压力测量数据转换为均衡风缸的N个压力测量数据;
所述压力融合数据计算模块用于:使用自适应加权数据融合方法,对均衡风缸的M+N个压力测量数据进行融合计算,得到均衡风缸的压力融合数据;
所述残差值计算模块用于:将均衡风缸的所有压力测量数据,分别减去均衡风缸的压力融合数据,计算得到与各压力传感器对应的残差值;
所述故障诊断模块用于:对每个传感器进行故障诊断:若压力传感器对应的残差值大于阈值,则该压力传感器故障;否则该压力传感器在当前工作模式下无故障。
处理器和存储器,所述存储器存储有计算机程序,其中,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1-8中任一项所述的方法。
10.一种机车电空制动系统,其特征在于,包括气路子系统和制动控制系统,所述制动控制系统包括:设置于气路子系统的均衡风缸和列车管的压力传感器以及用于实现权利要求1-8任一所述方法的控制板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010099847.5A CN111238725A (zh) | 2020-02-18 | 2020-02-18 | 电空制动系统压力传感器的故障诊断方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010099847.5A CN111238725A (zh) | 2020-02-18 | 2020-02-18 | 电空制动系统压力传感器的故障诊断方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111238725A true CN111238725A (zh) | 2020-06-05 |
Family
ID=70874938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010099847.5A Pending CN111238725A (zh) | 2020-02-18 | 2020-02-18 | 电空制动系统压力传感器的故障诊断方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111238725A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112248998A (zh) * | 2020-10-23 | 2021-01-22 | 中车株洲电力机车有限公司 | 一种均衡风缸故障检测、导向方法及故障检测、导向装置 |
CN112345127A (zh) * | 2020-09-30 | 2021-02-09 | 北京自动化控制设备研究所 | 一种双芯体复合硅压阻压力传感器数据融合方法 |
CN112665772A (zh) * | 2020-12-15 | 2021-04-16 | 神华铁路装备有限责任公司 | 列车管巡检系统及25t轴重铝合金煤炭漏斗车系统 |
CN113514262A (zh) * | 2021-07-15 | 2021-10-19 | 中车青岛四方机车车辆股份有限公司 | 一种制动功能测试方法、系统、存储介质及设备 |
CN114046931A (zh) * | 2021-11-01 | 2022-02-15 | 柳州机车车辆有限公司 | 轨道车辆制动压力传感器检测方法 |
CN114537361A (zh) * | 2022-03-22 | 2022-05-27 | 中车制动系统有限公司 | 制动控制系统部件故障预测方法 |
CN114942095A (zh) * | 2022-06-06 | 2022-08-26 | 山东省计量科学研究院 | 一种压力自动检测系统及方法 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10240492A1 (de) * | 2002-09-03 | 2004-03-11 | Robert Bosch Gmbh | Verfahren zur Kalibrierung der Zylindersensorik einer zylinderindividuell betriebenen Brennkraftmaschine insbesondere eines Kraftfahrzeugs |
CN101323310A (zh) * | 2008-07-22 | 2008-12-17 | 南车株洲电力机车有限公司 | 用于机车电空制动机的制动控制单元 |
US7726281B2 (en) * | 2006-05-11 | 2010-06-01 | Gm Global Technology Operations, Inc. | Cylinder pressure sensor diagnostic system and method |
CN102009646A (zh) * | 2010-12-02 | 2011-04-13 | 南车株洲电力机车有限公司 | 一种用于蓄电池电力工程车制动系统分配阀的控制系统 |
CN102324034A (zh) * | 2011-05-25 | 2012-01-18 | 北京理工大学 | 基于最小二乘支持向量机在线预测的传感器故障诊断方法 |
CN102589908A (zh) * | 2012-01-19 | 2012-07-18 | 中南大学 | 一种ccbii制动机单个模块故障检测装置 |
CN103112443A (zh) * | 2012-11-13 | 2013-05-22 | 中国神华能源股份有限公司 | 一种制动控制设备、方法和多机车制动控制系统 |
CN103776654A (zh) * | 2014-02-21 | 2014-05-07 | 黑龙江省科学院自动化研究所 | 多传感器信息融合的故障诊断方法 |
CN104180845A (zh) * | 2014-09-16 | 2014-12-03 | 哈尔滨恒誉名翔科技有限公司 | 水下无人航行器传感器状态诊断与信号恢复方法 |
CN105318905A (zh) * | 2014-12-30 | 2016-02-10 | 国家电网公司 | 一种火电厂热力系统传感器故障诊断方法 |
CN105737876A (zh) * | 2014-12-08 | 2016-07-06 | 哈尔滨米米米业科技有限公司 | 水下自主潜器传感器状态诊断与信号恢复系统 |
CN107061852A (zh) * | 2015-10-29 | 2017-08-18 | 阿自倍尔株式会社 | 定位器及诊断方法 |
CN107168205A (zh) * | 2017-06-07 | 2017-09-15 | 南京航空航天大学 | 一种民机空调系统在线健康监测数据采集与分析方法 |
CN107521374A (zh) * | 2017-08-21 | 2017-12-29 | 合肥君信信息科技有限公司 | 电动汽车刹车真空泵传感器的诊断及处理方法 |
CN107544459A (zh) * | 2017-09-05 | 2018-01-05 | 北京控制工程研究所 | 一种控制系统的多重故障诊断优化方法 |
CN107703920A (zh) * | 2017-10-25 | 2018-02-16 | 北京交通大学 | 基于多元时间序列的列车制动系统的故障检测方法 |
CN107942653A (zh) * | 2017-10-30 | 2018-04-20 | 南京航空航天大学 | 航空电动燃油泵流量控制系统传感器故障鲁棒容错方法 |
CN109109909A (zh) * | 2018-08-06 | 2019-01-01 | 江西理工大学 | 悬挂式磁悬浮列车服役状态采集与数据融合方法及系统 |
CN109383483A (zh) * | 2017-08-04 | 2019-02-26 | 中车大同电力机车有限公司 | 一种检测电力机车制动缸压力异常的方法 |
CN109948169A (zh) * | 2017-12-20 | 2019-06-28 | 中国中车股份有限公司 | 一种铁路货车故障预测与健康管理系统 |
CN110293949A (zh) * | 2019-06-06 | 2019-10-01 | 山东科技大学 | 一种高速列车空气制动系统微小故障检测方法 |
CN110763253A (zh) * | 2019-10-09 | 2020-02-07 | 哈尔滨工程大学 | 一种基于svr的组合导航系统故障诊断方法 |
-
2020
- 2020-02-18 CN CN202010099847.5A patent/CN111238725A/zh active Pending
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10240492A1 (de) * | 2002-09-03 | 2004-03-11 | Robert Bosch Gmbh | Verfahren zur Kalibrierung der Zylindersensorik einer zylinderindividuell betriebenen Brennkraftmaschine insbesondere eines Kraftfahrzeugs |
US7726281B2 (en) * | 2006-05-11 | 2010-06-01 | Gm Global Technology Operations, Inc. | Cylinder pressure sensor diagnostic system and method |
CN101323310A (zh) * | 2008-07-22 | 2008-12-17 | 南车株洲电力机车有限公司 | 用于机车电空制动机的制动控制单元 |
CN102009646A (zh) * | 2010-12-02 | 2011-04-13 | 南车株洲电力机车有限公司 | 一种用于蓄电池电力工程车制动系统分配阀的控制系统 |
CN102324034A (zh) * | 2011-05-25 | 2012-01-18 | 北京理工大学 | 基于最小二乘支持向量机在线预测的传感器故障诊断方法 |
CN102589908A (zh) * | 2012-01-19 | 2012-07-18 | 中南大学 | 一种ccbii制动机单个模块故障检测装置 |
CN103112443A (zh) * | 2012-11-13 | 2013-05-22 | 中国神华能源股份有限公司 | 一种制动控制设备、方法和多机车制动控制系统 |
CN103776654A (zh) * | 2014-02-21 | 2014-05-07 | 黑龙江省科学院自动化研究所 | 多传感器信息融合的故障诊断方法 |
CN104180845A (zh) * | 2014-09-16 | 2014-12-03 | 哈尔滨恒誉名翔科技有限公司 | 水下无人航行器传感器状态诊断与信号恢复方法 |
CN105737876A (zh) * | 2014-12-08 | 2016-07-06 | 哈尔滨米米米业科技有限公司 | 水下自主潜器传感器状态诊断与信号恢复系统 |
CN105318905A (zh) * | 2014-12-30 | 2016-02-10 | 国家电网公司 | 一种火电厂热力系统传感器故障诊断方法 |
CN107061852A (zh) * | 2015-10-29 | 2017-08-18 | 阿自倍尔株式会社 | 定位器及诊断方法 |
CN107168205A (zh) * | 2017-06-07 | 2017-09-15 | 南京航空航天大学 | 一种民机空调系统在线健康监测数据采集与分析方法 |
CN109383483A (zh) * | 2017-08-04 | 2019-02-26 | 中车大同电力机车有限公司 | 一种检测电力机车制动缸压力异常的方法 |
CN107521374A (zh) * | 2017-08-21 | 2017-12-29 | 合肥君信信息科技有限公司 | 电动汽车刹车真空泵传感器的诊断及处理方法 |
CN107544459A (zh) * | 2017-09-05 | 2018-01-05 | 北京控制工程研究所 | 一种控制系统的多重故障诊断优化方法 |
CN107703920A (zh) * | 2017-10-25 | 2018-02-16 | 北京交通大学 | 基于多元时间序列的列车制动系统的故障检测方法 |
CN107942653A (zh) * | 2017-10-30 | 2018-04-20 | 南京航空航天大学 | 航空电动燃油泵流量控制系统传感器故障鲁棒容错方法 |
CN109948169A (zh) * | 2017-12-20 | 2019-06-28 | 中国中车股份有限公司 | 一种铁路货车故障预测与健康管理系统 |
CN109109909A (zh) * | 2018-08-06 | 2019-01-01 | 江西理工大学 | 悬挂式磁悬浮列车服役状态采集与数据融合方法及系统 |
CN110293949A (zh) * | 2019-06-06 | 2019-10-01 | 山东科技大学 | 一种高速列车空气制动系统微小故障检测方法 |
CN110763253A (zh) * | 2019-10-09 | 2020-02-07 | 哈尔滨工程大学 | 一种基于svr的组合导航系统故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
(德)ROLF ISERMANN: "《应用故障诊断学》", 30 September 2017, 国防工业出版社 * |
李媛媛等: "《多传感器自适应加权融合算法及其应用研究》", 《自动化与仪器仪表》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112345127A (zh) * | 2020-09-30 | 2021-02-09 | 北京自动化控制设备研究所 | 一种双芯体复合硅压阻压力传感器数据融合方法 |
CN112248998A (zh) * | 2020-10-23 | 2021-01-22 | 中车株洲电力机车有限公司 | 一种均衡风缸故障检测、导向方法及故障检测、导向装置 |
CN112665772A (zh) * | 2020-12-15 | 2021-04-16 | 神华铁路装备有限责任公司 | 列车管巡检系统及25t轴重铝合金煤炭漏斗车系统 |
CN113514262A (zh) * | 2021-07-15 | 2021-10-19 | 中车青岛四方机车车辆股份有限公司 | 一种制动功能测试方法、系统、存储介质及设备 |
CN113514262B (zh) * | 2021-07-15 | 2024-05-24 | 中车青岛四方机车车辆股份有限公司 | 一种制动功能测试方法、系统、存储介质及设备 |
CN114046931A (zh) * | 2021-11-01 | 2022-02-15 | 柳州机车车辆有限公司 | 轨道车辆制动压力传感器检测方法 |
CN114046931B (zh) * | 2021-11-01 | 2024-04-12 | 柳州机车车辆有限公司 | 轨道车辆制动压力传感器检测方法 |
CN114537361A (zh) * | 2022-03-22 | 2022-05-27 | 中车制动系统有限公司 | 制动控制系统部件故障预测方法 |
CN114942095A (zh) * | 2022-06-06 | 2022-08-26 | 山东省计量科学研究院 | 一种压力自动检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111238725A (zh) | 电空制动系统压力传感器的故障诊断方法、装置及系统 | |
CN105204496B (zh) | 动车组空气制动控制系统传感器故障诊断的方法与系统 | |
CN107608335B (zh) | 无人机飞行控制系统故障检测与故障分离的数据驱动方法 | |
CN110224160B (zh) | 一种燃料电池系统故障诊断方法 | |
US20170069145A1 (en) | Health Monitoring of an Actuator in a Flying Device | |
USRE45815E1 (en) | Method for simplified real-time diagnoses using adaptive modeling | |
Yung et al. | Local sensor validation | |
CN108490923A (zh) | 用于电气牵引系统的微小故障检测与定位的系统设计方法 | |
CN109187060B (zh) | 列车速度传感器信号异常检测及轴抱死故障诊断方法 | |
CN111780800A (zh) | 一种传感器故障的监测、隔离以及重构方法和系统 | |
CN114994543A (zh) | 储能电站电池故障诊断方法、装置及存储介质 | |
CN113581253A (zh) | 电空道岔转辙机的状态确定方法和装置 | |
Sang et al. | Incipient fault detection for air brake system of high-speed trains | |
CN109883598B (zh) | 一种轨道机车牵引力的检测方法 | |
CN117289045A (zh) | 用于预测避雷器剩余寿命的方法、装置及存储介质 | |
CN110889646A (zh) | 一种适应工况变化的发电机组运行参数正确性检验的方法 | |
CN205655971U (zh) | 用于检测构架气室气密性的试验装置 | |
CN112231849B (zh) | 基于nest和sprt融合算法的轴温故障检测方法 | |
CN103235206A (zh) | 一种变压器的故障诊断方法 | |
CN115358294A (zh) | 一种高速列车牵引系统的微小故障检测方法 | |
Lu et al. | A data-based approach for sensor fault detection and diagnosis of Electro-Pneumatic brake | |
CN110531163B (zh) | 一种磁浮列车悬浮斩波器母线电容状态监测方法 | |
CN109115520B (zh) | 一种智能车门密封调节系统的试验台架及测试方法 | |
CN109388510B (zh) | 一种人机系统任务可靠性分析方法及装置 | |
CN115127785A (zh) | 电控气动制动机的状态检测方法、装置、设备及存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200605 |
|
WD01 | Invention patent application deemed withdrawn after publication |