CN112611970A - 一种基于pca统计量的电机械夹钳故障检测方法 - Google Patents
一种基于pca统计量的电机械夹钳故障检测方法 Download PDFInfo
- Publication number
- CN112611970A CN112611970A CN202011339100.9A CN202011339100A CN112611970A CN 112611970 A CN112611970 A CN 112611970A CN 202011339100 A CN202011339100 A CN 202011339100A CN 112611970 A CN112611970 A CN 112611970A
- Authority
- CN
- China
- Prior art keywords
- statistics
- mean
- fault detection
- data
- pca
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 230000005284 excitation Effects 0.000 claims 1
- 238000003745 diagnosis Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Electric Motors In General (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明公开了一种基于PCA统计量的电机械夹钳故障检测方法。该方法是一种在线的故障检测方法。对于实际电机采集的正常工况的电流、转速等数据,首先采用PCA算法计算正常工况下的T2和SPE统计量控制限;然后对于实际车辆采集的实时数据,计算该数据的两统计量,并与对应的控制限比较,判断是否大于控制限,若大于,则判定该样本故障。该方法可以快速的判断电机是否出现故障,提高了制动系统的可用性,保障了行车安全。
Description
技术领域
本发明涉及一种基于PCA统计量的电机械夹钳故障检测方法,属于数据驱动的故障诊断与故障检测领域。
背景技术
列车制动系统是整车运行的关键系统之一,由于制动系统故障导致高速运行的列车发生事故,带来的生命财产损失将是不可估量的。因此,列车制动系统的故障诊断与检测对于降低轨道交通事故具有重要的作用与意义。
目前,采用一种新型的电机械夹钳技术来实现列车制动,其工作原理为:前端施加电压带动力矩电机的转动,通过某一执行机构实现力矩电机的减速和增矩,同时该机构将电机的转动力转化为推动力施加到夹钳上,从而实现制动。力矩电机一旦出现故障,可能会导致严重问题。然而,现有的制动系统故障诊断多以简单的逻辑判断来实现,该方式的缺点是故障发生到一定程度才能检测出来,此时可能会造成列车晚点,甚至更严重的后果。因此,可以采用数据驱动的故障检测算法,通过分析电机的输入电压、电流、转速等特征,对电机可能出现的故障进行提前预警,方便维护人员有充足的时间进行处理和维护。
发明内容
本发明所要解决的技术问题是,针对电夹钳,提供一种基于PCA统计量的电机械夹钳故障检测方法,采用PCA算法进行处理,构造统计量,快速的判断出样本是否故障,方便维护人员及时作出相应的处理,降低维护成本。
为了解决上述技术问题,本发明提供的一种基于PCA统计量的电机械夹钳故障检测方法是通过以下技术方案实现的:
一种基于PCA统计量的电机械夹钳故障检测方法,所述方法包括以下过程:首先,收集正常工况的历史数据,并对收集的数据进行标准化处理;然后,对于标准化后的数据进行主成分分析,得到的模型参数用来计算T2和SPE统计量的控制限;接着,对于新来的数据,采用正常工况的均值和标准差进行标准化处理;最后,计算新来样本的T2和SPE统计量,并于对应的控制限比较,若其中任一统计量大于控制限,则判断该样本故障,否则,认为该样本正常。
本发明方法可以快速的判断电机是否出现故障,提高了制动系统的可用性,保障了行车安全。
附图说明
下面结合附图对本发明作进一步的说明。
图1是基于PCA统计量的电机械夹钳故障检测方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
下面结合图1所示,对本发明做进一步详述:
步骤1:收集实际运行时正常工况的电机数据X0{xi∈Rm,i=1,2…n}。其中n表示样本个数,m表示样本维数,即特征变量的个数。本发明采集的特征为电机的输入电压、电枢电流、励磁电流、转速和施加到夹钳上的制动力,故样本维数m=5。
步骤2:对正常工况的离线数据进行标准化(Standardization)处理,处理方式如公式(1)所示:
其中,meanj表示第j维特征的均值,stdj表示第j维特征的标准差,j的取值范围为1-5,历史数据的均值为mean={mean1,...meanj,...meanm},历史数据的标准差为std={std1,...stdj,...stdm}。
其中,T=[t1,t2…tm]∈Rn×m是得分矩阵,P=[p1,p2…pm]∈Rm×m是载荷矩阵,主元ti为数据X在投影轴pi上的投影,且同时要求pi为单位正交向量,即满足:
通过拉格朗日乘子法建立目标函数:
步骤4:计算T2统计量和SPE统计量的控制限,控制限的计算方式如下:
其中,α表示犯第一类错误的概率,Cα表示在α条件下服从均值为0,方差为1的正态分布阈值,Fα(k,n-k)表示在α条件下服从第一自由度为k,第二自由度为n-k的F分布阈值,k表示保留的主元个数,一般选取贡献率contk为85%或者90%对应的k值,累计贡献率的公式如下:
步骤5:对于实际列车运行采集的电机数据xq,采用步骤2中正常工况数据的均值mean和标准差std进行标准化处理:
式中,xqj表示实际列车运行采集到的第q个电机数据的第j维特征数据,j的取值范围为1-5。
步骤6:计算标准化后每个样本的T2统计量和SPE统计量,统计量的计算公式如下:
步骤7:将步骤6计算出的统计量与步骤4中的控制限比较,若任一个统计量大于对应的控制限,该样本故障,否则该样本正常。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (5)
1.一种基于PCA统计量的电机械夹钳故障检测方法,其特征在于包含以下步骤:
步骤1、收集实际运行时正常工况的电机数据X0{xi∈Rm,i=1,2…n},其中n表示样本个数,m表示样本维数;
步骤2、对正常工况的历史数据进行标准化处理,得到标准化后的数据历史数据的均值为mean={mean1,...meanj,...meanm},历史数据的标准差为std={std1,...stdj,...stdm};
步骤4:计算T2统计量的控制限Tα和SPE统计量的控制限SPEα,计算公式如下:
Cα=Nα(0,1)
其中,α表示犯第一类错误的概率,Cα表示在α条件下服从均值为0,方差为1的正态分布阈值,Fα(k,n-k)表示在α条件下服从第一自由度为k,第二自由度为n-k的F分布阈值,k表示保留的主元个数;
步骤5:对于实际列车运行采集的电机数据xq={xq1,...xqj,...xqm},采用步骤2中正常工况数据的均值mean和标准差std进行标准化处理:
式中,xqj表示实际列车运行采集到的第q个电机数据的第j维特征数据,j的取值范围为1-5;
步骤6:计算步骤5标准化后每个样本的T2统计量和SPE统计量,统计量的计算公式如下:
步骤7:将步骤6计算出的统计量与步骤4中的控制限比较,若任一个统计量大于对应的控制限,该样本故障,否则该样本正常。
2.根据权利要求1所述的一种基于PCA统计量的电机械夹钳故障检测方法,其特征在于:电机数据包含电机的输入电压、电枢电流、励磁电流、转速和施加到夹钳上的制动力,样本维数m=5。
3.根据权利要求1所述的一种基于PCA统计量的电机械夹钳故障检测方法,其特征在于:允许的误报警率α取值范围为:0.01-0.05。
4.根据权利要求1所述的一种基于PCA统计量的电机械夹钳故障检测方法,其特征在于:保留的主元个数k通过累计贡献率进行选取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011339100.9A CN112611970A (zh) | 2020-11-25 | 2020-11-25 | 一种基于pca统计量的电机械夹钳故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011339100.9A CN112611970A (zh) | 2020-11-25 | 2020-11-25 | 一种基于pca统计量的电机械夹钳故障检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112611970A true CN112611970A (zh) | 2021-04-06 |
Family
ID=75225223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011339100.9A Pending CN112611970A (zh) | 2020-11-25 | 2020-11-25 | 一种基于pca统计量的电机械夹钳故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112611970A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101899563A (zh) * | 2009-06-01 | 2010-12-01 | 上海宝钢工业检测公司 | 基于pca模型的连续退火机组炉内温度、张力监测及故障追溯方法 |
CN102033200A (zh) * | 2009-09-29 | 2011-04-27 | 上海宝钢工业检测公司 | 基于统计模型的交流电机在线监测和诊断方法 |
CN107608335A (zh) * | 2017-09-14 | 2018-01-19 | 山东科技大学 | 一种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 |
CN108062565A (zh) * | 2017-12-12 | 2018-05-22 | 重庆科技学院 | 基于化工te过程的双主元-动态核主元分析故障诊断方法 |
CN108845227A (zh) * | 2018-04-26 | 2018-11-20 | 广东电网有限责任公司 | 一种对高压电缆进行故障预警的方法 |
CN109001492A (zh) * | 2018-06-19 | 2018-12-14 | 南京中车浦镇海泰制动设备有限公司 | 一种列车轴速度传感器故障诊断方法 |
CN109240276A (zh) * | 2018-11-09 | 2019-01-18 | 江南大学 | 基于故障敏感主元选择的多块pca故障监测方法 |
CN109459993A (zh) * | 2018-12-06 | 2019-03-12 | 湖南师范大学 | 一种流程工业过程在线自适应故障监测与诊断方法 |
CN110032167A (zh) * | 2019-02-26 | 2019-07-19 | 中国西安卫星测控中心 | 基于局部线性嵌入的卫星姿态控制系统微小故障检测方法 |
CN111208427A (zh) * | 2020-04-23 | 2020-05-29 | 湖南中车时代通信信号有限公司 | 一种牵引电机故障诊断方法及装置 |
-
2020
- 2020-11-25 CN CN202011339100.9A patent/CN112611970A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101899563A (zh) * | 2009-06-01 | 2010-12-01 | 上海宝钢工业检测公司 | 基于pca模型的连续退火机组炉内温度、张力监测及故障追溯方法 |
CN102033200A (zh) * | 2009-09-29 | 2011-04-27 | 上海宝钢工业检测公司 | 基于统计模型的交流电机在线监测和诊断方法 |
CN107608335A (zh) * | 2017-09-14 | 2018-01-19 | 山东科技大学 | 一种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 |
CN108062565A (zh) * | 2017-12-12 | 2018-05-22 | 重庆科技学院 | 基于化工te过程的双主元-动态核主元分析故障诊断方法 |
CN108845227A (zh) * | 2018-04-26 | 2018-11-20 | 广东电网有限责任公司 | 一种对高压电缆进行故障预警的方法 |
CN109001492A (zh) * | 2018-06-19 | 2018-12-14 | 南京中车浦镇海泰制动设备有限公司 | 一种列车轴速度传感器故障诊断方法 |
CN109240276A (zh) * | 2018-11-09 | 2019-01-18 | 江南大学 | 基于故障敏感主元选择的多块pca故障监测方法 |
CN109459993A (zh) * | 2018-12-06 | 2019-03-12 | 湖南师范大学 | 一种流程工业过程在线自适应故障监测与诊断方法 |
CN110032167A (zh) * | 2019-02-26 | 2019-07-19 | 中国西安卫星测控中心 | 基于局部线性嵌入的卫星姿态控制系统微小故障检测方法 |
CN111208427A (zh) * | 2020-04-23 | 2020-05-29 | 湖南中车时代通信信号有限公司 | 一种牵引电机故障诊断方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111351664B (zh) | 一种基于lstm模型的轴承温度预测和报警诊断方法 | |
CN109318716B (zh) | 一种牵引电机轴温监测报警控制方法、系统及相关装置 | |
EP3882725A1 (en) | Method and system for real-time and reliable autonomous vehicle fault diagnosis and protection | |
DE102017107849A1 (de) | Systeme und Verfahren zur Fehlereingrenzung für ein elektromotorisches Bremsassistenzsystem | |
CN111731105B (zh) | 车辆防抱死能量回收控制方法及装置 | |
US20200156680A1 (en) | Railway vehicle major component and system diagnosis apparatus | |
CN112987687A (zh) | 一种云-端融合的智能线控底盘健康监测系统及方法 | |
CN112630655A (zh) | 一种抱闸状态检测方法、装置、系统及控制器 | |
CN112348078A (zh) | 一种具有亚健康预诊断及故障类型聚类功能的门机控制器 | |
CN108319780A (zh) | 基于数据驱动的电气牵引系统故障检测方法 | |
CN112611970A (zh) | 一种基于pca统计量的电机械夹钳故障检测方法 | |
CN112434979B (zh) | 道岔系统健康评估方法 | |
CN112990329A (zh) | 一种系统异常诊断方法和装置 | |
DE102019203816B4 (de) | Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs eines Fahrrads, Computerprogramm, Speichermedium und Fahrrad | |
CN114347803B (zh) | 一种新能源车辆扭矩安全监控及处理方法 | |
CN116674380A (zh) | 一种适用于汽车工业与智能制造电驱动方法及系统 | |
CN113642101B (zh) | 一种液压助力转向器故障诊断方法及装置 | |
CN110084500A (zh) | 基于安全树概率和安全重要度的电动车辆安全控制方法和电动车辆 | |
CN114114906B (zh) | 一种磁轴承系统及其控制方法、装置、存储介质及处理器 | |
CN114021452A (zh) | 城轨车辆车门电机性能检测和评价方法 | |
CN110525218B (zh) | 一种氢燃料电池汽车的电机控制策略 | |
CN109855855B (zh) | 高速列车闭环刹车制动系统间歇故障检测方法 | |
Namburu et al. | Fault detection, diagnosis, and data-driven modeling in HVAC chillers | |
KR20220090980A (ko) | 철도 차량의 도어의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치 | |
CN110576753A (zh) | 一种氢燃料电池汽车的电机控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210406 |
|
RJ01 | Rejection of invention patent application after publication |