CN112660094B - 列车制动系统的状态检测方法及装置 - Google Patents
列车制动系统的状态检测方法及装置 Download PDFInfo
- Publication number
- CN112660094B CN112660094B CN201910977722.5A CN201910977722A CN112660094B CN 112660094 B CN112660094 B CN 112660094B CN 201910977722 A CN201910977722 A CN 201910977722A CN 112660094 B CN112660094 B CN 112660094B
- Authority
- CN
- China
- Prior art keywords
- train
- braking
- information
- bogie
- historical
- 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.)
- Active
Links
Images
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
- Regulating Braking Force (AREA)
Abstract
本发明提供一种列车制动系统的状态检测方法及装置,方法包括:获取列车转向架的轮对和列车车体之间的纵向相对位移信息;根据纵向相对位移信息,确定列车当前制动模式的标准制动力的残差,标准制动力为制动模式对应的制动系统正常工作时的制动力;根据列车当前制动模式的标准制动力的残差和列车的制动系统的分类阈值,确定列车的制动系统的状态;在列车的制动系统处于故障状态时上报故障信息。通过上述方式,由于列车转向架的轮对和列车车体之间的纵向相对位移信息与制动系统的制动力直接相关,提高了制动故障检测的准确率。
Description
技术领域
本发明涉及列车检测领域,尤其涉及一种列车制动系统的状态检测方法及装置。
背景技术
随着铁路列车的载重量和列车运行速度的不断提高,对列车制动系统的性能提出了很高的要求,为满足这些要求制动系统结构设计得更加复杂,由此导致列车制动系统故障越来越频繁,故障越来越难以被发现,故障定位越来越困难。
现有技术中,主要通过在途监测车钩力、车辆速度和加速度等参数,采用线性矩阵不等式(linear matrix inequality,LMI)模型建立列车制动系统模型以及列车制动系统模型相应的残差发生器和残差估计器,然后再利用分散式控制法和列车实时系统监测数据,进行残差发生器的参数标定,并以残差估计的安全阈值作为判定制动系统故障的依据。
然而,由于承载系统弹簧的存在,车钩力与制动系统作用在轮对上的制动力的大小并没有直接关系,采用检测车钩力、车辆速度和加速度与正常模式时采集的参数进行比较的残差作为制动系统故障判定的依据,对列车制动系统故障检测的准确率较低。
发明内容
本发明提供一种列车制动系统的状态检测方法及装置,以解决现有技术中对列车制动系统故障检测的准确率较低的问题。
本发明第一个方面提供一种列车制动系统的状态检测方法,包括:
获取列车转向架的轮对和列车车体之间的纵向相对位移信息;
根据所述纵向相对位移信息,确定所述列车当前制动模式的标准制动力的残差,所述标准制动力为制动模式对应的制动系统正常工作时的制动力;
根据所述列车当前制动模式的标准制动力的残差和所述列车的制动系统的分类阈值,确定所述列车的制动系统的状态;
在所述列车的制动系统处于故障状态时上报故障信息。
一种可选的实施方式中,所述根据所述纵向相对位移信息,确定所述列车当前制动模式的标准制动力的残差,包括:
根据所述纵向相对位移信息,以及,所述转向架的轮对与所述车体间的连接弹簧在纵向上的刚度,确定所述车体对所述转向架的轮对的纵向拉力;
根据所述转向架的轮对与轨道的动摩擦系数、所述列车重力的斜面分量、所述轨道的曲线阻力和所述列车的启动附加阻力,确定所述列车的总阻力;
根据所述车体对所述转向架的轮对的纵向拉力和所述列车的总阻力,确定所述转向架的轮对的制动力;
根据所述转向架的轮对的制动力和所述列车当前制动模式对应的标准制动力,确定所述列车当前制动模式的标准制动力的残差。
一种可选的实施方式中,在所述根据所述纵向相对位移信息,确定所述列车当前制动模式的标准制动力的残差之前,还包括:
获取所述列车的行驶状态信息和轨道信息;
所述根据所述纵向相对位移信息,确定所述列车当前制动模式的标准制动力的残差,包括:
将所述纵向相对位移信息、所述行驶状态信息和所述轨道信息输入神经网络模型,并获取所述神经网络模型输出的所述列车当前制动模式的标准制动力的残差,所述神经网络模型是经过历史行驶状态信息、历史轨道信息、历史纵向相对位移信息和所述列车制动系统的历史状态信息训练建立的。
一种可选的实施方式中,在所述获取列车转向架的轮对和车体之间的纵向相对位移信息之前,还包括:
获取所述列车的历史行驶状态信息、历史轨道信息、所述转向架的轮对和所述车体之间的历史纵向相对位移信息以及所述列车制动系统的历史状态信息;
将所述历史行驶状态信息、所述历史轨道信息和所述历史纵向相对位移信息作为输入特征向量,将所述列车制动系统的历史状态信息作为输出特征向量,训练所述神经网络模型。
一种可选的实施方式中,所述行驶状态信息包括以下至少一项:车速、车辆载荷、当前制动模式、牵引状态、牵引力、风缸压力;
所述轨道信息包括:轨道坡度和轨道弯曲半径。
一种可选的实施方式中,在所述获取列车转向架和车体之间的纵向相对位移信息之前,还包括:
获取所述转向架的轮对和所述车体之间的历史纵向相对位移信息;
根据所述历史纵向相对位移信息,确定不同制动模式的标准制动力的残差;
根据所述不同制动模式的标准制动力的残差分布,确定所述列车的制动系统的分类阈值。
本发明第二个方面提供一种列车制动系统的状态检测装置,包括:
第一获取模块,用于获取列车转向架的轮对和列车车体之间的纵向相对位移信息;
残差确定模块,用于根据所述纵向相对位移信息,确定所述列车当前制动模式的标准制动力的残差,所述标准制动力为制动模式对应的制动系统正常工作时的制动力;
状态确定模块,用于根据所述列车当前制动模式的标准制动力的残差和所述列车的制动系统的分类阈值,确定所述列车的制动系统的状态;
上报模块,用于在所述列车的制动系统处于故障状态时,执行故障上报。
一种可选的实施方式中,所述残差确定模块具体用于根据所述纵向相对位移信息,以及,所述转向架的轮对与所述车体间的连接弹簧在纵向上的刚度,确定所述车体对所述转向架的轮对的纵向拉力;根据所述转向架的轮对与轨道的动摩擦系数、所述列车重力的斜面分量、所述轨道的曲线阻力和所述列车的启动附加阻力,确定所述列车的总阻力;根据所述车体对所述转向架的轮对的纵向拉力和所述列车的总阻力,确定所述转向架的轮对的制动力;根据所述转向架的轮对的制动力和所述列车当前制动模式对应的标准制动力,确定所述列车当前制动模式的标准制动力的残差。
一种可选的实施方式中,列车制动系统的状态检测装置还包括:
第二获取模块,用于获取所述列车的行驶状态信息和轨道信息;
所述残差确定模块具体用于将所述纵向相对位移信息、所述行驶状态信息和所述轨道信息输入神经网络模型,并获取所述神经网络模型输出的所述列车当前制动模式的标准制动力的残差,所述神经网络模型是经过历史行驶状态信息、历史轨道信息、历史纵向相对位移信息和所述列车制动系统的历史状态信息训练建立的。
一种可选的实施方式中,列车制动系统的状态检测装置还包括:
第三获取模块,用于获取所述列车的历史行驶状态信息、历史轨道信息、所述转向架的轮对和所述车体之间的历史纵向相对位移信息以及所述列车制动系统的历史状态信息;
训练模块,用于将所述历史行驶状态信息、所述历史轨道信息和所述历史纵向相对位移信息作为输入特征向量,将所述列车制动系统的历史状态信息作为输出特征向量,训练所述神经网络模型。
一种可选的实施方式中,所述行驶状态信息包括以下至少一项:车速、车辆载荷、当前制动模式、牵引状态、牵引力、风缸压力;所述轨道信息包括:轨道坡度和轨道弯曲半径。
一种可选的实施方式中,列车制动系统的状态检测装置还包括:
第四获取模块,用于获取所述转向架的轮对和所述车体之间的历史纵向相对位移信息;
历史残差确定模块,根据所述历史纵向相对位移信息,确定不同制动模式的标准制动力的残差;
阈值确定模块,用于根据所述不同制动模式的标准制动力的残差分布,确定所述列车的制动系统的分类阈值。
本发明第三个方面提供一种电子设备,包括:存储器与处理器;
所述存储器,用于存储所述处理器的可执行指令;
所述处理器配置为经由执行所述可执行指令来执行第一个方面任一项所述的方法。
本发明第四个方面提供一种存储介质,所述可读存储介质中存储有计算机程序,计算机程序用于执行第一方面任一项的方法。
本发明提供的列车制动系统的状态检测方法及装置,通过获取列车转向架的轮对和列车车体之间的纵向相对位移信息,并根据纵向相对位移信息,确定列车当前制动模式的标准制动力的残差,标准制动力为制动模式对应的制动系统正常工作时的制动力,再根据列车当前制动模式的标准制动力的残差和列车的制动系统的分类阈值,确定列车的制动系统的状态,最后在列车的制动系统处于故障状态时上报故障信息。通过上述方式,由于列车转向架的轮对和列车车体之间的纵向相对位移信息与制动系统的制动力直接相关,提高了制动故障检测的准确率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种列车制动系统的状态检测系统的架构图;
图2为本申请实施例提供的一种数据采集单元的结构示意图;
图3为本申请实施例提供的一种列车制动系统的状态检测方法的流程示意图;
图4为本申请实施例提供的另一种列车制动系统的状态检测方法的流程示意图;
图5为本申请实施例提供的再一种列车制动系统的状态检测方法的流程示意图;
图6为本申请实施例提供的一种列车制动系统的状态检测装置的结构示意图;
图7为本申请实施例提供的另一种列车制动系统的状态检测装置的结构示意图;
图8为本申请实施例提供的再一种列车制动系统的状态检测装置的结构示意图。
具体实施方式
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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术中,主要通过在途监测车钩力、车辆速度和加速度等参数,采用线性矩阵不等式(linear matrix inequality,LMI)模型建立列车制动系统模型以及列车制动系统模型相应的残差发生器和残差估计器,然后再利用分散式控制法和列车实时系统监测数据,进行残差发生器的参数标定,并以残差估计的安全阈值作为判定制动系统故障的依据。
然而,由于承载系统弹簧的存在,车钩力与制动系统作用在轮对上的制动力的大小并没有直接关系,采用检测车钩力、车辆速度和加速度与正常模式时采集的参数进行比较的残差作为制动系统故障判定的依据,对列车制动系统故障检测的准确率较低。
考虑到上述问题,本发明提供了一种列车制动系统的状态检测方法及装置,由于列车转向架的轮对和列车车体之间的纵向相对位移信息与制动系统的制动力直接相关,次那个人提高了制动故障检测的准确率。
图1为本申请实施例提供的一种列车制动系统的状态检测系统的架构图。如图1所示,列车制动系统的状态检测系统在车辆侧包括有传感器101、数据采集单元102、车载诊断单元103、车载通信网关104和车载无线网络通信单元105,在地面侧包括有地面无线网络基站106、地面通信网关107、地面处理单元108。
其中,每节车厢的每个转向架安装一个加速度传感器,测量转向架轮对的纵向加速度,加速度传感器安装部署在两个轮对中间,振动方向与轨道平行与车辆行进方向一致。每辆车每个转向架安装一个位移传感器测量车体与轮对间的纵向位移。位移传感器安装在转向架轮对中间位置,每辆车车体前后两端各安装一个纵向位移传感器,并把转向架位移传感器与车体位移传感器测得的同时刻位移差作为车体与转向架间相对位移的变化。
加速度传感器和位移传感器通过高保真屏蔽模拟信号线与安装在转向架上的数据采集单元102连接,在数据采集单元102模拟信号被同步转换为数字信号,数据采集单元102的功能是完成数据采集、数据存储、数据传输和数据预处理。在一些实施例中,每辆车的每个转向架均可以部署一个或多个数据采集单元102,数据采集单元102通过实时以太网(Train Real-time Data Protocol,TRDP)与车载诊断单元103连接。
车载诊断单元103的功能是完成制动系统状态判别和故障诊断、诊断结果展示呈现、与列车通信网络(Train Communication Network,TCN)通过网络通信。在一些实施例中,车载诊断单元103每辆车部署一个安装在车体底部。每车辆的车载诊断单元103通过TRDP实时以太网相互连接形成环网,列车两个车头部的车载诊断单元103通过TRDP实时以太网连接到车载通信网关104,并通过TCN通信模块连接到TCN网络。
车载通信网关104的功能是完成与地面通信网关107进行通信和通信控制。车载通信网关104每列车部署两个,分别位于列车的两个头部车厢,安装在列车的设备柜里。两个车载通信网关104通过车载诊断单元103互联形成的环形TRDP实时以太网相互通信交换无线网络连接状态信息。
每个车载通信网关104通过TRDP实时以太网与车载无线网络通信单元105相连接进行通信。车载无线网络通信单元105的功能是在车载通信网关104的控制下与地面无线通信网络进行无线通信、建立无线链接进行车地通信。车载无线网络通信单元105每列车两个,分别部署在列车两头两个头部车厢的顶部。
地面无线通信网络基站106沿地铁线路布设。地面无线通信网络通过以太网与地面通信网关107相连接。在一些实施例中,地面无线通信网络可以采用4G LTE专用网络。
地面通信网关107的功能是完成与车载通信网关104进行通信和车地通信链路的管理与控制。地面通信网关107每条地铁线路布设一个,位于设备机房。地面通信网关107通过以太网与地面处理单元108连接。
地面处理单元108的功能是完成车载监测数据、地面维修台账数据存储、挖掘处理、输入、输出和诊断模型训练、诊断结果展示。地面处理单元108每条地铁线路布设一个,位于设备机房。
在一些实施例中,数据采集单元102、车载诊断单元103、车载通信网关104、车载无线网络通信单元105、地面无线网络基站106、地面通信网关107、地面处理单元108都由硬件加软件的方式实现。
图2为本申请实施例提供的一种数据采集单元的结构示意图。如图2所示,数据采集单元102包括:通路选择及信号调理模块1021、A/D转换模块1022、采集时钟生成模块1023、主微控制单元(Microcontroller Unit,MCU)1024、从微控制单元(MicrocontrollerUnit,MCU)1025、TRDP实时以太网交换模块1026。
其中,通路选择及信号调理模块1021用于完成信号通路选择、信号调理、信号放大、信号滤波功能;A/D转换模块1022用于完成信号模数转换功能;采集时钟生成模块1023用于完成A/D转换模块时钟控制;主MCU1024用于完成数据采集控制、数据存储、数据传输和计算、同步采集触发、时钟同步、通路选择控制功能;从MCU1025完成数据采集控制、数据存储、数据传输和计算、同步采集触发执行、时钟同步执行功能;TRDP实时以太网交换模块1026用于完成MCU之间以及MCU与车载诊断单元之间、数据采集单元之间数据交换功能。
通路选择及信号调理模块1021与传感器101、A/D模数转换模块1022、主MCU1024相连接,并根据主MCU1024的控制把模拟信号进行放大滤波后输送给相应的A/D模数转换模块1022.A/D模数转换模块1022根据预先定义的采样率(本实施例为2Kbps)、采样时常(本实施例为连续采样),在复杂可编程逻辑器件(Complex Programmable Logic Device,CPLD)产生的时钟信号控制下,同步对信号进行模数转换,并把采集的数据通过串行外设接口(Serial Peripheral Interface,SPI)总线发送给相应的主MCU1024或从MCU1025。
主MCU1024或从MCU1025把采集的数据进行存储、格式转换、封包后按照车载诊断单元103预先指定的格式通过TRDP实时以太网发送给车载诊断单元103。在本实施例中主MCU1024和从MCU1025都由单片机硬件加软件实现。
在一些实施例中,通路选择及信号调理模块1021、A/D转换模块1022由硬件实现。采集时钟生成模块1023、主MCU1024、从MCU1025,TRDP实时以太网交换模块1026由硬件加软件实现。
下面以集成或安装有相关执行代码的车载诊断单元的处理器为例,以具体地实施例对本申请实施例的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图3为本申请实施例提供的一种列车制动系统的状态检测方法的流程示意图。本实施例涉及的是处理器如何确定列车的制动系统的状态的具体过程。
如图3所示,该方法包括:
S201、获取列车转向架的轮对和列车车体之间的纵向相对位移信息。
在本步骤中,服务器可以实时获取列车转向架的轮对和列车车体之间的纵向相对位移信息,也可以在接收到列车制动系统的状态检测指令后获取列车转向架的轮对和列车车体之间的纵向相对位移信息,本申请实施例对于获取列车转向架的轮对和列车车体之间的纵向相对位移信息的时间不做限制。
在一些实施例中,可以在列车转向架的轮对安装纵向加速度传感器、在转向架的轮对上与车体上安装位移传感器,通过获取纵向加速度传感器采集到的加速度信息以及位移传感器采集到的转向架轮的对和车体的位移信息,可以确定列车转向架的轮对和列车车体之间的纵向相对位移信息。
S202、根据纵向相对位移信息,确定列车当前制动模式的标准制动力的残差,标准制动力为制动模式对应的制动系统正常工作时的制动力。
其中,列车制动模式可以包括电阻制动、气制动和紧急制动。标准制动力可以理解为不同制动模式对应的额定制动力。残差可以为实际观察值与估计值(拟合值)之间的差,通过列车当前制动模式的标准制动力的残差,可以确定列车制动系统是否正常。
在一些实施例中,可以通过列车转向架的轮对和列车车体之间的纵向相对位移信息确定出车体对转向架轮对的纵向拉力以及列车的总阻力,进而确定出转向架的轮对制动力,并和当前制动模式下的标准制动力比较得到当前制动模式的标准制动力的残差。
在另一些实施例中,可以将历史行驶状态信息、历史轨道信息、历史纵向相对位移信息和列车制动系统的历史状态信息输入神经网络模型进行训练,通过将纵向相对位移信息、行驶状态信息和轨道信息输入训练好的神经网络模型,进而得出当前制动模式的标准制动力的残差。
S203、根据列车当前制动模式的标准制动力的残差和列车的制动系统的分类阈值,确定列车的制动系统的状态。
在本步骤中,可以将列车当前制动模式的标准制动力的残差和分类阈值进行比较,从而确定列车的制动系统的状态。
示例性的,分类阈值包括5和10,当标准制动力的残差小于5时,可以确定列车制动系统状态良好;当标准制动力的残差在5和10之间时,可以确定列车制动系统存在故障风险,需要进行检修;标准制动力的残差大于10时,可以确定列车制动系统故障,需要立即停车维修。
针对如何确定列车的制动系统的分类阈值,在一种可选的实施方式中,在获取列车转向架的轮对和车体之间的纵向相对位移信息之前,处理器还可以获取转向架的轮对和车体之间的历史纵向相对位移信息;根据历史纵向相对位移信息,确定不同制动模式的标准制动力的残差;根据不同制动模式的标准制动力的残差分布,确定列车的制动系统的分类阈值。
S204、在列车的制动系统处于故障状态时上报故障信息。
在本步骤中,当确定列车的制动系统处于故障状态时,处理器可以立即向服务器上报列车制动系统的故障信息,以使服务器立即控制列车停运并调整其他列车的运行路径。
本申请实施例提供的列车制动系统的状态检测方法,通过获取列车转向架的轮对和列车车体之间的纵向相对位移信息,并根据纵向相对位移信息,确定列车当前制动模式的标准制动力的残差,标准制动力为制动模式对应的制动系统正常工作时的制动力,再根据列车当前制动模式的标准制动力的残差和列车的制动系统的分类阈值,确定列车的制动系统的状态,最后在列车的制动系统处于故障状态时上报故障信息。通过上述方式,由于列车转向架的轮对和列车车体之间的纵向相对位移信息与制动系统的制动力直接相关,提高了制动故障检测的准确率。
在上述实施例中,介绍了两种列车当前制动模式的标准制动力的残差的确定方法,下面对直接计算列车当前制动模式的标准制动力的残差的方法进行说明,图4为本申请实施例提供的另一种列车制动系统的状态检测方法的流程示意图。如图4所示,列车制动系统的状态检测方法包括:
S301、获取列车转向架的轮对和列车车体之间的纵向相对位移信息。
步骤S301的技术名词、技术效果、技术特征,以及可选实施方式,可参照图2所示的步骤S201理解,对于重复的内容,在此不再累述。
S302、根据纵向相对位移信息,以及,转向架的轮对与车体间的连接弹簧在纵向上的刚度,确定车体对转向架的轮对的纵向拉力。
在步骤中,转向架的轮对与车体间的连接弹簧在纵向上的刚度可以通过设计参数理论模型计算得到,也可以通过实验建立纵向相对位移信息与刚度的数据对,然后对数据对进行建模得到数学模型通过模型计算得到,还可以对上述数据对插值得到纵向相对位移信息与刚度的对照表然后查表得到,本申请实施例对于如何获取转向架的轮对与车体间的连接弹簧在纵向上的刚度不做限制。
在一些实施例中,当服务器获取到纵向相对位移信息后,可以将纵向相对位移信息输入算法模型F1=k(s)×S中,并得到车体对转向架的轮对的纵向拉力。
其中,F1为车体对转向架的轮对的纵向拉力,k(s)为转向架的轮对与车体间的连接弹簧在纵向的刚度,S为转向架的轮对与车体间的相对位移。
S303、根据转向架的轮对与轨道的动摩擦系数、列车重力的斜面分量、轨道的曲线阻力和列车的启动附加阻力,确定列车的总阻力。
在本步骤中,列车的总阻力包括摩擦阻力和运行阻力,在列车启动时,还需要额外考虑列车的启动附加阻力,而在列车被牵引和列车惰行时不用考虑列车的启动附加阻力。
在一些实施例中,可以采用算法模型对列车的总阻力进行计算。示例性的,在列车被牵引和列车惰行时,可以F2=(ω0+ωj)G计算列车的总阻力;在列车启动时,可以采用F2=(ω0+ωj+ωq)G计算列车的总阻力。F2为列车的总阻力,ω0为列车的摩擦阻力,ωj为列车的运行阻力,ωq为列车的启动附加阻力,G为车辆每组轮对所受总重量。
其中,ω0=μ×cos(β),μ为转向架的轮对与轨道的摩擦系数;ωj=ωi+ωr,ωi为坡道阻力,其是由列车重力产生的沿坡道斜面的分力,(即坡道坡度的千分数值),在上坡时取加号,在下坡时取减号,ωr为曲线阻力,ωr=700/R;q0为轴重,k考虑列车中车辆数的影响系数,单车取k=1.8,辆车k=1.6,三车k=1.4,四车时k=1.3,五车时k=1.2,六车时k=1.1。
S304、根据车体对转向架的轮对的纵向拉力和列车的总阻力,确定转向架的轮对的制动力;
在本步骤中,可以将车体对转向架的轮对的纵向拉力和列车的总阻力输入F=-(mα-F1+F2-Fq)中,计算转向架的轮对的制动力。
其中,m为转向架总质量除以论对数,α为转向架轮对加速度,Fq为当前轮对受到牵引系统施加的牵引力。在一些实施例中,如果监测转向架为拖车,则Fq为零。
S305、根据转向架的轮对的制动力和列车当前制动模式对应的标准制动力,确定列车当前制动模式的标准制动力的残差。
在本步骤中,不同制动模式对应有不同的标准制动力,通过获取当前制动模式对应的标准制动力,并和计算出的转向架的轮对的制动力相减,得到列车当前制动模式的标准制动力的残差,即,γ=F-F0,其中F0为当前制动模式下的标准制动力。
S306、根据列车当前制动模式的标准制动力的残差和列车的制动系统的分类阈值,确定列车的制动系统的状态;
S307、在列车的制动系统处于故障状态时上报故障信息。
步骤S306-S307的技术名词、技术效果、技术特征,以及可选实施方式,可参照图3所示的步骤S306-S307理解,对于重复的内容,在此不再累述。
本申请实施例提供的列车制动系统的状态检测方法,根据纵向相对位移信息,以及,转向架的轮对与车体间的连接弹簧在纵向上的刚度,确定车体对转向架的轮对的纵向拉力;根据转向架的轮对与轨道的动摩擦系数、列车重力的斜面分量、轨道的曲线阻力和列车的启动附加阻力,确定列车的总阻力;根据车体对转向架的轮对的纵向拉力和列车的总阻力,确定转向架的轮对的制动力;根据转向架的轮对的制动力和列车当前制动模式对应的标准制动力,确定列车当前制动模式的标准制动力的残差,进而确定列车的制动系统的状态。通过上述方式,由于列车转向架的轮对和列车车体之间的纵向相对位移信息与制动系统的制动力直接相关,提高了制动故障检测的准确率。
下面对通过神经网络模型计算列车当前制动模式的标准制动力的残差的方法进行说明,图5为本申请实施例提供的再一种列车制动系统的状态检测方法的流程示意图。如图5所示,列车制动系统的状态检测方法包括:
S401、获取列车的历史行驶状态信息、历史轨道信息、转向架的轮对和车体之间的历史纵向相对位移信息以及列车制动系统的历史状态信息。
在本步骤中,处理器会将历史行驶状态信息、历史轨道信息、转向架的轮对和车体之间的历史纵向相对位移信息以及列车制动系统的历史状态信息保存下来。
其中,行驶状态信息包括以下至少一项:车速、车辆载荷、当前制动模式、牵引状态、牵引力、风缸压力。轨道信息包括:轨道坡度和轨道弯曲半径。
S402、将历史行驶状态信息、历史轨道信息和历史纵向相对位移信息作为输入特征向量,将列车制动系统的历史状态信息作为输出特征向量,训练神经网络模型。
在本步骤中,神经网络模型可以预先设置,在设置过程中,可以确定网络的类型、网络结构、核函数等。示例性的,神经网络模型可以为深度神经网络模型、支持向量机模型等。
在一些实施例中,可以将轨道坡度、轨道弯曲半径等轨道信息,车速、车辆载荷、轨道坡度、当前制动模式、牵引力状态、转向架质量、风缸压力等车辆信息,以及转向架的轮对与车体的纵向相对位移的历史数据作为神经网络的输入特征构建输入特征向量,以输入特征向量对应的制动系统的历史状态信息为输出特征向量,训练神经网络模型。
在一些实施例中,在完成神经网络的训练后,还可以采用多层前馈网络(ErrorBack Propagation,BP)算法训练并检验神经网络模型。
S403、获取列车转向架的轮对和列车车体之间的纵向相对位移信息。
步骤S403的技术名词、技术效果、技术特征,以及可选实施方式,可参照图3所示的步骤S301理解,对于重复的内容,在此不再累述。
S404、获取列车的行驶状态信息和轨道信息。
本申请实施例对于如何获取列车的行驶状态信息和轨道信息不做限制,在一些实施例中,行驶状态信息可以通过列车通信网络(Train Communication Network,TCN)获取,轨道信息可以预先建立列车位置与轨道信息的关联表,然后在行进中根据列车位置与轨道信息在关联表中的映射关系和当前列车位置进行获取。
S405、将纵向相对位移信息、行驶状态信息和轨道信息输入神经网络模型,并获取神经网络模型输出的列车当前制动模式的标准制动力的残差。
在本步骤中,对于训练好的神经网络模型,可以直接将纵向相对位移信息、行驶状态信息和轨道信息进行输出,从而得到神经网络模型输出的列车当前制动模式的标准制动力的残差。
S406、根据列车当前制动模式的标准制动力的残差和列车的制动系统的分类阈值,确定列车的制动系统的状态。
S407、在列车的制动系统处于故障状态时上报故障信息。
步骤S406-S407的技术名词、技术效果、技术特征,以及可选实施方式,可参照图3所示的步骤S306-S307理解,对于重复的内容,在此不再累述。
本申请实施例提供的列车制动系统的状态检测方法,通过获取列车的行驶状态信息和轨道信息,并将纵向相对位移信息、行驶状态信息和轨道信息输入神经网络模型,并获取神经网络模型输出的列车当前制动模式的标准制动力的残差,进而确定列车的制动系统的状态。通过上述方式,由于列车转向架的轮对和列车车体之间的纵向相对位移信息与制动系统的制动力直接相关,提高了制动故障检测的准确率。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图6为本申请实施例提供的一种列车制动系统的状态检测装置的结构示意图。该列车制动系统的状态检测装置可以通过软件、硬件或者两者的结合实现,可以为前述所说的处理器。
如图6所示,该列车制动系统的状态检测包括:
第一获取模块501,用于获取列车转向架的轮对和列车车体之间的纵向相对位移信息。
残差确定模块502,用于根据纵向相对位移信息,确定列车当前制动模式的标准制动力的残差,标准制动力为制动模式对应的制动系统正常工作时的制动力。
状态确定模块503,用于根据列车当前制动模式的标准制动力的残差和列车的制动系统的分类阈值,确定列车的制动系统的状态。
上报模块504,用于在列车的制动系统处于故障状态时,执行故障上报。
一种可选的实施方式中,残差确定模块502具体用于根据纵向相对位移信息,以及,转向架的轮对与车体间的连接弹簧在纵向上的刚度,确定车体对转向架的轮对的纵向拉力;根据转向架的轮对与轨道的动摩擦系数、列车重力的斜面分量、轨道的曲线阻力和列车的启动附加阻力,确定列车的总阻力;根据车体对转向架的轮对的纵向拉力和列车的总阻力,确定转向架的轮对的制动力;根据转向架的轮对的制动力和列车当前制动模式对应的标准制动力,确定列车当前制动模式的标准制动力的残差。
一种可选的实施方式中,列车制动系统的状态检测装置,还包括:
第四获取模块505,用于获取转向架的轮对和车体之间的历史纵向相对位移信息。
历史残差确定模块506,根据历史纵向相对位移信息,确定不同制动模式的标准制动力的残差。
阈值确定模块507,用于根据不同制动模式的标准制动力的残差分布,确定列车的制动系统的分类阈值。
本申请实施例提供的列车制动系统的状态检测装置,可以执行上述方法实施例中处理器的动作,其实现原理和技术效果类似,在此不再赘述。
图7为本申请实施例提供的另一种列车制动系统的状态检测装置的结构示意图。该列车制动系统的状态检测装置可以通过软件、硬件或者两者的结合实现,可以为前述所说的处理器。
如图7所示,该列车制动系统的状态检测包括:
第三获取模块508,用于获取列车的历史行驶状态信息、历史轨道信息、转向架的轮对和车体之间的历史纵向相对位移信息以及列车制动系统的历史状态信息。
训练模块509,用于将历史行驶状态信息、历史轨道信息和历史纵向相对位移信息作为输入特征向量,将列车制动系统的历史状态信息作为输出特征向量,训练神经网络模型。
第一获取模块501,用于获取列车转向架的轮对和列车车体之间的纵向相对位移信息。
第二获取模块510,用于获取列车的行驶状态信息和轨道信息。
残差确定模块502具体用于将纵向相对位移信息、行驶状态信息和轨道信息输入神经网络模型,并获取神经网络模型输出的列车当前制动模式的标准制动力的残差,神经网络模型是经过历史行驶状态信息、历史轨道信息、历史纵向相对位移信息和列车制动系统的历史状态信息训练建立的。
状态确定模块503,用于根据列车当前制动模式的标准制动力的残差和列车的制动系统的分类阈值,确定列车的制动系统的状态。
上报模块504,用于在列车的制动系统处于故障状态时,执行故障上报。
一种可选的实施方式中,行驶状态信息包括以下至少一项:车速、车辆载荷、当前制动模式、牵引状态、牵引力、风缸压力;轨道信息包括:轨道坡度和轨道弯曲半径。
本申请实施例提供的列车制动系统的状态检测装置,可以执行上述方法实施例中处理器的动作,其实现原理和技术效果类似,在此不再赘述。
图8为本申请实施例提供的再一种列车制动系统的状态检测装置的结构示意图。如图8所示,该列车制动系统的状态检测装置可以包括:至少一个处理器61和存储器62。图8示出的是以一个处理器为例的电子设备。
存储器62,用于存放程序。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。
存储器62可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
处理器61用于执行存储器62存储的计算机执行指令,以实现上述列车制动系统的状态检测方法。
其中,处理器61可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
可选的,在具体实现上,如果通信接口、存储器62和处理器61独立实现,则通信接口、存储器62和处理器61可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(Peripheral Component,简称为PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果通信接口、存储器62和处理器61集成在一块芯片上实现,则通信接口、存储器62和处理器61可以通过内部接口完成通信。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或者光盘等各种可以存储程序代码的介质,具体的,该计算机可读存储介质中存储有程序指令,程序指令用于上述实施例中的方法。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (14)
1.一种列车制动系统的状态检测方法,其特征在于,包括:
获取列车转向架的轮对和列车车体之间的纵向相对位移信息;
根据所述纵向相对位移信息,确定所述列车当前制动模式的标准制动力的残差,所述标准制动力为制动模式对应的制动系统正常工作时的制动力;
根据所述列车当前制动模式的标准制动力的残差和所述列车的制动系统的分类阈值,确定所述列车的制动系统的状态;
在所述列车的制动系统处于故障状态时上报故障信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述纵向相对位移信息,确定所述列车当前制动模式的标准制动力的残差,包括:
根据所述纵向相对位移信息,以及,所述转向架的轮对与所述车体间的连接弹簧在纵向上的刚度,确定所述车体对所述转向架的轮对的纵向拉力;
根据所述转向架的轮对与轨道的动摩擦系数、所述列车重力的斜面分量、所述轨道的曲线阻力和所述列车的启动附加阻力,确定所述列车的总阻力;
根据所述车体对所述转向架的轮对的纵向拉力和所述列车的总阻力,确定所述转向架的轮对的制动力;
根据所述转向架的轮对的制动力和所述列车当前制动模式对应的标准制动力,确定所述列车当前制动模式的标准制动力的残差。
3.根据权利要求1所述的方法,其特征在于,在所述根据所述纵向相对位移信息,确定所述列车当前制动模式的标准制动力的残差之前,还包括:
获取所述列车的行驶状态信息和轨道信息;
所述根据所述纵向相对位移信息,确定所述列车当前制动模式的标准制动力的残差,包括:
将所述纵向相对位移信息、所述行驶状态信息和所述轨道信息输入神经网络模型,并获取所述神经网络模型输出的所述列车当前制动模式的标准制动力的残差,所述神经网络模型是经过历史行驶状态信息、历史轨道信息、历史纵向相对位移信息和所述列车制动系统的历史状态信息训练建立的。
4.根据权利要求3所述的方法,其特征在于,在所述获取列车转向架的轮对和列车车体之间的纵向相对位移信息之前,还包括:
获取所述列车的历史行驶状态信息、历史轨道信息、所述转向架的轮对和所述车体之间的历史纵向相对位移信息以及所述列车制动系统的历史状态信息;
将所述历史行驶状态信息、所述历史轨道信息和所述历史纵向相对位移信息作为输入特征向量,将所述列车制动系统的历史状态信息作为输出特征向量,训练所述神经网络模型。
5.根据权利要求3所述的方法,其特征在于,所述行驶状态信息包括以下至少一项:车速、车辆载荷、当前制动模式、牵引状态、牵引力、风缸压力;
所述轨道信息包括:轨道坡度和轨道弯曲半径。
6.根据权利要求1-5任一项所述的方法,其特征在于,在所述获取列车转向架的轮对和列车车体之间的纵向相对位移信息之前,还包括:
获取所述转向架的轮对和所述车体之间的历史纵向相对位移信息;
根据所述历史纵向相对位移信息,确定不同制动模式的标准制动力的残差;
根据所述不同制动模式的标准制动力的残差分布,确定所述列车的制动系统的分类阈值。
7.一种列车制动系统的状态检测装置,其特征在于,包括:
第一获取模块,用于获取列车转向架的轮对和列车车体之间的纵向相对位移信息;
残差确定模块,用于根据所述纵向相对位移信息,确定所述列车当前制动模式的标准制动力的残差,所述标准制动力为制动模式对应的制动系统正常工作时的制动力;
状态确定模块,用于根据所述列车当前制动模式的标准制动力的残差和所述列车的制动系统的分类阈值,确定所述列车的制动系统的状态;
上报模块,用于在所述列车的制动系统处于故障状态时,执行故障上报。
8.根据权利要求7所述的装置,其特征在于,所述残差确定模块具体用于根据所述纵向相对位移信息,以及,所述转向架的轮对与所述车体间的连接弹簧在纵向上的刚度,确定所述车体对所述转向架的轮对的纵向拉力;根据所述转向架的轮对与轨道的动摩擦系数、所述列车重力的斜面分量、所述轨道的曲线阻力和所述列车的启动附加阻力,确定所述列车的总阻力;根据所述车体对所述转向架的轮对的纵向拉力和所述列车的总阻力,确定所述转向架的轮对的制动力;根据所述转向架的轮对的制动力和所述列车当前制动模式对应的标准制动力,确定所述列车当前制动模式的标准制动力的残差。
9.根据权利要求7所述的装置,其特征在于,还包括:
第二获取模块,用于获取所述列车的行驶状态信息和轨道信息;
所述残差确定模块具体用于将所述纵向相对位移信息、所述行驶状态信息和所述轨道信息输入神经网络模型,并获取所述神经网络模型输出的所述列车当前制动模式的标准制动力的残差,所述神经网络模型是经过历史行驶状态信息、历史轨道信息、历史纵向相对位移信息和所述列车制动系统的历史状态信息训练建立的。
10.根据权利要求9所述的装置,其特征在于,还包括:
第三获取模块,用于获取所述列车的历史行驶状态信息、历史轨道信息、所述转向架的轮对和所述车体之间的历史纵向相对位移信息以及所述列车制动系统的历史状态信息;
训练模块,用于将所述历史行驶状态信息、所述历史轨道信息和所述历史纵向相对位移信息作为输入特征向量,将所述列车制动系统的历史状态信息作为输出特征向量,训练所述神经网络模型。
11.根据权利要求9所述的装置,其特征在于,所述行驶状态信息包括以下至少一项:车速、车辆载荷、当前制动模式、牵引状态、牵引力、风缸压力;所述轨道信息包括:轨道坡度和轨道弯曲半径。
12.根据权利要求7-9任一项所述的装置,其特征在于,还包括:
第四获取模块,用于获取所述转向架的轮对和所述车体之间的历史纵向相对位移信息;
历史残差确定模块,根据所述历史纵向相对位移信息,确定不同制动模式的标准制动力的残差;
阈值确定模块,用于根据所述不同制动模式的标准制动力的残差分布,确定所述列车的制动系统的分类阈值。
13.一种电子设备,其特征在于,包括:存储器与处理器;
所述存储器,用于存储所述处理器的可执行指令;
所述处理器配置为经由执行所述可执行指令来执行权利要求1-6任一所述的方法。
14.一种存储介质,其上存储有计算机程序,其特征在于,包括:该程序被处理器执行时实现权利要求1-6任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910977722.5A CN112660094B (zh) | 2019-10-15 | 2019-10-15 | 列车制动系统的状态检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910977722.5A CN112660094B (zh) | 2019-10-15 | 2019-10-15 | 列车制动系统的状态检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112660094A CN112660094A (zh) | 2021-04-16 |
CN112660094B true CN112660094B (zh) | 2022-12-13 |
Family
ID=75399843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910977722.5A Active CN112660094B (zh) | 2019-10-15 | 2019-10-15 | 列车制动系统的状态检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112660094B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113525331B (zh) * | 2021-08-09 | 2022-07-05 | 卡斯柯信号有限公司 | 基于车载设备的制动管自动检测方法及系统 |
CN113688171B (zh) * | 2021-08-24 | 2022-05-10 | 北京工商大学 | 一种基于图卷积神经网络的列车制动故障检测方法及系统 |
CN115320565B (zh) * | 2022-09-13 | 2024-05-28 | 清华大学 | 车辆制动系统的控制方法、装置、车辆及存储介质 |
CN116890800B (zh) * | 2023-09-11 | 2024-01-19 | 成都交控轨道科技有限公司 | 一种列车紧急制动触发速度计算方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1398238A1 (de) * | 2002-07-25 | 2004-03-17 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Diagnose- und Überwachungsvorrichtung einer Bremszuspanneinrichtung eines Fahrzeugs |
CN102981497A (zh) * | 2012-11-21 | 2013-03-20 | 北京建筑工程学院 | 高速列车制动系统故障诊断设备及诊断方法 |
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 |
CN104875735A (zh) * | 2015-03-24 | 2015-09-02 | 清华大学 | Ato控制的高速列车制动系统间歇故障检测方法及系统 |
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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6478931B2 (ja) * | 2016-02-15 | 2019-03-06 | 株式会社東芝 | 異常診断装置、方法、及びプログラム |
KR20170111076A (ko) * | 2016-03-25 | 2017-10-12 | 엘에스산전 주식회사 | 철도 차량의 제동장치 고장 진단 장치와 이를 이용한 제동 성능 저하에 따른 자동 열차 운전 장치 및 철도 차량의 제동장치 고장 진단 방법 |
-
2019
- 2019-10-15 CN CN201910977722.5A patent/CN112660094B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1398238A1 (de) * | 2002-07-25 | 2004-03-17 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Diagnose- und Überwachungsvorrichtung einer Bremszuspanneinrichtung eines Fahrzeugs |
CN102981497A (zh) * | 2012-11-21 | 2013-03-20 | 北京建筑工程学院 | 高速列车制动系统故障诊断设备及诊断方法 |
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 |
CN104875735A (zh) * | 2015-03-24 | 2015-09-02 | 清华大学 | Ato控制的高速列车制动系统间歇故障检测方法及系统 |
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 |
---|
基于LMI的城轨列车制动系统在途故障诊断方法研究;余博等;《交通运输系统工程与信息》;20131231;第13卷(第06期);第154页至第160页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112660094A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112660094B (zh) | 列车制动系统的状态检测方法及装置 | |
JP5525404B2 (ja) | 鉄道車両の状態監視装置及び状態監視方法、並びに鉄道車両 | |
CN109712270B (zh) | 一种铁路货运车辆运行安全评估方法及系统 | |
KR101386756B1 (ko) | 철도차량의 응하중 장치 | |
CN109615269B (zh) | 一种铁路货运列车运行安全评估方法及系统 | |
CN104755353B (zh) | 轨道车辆中的停止状态确定 | |
CN107284477A (zh) | 一种线路末端防冒进控制方法及线路末端防冒进车载设备 | |
CN106383247A (zh) | 一种地铁车辆轮对在线动态检测系统及车速检测方法 | |
CN106080672A (zh) | 一种列车超载检测系统及其方法 | |
JP4917384B2 (ja) | 鉄道車両の振動データ通信方法 | |
CN107045332A (zh) | 用于延迟系统的ecu接地故障隔离设备 | |
CN107289981A (zh) | 悬架高度传感器故障的检测和重构 | |
KR101259088B1 (ko) | 철도차량의 주행 안정성 분석 시스템 | |
JP7079641B2 (ja) | 状態監視装置 | |
CN110595803B (zh) | 一种列车联轴节故障的诊断方法、相关系统及列车 | |
CN108216167A (zh) | 列车控制方法及装置 | |
CN109883598B (zh) | 一种轨道机车牵引力的检测方法 | |
CN112722003B (zh) | 列车脱轨风险的监测方法与设备 | |
JP4252271B2 (ja) | 鉄道車両の異常検知装置及び異常検知方法 | |
CN110001677A (zh) | 一种动车组超员检测系统以及方法 | |
JP7028111B2 (ja) | 軸受の異常診断システム及び軸受の異常診断方法 | |
JP7040983B2 (ja) | 車両試験システム | |
JP7339351B2 (ja) | 鉄道車両の制動動作の検出方法及び鉄道車両の緊急制動方法 | |
CN113415319B (zh) | 速度传感器的状态检测方法及系统 | |
JP2019174180A (ja) | 鉄道車両の異常診断装置及び鉄道車両の異常診断方法 |
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 |