CN113607443A - 一种基于数据驱动的高速列车悬挂系统早期故障检测方法 - Google Patents
一种基于数据驱动的高速列车悬挂系统早期故障检测方法 Download PDFInfo
- Publication number
- CN113607443A CN113607443A CN202110748647.2A CN202110748647A CN113607443A CN 113607443 A CN113607443 A CN 113607443A CN 202110748647 A CN202110748647 A CN 202110748647A CN 113607443 A CN113607443 A CN 113607443A
- Authority
- CN
- China
- Prior art keywords
- suspension system
- input
- data
- evaluation index
- speed train
- 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
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/08—Railway vehicles
- G01M17/10—Suspensions, axles or wheels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Vehicle Body Suspensions (AREA)
Abstract
一种基于数据驱动的高速列车悬挂系统早期故障检测方法,步骤是:1)利用位移传感器、陀螺仪获取高速列车运行时的垂向位移、角速度信号及转向架构架质心的垂向位移信号;2)依据高速列车悬挂系统的离散空间状态方程进行数据建模,得到隐含悬挂系统的输入输出关系的输入输出数据模型;3)利用所得输入输出数据模型,设计基于数据驱动的故障检测残差,构造评价指标;4)实时获取系统输出,更新输入输出数据矩阵,依据新的输入输出数据矩阵更新构造的评价指标;5)判断更新的评价指标是否超出设定阈值,当评价指标J超过阈值,则给出故障报警。本发明在悬挂系统发生早期故障时能实现实时的检测报警,对悬挂系统的早期故障具有较高的灵敏度。
Description
技术领域
本发明公开了一种基于数据驱动的高速列车悬挂系统早期故障检测方法,属于高速列车悬挂系统故障检测技术领域。
背景技术
高速列车悬挂系统起到支撑车体和转向架,同时隔离由轨道不平顺所引起的轮轨作用力,保证列车在高速运行时的稳定性和安全性,因此对其有高可靠性的要求。从2008年在主要干线上开通了时速200公里以上的CRH(China Railway High-speed)动车组列车到现在,经过10多年来的发展,我国已经建成全世界规模最大、运营速度最快的高速铁路网。对提高我国高铁运行的安全性,针对悬挂系统早期故障检测的研究具有重要的意义。
高速列车悬挂系统分为主动悬挂和半主动悬挂,采用闭环控制结构。悬挂系统采用两系悬挂装置,一系悬挂装置设在轴箱和转向架构架之间,二系悬挂装置设在转向架构架和车体之间。包含有大量的部件,包括螺旋弹簧、横向/垂向阻尼器、空气弹簧、主动式作动器以及传感器。其中主动式作动器作为重要的执行器部件,对于高速列车的安全运行和乘坐舒适性至关重要;主动式作动器是根据传感器测得的车辆输出信号计算出主动悬挂系统所需的主动控制力,因此,传感器同样具有很高的重要性。
悬挂系统故障可分为执行器故障、传感器故障和机械部件故障。随着列车在轨运行时间的增长,悬挂系统中的一些部件,例如螺旋弹簧、避震器、空气弹簧、主动/半主动式作动器、传感器都会产生一定程度的性能衰退,诱发诸如螺旋弹簧细微开裂、避震器轻微漏油/漏液、空气弹簧轻度漏气、作动器小幅度作动效能丧失、传感器偏差漂移等早期故障,给列车的行车安全带来潜在的危险。
发明内容
本发明的目的是为了解决上述现有技术存在的技术问题和缺陷,提供一种基于数据驱动的高速列车悬挂系统早期故障检测方法。
本方法由离线设计和在线检测两部分组成。在离线设计部分中,主要包括利用采集到的无故障数据构造残差信号、建立评价指标体系、以及根据训练数据估计出阈值。在线检测部分利用在线测量值对正交矩阵进行更新,然后根据计算出的评价指标与阈值进行比较,做出故障判定。
为达到上述目的,本发明采用以下技术方案予以实现:
一种基于数据驱动的高速列车悬挂系统早期故障检测方法,包括如下步骤:
步骤一、利用位移传感器、陀螺仪获取高速列车运行时列车车厢质心的垂向位移、角速度信号及转向架构架质心的垂向位移信号,所述传感器及陀螺仪的信号即为系统输出;
步骤三、利用步骤二中所得输入输出数据模型,设计基于数据驱动的故障检测残差,并构造评价指标J;
步骤四、实时获取步骤一中的系统输出,更新步骤二中的输入输出数据矩阵,然后依据新的输入输出数据矩阵更新步骤三中构造的评价指标;
步骤五、实时判断步骤四中更新的评价指标是否超出设定阈值,当评价指标J超过阈值,则给出故障报警:
评价指标J的报警阈值为Jth,由历史数据计算获得,故障检测机制为:
进一步优选方案,步骤二中,所述的输入输出数据模型的建模方法,具体步骤和内容如下:
步骤1、根据列车悬挂系统运行机理,其离散的系统模型可表示为:
其中,A,B,D,C,E,F分别为空间状态方程相应的系数矩阵;x为系统状态,包括车体和转向架的垂向位移以及车体和转向架的俯仰角;u为系统输入,包括主动悬挂中作动器的控制输出量;d为轨道扰动激励;f表征所有可能的故障;y是系统的输出信号,包括车体和转向架的垂向位移以及车体和转向架的俯仰角;w,v分别是过程噪声和测量噪声。
步骤2、由步骤1中建立的离散状态空间方程,当系统无故障时,可得如下隐含悬挂系统的输入输出关系的高速列车悬挂系统的数据模型:
进一步优选方案,步骤三中,所述的基于数据驱动的故障检测残差的设计方法,其设计步骤和内容如下:
进一步优选方案,步骤三中所述的评价指标J的构造方法,步骤如下:
步骤1、为消除系统噪音对残差量的影响,引入与噪音独立的辅助变量zk,有
步骤2、构造对称矩阵
步骤3、选取评价指标J=tr(R)。
进一步优选方案,步骤四中,所述的更新输入输出数据矩阵的方法,其更新步骤如下:
作为本发明的进一步优选方案,步骤四中所述更新评价指标的方法,其步骤为:
步骤2、更新正交投影矩阵:
步骤3、利用更新后的数据矩阵、正交投影矩阵,依据步骤三中的评价指标构造方法更新评价指标。
进一步优选方案,步骤五中,所述的故障检测阈值的计算方法为:
Jth=max{Ji}
其中Ji为悬挂系统无故障时,不同时刻下的评价指标。
本发明具有以下技术效果:
本发明针对高速列车闭环控制结构的悬挂系统,以主动式作动器、传感器、机械部件为故障检测对象,该检测方法对悬挂系统早期故障十分敏感,在悬挂系统发生较小故障的时候就可以实时检测到并准确估计出故障的动态特性。本发明可以用于基于Simpack-Matlab/Simulink仿真架构的执行机构故障分析和系统可靠性分析。
附图说明
图1是本发明的故障检测方法流程图。
图2是高速列车悬挂系统故障检测结构示意框图。
图3是高速列车悬挂系统传感器、陀螺仪安装位置示意图。
图4是悬挂执行器早期故障检测仿真曲线图。
图5是悬挂传感器早期故障检测仿真曲线图。
图6是悬挂机械部件早期故障检测仿真曲线图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
如附图1-3所示,本发明的一种基于数据驱动的高速列车悬挂系统早期故障检测方法,具体步骤如下:
步骤一:建立高速列车悬挂系统的输入输出数据模型,具体步骤和内容是:
步骤1.根据列车悬挂系统运行机理,其离散的系统模型可表示为:
其中,A,B,D,C,E,F分别为空间状态方程相应的系数矩阵;x为系统状态,包括车体和转向架的垂向位移以及车体和转向架的俯仰角;u为系统输入,包括主动悬挂中作动器的控制输出量;d为轨道扰动激励;f表征所有可能的故障;y是系统的输出信号,包括车体和转向架的垂向位移以及车体和转向架的俯仰角;w,v分别是过程噪声和测量噪声。
步骤2.由步骤一中建立的离散状态空间方程,当系统无故障时,有:
其中
步骤4.将步骤三所得表达式代入步骤二所得表达式,有
化简得
其中
步骤二:设计基于数据驱动的故障检测残差,具体步骤和内容是:
步骤三:构造评价指标,具体步骤和内容是:
步骤1.为消除系统噪音对残差量的影响,引入与噪音独立的辅助变量zk,有
步骤3.选取评价指标J=tr(R)。
步骤四:更新输入输出数据矩阵,具体步骤和内容是:
步骤五:更新评价指标,具体步骤和内容是:
步骤2、更新正交投影矩阵:
步骤3、利用更新后的数据矩阵、正交投影矩阵,依据步骤三中的评价指标构造方法更新评价指标。
步骤六:故障检测阈值计算,具体步骤和内容是:
步骤1.计算n组无故障时的评价指标Ji,i=1,2,L n,n为足够大的整数
步骤2.计算故障检测阈值:Jth=max{tr(Ri)}
步骤七:根据步骤五所得的实时评价指标,和步骤六中的故障检测阈值,对故障进行在线检测,判断检测指标是否达到报警阈值,在检测指标超出阈值时进行报警。
当悬挂系统发生故障时,
评价指标
故障项不为零时,J>Jth,即指示故障的发生。
下面对本发明的方法进行仿真验证,
步骤1.设定执行器故障的特征信息,包括:故障类型为失效1%的执行器早期故障、故障开始时间为第30秒、故障结束时间为仿真结束时间以及故障大小,所述故障通过故障注入模块进行软件注入,建立故障模型;
步骤2.设定传感器故障的特征信息,包括:故障类型为传感器发生缓变漂移早期故障,漂移量为θs(t)=0.001×(0.15+0.02sin(t)+0.01sin(0.2t)),故障开始时间为第30秒、故障结束时间为仿真结束时间以及故障大小,所述故障通过故障注入模块进行软件注入,建立故障模型;
步骤3.设定机械部件故障的特征信息,包括:拖车二系悬挂系统弹簧失效10%、故障开始时间为第30秒、故障结束时间为仿真结束时间以及故障大小,所述故障通过故障注入模块进行软件注入,建立故障模型;
步骤4.采用SIMPACK和Matlab/Simulink联合仿真,将SIMPACK中建立的轨道-列车耦合的模型导入到Matlab/Simulink中,并在Simulink中建立列车垂向悬挂系统控制仿真模型。设置车辆的运行速度为250Km/h,仿真时常为34秒,总共生成1700组样本数据,故障发生时间30s为第1000个采样点对应时刻。
如图4所示,当高速列车悬挂系统执行器在第30s时发生失效1%的早期故障,专利提出的方法能够很好的检测出执行器早期故障的发生。
如图5所示,当高速列车悬挂系统传感器在第30s时发生缓变漂移早期故障,专利提出的方法能够很好的检测出传感器缓变漂移早期故障的发生。
如图6所示,当高速列车悬挂系统机械部件(以二系弹簧为例)在第30s时失效10%的早期故障,专利提出的方法能够很好的检测出列车悬挂系统机械部件早期故障的发生。
本发明的故障检测方法对高速列车悬挂系统早期故障具有较高的灵敏度,可以有效的实现高速列车悬挂系统早期故障的检测,有效地解决了闭环控制结构下早期故障的检测及其工程实用问题,这对于高速列车悬挂故障的早期预警和实时监控具有重要的意义。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (7)
1.一种基于数据驱动的高速列车悬挂系统早期故障检测方法,其特征在于,包括如下步骤:
步骤一、利用位移传感器、陀螺仪获取高速列车运行时列车车厢质心的垂向位移、角速度信号及转向架构架质心的垂向位移信号,所述传感器及陀螺仪的信号即为系统输出;
步骤三、利用步骤二中所得输入输出数据模型,设计基于数据驱动的故障检测残差,并构造评价指标J;
步骤四、实时获取步骤一中的系统输出,更新步骤二中的输入输出数据矩阵,然后依据新的输入输出数据矩阵更新步骤三中构造的评价指标J;
步骤五、实时判断步骤四中更新的评价指标J是否超出设定阈值,当评价指标J超过阈值,则给出故障报警:
评价指标J的报警阈值为Jth,由历史数据计算获得,故障检测机制为:
2.如权利要求1所述的一种基于数据驱动的高速列车悬挂系统早期故障检测方法,其特征在于,步骤二中,所述的输入输出数据模型的建模方法,具体步骤和内容如下:
步骤1、根据列车悬挂系统运行机理,其离散的系统模型表示为:
其式中,A,B,D,C,E,F分别为空间状态方程相应的系数矩阵;x为系统状态,包括车体和转向架的垂向位移以及车体和转向架的俯仰角;u为系统输入,包括主动悬挂中作动器的控制输出量;d为轨道扰动激励;f表征所有可能的故障;y是系统的输出信号,包括车体和转向架的垂向位移以及车体和转向架的俯仰角;w,v分别是过程噪声和测量噪声;
步骤2、当列车悬挂系统无故障时,由列车悬挂系统离散系统模型,得到如下隐含列车悬挂系统的输入输出关系的高速列车悬挂系统的数据模型:
其中u(k),y(k)表示k时刻系统的输入输出向量。
7.如权利要求1所述的一种基于数据驱动的高速列车悬挂系统早期故障检测方法,其特征在于,步骤五中,所述的故障检测阈值的计算方法为:
Jth=max{Ji}
其中Ji为悬挂系统无故障时,不同时刻下的评价指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110748647.2A CN113607443A (zh) | 2021-07-02 | 2021-07-02 | 一种基于数据驱动的高速列车悬挂系统早期故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110748647.2A CN113607443A (zh) | 2021-07-02 | 2021-07-02 | 一种基于数据驱动的高速列车悬挂系统早期故障检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113607443A true CN113607443A (zh) | 2021-11-05 |
Family
ID=78303904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110748647.2A Pending CN113607443A (zh) | 2021-07-02 | 2021-07-02 | 一种基于数据驱动的高速列车悬挂系统早期故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113607443A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114115184A (zh) * | 2021-11-15 | 2022-03-01 | 江苏科技大学 | 一种基于数据驱动ToMFIR的高速列车悬挂系统故障诊断方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040176879A1 (en) * | 2003-03-07 | 2004-09-09 | Menon Sunil K. | Transient fault detection system and method using Hidden Markov Models |
US20040267424A1 (en) * | 2003-06-24 | 2004-12-30 | Visteon Global Technologies, Inc. | System and method of robust fault detection for a vehicle steer-by-wire system |
CN102607867A (zh) * | 2012-02-22 | 2012-07-25 | 北京交通大学 | 基于glrt列车悬挂系在途故障检测系统及检测方法 |
CN102768121A (zh) * | 2012-07-31 | 2012-11-07 | 北京交通大学 | 基于鲁棒观测器的列车悬挂系统故障检测方法 |
CN104155968A (zh) * | 2014-07-17 | 2014-11-19 | 南京航空航天大学 | 一种针对高速列车悬架系统执行器的微小故障诊断方法 |
CN104360679A (zh) * | 2014-10-21 | 2015-02-18 | 南京航空航天大学 | 基于动态执行器的列车悬挂系统故障诊断与容错控制方法 |
-
2021
- 2021-07-02 CN CN202110748647.2A patent/CN113607443A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040176879A1 (en) * | 2003-03-07 | 2004-09-09 | Menon Sunil K. | Transient fault detection system and method using Hidden Markov Models |
US20040267424A1 (en) * | 2003-06-24 | 2004-12-30 | Visteon Global Technologies, Inc. | System and method of robust fault detection for a vehicle steer-by-wire system |
CN102607867A (zh) * | 2012-02-22 | 2012-07-25 | 北京交通大学 | 基于glrt列车悬挂系在途故障检测系统及检测方法 |
CN102768121A (zh) * | 2012-07-31 | 2012-11-07 | 北京交通大学 | 基于鲁棒观测器的列车悬挂系统故障检测方法 |
CN104155968A (zh) * | 2014-07-17 | 2014-11-19 | 南京航空航天大学 | 一种针对高速列车悬架系统执行器的微小故障诊断方法 |
CN104360679A (zh) * | 2014-10-21 | 2015-02-18 | 南京航空航天大学 | 基于动态执行器的列车悬挂系统故障诊断与容错控制方法 |
Non-Patent Citations (1)
Title |
---|
苏宇 等: "基于数据驱动的CRH高速列车悬挂系统早期故障检测", 《控制与决策》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114115184A (zh) * | 2021-11-15 | 2022-03-01 | 江苏科技大学 | 一种基于数据驱动ToMFIR的高速列车悬挂系统故障诊断方法 |
CN114115184B (zh) * | 2021-11-15 | 2024-04-23 | 江苏科技大学 | 一种基于数据驱动ToMFIR的高速列车悬挂系统故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104155968B (zh) | 一种针对高速列车悬架系统执行器的微小故障诊断方法 | |
CN110704801B (zh) | 桥梁集群结构运营安全智能监测与快速检测成套方法 | |
CN104458298B (zh) | 基于多模型的高速列车悬架系统多执行器故障检测与隔离方法 | |
CN202368604U (zh) | 一种动态检测铁路轨道左右钢轨高低的检测装置 | |
CN105139086A (zh) | 基于优化置信规则推理的轨道高低不平顺幅值估计方法 | |
CN110874450A (zh) | 一种基于车载监测的铁路桥梁轨道不平顺计算方法 | |
CN105923014B (zh) | 一种基于证据推理规则的轨道高低不平顺幅值估计方法 | |
CN106080658A (zh) | 一种基于四传感器的中低速磁浮轨道不平顺检测方法 | |
CN103925917A (zh) | 一种运载火箭姿态角速率信号的测量系统及方法 | |
CN107107927A (zh) | 铁道车辆状态监视装置 | |
CN104458297B (zh) | 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 | |
CN105403420B (zh) | 一种融合多传感器的转向架故障诊断方法 | |
CN109766635B (zh) | 一种机车机械部件状态感知传感器优化布局方法 | |
CN106671724A (zh) | 一种汽车主动悬架的被动容错控制方法 | |
CN103097224A (zh) | 铁路车辆的振动抑制装置 | |
CN111976731B (zh) | 基于车辆频域响应的路面不平度识别方法 | |
CN114186362A (zh) | 一种基于运营列车振动响应预测轨道不平顺及其传感器优化配置的分析方法 | |
CN202368605U (zh) | 一种动态检测铁路轨道左右钢轨轨向的检测装置 | |
CN113607443A (zh) | 一种基于数据驱动的高速列车悬挂系统早期故障检测方法 | |
CN109050575A (zh) | 一种列车车轮在线运动中数据集成采集方法 | |
Capriglione et al. | ANN-based IFD in motorcycle rear suspension | |
CN115032894A (zh) | 一种基于T-S模糊数据驱动ToMFIR的高速列车悬挂故障诊断方法 | |
CN114323510A (zh) | 一种简支梁桥挠度快速检测方法 | |
CN114065358A (zh) | 基于变形监测的大跨公轨同层斜拉桥运行舒适性评价方法 | |
CN116678576A (zh) | 基于车辆振动信号的桥梁振型修正系统 |
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: 20211105 |
|
RJ01 | Rejection of invention patent application after publication |