CN115358294A - 一种高速列车牵引系统的微小故障检测方法 - Google Patents
一种高速列车牵引系统的微小故障检测方法 Download PDFInfo
- Publication number
- CN115358294A CN115358294A CN202210889804.6A CN202210889804A CN115358294A CN 115358294 A CN115358294 A CN 115358294A CN 202210889804 A CN202210889804 A CN 202210889804A CN 115358294 A CN115358294 A CN 115358294A
- Authority
- CN
- China
- Prior art keywords
- fault
- matrix
- traction system
- speed train
- fault detection
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2200/00—Type of vehicles
- B60L2200/26—Rail vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/44—Control modes by parameter estimation
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种高速列车牵引系统的微小故障检测方法,具体涉及故障检测领域。包括:利用规范变量分析输入变量和输出变量之间的相关性,进而得到参数矩阵并生成残差数据;利用得到的Hellinger距离构建统计量并设置合适的阈值;对高速列车牵引系统特征数据进行故障决策。经实验分析表明,本发明能够有效的检测出高速列车牵引系统微小故障的发生。
Description
技术领域
本发明属于故障检测领域,具体涉及到的是一种高速列车牵引系统的微小故障检测方法。
背景技术
近年来,高速列车已成为城际间最重要的交通工具,而牵引系统是高速列车的核心部件,为列车的运行提供充足的动力。一旦出现故障,将会影响列车的可靠性与安全性。
在故障检测与诊断领域,基于模型的故障检测技术发展较为成熟,但其对模型的精确性有较强依赖。基于信号分析的故障检测技术对系统结构的信息不可用,且利用高维信号关联较差。随着现代信息采集技术和传感器技术的迅猛发展,过程数据作为第一手资料容易获取,更接近真实情况,适用于复杂多变的工业过程,因此,基于数据驱动的故障检测方法成为了在线检测,故障诊断的主流方法。
在高速列车的实际运行过程中,由于电器元件老化、过流、过载等原因,高速列车牵引系统经常处于故障初始状态,这一故障状态被称为微小故障。微小故障变化缓慢,故障幅值较低,易被过程扰动和各种未知的噪声掩盖,若不及时检测,将会演变为永久故障。如果能尽早检测出微小故障,可中止故障的发展,进而避免引发大的灾难。综上,亟需一种既对微小故障敏感,又对噪声和干扰具有鲁棒性的故障检测方法,保障高速列车牵引系统的安全运行至关重要。
发明内容
本发明的目的,在于提供一种对微小故障敏感并能在高速列车牵引系统中有效应用的故障检测方法,通过将信息领域的Hellinger距离引入到规范变量分析架构下,以实现对牵引系统的实时故障检测,且其计算负担较低。
为了解决上述技术问题,本发明提供了一种高速列车牵引系统的微小故障检测方法,包括如下步骤:
步骤一,获取高速列车正常工况下牵引系统的传感器数据,并对数据进行预处理;
步骤二,根据规范变量分析对预处理后的数据构建相关矩阵并得到噪声下的参数矩阵;
步骤三,根据规范变量分析特性计算噪声下的残差向量和协方差矩阵;
步骤四,采用牵引系统产生微小故障时的实际测量数据,得到主元方向上Hellinger距离统计量;
步骤五,构建系统异常监控量和故障检测阈值,进行微小故障检测。
优选地,所述步骤二中,定义u和y之间的相关矩阵,并对其进行奇异值分解:
式中,r为有噪声项,矩阵Rr=(r1,…,rn)和Vr=(v1,…,vm)分别为相关矩阵的左奇异向量和右奇异向量构成的矩阵;k为非0奇异值的个数,Σk=diag(δ1,…,δk),且典型相关系数满足1≥δ1≥δ2≥…≥δk≥0。
令
rr=(Jr)Tur-Σ(Lr)Tyr (3)
其协方差矩阵为
优选地,所述步骤四中,假设标准化数据服从正态分布,即rr~N(U,Σ),则令分别是由微小故障引起的均值矩阵和残差矩阵,两矩阵可表示为ΔU=diag(Δμ1,…,Δμm),Δ∑=diag(Δδ1,…,Δδm)
牵引系统产生微小故障时,在第j个主元方向的Hellinger距离统计量可表示为
因此,高速列车牵引系统微小故障根据以下检测逻辑进行故障检测:
本发明有如下有益效果:
能够实时检测高速列车牵引系统早期异常状况,对微小故障敏感性更高,且对噪声具有鲁棒性,进而为操作人员报警争取早期维修机会,与此同时,该方法具有较低的计算负担,可满足高频采样的牵引系统的实时故障检测需求。
附图说明
图1为本发明实施例提供的高速列车牵引系统的微小故障检测方法的整体流程示意图;
图2为本发明实施例提供的CRH2型高速列车牵引驱动控制系统(Traction DriveControl System,TDCS)示意图;
图3为本发明实施例提供的故障f1检测仿真图;
图4为本发明实施例提供的故障f2检测仿真图。
具体实施方式
为使本领域技术人员更好理解本发明的技术方案,下面通过结合附图和实施案例辅助说明本发明的实施方式,借此说明该发明在实际工程中如何实施并解决技术问题。本申请所形成的技术方案均在本发明的保护之内。
本发明提供了一种高速列车牵引系统的微小故障检测方法,包括如下步骤:
下面根据具体实施例,来验证本发明的优越性。
步骤一(S110),获取高速列车正常工况下牵引系统的传感器数据,并对数据进行预处理;
若传感器采样得到N个过程数据,且u0∈Rn和y0∈Rm为过程输入向量和输出向量,n和 m代表输入和输出向量的维度。
其中,E[·]表示数学期望,Σuu=E[uuT]为u的协方差矩阵,Σyy=E[yyT]为y的协方差矩阵,Σuy=E[uyT]表示u和y之间的协方差矩阵,μu和μy为输入向量和输出向量的均值,对两向量去均值,并分别服从正态分布
步骤二(S120),根据规范变量分析对预处理后的数据构建相关矩阵并得到噪声下的参数矩阵;
定义u和y之间的相关矩阵,并对其进行奇异值分解:
式中,r为有噪声项,矩阵Rr=(r1,…,rn)和Vr=(v1,…,vm)分别为相关矩阵的左奇异向量和右奇异向量构成的矩阵;k为非0奇异值的个数,Σk=diag(δ1,…,δk),且典型相关系数满足1≥δ1≥δ2≥…≥δk≥0。
令
步骤三(S130),根据规范变量分析特性计算噪声下的残差向量和协方差矩阵;
由规范变量分析的特性可知:
(Jr)TΣuuJr=In,(Lr)TΣyyLr=Im,(Jr)TΣuyLr=Σ
(Lr)TΣu T y=ΣT(Jr)TΣuu,(Jr)TΣuy=Σ(Lr)TΣyy (6)
式中In和Im分别为n阶和m阶单位矩阵。由于(Jr)Tur和(Lr)Tyr具有强相关性,残差向量为
rr=(Jr)Tur-Σ(Lr)Tyr (7)
其协方差矩阵为
步骤四(S140),采用牵引系统产生微小故障时的实际测量数据,得到主元方向上Hellinger 距离统计量;
ΔU=diag(Δμ1,…,Δμm),Δ∑=diag(Δδ1,…,Δδm) (9)
在第j个主元方向,基于Hellinger距离的二次型统计量可表示为
步骤五(S150),构建系统异常监控量和故障检测阈值,进行微小故障检测。
因此,高速列车牵引系统微小故障根据以下检测逻辑进行故障检测:
以下借助Matlab工具,利用中南大学开发的高速列车注入故障的软件平台进行验证,对本发明进行说明,并结合图示展示本发明的效果。
通过传感器采集了8个变量并分为两组,即Un、In、Ucd1和Ucd2为输入变量,Ia、Ib、 Ic和St为输出变量。用于建模的数据集包括训练数据集和测试数据集,其中训练数据集为无故障数据,测试数据集为故障数据。首先,从牵引系统传感器中采集在线数据并标准化处理,得到参数矩阵Jr、Lr和Σ,其次,通过训练数据生成残差向量,并计算微小故障引起的均值向量和残差向量的Hellinger距离最后,为了检测故障,构建统计量并进行故障决策。测试阶段采集20000个样本数据,样本数据为10000时注入微小故障。实验平台设置注入故障的时间,对总测试数据量的仿真时间设置为2s,在0.9-1s时进行故障注入模拟实验。
图3所展示了本发明所考虑的以振动的形式影响传感器值的微小故障f1,在故障f1发生后,统计量出现较小的波动,对于统计量而言,较有更高的故障检测能力,虽然对微小故障敏感性较低,但对微小故障敏感性较高。故障决策需要同时对两统计量进行监控,所设计的方法可以成功检测微小故障f1;图4所展示了本发明所考虑的复合微小故障f2,在牵引电机定子绕组的u相和v相电流传感器同时注入偏置微小故障,在故障f2发生后,和统计量均出现较明显的波动,因此,本发明所提出的方法,实现了很满意的微小故障检测结果。
以上实施例仅为说明本发明的技术思想,非限定特定场景。任何本发明所属技术领域内的技术人员,在不脱离本发明所提供的精神和范围的前提下,可以在实施形式上及细节上作任何的修改或改变,但本发明的专利保护范围,仍须以所附权利要求书所界定的范围为准。
Claims (5)
1.一种高速列车牵引系统的微小故障检测方法,其特征在于,包括如下步骤:
步骤一,获取高速列车正常工况下牵引系统的传感器数据,并对数据进行预处理;
步骤二,根据规范变量分析对预处理后的数据构建相关矩阵并得到噪声下的参数矩阵;
步骤三,根据规范变量分析特性计算噪声下的残差向量和协方差矩阵;
步骤四,采用牵引系统产生微小故障时的实际测量数据,得到主元方向上Hellinger距离统计量;
步骤五,构建系统异常监控量和故障检测阈值,进行微小故障检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210889804.6A CN115358294A (zh) | 2022-07-27 | 2022-07-27 | 一种高速列车牵引系统的微小故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210889804.6A CN115358294A (zh) | 2022-07-27 | 2022-07-27 | 一种高速列车牵引系统的微小故障检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115358294A true CN115358294A (zh) | 2022-11-18 |
Family
ID=84032173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210889804.6A Pending CN115358294A (zh) | 2022-07-27 | 2022-07-27 | 一种高速列车牵引系统的微小故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115358294A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116204842A (zh) * | 2023-03-10 | 2023-06-02 | 广东省建设工程质量安全检测总站有限公司 | 一种电气设备的异常监测方法及系统 |
-
2022
- 2022-07-27 CN CN202210889804.6A patent/CN115358294A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116204842A (zh) * | 2023-03-10 | 2023-06-02 | 广东省建设工程质量安全检测总站有限公司 | 一种电气设备的异常监测方法及系统 |
CN116204842B (zh) * | 2023-03-10 | 2023-09-08 | 广东省建设工程质量安全检测总站有限公司 | 一种电气设备的异常监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Coble et al. | Applying the general path model to estimation of remaining useful life | |
CN108490923B (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 | |
CN108398637B (zh) | 一种非线性机电系统的故障诊断方法 | |
CN108535635B (zh) | 一种基于eemd和hmm的模拟电路间歇故障诊断方法 | |
Chen et al. | Data-driven incipient sensor fault estimation with application in inverter of high-speed railway | |
CN111737909A (zh) | 基于时空图卷积网络的结构健康监测数据异常识别方法 | |
CN112187528A (zh) | 基于sarima的工业控制系统通信流量在线监测方法 | |
CN115358294A (zh) | 一种高速列车牵引系统的微小故障检测方法 | |
CN115268417A (zh) | 一种自适应ecu故障诊断控制方法 | |
CN113569990A (zh) | 面向强噪声干扰环境的演艺装备故障诊断模型构建方法 | |
US20220156586A1 (en) | System for monitoring a circuit breaker | |
CN114662327A (zh) | 一种用于auv舱内泄露监测的辅助方法 | |
CN113071509B (zh) | 一种智能车车轮转角传感器故障检测方法 | |
CN110956112B (zh) | 一种新的高可靠性回转支承寿命评估方法 | |
CN111753876B (zh) | 一种基于深度神经网络的产品质量检测方法 | |
CN108613695B (zh) | 基于ica-sprt的冗余传感器故障检测方法 | |
CN112651087A (zh) | 一种基于分布式估计的列车电机故障检测方法 | |
CN113218683A (zh) | 一种基于振动信号的石油井下电动套管切割器故障识别方法 | |
CN107957269B (zh) | 一种惯导系统故障特性判定及测试性预计方法 | |
Lin et al. | Structural damage detection with canonical correlation analysis using limited sensors | |
CN113341721B (zh) | 面对含有未知扰动的工业系统的数据驱动鲁棒故障诊断方法 | |
Cao et al. | Fault diagnosis in a class of nonlinear systems using identification and glr testing | |
Jugan | Advanced methods of motor testing | |
CN117092432A (zh) | 一种电力专用传感器电磁可靠性评价方法、装置及存储介质 | |
CN108844662B (zh) | 一种数控机床电气柜状态评估方法 |
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 |