CN115358294A - 一种高速列车牵引系统的微小故障检测方法 - Google Patents

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

一种高速列车牵引系统的微小故障检测方法

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R^r＝(r₁,…,r_n)和V^r＝(v₁,…,v_m)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，Σ_k＝diag(δ₁,…,δ_k)，且典型相关系数满足1≥δ₁≥δ₂≥…≥δ_k≥0。

令

规范变量由主元空间和残差空间组成，即

其中矩阵

由相应矩阵前k列构成，矩阵

分别由相应矩阵的后n-k+1，m-k+1列构成。优选地，所述步骤三中，(J^r)^Tu^r和(L^r)^Ty^r具有强相关性，残差向量为

r^r＝(J^r)^Tu^r-Σ(L^r)^Ty^r (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r^r～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,…，Δμ_m)，Δ∑＝diag(Δδ₁,…，Δδ_m)

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

优选地，所述步骤五中，可用

和

监控系统的异常，对于这两种统计量，可做如下定义

其中，

为

的均值向量，Σ_pc与Σ_res为

在Σ_pc与Σ_res上的协方差矩阵。

和

两种统计量分别服从自由度为l和(m-l)的χ²分布。当给定置信水平α(一般α＝5％)时，相应的控制限设为

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：

且

无故障

或

发生故障 (8)

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；

具体地，获取高速列车牵引系统正常工况下的第j个传感器测量信号

为独立同分布的高斯白噪声，故障幅值A近似当作一恒值，且A＜10％。则牵引系统产生微小故障时的实际测量信号x_(j+1)可表示为

若传感器采样得到N个过程数据，且u₀∈Rⁿ和y₀∈R^m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，Σ_uu＝E[uu^T]为u的协方差矩阵，Σ_yy＝E[yy^T]为y的协方差矩阵，Σ_uy＝E[uy^T]表示u和y之间的协方差矩阵，

μ_u和μ_y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R^r＝(r₁,…,r_n)和V^r＝(v₁,…,v_m)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，Σ_k＝diag(δ₁,…,δ_k)，且典型相关系数满足1≥δ₁≥δ₂≥…≥δ_k≥0。

令

规范变量由主元空间和残差空间组成，即

其中矩阵

由相应矩阵前k列构成，矩阵

分别由相应矩阵的后n-k+1，m-k+1列构成。

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：

(J^r)^TΣ_uuJ^r＝I_n，(L^r)^TΣ_yyL^r＝I_m，(J^r)^TΣ_uyL^r＝Σ

(L^r)^TΣ_u ^T _y＝Σ^T(J^r)^TΣ_uu,(J^r)^TΣ_uy＝Σ(L^r)^TΣ_yy (6)

式中I_n和I_m分别为n阶和m阶单位矩阵。由于(J^r)^Tu^r和(L^r)^Ty^r具有强相关性，残差向量为

r^r＝(J^r)^Tu^r-Σ(L^r)^Ty^r (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；

假设标准化数据服从正态分布，即r^r～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,…，Δμ_m)，Δ∑＝diag(Δδ₁,…，Δδ_m) (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

其中，t_j与

分别为r^r与r的第j列。牵引系统产生微小故障时的Hellinger距离可表示为

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。

基于本发明提出的故障检测算法，可用

和

监控系统的异常，对于这两种统计量，可做如下定义

其中

为

的均值向量，Σ_pc与Σ_res为

在Σ_pc与Σ_res上的协方差矩阵。

和

两种统计量分别服从自由度为l和(m-l)的χ²分布。当给定置信水平α(一般α＝5％)时，相应的控制限设为

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：

且

无故障

或

发生故障 (15)

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U_n、I_n、U_cd1和U_cd2为输入变量，I_a、I_b、 I_c和S_t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J^r、L^r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。

2.根据如权利要求1所述的一种高速列车牵引系统的微小故障检测方法，其特征在于，所述步骤二具体为：

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R^r＝(r₁,…,r_n)和V^r＝(v₁,…,v_m)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，Σ_k＝diag(δ₁,…,δ_k)，且典型相关系数满足1≥δ₁≥δ₂≥…≥δ_k≥0；

令

规范变量由主元空间和残差空间组成，即

其中矩阵

由相应矩阵前k列构成，矩阵

分别由相应矩阵的后n-k+1，m-k+1列构成。

3.根据如权利要求1所述的一种高速列车牵引系统的微小故障检测方法，其特征在于，所述步骤三具体为：

(J^r)^Tu^r和(L^r)^Ty^r具有强相关性，残差向量为

r^r＝(J^r)^Tu^r-Σ(L^r)^Ty^r (3)

其协方差矩阵为

4.根据如权利要求1所述的一种高速列车牵引系统的微小故障检测方法，其特征在于，所述步骤四具体为：

假设标准化数据服从正态分布，即r^r～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，则两矩阵可表示为ΔU＝diag(Δμ₁,…，Δμ_m)，Δ∑＝diag(Δδ₁,…，Δδ_m)

在第j个主元方向，基于Hellinger距离的二次型统计量可表示为

其中，t_j与

分别为r^r与r的第j列；牵引系统产生微小故障时的Hellinger距离可表示为

5.根据如权利要求1所述的一种高速列车牵引系统的微小故障检测方法，其特征在于，所述步骤五具体为：

基于本发明提出的故障检测算法，可用

和

监控系统的异常，对于这两种统计量，可做如下定义

其中

为

的均值向量，Σ_pc与Σ_res为

在Σ_pc与Σ_res上的协方差矩阵；

和

两种统计量分别服从自由度为l和(m-l)的χ²分布；当给定置信水平α(一般α＝5％)时，相应的控制限设为

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：

且

无故障

Images