[发明专利]一种高速电气化铁路牵引电机多故障建模与诊断方法

权利要求书

1.一种高速电气化铁路牵引电机多故障建模与诊断方法，其特征是按如下步骤：

(1)通过对牵引电机多故障动态分析，在系统多个工作点附近建立描述多故障特性的最小二乘模型结构，实现机理模型和数据驱动模型的有效融合；

(2)通过收集维修数据，构建基于类不平衡学习的多故障分离方法来优化故障特征集合，在牵引电机未知的故障参数空间内得到解耦的故障类集合；

(3)基于多模型故障参数估计技术，设计二阶段自适应多模型诊断系统，实现多故障诊断的稳定性和报警等级的量化分析；

步骤(1)中所述的多故障特性的最小二乘模型描述如下：

式中，i_sa和i_sb为电机定子侧a相和b相电流，ψ_ra和ψ_rb为电机转子侧a相和b相磁通；N_sa和N_sb为牵引电机多故障下的相对平衡因子，U_sa和U_sb为电机定子侧a相和b相电压，w为电机转速，n_p代表电机极对数；R_s和R_r分别为定子和转子电阻，L_s，L_r和M分别为定子自感，转子自感和互感；

在系统多个工作点附近，对上式进行求导和相关变换，得描述多故障特性的最小二乘模型结构：

式中，考虑牵引电机数字化故障诊断的要求，上述连续模型离散化为：

y(k)＝Φ^T(k)θ+ν(k) (3)

式中，ν(k)为电气化铁路的电磁干扰；

步骤(2)所述的基于类不平衡学习的多故障分离方法，具体如下：

①收集维修数据集，基于类不平衡学习进行多故障特征提取，得到故障特征集合；

②收集维修数据，结合故障特征集合，采用类不平衡学习进行故障分离决策，得到类别隶属度函数；

③类别隶属度函数作为多故障特征提取的输入；

④根据故障特征集合和类别隶属度函数，进行多故障分离，得到解耦的故障类集合；

步骤(3)所述的基于多模型故障参数估计技术，设计二阶段自适应多模型诊断系统，得到不同故障类集合对应的残差信号r_i(k)：

式中y_i(k)是实际的速度故障信号，代表对应的故障估计值。