[发明专利]一种基于数据驱动ToMFIR的高速列车悬挂系统故障诊断方法

权利要求书

1.一种基于数据驱动ToMFIR的高速列车悬挂系统故障诊断方法，其特征在于，包括以下步骤：

步骤1.对高速列车悬挂系统的实际模型和标称模型进行数据建模，得到隐含悬挂系统的输入输出关系的实际模型的输入输出数据模型和标称模型的输入输出数据模型；

步骤2.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3.利用步骤2中所得实际模型的输入输出数据矩阵和标称模型的输入输出数据矩阵，设计基于数据驱动的故障信息全度量残差；

步骤4.利用步骤3中设计的基于数据驱动的故障信息全度量残差构造评价函数J，结合故障检测报警阈值，在检测指标达到报警阈值时进行报警；

步骤5.利用步骤3中设计的基于数据驱动的故障信息全度量残差，进行悬挂系统传感器微小故障的幅值估计。

2.根据权利要求1所述的一种基于数据驱动ToMFIR的高速列车悬挂系统故障诊断方法，其特征在于，在所述步骤1中，对实际模型和标称模型进行数据建模的具体过程包括：

步骤1.1.高速列车垂向悬挂系统的离散的实际模型G及标称模型G₀可表示为：

其中，A,B,C,E_d,E_f,F_f为空间状态方程相应的系数矩阵；x(k),y(k),u(k),d(k)分别为实际系统的状态变量、输出变量、控制输入变量、轨道扰动激励；f(k)表征所有可能的故障；ξ(k)分别是过程噪声和测量噪声；x₀(k),y₀(k),u₀(k)分别为标称模型的状态变量、输出变量和控制输入变量；

步骤1.2.由步骤1.1中悬挂系统实际模型G的状态空间方程(1)，有：

其中y_l(k),u_l(k),d_l(k),f_l(k),ξ_l(k)为堆栈矩阵，Γ_l,H_u,l,H_d,l,H_f,l,为相应的系数矩阵，具体形式如下

步骤1.3.步骤1.2所得表达式(3)含有状态变量x(k)，为消除状态变量x(k)，由步骤1.1中离散状态空间方程(1)可得到

其中

步骤1.4.将步骤1.3中所得表达式(5)代入步骤1.2所得表达式(2)，有

化简得

y_l(k)≈H_u,p,lu_p,l(k)+H_d,p,ld_p,l(k)+H_f,p,lf_p,l(k)+H_e,p,le_p,l(k) (8)

其中

考虑时间间隔N，由步骤1.4中所得化简后表达式(8)，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：

Y_k,l＝H_u,p,lU_k,p,l+H_d,p,lD_k,p,l+H_f,p,lF_k,p,l+H_e,p,lE_k,p,l (10)

其中Y_k,l,U_k,p,l,D_k,p,l,F_k,p,l,E_k,p,l为数据矩阵；实际系统的输入输出数据矩阵Y_k,l与U_k,p,l，在列车运行时可由传感器、陀螺仪等测量得到；各数据矩阵形式如下：

步骤1.5同理，由步骤1.1中悬挂系统标称模型G₀的状态空间方程(2)，有：

其中分别为标称系统的输入输出数据矩阵，分别与U_k,p,l,Y_k,l具有相同的形式；并且，在列车运行时可由传感器、陀螺仪等测量得到。