[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

说明书

本发明公开了一种基于数据驱动ToMFIR的高速列车悬挂系统故障诊断方法，包括：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；利用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；采用故障信息全度量残差构造评价函数，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；利用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。本发明对高速列车悬挂系统的微小故障具有较高的灵敏度，可实时检测并准确估计出故障的动态特性。

技术领域

本发明属于高速列车悬挂系统故障诊断技术领域，涉及一种基于数据驱动ToMFIR(Total Measurable Fault Information Residual，故障信息全度量残差)的高速列车悬挂系统故障诊断方法。

背景技术

中国自2008年在主要干线上开通了时速200公里以上的CRH(China RailwayHigh-speed)动车组列车以来，经过10多年的发展，中国已经建成全世界规模最大、运营速度最快的高速铁路网。

高速列车悬挂系统支撑车体和转向架，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。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。

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、传感器偏差漂移等微小故障，给列车的行车安全带来潜在的危险。

发明内容

本发明的目的在于克服现有技术存在的缺陷，提供一种基于数据驱动ToMFIR的高速列车悬挂系统故障诊断方法。该方法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、机械部件为故障诊断对象，在悬挂系统发生故障、甚至是微小故障时就可实时检测到并准确估计出故障的动态特性。

为解决上述技术问题，本发明采用以下技术方案。

本发明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，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；所得实际模型输入输出信号用于构造实际模型的输入输出数据矩阵，所得标称模型的输入输出信号用于构造标称模型的输入输出数据矩阵；

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。

进一步地，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：