欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021106064505
申请人: 西安理工大学
专利类型:发明专利
专利状态:授权未缴费
专利领域: 测量;测试
更新日期:2024-01-31
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于多源信息融合的列车制动故障诊断方法,其特征在于,具体按照以下步骤实施:步骤1、对列车制动过程进行受力分析,包括列车空气制动力B、列车运行基本阻力R1(v)、列车运行附加阻力R2(v,x),建立列车非线性制动状态空间模型;

所述步骤1具体按照以下步骤实施:

步骤1.1、列车空气制动力B表示为:

其中,d为制动缸直径,r为制动盘摩擦半径,Rc为车辆车轮直径,N为车辆闸片总数,P为制动缸空气压力,η为基础制动装置计算传动效率,γ为制动倍率,μA是列车制动盘的摩擦系数;

步骤1.2、列车运行基本阻力R1(v)表示为:

2 ‑3

R1(v)=M×(c0+c1v+c2v)×g×10其中,M为定员质量,c0为滚动阻力系数,c1为其它机械阻力系数,c2为空气阻力系数,v为列车制动速度,g为重力加速度;

步骤1.3、列车运行附加阻力R2(v,x)表示为:R2(v,x)=Rr(x)+Rc(x)+Rt(x)式中,Rr(x)为坡道附加阻力,Rc(x)为曲线附加阻力,Rt(x)为隧道附加阻力;

步骤1.4、建立列车非线性制动状态空间模型为:yt=vt+1+et

式中,vt和vt+1分别为t和t+1时刻的速度状态值,yt为t时刻的速度测量值,T为列车采样时间,B为列车空气制动力,R1(v)为列车运行基本阻力,R2(v,x)为列车运行附加阻力,M为车辆定员质量,wt为线路情况等因素对列车速度的随机干扰,et用来表征测量误差;

步骤2、构建基于联邦卡尔曼的列车多源制动监测数据融合滤波,得到多源测量信息融合结果;

所述步骤2具体按照以下步骤实施:

步骤2.1、将每一个测速传感器视为一个子系统,根据测速传感器离散状态系统的特性,建立第i个传感器模型的系统方程和量测方程:Xi(t+1)=A(t+1,t)Xi(t)+Wi(t)Zi(t)=Hi(t)Xi(t)+Vi(t)式中,Xi(t+1)和Xi(t)为第i个传感器t+1和t时刻的状态监测值,Zi(t)为第i个传感器t时刻的观测值,A(t+1,t)为系统由t时刻变换到t+1时刻的状态转移矩阵,Hi(t)为第i个传感器t时刻的测量矩阵,Wi(t)和Vi(t)分别为第i个传感器t时刻的状态和观测随机噪声;

步骤2.2、设定滤波器初始条件如下:

T

E[WiVi]=0

式中,E[Δ]表示Δ的期望,X(0)表示状态初始值, 为状态估计值,P0为初始估计误差方差;

步骤2.3、信息分配过程如下:

式中,Qi为第i个传感器系统状态噪声方差,Qg为系统状态全局噪声方差,Pi和Pg分别代表第i个传感器系统估计误差方差和全局估计误差方差, 为第i个传感器估计值, 为全局状态融合估计值,βi为信息分配系数;

步骤2.4、时间更新过程如下:

T

Pi(t+1,t)=A(t+1,t)Pi(t)A(t+1,t)+Qi(t)步骤2.5、量测更新过程如下:

式中,Ri代表子系统观测噪声协方差矩阵;

步骤2.6、多源测量信息融合估计结果为:

步骤3、选取递归最大期望辨识算法对数据融合结果分析,首先构造融合数据的条件数学期望,然后选取梯度下降法对所构建的数学期望进行优化,得到制动盘摩擦系数的辨识结果,进而给出诊断结果,所述步骤3具体按照以下步骤实施:

步骤3.1、令步骤1.4中的列车非线性制动状态空间模型的状态和观测结果分别为:xt=vt

步骤3.2、将列车t1时刻到t2时刻间的状态数据与观测数据定义为 和 即:式中,由于存在难以观测的制动参数, 被视为不完全可测数据,求取 与列车的输出观测数据组成全部数据的联合概率密度函数步骤3.3、以列车制动盘摩擦系数μA的故障诊断为例,构建关于μA的联合概率密度函数的期望更新值 为:式中,p(Δ|Ω)为Ω已知时Δ的概率密度函数, 和 分别为t时刻和t‑1时刻的期望更新值,Q(t)为t时刻的期望计算值,I1,I2和I3分别为期望计算值Q(t)的三个计算分量,λ为期望迭代因子;

步骤3.4、选取梯度下降法找寻t时刻时 取最大值的μA,通过对比辨识结果和车辆设计参数指标,若参数辨识结果与车辆设计指标数值相差不大,则认为车辆制动性能正常,若参数辨识结果与车辆设计指标数值相差较大,则认为列车制动性能有所下降,若参数辨识结果与车辆设计指标数值相差极大,则认为列车制动性能失效。