[发明专利]一种基于多源信息融合的列车制动故障诊断方法

说明书

本发明公开了一种基于多源信息融合的列车制动故障诊断方法，首先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；然后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；最后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。本发明消除了传感器误差、传感器故障、监测频率不同、监测数据缺失、漂移等不利因素对诊断结果的影响，建立了列车制动模型与故障诊断框架，提高了诊断效率与诊断精度。

技术领域

本发明属于轨道交通运行安全技术领域，具体涉及一种基于多源信息融合的列车制动故障诊断方法。

背景技术

随着车辆运行速度的提高，人们对列车制动系统的可靠性和安全性也提出了更高的要求。然而，受到潜在工艺异常和部件故障的影响，列车系统故障频发的现象仍然存在。这些故障虽然在早期阶段可能并不严重，但这些故障的存在确实会降低系统性能。因此，尽早发现和识别任何潜在的异常和故障，并实施容错操作，以最大程度地降低故障风险，避免危险情况的发生对高速列车的安全运行是至关重要的。

近些年，随着传感器技术的进步，列车监测数据也变得多种多样。因此，充分利用多源数据价值，实现多源信息融合的故障诊断对列车安全稳定运行与长久发展意义重大。

发明内容

本发明的目的是提供一种基于多源信息融合的列车制动故障诊断方法，消除了传感器误差、传感器故障、监测频率不同、监测数据缺失、漂移等不利因素对诊断结果的影响，建立了列车制动模型与故障诊断框架，提高了诊断效率与诊断精度。

本发明所采用的技术方案是，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；

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；

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。

本发明的特点还在于，

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，R_c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，μ_A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：

R₁(v)＝M×(c₀+c₁v+c₂v²)×g×10^-3

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：