[发明专利]基于相似度的列车悬挂系统故障分离方法

权利要求书

1.基于相似度的列车悬挂系统故障分离方法，其特征在于，该方法包括以下几个步骤：

1)利用加速度传感器与陀螺仪获取列车运行时各个位置的运动状态信息；

2)对步骤1中获得的加速度信号进行抗混叠滤波、高通滤波、二次积分处理，对角速度信号只进行抗混叠滤波与高通滤波处理，以获得系统输出；系统输出即车体垂向、横向位移与车体点头、摇头、侧滚角位置，以及前后转向架的垂向、横向位移与前后转向架的点头、摇头、侧滚角位置；

3)建立车辆悬挂系统动力学模型：

x·=Ax+Bdd]]>

y=Cx+D_dd

其中x为车辆运动状态变量，d为轨道激励，y为位移信号，A,B,C_d,D_d为空间状态方程相应的系数矩阵,设计相应的Kalman滤波器，对步骤2所述的系统输出进行处理，估计步骤2中车体垂向、横向位移与车体点头、摇头、侧滚角位置，以及前后转向架的垂向、横向位移与前后转向架的点头、摇头、侧滚角位置运行状态，获得系统输出残差；

4)利用故障检测单元依据步骤3中的残差输出进行故障检测，在检测到故障后报警，并启动故障分离程序；

5)在故障检测单元检测到系统中存在故障后，采集步骤3中Kalman滤波器的系统输出残差，数据长度为10秒，对这段数据做快速傅立叶变换FFT：

R(k)=Σn=1Nr(n)e-j2π(k-1)n-1N,1≤k≤N]]>

获得故障信号频域信息。其中r(n)表示步骤3中Kalman滤波器的输出残差，R(k)为故障信号的频域信息；

6)运用Eros相似度匹配算法将步骤5中获得的当前故障频域信息与存储在故障特征库中典型故障的特征进行相似度匹配，完成故障分离。取存储在故障特征库中的典型故障的故障特征，与当前从步骤5中获得的故障信号的频域信息，运用Eros算法一一做匹配，计算当前检测到的故障与典型故障的相似度得分，得分最大的即认为是当前发生的故障。

2.根据权利要求1所述的基于相似度的列车悬挂系统故障分离方法，其特征在于，所述运动状态信息包括车体垂向加速度，车体横向加速度，车体点头角速度，车体摇头角速度与车体侧滚角速度；以及前后转向架的垂向加速度，横向加速度，点头角速度摇头角速度与侧滚角速度。

3.根据权利要求1所述的基于相似度的列车悬挂系统故障分离方法，其特征在于，所述Eros相似度匹配算法如下：

求取当前故障频域信息序列的协方差矩阵

A=cov(R(k))

其中R(k)为故障残差信号频域信息序列，A为其协方差矩阵；

做协方差矩阵的奇异值分解：

A＝U∑V^T

V_A=[a₁,a₂,...,a_m]

∑_A=diag(λ_A1,λ_A2,...,λ_Am)

其中V_A为由右特征向量a_i组成的右特征矩阵，∑_A为由奇异值λ_Ai组成的对角矩阵；

计算权重：

ωAi=λAi/Σj=1mλAj]]>

ωBi=λBi/Σj=1mλBj]]>

ωi=(ωAi+ωBi)/(Σj=1mωAj+Σj=1mωBj)]]>

其中ω_i为计算矩阵A与B的相似度时对应第i个特征向量的权重；

相似性度量：

Sim(A,B)=Σi=1mωi|<ai,bi>|=Σi=1mωi|cosθi|]]>

Sim(A,B)即为所求相似度，θ_i为矩阵A与B对应右特征向量a_i与b_i的夹角。