[发明专利]列车速度传感器信号异常检测及轴抱死故障诊断方法

权利要求书

1.一种列车速度传感器信号异常检测及轴抱死故障诊断方法，其特征在于，包括：

步骤S1：对列车的4轴速度传感器信号进行两两轴间残差计算，提取得到6维稳态特征量，

步骤S2：应用非故障状态下的6维稳态特征量训练得到健康情况下的主成分模型，并得到统计量控制限，

步骤S3：输入基于实测传感器信号得到的6维稳态特征量到主成分模型，计算测试数据的统计量值，并判断该统计量值是否超出控制限，若为是则认定发生故障并执行步骤S4，若为否，则认定未发生故障，

步骤S4：根据实测传感器信号得到故障类型及故障位置；

所述步骤S2中的统计量控制限为：

其中：ζ为统计量控制限，g为系数，χ_h²,_α是自由度为h，置信度为α的χ²分布，h为自由度，α为置信度，S为训练数据的协方差矩阵，φ为将测试数据转换为综合指标的矩阵，tr(·)为矩阵的迹，X为训练数据，m为训练数据变量数。

2.根据权利要求1所述的一种列车速度传感器信号异常检测及轴抱死故障诊断方法，其特征在于，所述6维稳态特征量为：

x_ij＝|V_i-V_j|,i,j＝1,2,3,4,i＜j

其中：x_ij为第i个和第j个轴的速度传感器采集的传感器信号的轴间残差，V_i、V_j分别为第i个和第j个轴的速度传感器采集的传感器信号。

3.根据权利要求1所述的一种列车速度传感器信号异常检测及轴抱死故障诊断方法，其特征在于，所述步骤S3中的统计量值具体为：

fai＝x^Tφx

其中：fai为统计量值，x为测试数据。

4.根据权利要求3所述的一种列车速度传感器信号异常检测及轴抱死故障诊断方法，其特征在于，所述步骤S4具体包括：

步骤S41：计算各个变量的重构贡献值，根据重构贡献图隔离原理，提取故障变量，并根据隔离完全条件，得到所有的故障集合X_f；

步骤S42：确定故障的变量之后，对综合统计量fai值进行规整量化，并记录量化后各个状态的转换类型及发生的时间得到状态变化矩阵fai_t；

步骤S43：应用故障模式分析及影响分析结果结合状态转换类型建立故障Petri网模型，确定网络关联矩阵C以及变迁激发矩阵U；

步骤S44：读取状态转换矩阵fai_t，获取Petri网初始标识M₀，应用故障Petri网推理状态方程式得到下一标识M₁；

步骤S45：重复步骤S44，直至标识M_i+1到达故障类型库所。

5.根据权利要求4所述的一种列车速度传感器信号异常检测及轴抱死故障诊断方法，其特征在于，所述重构贡献值具体为：

RBC_i^Index＝_x^Tφξ_i(ξ_i^Tφξ_i)^-1ξ_i^Tφ_x

其中：RBC_i^Index为第i个变量的重构贡献值，_x为原数据，φ为将测试数据转换为综合指标的矩阵，ξ_i为故障方向矩阵，(·)^-1为逆矩阵。

6.根据权利要求5所述的一种列车速度传感器信号异常检测及轴抱死故障诊断方法，其特征在于，所述步骤S44中，算子的计算过程为：

则c_i＝∨(a_i,b_i)，1≤i≤n

其中：∨(·)为两个矩阵的或运算，

算子的计算方法为：

令C∈R^n×m,U∈R^n×1,有

其中：C为Petri网模型的关联矩阵，U为变迁激发矩阵。