[发明专利]一种基于分布式估计的列车电机故障检测方法

说明书

本发明公开了一种基于分布式估计的列车电机故障检测方法，具体涉及故障检测领域。改进了现有高速列车故障检测系统多个单传感器诊断的一致性问题与因系统状态退化导致的状态估计偏差问题。该方法通过对高速列车牵引电机系统多个传感器的位置结构与采集的数据构建分布式拓扑与状态估计模型，而后对系统的状态退化进行建模，模拟系统实时变化特性，在状态估计的基础上结合残差生成器的统计特性设定故障检测阈值，进而实现检测。

技术领域

本发明涉及一种多传感器与状态修正的故障检测方法，该方法基于目标系统的状态估计模型实现故障检测。具体可以应用于以下几个方面：首先对于由分布式传感器监测的牵引电机系统，本方法可以实现对电机系统的状态估计。其次，退化现象存在于绝大多数的机械系统中，其系统内部性能随着运行时间的延长而降低，本方法可以通过建模对实际的退化状态进行模拟。最后结合系统状态与退化状态实现牵引电机系统的故障检测功能。

背景技术

随着科学的发展与技术的进步，机械系统的规模越来越大、复杂程度越来越高，而这类大型系统一旦发生事故就会造成巨大的人员伤亡与财产损失。因此，复杂机械系统的安全性与可靠性是需要考虑的非常关键的要素。故障检测技术是提高系统可靠性、降低事故风险的重要方法。目前，为了提高相关系统的可靠性，故障检测通常采用冗余的概念来监视、定位、识别故障。其中硬件冗余的基本思想是使用具有相同输入信号的相同组件，以便对重复的输出信号进行比较，从而通过限制检查和多数表决等方法进行诊断决策，硬件冗余是可靠的但价格昂贵，占用空间更大。与硬件冗余方法相比，分析冗余的诊断方法成本更低，但由于环境噪声、不可避免的建模误差以及系统动力学和控制结构的复杂性，使其具有更大的挑战性。

目前，对于广泛应用在牵引系统故障检测的基于数据的故障检测方法来说，最重要的步骤就是对故障数据特征信息的提取，但对于复杂的机械系统来说，一旦引发故障就会造成难以计量的后果，而且，对与复杂机械系统的及时修理与定期维护是不可缺少的过程。这就直接导致了失效数据量的不足，而如果仅用少量的样本数据或特征信号不明显的数据进行研究，将无法保证故障特征提取的准确性，从而直接影响到系统故障检测的效果。此外，实际系统中，相同监测区域内不同位置节点采集的数据不完全相同，将会间接影响到信息采集的一致性，降低诊断精度，即状态估计方法没有充分考虑相邻节点的影响，不能保证节点状态的一致性。最后，对于牵引电机系统状态退化问题的考虑是欠缺的，状态退化是不可避免的现实，如果不充分考虑退化问题，将会增加故障检测的误报率，降低诊断的准确性。综上，亟需一种新的方法需要尽可能的考虑牵引系统实际运行特性，提高对牵引电机系统的状态估计准确性进而提升故障检测性能。

发明内容

本发明的目的是检测高速列车的牵引系统故障，通过对实际系统的状态估计与退化模拟，以实现分布式建模与退化过程建模，进而实现整体系统的故障检测。

本发明具体包括以下步骤：

步骤1：采集工业过程中系统正常运行的状态下的测量数据值，其中包含多个传感器节点的测量值。

步骤2：根据实际牵引电机系统物理结构，构建实际传感器拓扑。

步骤3：以拓扑结构作为依托，构建分布式状态估计模型。首先考虑到传感器采集信息的过程中受到的影响，对系统方程进行处理，得到等价系统方程：

其次，构建分布式状态估计模型：

其中，需要求得的滤波参数H需要在最小误差均方差的前提下进行求取。原理等同于条件极值，求得的最优解H表示为：

分布式状态估计曲线，与误差协方差曲线由图6、图7表示。

步骤4：以实际牵引电机数据为基础，建立运行状态退化模型。具体为：以布朗运动驱动的退化过程为例，以非线性过程模型作为基础退化过程模型，进行参数估计，并最终求得状态修正因子。

步骤5：计算测量数据的故障检测指标，对所述数据进行故障检测分析。具体为：构建残差生成器，并计算给出残差生成器的统计特性。基于此特性，在切比雪夫不等式的推导下，给定一定置信度前提下的故障检测阈值，以此进行故障检测。