[发明专利]一种列车空气制动系统随机故障注入方法及注入系统在审
申请号: | 202310172126.6 | 申请日: | 2023-02-27 |
公开(公告)号: | CN116362008A | 公开(公告)日: | 2023-06-30 |
发明(设计)人: | 陈志文;范敬珂;彭立娟;樊欣宇;王久赫;杨崇攀;陈智勇;彭涛;阳春华 | 申请(专利权)人: | 中南大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F18/241;G06Q10/20;G06F119/02;G06F111/08 |
代理公司: | 长沙朕扬知识产权代理事务所(普通合伙) 43213 | 代理人: | 陈云枫 |
地址: | 410083 *** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 列车 空气 制动 系统 随机 故障 注入 方法 | ||
1.一种列车空气制动系统随机故障注入方法,其特征在于,包括:
构建目标空气制动系统的仿真模型,并获取目标空气制动系统的全部历史故障信息构建故障模型库;
对全部历史故障信息进行分类得到故障程度信息和故障类型信息,并根据所述故障程度信息确定故障程度状态集合,根据所述故障类型信息确定故障类型状态集合;
基于所述故障程度状态集合绘制目标空气制动系统的故障程度状态转移图,基于所述故障类型状态集合绘制目标空气制动系统的故障类型状态转移图;
根据所述故障类型状态转移图构建故障类型马尔科夫链,根据所述故障程度状态转移图构建故障程度马尔科夫链;
基于所述故障类型马尔科夫链和所述故障程度马尔科夫链确定状态转移概率矩阵,并对所述状态转移概率矩阵求解得到稳态分布;
根据所述稳态分布设置全部故障信息的概率分布,并基于此概率分布对全部故障信息进行分层随机抽取,将抽取到的故障信息注入所述仿真模型。
2.根据权利要求1所述的列车空气制动系统随机故障注入方法,其特征在于,所述获取目标空气制动系统的全部故障信息构建故障模型库,包括:
基于目标空气制动系统的EP阀、列车管、制动缸以及传感器建立包含k种故障类型和l种故障程度的故障模型库;
所述故障模型库中故障模型总数记为N,所述故障模型库的计算公式如下所示:
其中,表示第i种故障类型的第j中故障程度的故障模型个数,k表示故障类型的个数,l表示故障程度的个数,N表示故障模型库中故障模型的总数。
3.根据权利要求1所述的列车空气制动系统随机故障注入方法,其特征在于,所述根据所述故障程度信息确定故障程度状态集合,包括:
故障程度信息包括健康以及l级故障程度组成的故障程度状态,将所述故障程度状态组成故障程度状态集合,其表达式如下所示:
其中,Sd表示故障程度状态集合,表示第l级故障程度状态,l为大于等于0的整数。
所述根据所述故障类型信息确定故障类型状态集合,包括:
故障类型信息包括正常运行状态以及k种故障类型组成的故障类型状态,将所述故障类型状态组成故障类型状态集合,其表达式如下所示:
其中,St表示故障类型状态集合,表示第k种故障程度状态,k为大于等于0的整数,上述每种故障类型都包含上述l种故障程度。
4.根据权利要求1所述的列车空气制动系统随机故障注入方法,其特征在于,所述基于所述故障程度状态集合绘制目标空气制动系统的故障程度状态转移图,包括:
当故障程度不可修复时,故障程度朝着严重的方向发展,此时故障程度状态转移图满足下式:
其中,表示第i级故障程度状态,表示第j级故障程度状态,
当故障程度可修复时,故常程度朝着恢复至健康的方向发展,此时故障程度状态转移图满足下式:
其中,表示第i级故障程度状态,表示健康状态,
所述基于所述故障类型状态集合绘制目标空气制动系统的故障类型状态转移图,包括:
不同故障类型与健康互为可达关系,此时故障类型状态转移图满足下式:
其中,表示第i种故障类型状态,表示健康状态,
不同故障类型之间不可达,此时故障类型状态转移图满足下式:
其中,表示第i种故障类型状态,表示第j种故障类型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310172126.6/1.html,转载请声明来源钻瓜专利网。