[发明专利]一种高速列车关键系统的鲁棒间歇传感器故障诊断方法

摘要

本发明公开了一种高速列车关键系统的鲁棒间歇传感器故障诊断方法，属于信号处理领域，该方法包括建立高速列车关键系统离散时间状态空间模型步骤；设计高速列车关键系统鲁棒残差生成器步骤；设计高速列车关键系统鲁棒间歇传感器故障检测方法步骤；设计高速列车关键系统鲁棒间歇传感器故障分离及估计方法步骤。本发明有效保障了高速列车关键系统间歇传感器故障诊断的实际应用需求。

主权项

一种高速列车关键系统的鲁棒间歇传感器故障诊断方法，其特征在于：具体包括如下步骤：步骤1：建立高速列车关键系统离散时间状态空间模型并辨识模型参数x(k+1)=(Ac(k)+Aδ(k))x(k)+(Bc(k)+Bδ(k))u(k)+w(k),y(k)=(Cc(k)+Cδ(k))x(k)+v(k)+f(k),---(1);]]>其中，分别为系统状态，控制输入，测量输出；分别为过程噪声，测量噪声；为传感器故障；为系统参数；为参数不确定性；满足下列条件：初始状态x(0)的均值，协方差，二阶矩分别为P0，Σ0；噪声w(k)，v(k)的均值为零，协方差矩阵分别为Σw(k)，Σv(k)；参数不确定性Aδ(k),Bδ(k),Cδ(k)的均值为零，协方差矩阵分别为步骤2：设计高速列车关键系统鲁棒残差生成器，具体包括如下步骤：步骤2.1：离线计算增益矩阵K(k)K(k)＝G(k)Cc(k)TQ(k)‑1,                      (2)；其中，G(k)=Ac(k-1)P(k-1)Ac(k-1)T+ΣAδ(k-1)x(k-1)+ΣBδ(k-1)u(k-1)+Σw(k-1),---(3);]]>Q(k)=Cc(k)G(k)Cc(k)T+ΣCδ(k)Σx(k)+Σv(k),---(4);]]>P(k)=(Inx×nx-K(k)Cc(k))G(k),---(5);]]>骤2.2：在线计算鲁棒残差r(k)r(k)=y(k)-Cc(k)x^(k),---(6);]]>其中，x^(0)=x‾0,---(7);]]>x^(k|k-1)=Ac(k-1)x^(k-1)+Bc(k-1)u(k-1),---(8);]]>r(k|k-1)=y(k)-Cc(k)x^(k|k-1),---(9);]]>x^(k)=x^(k|k-1)+K(k)r(k|k-1),---(10);]]>步骤3：设计高速列车关键系统鲁棒间歇传感器故障检测方法，具体包括如下步骤：步骤3.1：计算间歇故障检测统计量TD(k)TD(k)=r(k)T(Cc(k)P(k)Cc(k)T+ΣCδ(k)x(k)+Σv(k))-1r(k),---(11);]]>步骤3.2：设定间歇故障检测误报率PfaPfa＝αfa,                              (12)；步骤3.3：设计间歇故障检测阈值JDJD=χαfa2,---(13);]]>其中，P{TD(k)>χαfa2|r(k)~N(0ny×1,Cc(k)P(k)Cc(k)T+ΣCδ(k)x(k)+Σv(k))}=αfa,---(14);]]>步骤3.4：根据下述准则进行间歇故障检测若TD(k‑1)≤JD,TD(k)＞JD，则k时刻发生故障，故障警报指示量Ia＝1；若TD(k‑1)＞JD,TD(k)≤JD，则k时刻故障消失，故障解除指示量Ir＝1；相应地，第i个间歇故障的故障警报时间和故障解除时间分别为kalarm,i＝min(k|TD(k)＞JD,k≥krelease,i‑1+1),                (15)；krelease,i＝min(k|TD(k)≤JD,k≥kalarm,i+1),                (16)；步骤4：设计高速列车关键系统鲁棒间歇传感器故障分离及估计方法，具体包括如下步骤：步骤4.1：计算间歇故障分离统计量TI(i,j)TI(i,j)=(d(i,j)1-L(i,j)12L(i,j)22-1d(i,j)2)T×(L(i,j)11-L(i,j)12L(i,j)22-1L(i,j)21)-1×(d(i,j)1-L(i,j)12L(i,j)22-1d(i,j)2),---(17);]]>其中，L(i,j)11＝G(i,j)11TT(i)‑1G(i,j)11,                  (18)；L(i,j)12＝G(i,j)11TT(i)‑1G(i,j)12,                  (19)；L(i,j)21＝G(i,j)12TT(i)‑1G(i,j)11,                  (20)；L(i,j)22＝G(i,j)12TT(i)‑1G(i,j)12,                  (21)；d(i,j)1＝G(i,j)11TT(i)‑1r(kalarm,i,krelease,i‑1),               (22)；d(i,j)2＝G(i,j)12TT(i)‑1r(kalarm,i,krelease,i‑1),               (23)；r(kalarm,i,krelease,i‑1)＝[r(kalarm,i)T r(kalarm,i+1)T…r(krelease,i‑1)T],      (24)；G(i,j)=ecol(Iny×ny+Cc(kalarm,i)Z(kalarm,i),j,1)ecol(Iny×ny+Cc(kalarm,i+1)Z(kalarm,i+1),j,1)...ecol(Iny×ny+Cc(krelease,i-1)Z(krelease,i-1),j,1),---(25);]]>T(i)＝diag(S(kalarm,i) S(kalarm,i+1) … S(krelease,i‑1)),          (26)；G(i,j)11＝G(i,j){1:ny(krelease,i‑kalarm,i),1},               (27)；G(i,j)12＝G(i,j){1:ny(krelease,i‑kalarm,i),2:ny},             (28)；步骤4.2：设定间歇故障分离误分率Pfi(j)=αfi(j),---(29);]]>步骤4.3：设计间歇故障分离阈值JI(j)P{TI(i,j)>χαfa2|fi(j)=0}=αfi(j),---(30);]]>其中，JI(j)=αfi(j),---(31);]]>步骤4.4：根据下述准则进行间歇故障分离若TI(i,j)＞JI(j)，则传感器j有故障；若TI(i,j)≤JI(j)，则传感器j无故障；步骤4.5：计算间歇故障估计值f^i=diag{1R+(ξ(i,1)-JI(1))1R+(ξ(i,2)-JI(2))...1R+(ξ(i,ny)-JI(ny))T}×argmaxβln(p(r(kalarm,i),r(kalarm,i+1),...,r(krelease,i-1)|fi=β))=diag{1R+(ξ(i,1)-JI(1))1R+(ξ(i,2)-JI(2))...1R+(ξ(i,ny)-JI(ny))T}×S(kalarm,i,krelease,i-1)-1h(kalarm,i,krelease,i-1),---(32);]]>其中，S(kalarm,i,krelease,i-1)=Σl=kalarm,ikrelease,i-1(Iny×ny+Cc(l)Z(l))TQ(l)-1(Iny×ny+Cc(l)Z(l)),---(33);]]>h(kalarm,i,krelease,i-1)=Σl=kalarm,ikrelease,i-1(Iny×ny+Cc(l)Z(l))TQ(l)-1r(l),---(34).]]>