基于优化准则的高速列车空气制动系统早期故障分离方法与流程

技术特征：
1.基于优化准则的高速列车空气制动系统早期故障分离方法，其特征在于，包括以下步骤：步骤一，采集高速列车历史运行工况下，包含正常制动过程的多组制动缸压力测量数据，构成多个训练数据集；步骤二，选取制动过程的平稳减速阶段，计算步骤一中每个训练数据集所包含相应样本的故障检测组合指标，并求取故障检测组合指标的阈值；步骤三，在高速列车实际运行工况下，选取制动过程的平稳减速阶段，实时采集当前时刻的制动缸压力数据作为测试样本，计算该样本的故障检测组合指标，并与步骤二的阈值比较判断有无早期故障发生；步骤四，若步骤三判断有早期故障发生，再基于优化准则，对当前异常样本在不同故障方向上进行重构，若重构后的故障检测组合指标低于步骤二的阈值，则断定找到了故障根源，实现了早期故障分离。2.根据权利要求1所述基于优化准则的高速列车空气制动系统早期故障分离方法，其特征在于，所述步骤一的具体过程为：基于高速列车历史运行监测数据，在其空气制动系统正常工作情况下，收集制动过程中每节列车的制动缸压力测量数据，构成多个训练数据集；假设共采集了q个训练数据集，分别记为矩阵x1，x2，
…
，x
q
，其中，训练数据集的每一行代表对应采样时刻多个制动缸压力的测量值，设制动缸数量为m；每个矩阵的行数代表该数据集包含的样本个数，假设为n
p
,p＝1,2,...,q。3.根据权利要求2所述基于优化准则的高速列车空气制动系统早期故障分离方法，其特征在于，所述步骤二的具体过程为：基于步骤一中的数据集，仅关注并筛选出每个数据集中处于制动过程平稳减速阶段的样本；将任意一个符合要求的训练样本记为x＝[x1,x2,...,x
m
]
t
，其中x
i
代表制动保持阶段某样本第i个制动缸的压力取值；采用如下公式计算故障检测组合指标：其中，x
s
表示在制动保持阶段压力的理想设定值，是已知量；表示该样本所含m个制动缸压力的平均值，代表了不同制动缸压力的中心取值；故障检测组合指标计算公式(1)中的第一项(x
i
‑
x
s
)2表示制动缸压力跟踪设定值的偏差程度，第二项表示不同制动缸压力取值的分散程度；将步骤一中q个训练数据集中所有符合要求的样本代入到公式(1)求得每个样本的组合指标取值，假设符合要求的样本总数为n，那么组合指标的阈值η2按下式求取：将阈值定为所有n个样本故障检测组合指标中的最大值。4.根据权利要求3所述基于优化准则的高速列车空气制动系统早期故障分离方法，其特征在于，所述步骤三的具体过程为：
高速列车实际运行时，当制动过程到达制动保持阶段，依次采集当前时刻的制动缸压力数据作为测试样本，记作x
t
，每个元素表示对应制动缸的压力，与步骤二中训练样本中元素含义一致；根据步骤二中故障检测组合指标的定义公式(1)，求出测试样本x
t
的组合指标取值，并根据阈值判断是否有早期故障发生；若index(x
t
)＞η2，则认为有早期故障发生，否则判定高速列车空气制动系统处于正常运行状态。5.根据权利要求4所述基于优化准则的高速列车空气制动系统早期故障分离方法，其特征在于，所述步骤四的具体过程为：根据步骤三的判断结果，在有故障发生的前提下，基于优化准则，沿着可能的故障方向对样本的组合指标进行重构，假定总共有j个可能的故障方向，记为{ξ
j
,j＝1,2,...,j}；沿着任意第j个方向ξ
j
优化，计算得到重构指标值重构指标值式中i代表维数为m的单位矩阵；m代表维数为m的方阵：对角元素取值均为(2m
‑
1)/m，非对角元素取值均为
‑
1/m；ξ
j
代表故障方向，行数为m，列数取决于具体故障形式；向量x
s
维数为m，所有元素取值均为步骤二中的压力理想设定值x
s
；沿着上述所有故障方向对index(x
t
)＞η2进行优化，得到j个优化值若某个优化值低于阈值η2，则认为故障重构正确，将该方向指定为实际发生故障的方向，从而实现早期故障分离。

技术总结
本发明公开了基于优化准则的高速列车空气制动系统早期故障分离方法，属于故障诊断领域，包括：采集高速列车正常工况下多组制动缸压力测量数据，构成多个训练数据集；选取制动保持阶段，计算每个训练数据集所包含相应样本的故障检测组合指标，并计算阈值；在高速列车实时工况下，采集符合要求的制动缸压力数据作为测试样本，计算其故障检测组合指标，并与阈值比较判断有无异常；若有故障发生，基于优化准则对故障样本在不同故障方向上重构，若重构后组合指标低于阈值则认为找到了故障根源，实现故障分离。本发明无需对系统精确建模，是一种数据驱动的方法，对具有相同或类似机理的高速列车空气制动系统具有普适性，而且可同时实现检测与分离功能。现检测与分离功能。现检测与分离功能。


技术研发人员：纪洪泉 王建东
受保护的技术使用者：山东科技大学
技术研发日：2021.07.15
技术公布日：2021/10/19