CN104571073B - 针对列车制动***的隐患和故障特征提取方法 - Google Patents
针对列车制动***的隐患和故障特征提取方法 Download PDFInfo
- Publication number
- CN104571073B CN104571073B CN201310507545.7A CN201310507545A CN104571073B CN 104571073 B CN104571073 B CN 104571073B CN 201310507545 A CN201310507545 A CN 201310507545A CN 104571073 B CN104571073 B CN 104571073B
- Authority
- CN
- China
- Prior art keywords
- data
- hidden danger
- characteristic quantity
- stage
- brake system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Valves And Accessory Devices For Braking Systems (AREA)
Abstract
本发明涉及一种针对列车制动***的隐患和故障特征提取方法,包括以下步骤:由列车上安装的传感器采集制动***的实时运行数据,同时由车载网络获取制动***运行过程中的状态数据以及指令信号;对实时运行数据、状态数据和指令信号进行多传感网数据融合处理,得到隐患和故障特征提取的源数据;对源数据进行预处理,分类得到不同制动阶段的数据;对不同制动阶段分别采取对应的特征提取算法,获取不同制动阶段的特征量;在特征量中选择出具有代表性、能够反映制动***运行状态的特征量值,去除特征量间的冗余性,得到最终的制动***隐患和故障特征量。与现有技术相比,本发明具提取的数据准确率高、能够有效提高行车安全。
Description
技术领域
本发明涉及一种列车故障预警方法,尤其是涉及一种针对列车制动***的隐患和故障特征提取方法。
背景技术
随着我国国民经济蓬勃发展,城市化进程大大加快,交通拥挤问题逐渐成为城市发展的掣肘,全国大中型城市纷纷大力发展城市轨道交通以解决日渐紧张的交通问题。由于城市轨道交通运输具有客流量巨大、行车间隔小、运营密度高、站间距离短、需要频繁地牵引、制动的特点,这使得制动***承受了较大的负担。而制动***的故障不仅影响了城市轨道交通运营质量和安全效益,更重要的是影响到市民正常的生活和城市的有序运转。
城轨列车制动***采用微机控制直通电空制动***,以压缩空气作为制动力源,使用空压机及相应过滤组件为制动***供应清洁空气,使用电子制动控制单元(BECU)作为制动***的控制核心,控制由电空转换阀、紧急阀、空重车阀、中继阀等一系列控制阀组成的制动控制单元(BCU),实现常用制动、快速制动、保持制动以及紧急制动功能,控制由停放电磁阀等组成的气动控制单元(PCU)来实现城轨车辆的停放制动功能。在实际车辆运行环境中,由于列车的制动***部件集成度高,器件复杂,再加之制动***安装在车辆底部,运行现场环境恶劣,容易存在着一系列的故障隐患。随着技术的进步,城轨车辆制动***出现了高度集成化,高度复杂化的趋势,从而使得制动***的故障诊断、隐患预警更加的困难。传统的制动***故障诊断方法侧重于对故障情况的诊断,主要采用逻辑判断,结合***中部件的动作状态进行简单的故障判断,但这些已有的技术方法只能针对已出现的明显故障进行故障的诊断,而不能对明显故障发生前的制动***隐患做出预警。当制动***出现了可判断的故障之后,往往已经对城轨列车的正常运营造成了影响,轻则不能正点运行,重则威胁到车辆行驶安全。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种针对列车制动***的隐患和故障特征提取方法。
本发明的目的可以通过以下技术方案来实现:
一种针对列车制动***的隐患和故障特征提取方法,包括以下步骤:
1)由列车上安装的传感器采集制动***的实时运行数据,同时由车载网络获取制动***运行过程中的状态数据以及指令信号;
2)对实时运行数据、状态数据和指令信号进行多传感网数据融合处理,得到隐患和故障特征提取的源数据;
3)对源数据进行预处理,分类得到不同制动阶段的数据;
4)对不同制动阶段分别采取对应的特征提取算法,获取不同制动阶段的特征量;
5)在步骤4)得到的特征量中选择出具有代表性、能够反映制动***运行状态的特征量值,去除特征量间的冗余性,得到最终的制动***隐患和故障特征量。
所述不同制动阶段包括减速阶段、停车保持阶段和制动缓解阶段;
对于所述减速阶段,采用误差最小法、互相关系数法进行分析,得出包括最大相关系数、平均绝对误差在内的特征量;
对于所述停车保持阶段,采用控制理论中的目标跟随性理论分析,得出包括平均绝对误差、***延迟时间在内的特征量;
对于所述制动缓解阶段,采用直接提取缓解延迟时间的方法得出特征量。
与现有技术相比,本发明通过对列车运行数据的检测预处理,可以得到制动***隐患故障特征量,可以反映出车辆制动***中***级功能及重要部件的工作状态,可以对其工作状态的变化趋势起到一定的预警功能。也即可以在制动***重要***级功能以及关键部件出现明显故障之前实现制动***功能状态的评估及隐患的预警。
该方法通过运用现代的信号处理技术,避免了传统的信号处理方法时域分辨差,非平稳信号检测不够灵敏等缺点。针对制动***的运行数据,特别是突变数据有很强的处理能力且准确率很高。
该方法对信号处理后的结果进行了决策层的融合,实现了数据的精简,去除了原始数据集中的冗余信息,与传统的方法相比,减少了对计算机运算功能的过高要求,克服了数据间相关性对特征量表征***状态的效果的影响。
附图说明
图1为本发明实施例的流程图;
图2为制动***在制动过程中各个阶段车速及中继阀容积室(CV)压力的示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
一种针对列车制动***的隐患和故障特征提取方法,通过该方法可以实时监测制动***部件级以及***级功能的状态变化趋势,分析其中隐含的隐患状态,为实现城轨列车制动***状态修提供了可能,为保障城轨车辆的安全运营提供了支持。
同时,通过该方法所得到的隐患和故障特征量数据对提高城轨列车制动系隐患主动预防能力,满足城轨列车各部门对列车制动系维修保养、故障预防、隐患挖掘、安全评估预警与辅助决策等要求有着重要的参考意义。
上述方法如图1所示,具体包括以下步骤:
1)由列车上安装的传感器采集制动***的实时运行数据,同时由车载网络获取制动***运行过程中的状态数据以及指令信号;
2)然后对采集到的实时运行数据、状态数据和指令信号进行多传感网数据融合处理,形成有效的数据集合,作为隐患和故障特征提取的源数据;
3)由于制动过程一般包括减速阶段、停车保持阶段和制动缓解阶段,这些阶段内的列车的运行数据明显不同,如图2所示。因此需要对源数据进行预处理,通过分类滤波,将数据归类为减速阶段、停车保持阶段和制动缓解阶段的数据;
4)对不同制动阶段分别采取对应的特征提取算法,获取不同制动阶段的特征量。其中,针对制动过程中的减速阶段,采用误差最小法、互相关系数法进行分析,得出最大相关系数,平均绝对误差等特征量;针对停车保持阶段则采用控制理论中的目标跟随性理论分析,得出平均绝对误差,***延迟时间等特征量;针对制动缓解阶段的数据,采用直接提取缓解延迟时间的方法得出特征量。
5)采用经过制动系系隐患特征选择技术,在步骤4)得到的特征量中选择出具有代表性、能够反映制动***运行状态的特征量值,去除特征量间的冗余性,得到最终的制动***隐患和故障特征量。
这样,制动***工作过程中***级功能及重要部件的状态均能够通过特征量的变化情况来反应。特征量的变化,再通过模糊算法的处理,就可以分析得到制动***故障隐患的变化趋势,然后将该变化趋势通过曲线图、柱状图表等方式表示出来,就能够做出预警和判断。
Claims (2)
1.一种针对列车制动***的隐患和故障特征提取方法,其特征在于,包括以下步骤:
1)由列车上安装的传感器采集制动***的实时运行数据,同时由车载网络获取制动***运行过程中的状态数据以及指令信号;
2)对实时运行数据、状态数据和指令信号进行多传感网数据融合处理,得到隐患和故障特征提取的源数据;
3)对源数据进行预处理,分类得到不同制动阶段的数据;
4)对不同制动阶段分别采取对应的特征提取算法,获取不同制动阶段的特征量;
5)在步骤4)得到的特征量中选择出具有代表性、能够反映制动***运行状态的特征量值,去除特征量间的冗余性,得到最终的制动***隐患和故障特征量。
2.根据权利要求1所述的一种针对列车制动***的隐患和故障特征提取方法,其特征在于,所述不同制动阶段包括减速阶段、停车保持阶段和制动缓解阶段;
对于所述减速阶段,采用误差最小法、互相关系数法进行分析,得出包括最大相关系数、平均绝对误差在内的特征量;
对于所述停车保持阶段,采用控制理论中的目标跟随性理论分析,得出包括平均绝对误差、***延迟时间在内的特征量;
对于所述制动缓解阶段,采用直接提取缓解延迟时间的方法得出特征量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310507545.7A CN104571073B (zh) | 2013-10-24 | 2013-10-24 | 针对列车制动***的隐患和故障特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310507545.7A CN104571073B (zh) | 2013-10-24 | 2013-10-24 | 针对列车制动***的隐患和故障特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104571073A CN104571073A (zh) | 2015-04-29 |
CN104571073B true CN104571073B (zh) | 2017-05-24 |
Family
ID=53087401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310507545.7A Active CN104571073B (zh) | 2013-10-24 | 2013-10-24 | 针对列车制动***的隐患和故障特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104571073B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106515745B (zh) * | 2016-12-22 | 2019-03-29 | 南宁市研祥装备科技有限公司 | 一种自动驾驶列车和站台的控制*** |
CN111114519B (zh) * | 2020-01-03 | 2022-04-08 | 中国铁路郑州局集团有限公司科学技术研究所 | 一种铁路车辆制动故障预测方法及健康管理*** |
CN113534774B (zh) * | 2021-06-28 | 2022-07-01 | 长沙理工大学 | 一种地铁制动***的故障预测方法、***及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08295115A (ja) * | 1995-04-26 | 1996-11-12 | Nissan Diesel Motor Co Ltd | トラクタのサスペンション制御装置 |
JP2003320865A (ja) * | 2002-04-26 | 2003-11-11 | Nissan Motor Co Ltd | 運転者将来状況予測装置 |
CN101251441A (zh) * | 2008-03-20 | 2008-08-27 | 桂林电子科技大学 | 汽车发动机状态在线监测方法及*** |
CN101873351A (zh) * | 2010-06-22 | 2010-10-27 | 同济大学 | 用于汽车远程监控***的压力测试方法及测试*** |
CN202085118U (zh) * | 2011-05-27 | 2011-12-21 | 西安飞鹰科技有限责任公司 | 一种电动汽车用大功率无刷直流电机控制装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8301333B2 (en) * | 2010-03-24 | 2012-10-30 | GM Global Technology Operations LLC | Event-driven fault diagnosis framework for automotive systems |
-
2013
- 2013-10-24 CN CN201310507545.7A patent/CN104571073B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08295115A (ja) * | 1995-04-26 | 1996-11-12 | Nissan Diesel Motor Co Ltd | トラクタのサスペンション制御装置 |
JP2003320865A (ja) * | 2002-04-26 | 2003-11-11 | Nissan Motor Co Ltd | 運転者将来状況予測装置 |
CN101251441A (zh) * | 2008-03-20 | 2008-08-27 | 桂林电子科技大学 | 汽车发动机状态在线监测方法及*** |
CN101873351A (zh) * | 2010-06-22 | 2010-10-27 | 同济大学 | 用于汽车远程监控***的压力测试方法及测试*** |
CN202085118U (zh) * | 2011-05-27 | 2011-12-21 | 西安飞鹰科技有限责任公司 | 一种电动汽车用大功率无刷直流电机控制装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104571073A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109000935B (zh) | 新能源汽车制动***性能的判定方法 | |
CN102981497B (zh) | 高速列车制动***故障诊断设备及诊断方法 | |
CN106672015B (zh) | 动车组车轮故障监测的方法、装置和*** | |
CN203020082U (zh) | 一种车载酒精监控装置 | |
CN109466534B (zh) | 一种列车制动故障判断方法 | |
WO2018120408A1 (zh) | 一种车厢内置式高速列车走行部件在线故障检测装置 | |
CN104571073B (zh) | 针对列车制动***的隐患和故障特征提取方法 | |
CN104442899B (zh) | 一种轨道车辆制动防滑装置 | |
DE102011113084A1 (de) | Bremssteuereinrichtung für eine Bremsanlage eines Schienenfahrzeugs, Bremsanlage, Schienenfahrzeug sowie Verfahren zum Durchführen einer Zustandsanalyse eines Schienenfahrzeugs | |
CN104724098B (zh) | 一种城轨列车制动***故障诊断方法 | |
DE102012208143A1 (de) | Vorrichtung und verfahren zum steuern einer notbremsungbasierend auf zustandsinformationen eines fahrzeugs | |
JP6713765B2 (ja) | 鉄道車両の検査システム | |
CN109435936B (zh) | 一种双通道数据传输列车制动监测*** | |
CN104828062A (zh) | 一种基于驾驶员制动意图识别的制动控制方法 | |
CN105929025B (zh) | 一种基于时间与空间连续的车轮踏面与轨道故障检测方法 | |
CN105787438A (zh) | 一种基于视频的机车司机值乘状态检测方法及*** | |
CN108422986A (zh) | 一种用于汽车制动的智能控制*** | |
CN103422525B (zh) | 地下铲运机的故障智能诊断监视*** | |
CN107399314A (zh) | 一种基于机动车刹车***的远程监测*** | |
CN105501250A (zh) | 基于车载检测装置的列车轮对踏面擦伤故障诊断方法 | |
CN205721345U (zh) | 一种货运列车空气制动装置的故障检测与诊断*** | |
CN105005282B (zh) | 用于高速轨道交通车辆的电子控制***及其控制方法 | |
CN106740807A (zh) | 一种列车制动抱闸监控及处理装置 | |
CN103674586B (zh) | 针对列车行走***的隐患和故障特征提取方法 | |
CN105835856A (zh) | 主动式汽车减速*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |