動(dòng)車組制動(dòng)控制系統(tǒng)故障診斷方法研究.pdf

1、隨著高速鐵路在我國(guó)的普及，動(dòng)車組的運(yùn)行安全問題受到越來越多的關(guān)注。如何保障列車安全可靠的運(yùn)行，成為近期的研究熱點(diǎn)和難點(diǎn)問題。
　　制動(dòng)控制系統(tǒng)作為動(dòng)車組制動(dòng)系統(tǒng)的關(guān)鍵組成部分，能否正常穩(wěn)定工作，直接影響動(dòng)車組的安全可靠運(yùn)行，因此對(duì)制動(dòng)控制系統(tǒng)的狀態(tài)監(jiān)測(cè)和故障診斷顯得尤為重要和關(guān)鍵。由于動(dòng)車組制動(dòng)控制系統(tǒng)的復(fù)雜性及引進(jìn)消化吸收的時(shí)間不長(zhǎng)，制動(dòng)控制系統(tǒng)故障仍較為多發(fā)，嚴(yán)重影響著動(dòng)車組的正常穩(wěn)定可靠運(yùn)行。因此本課題對(duì)動(dòng)車組制動(dòng)控制系統(tǒng)中

2、關(guān)鍵設(shè)備和部件的故障及潛在故障隱患開展深入研究，提出和改進(jìn)了已有的故障特征提取技術(shù)和故障診斷方法，用于動(dòng)車組制動(dòng)控制系統(tǒng)關(guān)鍵設(shè)備和部件的故障診斷，以提高制動(dòng)控制系統(tǒng)的可靠性、穩(wěn)定性和主動(dòng)安全防護(hù)能力。設(shè)計(jì)開發(fā)了制動(dòng)控制單元自動(dòng)化測(cè)試與故障診斷系統(tǒng)，并運(yùn)用在CRH2型動(dòng)車組制動(dòng)控制系統(tǒng)的監(jiān)測(cè)與故障診斷中，取得了很好的效果。主要研究?jī)?nèi)容和取得的創(chuàng)新性研究成果主要有以下幾個(gè)方面:
　　針對(duì)動(dòng)車組制動(dòng)控制系統(tǒng)的關(guān)鍵設(shè)備-制動(dòng)控制單元（制動(dòng)

3、控制器）模擬電路軟故障在復(fù)雜電磁環(huán)境下的故障特征提取問題，本文提出了一種基于形態(tài)學(xué)濾波-小、波包能量熵的故障特征提取新方法。首先采用組合式形態(tài)學(xué)濾波器對(duì)故障信號(hào)進(jìn)行預(yù)處理，消除白噪聲、尖峰脈沖及未知噪聲的干擾;然后采用小波包分析方法對(duì)預(yù)處理后的故障信號(hào)進(jìn)行多層小波包分解，提取小波包能量熵組成故障特征向量輸入到最小二乘支持向量機(jī)中進(jìn)行分類識(shí)別。仿真和測(cè)試結(jié)果表明提出的故障特征提取方法有效的消除了環(huán)境噪聲的干擾，提高了故障特征提取的準(zhǔn)確性和

4、敏感性。
　　針對(duì)動(dòng)車組制動(dòng)控制系統(tǒng)的關(guān)鍵部件-傳感器在復(fù)雜電磁環(huán)境下的故障特征提取問題，本文提出了一種基于集成經(jīng)驗(yàn)?zāi)B(tài)分解能量熵的故障特征提取新方法。提出的集成經(jīng)驗(yàn)?zāi)B(tài)分解方法是自適應(yīng)的信號(hào)分解方法，在時(shí)域和頻域都具有很高的分辨率，可應(yīng)用在傳感器故障非線性、非穩(wěn)定性信號(hào)的分析處理上，并通過均勻添加高斯白噪聲的方法消除了傳統(tǒng)的經(jīng)驗(yàn)?zāi)B(tài)分解中存在的模態(tài)混疊的影響，提高了故障特征提取的準(zhǔn)確性和可靠性。
　　針對(duì)動(dòng)車組制動(dòng)控制系統(tǒng)

5、故障小樣本和噪聲干擾性強(qiáng)的特點(diǎn)，本文提出了一種基于改進(jìn)粒子群優(yōu)化算法優(yōu)化的最小二乘支持向量機(jī)的故障診斷方法。提出的多群體協(xié)同混沌粒子群優(yōu)化算法克服了標(biāo)準(zhǔn)粒子群優(yōu)化算法易早熟、后期收斂速度慢和局部搜索精度低的缺陷，充分利用多群體協(xié)同進(jìn)化粒子群優(yōu)化算法較好的全局搜索能力和混沌粒子群優(yōu)化算法局部搜索能力強(qiáng)的優(yōu)勢(shì)，提出的優(yōu)化算法具有良好的局部搜索能力和全局尋優(yōu)能力。函數(shù)優(yōu)化測(cè)試和分類性能測(cè)試證明了提出的優(yōu)化算法的優(yōu)越性。在制動(dòng)控制單元模擬電路容

6、差軟故障和傳感器故障的診斷中，利用多群體協(xié)同混沌粒子群優(yōu)化算法對(duì)最小二乘支持向量機(jī)的結(jié)構(gòu)參數(shù)進(jìn)行優(yōu)化，提高了故障的診斷精度和速度。試驗(yàn)表明，該故障診斷方法具有良好的泛化能力和魯棒性，故障分類辨識(shí)率更高，速度更快，在小樣本條件下性能較其他分類方法更優(yōu)。
　　在動(dòng)車組制動(dòng)控制系統(tǒng)故障診斷中，最小二乘支持向量機(jī)的分類性能受核函數(shù)性能影響較大的問題，本文提出了采用混合核函數(shù)的方法。對(duì)局部性能較好的RBF核函數(shù)和全局性能較好的多項(xiàng)式核函數(shù)進(jìn)

7、行有效組合，并利用平衡因子對(duì)優(yōu)化的性能和時(shí)間進(jìn)行調(diào)整，提高了故障診斷的速度和精度。
　　針對(duì)動(dòng)車組制動(dòng)控制系統(tǒng)中存在多故障模式識(shí)別的問題，本文提出基于改進(jìn)最優(yōu)二叉樹結(jié)構(gòu)的最小二乘支持向量機(jī)多分類方法，以類間分離性測(cè)度替代最優(yōu)二叉樹結(jié)構(gòu)中的權(quán)值。與一對(duì)一、一對(duì)多、有向無環(huán)圖等多分類方法相比，提出的改進(jìn)最優(yōu)二叉樹結(jié)構(gòu)的最小二乘支持向量機(jī)不僅分類器數(shù)目較少，分類速度較快，而且不存在分類盲區(qū)，分類精度更高。數(shù)據(jù)樣本測(cè)試和制動(dòng)控制單元模擬電