原文传递
基于卡尔曼滤波的高速列车走行部故障诊断
| 论文题名： | 基于卡尔曼滤波的高速列车走行部故障诊断 |
| 关键词： | 高速列车;故障诊断;分布式系统;状态估计;性能退化;走行部系统 |
| 摘要： | 走行部系统是保证高速列车稳定运行的重要部件，伴随着列车的高强度服役过程，一些关键部件容易出现老化、磨损等现象。如不能及时发现并加以处理，轻则引起整个列车的中止运行，严重则会引发重大的交通安全事故，给人民群众的安全问题与信任问题带来了重大的隐患。本论文以高速列车走行部系统为研究背景，通过基于模型的故障诊断方法解决实际列车走行部系统的故障诊断任务。围绕卡尔曼滤波方法在实际诊断应用中的问题展开研究。本文主要进行了以下几个方面的工作： （1）针对高速列车走行部系统多传感器监测信息的差异性问题，提出了一种分布式状态估计滤波器，研究了分布式系统信息采集的过程中，邻居节点对目标节点的影响，提高了多传感器监测的一致性。此外，对于实际运行中存在的初始化信息不完备、传感器测量噪声特性不可知等问题对状态估计的影响，采用无偏约束与量测差分技术提高状态估计的准确度。最后，通过带有加性故障的系统进行了方法的验证。 （2）针对高速列车走行部系统的退化特性，研究了测量数据在长程相关过程下的系统最优状态估计问题，通过Hurst指数对数据的长程相关部分提取，设计修正值以实现实际系统状态估计的偏差修正，并结合第一部分所提出的分布式状态估计模型实现了分布式故障诊断。为了说明方法的有效性，本研究通过高速列车走行部系统的实际温度数据进行了验证。 （3）针对走行部系统多源状态监测的状态耦合问题，首先建立了电机温度控制模型，提出一种改进融合Sigma点的无迹卡尔曼滤波方法实现耦合特性状态的估计。其次，建立了基于Levy过程的性能退化模型，给出了跳扩散过程的分解方法。最后通过走行部系统中的牵引电机数据验证了方法的有效性。 （4）针对动态系统的故障辨识问题，提出一种联合学习方法，通过第一个神经网络实现系统故障检测，通过第二个网络实现系统的故障辨识。采用卡尔曼滤波框架建立两个神经网络之间的桥梁，通过生成的残差使联合神经网络方法交互协作运行。最后通过走行部系统中的牵引电机数据验证了方法的有效性。 |
| 作者： | 王威珺 |
| 专业： | 信息与通信工程 |
| 导师： | 程超 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长春工业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
