專利名稱：基于波形識別的地鐵機(jī)車牽引電路故障診斷方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種軌道交通技術(shù)領(lǐng)域的方法，具體是一種基于波形識別的地鐵機(jī)車牽引電路故障診斷方法。
背景技術(shù)：
電力機(jī)車已經(jīng)日益成為廣泛使用的地鐵列車牽引動力車，機(jī)車內(nèi)部的電力電子裝置是地鐵機(jī)車的核心部件，機(jī)車運行故障的發(fā)生概率絕大部分都集中于電力電子裝置上，同時，相關(guān)運營機(jī)構(gòu)需要實時掌握機(jī)車的無故障運行周期，還必須定期對其中的電力電子裝置進(jìn)行預(yù)測分析，因此，對地鐵機(jī)車牽引電路中的電力電子電路及其器件的實時檢測與故障診斷自然成為確保地鐵機(jī)車安全運行所必須的關(guān)鍵技術(shù)。
由于電力電子裝置在牽引系統(tǒng)中通常作為電源或執(zhí)行機(jī)構(gòu)出現(xiàn)，對整個系統(tǒng)的可靠性具有重要乃至決定性的作用。地鐵機(jī)車中的電力電子裝置又極具特殊性，因為它所傳動的對象為大功率直流電動機(jī)或者交流電動機(jī)。對于如此大功率的傳動對象在拖動龐大的機(jī)械系統(tǒng)時所產(chǎn)生的動態(tài)效應(yīng)是非常復(fù)雜的，因此電力電子裝置可能出現(xiàn)的故障類型與性質(zhì)也是多樣性的。
通常所說的電力電子裝置故障一般系指其主電路的故障，它可分為參數(shù)性故障和結(jié)構(gòu)性故障。參數(shù)性故障指由于電路參數(shù)(如電感值、電容值等)偏離正常值一定范圍而導(dǎo)致的故障，它通常采用參數(shù)辨識進(jìn)行診斷。結(jié)構(gòu)性故障指由于電力電子器件出現(xiàn)短路、斷路或觸發(fā)信號丟失而導(dǎo)致電路拓?fù)浒l(fā)生變化的故障。一般情況下，運行人員很難在從發(fā)生故障到停電的短時間里判斷出故障元件和/或位置，即使是經(jīng)驗豐富的人員也可能會受到外界因素影響而誤診。
就當(dāng)前的研究狀況來看，針對電力電子裝置的故障診斷均局限于個別具體電路，因此難以滿足實時診斷的需要，而且通用性不強(qiáng)，更難以推廣應(yīng)用。
經(jīng)對現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，文獻(xiàn)“基于輸出電壓波形的電路故障診斷”(李正中、高論《寧波職業(yè)技術(shù)學(xué)院學(xué)報》2006年第10卷第2期)論述了晶閘管相控變流器故障產(chǎn)生的原因。通過對電路故障類型的詳細(xì)分析，提出一種基于示波器在線檢測的電力電子電路故障診斷方法。該文獻(xiàn)提出“與模擬電路、數(shù)字電路的故障診斷不同，電力電子電路故障只能以輸出波形來診斷電路是否有故障及有何故障”。但是，該文獻(xiàn)僅對晶閘管相控變流器故障進(jìn)行分析，沒有考慮到參數(shù)性故障和結(jié)構(gòu)性故障的區(qū)別，更沒有考慮到電力電子器件性能的衰退所引起的故障，在技術(shù)上又依賴于示波器波形觀察與人工分析，顯然，無論從方法的適用性，還是從技術(shù)的先進(jìn)性上來看，均存在較大的欠缺。
檢索中還發(fā)現(xiàn)，文獻(xiàn)“電力電子主電路故障診斷方法研究”(鄭連清，鄒濤，婁洪立《高電壓技術(shù)》2006年第32卷第3期)提出了采用小波分析和神經(jīng)網(wǎng)絡(luò)診斷電力電子裝置故障診斷的方法，分析了三相橋式可控整流電路的故障波形特點，將利用小波變換模極大值和多尺度分析理論提取的故障特征輸入神經(jīng)網(wǎng)絡(luò)診斷故障。歸納了故障診斷需知的3個條件以實現(xiàn)控制角的檢測、故障的分類和定位。雖然文獻(xiàn)通過小波分析方法，提取了故障波形的特征，將其用于神經(jīng)網(wǎng)絡(luò)的診斷，與直接采用故障波形作為神經(jīng)網(wǎng)絡(luò)輸入的方法相比，輸入數(shù)據(jù)少、網(wǎng)絡(luò)訓(xùn)練快，具有運用于實時在線診斷的潛力，但是，在進(jìn)行小波分析時，采用了多尺度分析方法，由于該方法未再分析高頻部分，因此存在分解不夠精細(xì)的缺點，所形成的頻帶范圍較寬，故障特征不明顯，在訓(xùn)練樣本外的診斷時，“定位”不夠準(zhǔn)確，而且總的運算時間(即，故障診斷周期)較長。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，提出一種基于波形識別的地鐵機(jī)車牽引電路故障診斷方法。使其避免了復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計與運算，縮短了識別的時間，能故障判定與定位準(zhǔn)確，自行補(bǔ)充與完善未知故障的類型與性質(zhì)。
本發(fā)明是通過以下技術(shù)方案實現(xiàn)的，具體步驟如下(1)建立被測地鐵機(jī)車牽引電路故障數(shù)據(jù)集Ω＝{Xi，ai，si} i＝1，2，3…n這里，Xi、ai、si分別為故障波形(事件)、故障類型與性質(zhì)(事件類型與性質(zhì))、故障位置(事件發(fā)生地點)。
確立任一事件落入集合Ω的隸屬度為
μ(x)x∈Ω≥98%]]>式中，x系可能屬于故障波形集合Xi的任意未知事件(被測輸出波形)。
(2)利用測試平臺對被測地鐵機(jī)車牽引電路進(jìn)行全工況測試，將測試獲得的全部波形存入數(shù)據(jù)緩存。
測試平臺系對被測地鐵機(jī)車牽引電路建立一種半實物模擬仿真系統(tǒng)，平臺所具備的測試環(huán)境使得被測地鐵機(jī)車牽引電路在測試過程如同工作于機(jī)車牽引系統(tǒng)的實際工況中。
所述的測試平臺，建立被測地鐵機(jī)車牽引電路故障數(shù)據(jù)集，構(gòu)建被測地鐵機(jī)車牽引電路故障數(shù)據(jù)庫，數(shù)據(jù)庫包含故障波形、故障類型與性質(zhì)、故障位置信息記錄。
測試平臺對被測地鐵機(jī)車牽引電路進(jìn)行全工況測試，先將測試獲得的全部波形存入數(shù)據(jù)緩存，因此確保了數(shù)據(jù)采集的快速性與信息拾取的完整性。
(3)運行基于波形識別算法軟件包，采用基于波形的識別算法，逐一讀取數(shù)據(jù)緩存中的波形數(shù)據(jù)作為匹配模板，與故障波形集合Xi的元素進(jìn)行識別匹配。識別匹配采用變步長方式進(jìn)行，即“先粗后細(xì)”每當(dāng)進(jìn)行一次大步長采樣粗篩選后，將符合該次篩選所對應(yīng)的記錄“打上標(biāo)志”，即將這些記錄序列號存入記錄標(biāo)志緩存中，接著對“打上標(biāo)志”的記錄調(diào)小步長進(jìn)一步篩選。
(4)每次識別過程的相似度當(dāng)Δx＝xj-xij≤ε時(ε為實現(xiàn)確定的誤差允許范圍，可以通過系統(tǒng)初始化設(shè)定與變動)，認(rèn)為未知事件的第j個采樣點的輸出值與故障集中第i個故障的第j個采樣點的輸出值相等，此時，將計數(shù)器加1(即m＝m+1，識別運算開始前，計數(shù)器賦零，即m＝0)；否則，認(rèn)為兩者不相等，計數(shù)語句不執(zhí)行。
波形周期內(nèi)的采樣結(jié)束后，求得識別匹配相似度p=mM]]>式中，M為波形周期總采樣數(shù)。
當(dāng)p=μ(x)x∈Ω≥98%]]>時，則認(rèn)為被測事件有可能屬于故障事件。在粗篩選階段，可能的故障類型與性質(zhì)，一般大于1；隨著采樣步長的縮小，最終將確定唯一的故障類型與性質(zhì)，并準(zhǔn)確定位故障(含器件和/或線路)。
當(dāng)p=μ(x)x∈Ω<98%]]>時，必須進(jìn)入彌補(bǔ)程序?qū)Ρ粶y輸出電壓波形自身對稱性進(jìn)行識別(包括相鄰周期波形比較與旋轉(zhuǎn)對稱比較)，做出無故障或新型故障的判斷，并結(jié)合專家系統(tǒng)對新型故障定義新的類型與性質(zhì)，將新型故障對原有故障數(shù)據(jù)庫進(jìn)行記錄添加。
(5)顯示輸出結(jié)論。
本發(fā)明所提供的基于波形的識別算法具有如下突出優(yōu)點(1)從輸出波形出發(fā)實現(xiàn)對電路運行全信息的分析與反向推理；(2)避免了復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計與運算，使得整個識別過程時間可以控制在最大識別運算周期200ms之內(nèi)；(3)故障判定與定位準(zhǔn)確；(4)具有自學(xué)習(xí)功能，能自行補(bǔ)充與完善未知故障的類型與性質(zhì)。
具體實施例方式
結(jié)合本發(fā)明的技術(shù)方案提供以下的實施例實施例上海地鐵一號線DC-01直流電動機(jī)車主電路測試該主電路包含的主要模板牽引控制單元、斬波器及其觸發(fā)脈沖電路。
實施前提條件(1)根據(jù)被測地鐵機(jī)車牽引電路的研發(fā)機(jī)構(gòu)和生產(chǎn)廠家所積累的該電路特性及其故障檢測參數(shù)、器件特性曲線與電路輸出波形進(jìn)行整理、數(shù)字化與特征值提取；(2)將能夠整理到的故障波形及其參數(shù)組成一個故障集合，并以數(shù)據(jù)庫的結(jié)構(gòu)形成一個軟件模塊；(3)采用半實物仿真技術(shù)與虛擬儀器技術(shù)相結(jié)合的方法，建立主控系統(tǒng)綜合測試平臺，達(dá)到主控系統(tǒng)在離線狀態(tài)下全程模擬機(jī)車運行工況，進(jìn)而實現(xiàn)對主控系統(tǒng)靜動態(tài)特性的全面測試；同時建立被測地鐵機(jī)車牽引電路故障數(shù)據(jù)集(即，被測電路故障數(shù)據(jù)庫)。
所述測試平臺，包括被測地鐵機(jī)車牽引電路插槽、半實物模擬仿真標(biāo)準(zhǔn)負(fù)載、數(shù)據(jù)采集器、A/D轉(zhuǎn)換、數(shù)據(jù)緩存、中央處理器、被測電路故障數(shù)據(jù)庫、記錄標(biāo)志緩存、基于波形識別算法軟件包、顯示輸出器所構(gòu)成的硬件系統(tǒng)。其中，半實物模擬仿真標(biāo)準(zhǔn)負(fù)載能夠模擬地鐵列車的全部運行工況，使得被測地鐵機(jī)車牽引電路在脫機(jī)情況下顯示出十分符合實際運行工況的工作狀態(tài)。在對運行現(xiàn)場進(jìn)行在線檢測時，該平臺的數(shù)據(jù)采集器還具有并行輸入接口，可以直接接受來自機(jī)車被測電路的輸出信號。
(4)將未知性能狀況而需要測定的被測電路接入主控系統(tǒng)綜合測試平臺進(jìn)行測試。
具體過程如下(1)被測地鐵機(jī)車牽引電路插入綜合測試平臺的測試槽，自動與標(biāo)準(zhǔn)負(fù)載及數(shù)據(jù)采集器的輸入通道連接；(2)各部分上電，開啟電腦并進(jìn)入運行測試與故障診斷程序；(3)根據(jù)綜合測試平臺所具有的地鐵機(jī)車全模擬工況，使被測地鐵機(jī)車牽引電路工作于所有可能的列車運行工況；(4)數(shù)據(jù)采集器實時地將被測地鐵機(jī)車牽引電路在不同的列車運行工況下的輸出波形通過A/D轉(zhuǎn)換輸入至數(shù)據(jù)緩存；(5)在數(shù)據(jù)采集器采集輸出波形全部結(jié)束時，中央處理器已經(jīng)調(diào)用基于波形識別算法軟件包，通過基于波形的識別算法，逐一讀取數(shù)據(jù)緩存中的波形數(shù)據(jù)作為匹配模板，與故障波形集合Xi的元素進(jìn)行識別匹配。
(6)當(dāng)Δx≤ε時，認(rèn)為未知事件的第j個采樣點的輸出值與故障集中第i個故障的第j個采樣點的輸出值相等，此時，執(zhí)行m＝m+1語句；否則，認(rèn)為兩者不相等，計數(shù)語句不執(zhí)行。
波形周期內(nèi)的采樣結(jié)束后，求得識別匹配相似度p=mM]]>當(dāng)p≥98％時，則認(rèn)為被測事件有可能屬于故障事件；隨著采樣步長的縮小，最終將確定唯一的故障類型與性質(zhì)，并準(zhǔn)確定位故障(含器件和/或線路)。
當(dāng)p＜98％時，進(jìn)入彌補(bǔ)程序?qū)Ρ粶y輸出電壓波形自身對稱性進(jìn)行識別，做出無故障或新型故障的判斷，并結(jié)合專家系統(tǒng)對新型故障定義新的類型與性質(zhì)，將新型故障對原有故障數(shù)據(jù)庫進(jìn)行記錄添加。
具體實施結(jié)果數(shù)據(jù)采樣周期τ＜1μs；數(shù)據(jù)前處理周期T0＜1ms；設(shè)定工況下的輸出波形識別與故障診斷周期T1＜30ms；五種工況(起動、加速、怠速、制動、緊急剎車)下的輸出波形識別與故障診斷總計算周期T＝nT1＝5T1＜150ms，當(dāng)n＝5時；測試結(jié)果故障診斷準(zhǔn)確率＞98％。
權(quán)利要求
1.一種基于波形識別的地鐵機(jī)車牽引電路故障診斷方法，其特征在于最大限度地利用先驗知識與認(rèn)知建立被測地鐵機(jī)車牽引電路故障數(shù)據(jù)集合Ω＝{Xi，ai，si} i＝1，2，3...nXi、ai、si分別為故障波形、故障類型與性質(zhì)、故障位置；確立任一被測輸出波形事件x落入集合Ω的隸屬度為μ(x)x∈Ω≥98%]]>作為識別相似度技術(shù)指標(biāo)；通過一種半實物模擬仿真系統(tǒng)建立起來的、能夠使得被測地鐵機(jī)車牽引電路在測試過程如同工作于機(jī)車牽引系統(tǒng)的實際工況的測試平臺，將測試獲得的全部波形存入數(shù)據(jù)緩存；采用基于波形識別算法，逐一讀取數(shù)據(jù)緩存中的波形數(shù)據(jù)作為匹配模板，與故障波形集合Xi的元素進(jìn)行識別匹配，識別匹配采用變步長方式進(jìn)行多輪篩選；當(dāng)Δx＝xj-xij≤ε時，認(rèn)為未知事件的第j個采樣點的輸出值與故障集中第i個故障的第j個采樣點的輸出值相等，否則，認(rèn)為兩者不相等；根據(jù)識別匹配相似度判定被識別波形是否屬于哪一種故障類型，并進(jìn)行準(zhǔn)確定位；當(dāng)p=μ(x)x∈Ω≥98%]]>時，調(diào)用專家系統(tǒng)對被測輸出電壓波形自身對稱性進(jìn)行識別，做出無故障或新型故障的判斷，并結(jié)合專家系統(tǒng)對新型故障定義新的類型與性質(zhì)，將新型故障對原有故障數(shù)據(jù)庫進(jìn)行記錄添加；最終顯示輸出結(jié)論。
2.根據(jù)權(quán)利要求1所述的基于波形識別的地鐵機(jī)車牽引電路故障診斷方法，其特征是，所述的測試平臺，具備全模擬機(jī)車運行工況的測試環(huán)境，在該平臺，由被測地鐵機(jī)車牽引電路故障數(shù)據(jù)集構(gòu)建被測地鐵機(jī)車牽引電路故障數(shù)據(jù)庫；數(shù)據(jù)庫包含故障波形、故障類型與性質(zhì)、故障位置信息記錄；測試過程先將全部波形存入數(shù)據(jù)緩存，因此確保了數(shù)據(jù)采集的快速性與信息拾取的完整性。
3.根據(jù)權(quán)利要求1所述的基于波形識別的地鐵機(jī)車牽引電路故障診斷方法，其特征是，所述的基于波形識別算法，逐一讀取數(shù)據(jù)緩存中的波形數(shù)據(jù)作為匹配模板，與故障波形集合中的元素進(jìn)行識別匹配，識別匹配采用變步長方式進(jìn)行，即“先粗后細(xì)”每當(dāng)進(jìn)行一次大步長采樣粗篩選后，將符合該次篩選所對應(yīng)的記錄“打上標(biāo)志”，即將這些記錄序列號存入記錄標(biāo)志緩存中，接著對“打上標(biāo)志”的記錄調(diào)小步長進(jìn)一步篩選。
4.根據(jù)權(quán)利要求1所述的基于波形識別的地鐵機(jī)車牽引電路故障診斷方法，其特征是，所述的識別匹配相似度，當(dāng)Δx＝xj-xij≤ε時，認(rèn)為未知事件的第j個采樣點的輸出值與故障集中第i個故障的第j個采樣點的輸出值相等，否則，認(rèn)為兩者不相等，因此可以根據(jù)“輸出值相等”的采樣點數(shù)與總采樣數(shù)之比，計算獲得識別匹配相似度。
5.根據(jù)權(quán)利要求1所述的基于波形識別的地鐵機(jī)車牽引電路故障診斷方法，其特征是，所述的識別匹配相似度，當(dāng)p=μ(x)x∈Ω≥98%]]>時，則認(rèn)為被測事件有可能屬于故障事件，通過“先粗后細(xì)”的篩選過程，最終將確定唯一的故障類型與性質(zhì)，并準(zhǔn)確定位故障；當(dāng)p=μ(x)x∈Ω<98%]]>時，必須進(jìn)入彌補(bǔ)程序?qū)Ρ粶y輸出電壓波形自身對稱性進(jìn)行識別，做出無故障或新型故障的判斷，并結(jié)合專家系統(tǒng)對新型故障定新的類型與性質(zhì)，將新型故障對原有故障數(shù)據(jù)庫進(jìn)行記錄添加。
全文摘要
一種基于波形識別的地鐵機(jī)車牽引電路故障診斷方法，系統(tǒng)在由被測地鐵機(jī)車牽引電路插槽、半實物模擬仿真標(biāo)準(zhǔn)負(fù)載、數(shù)據(jù)采集器、A/D轉(zhuǎn)換、數(shù)據(jù)緩存、中央處理器、被測電路故障數(shù)據(jù)庫、記錄標(biāo)志緩存、基于波形識別算法軟件包、顯示輸出器所構(gòu)成的硬件平臺上，通過軟件平臺實現(xiàn)對地鐵機(jī)車牽引電路故障診斷與定位。軟件平臺通過建立被測地鐵機(jī)車牽引電路故障數(shù)據(jù)庫，對被測地鐵機(jī)車牽引電路進(jìn)行全工況測試，運行基于波形識別算法軟件包，逐一讀取數(shù)據(jù)緩存中的波形數(shù)據(jù)與故障波形集合中的元素進(jìn)行識別匹配，在確定的相似度范圍內(nèi)能夠準(zhǔn)確識別被測地鐵機(jī)車牽引電路的故障類型與性質(zhì)，并對故障進(jìn)行準(zhǔn)確定位。
文檔編號G01R31/28GK1908987SQ200610030328
公開日2007年2月7日 申請日期2006年8月24日 優(yōu)先權(quán)日2006年8月24日
發(fā)明者陳鞍龍, 吳浩, 杜曉紅, 張秀彬, 周炯, 許振華, 張峰 申請人:上海地鐵運營有限公司