一种城轨列车辅助逆变器故障诊断装置制造方法及图纸

本发明专利技术了一种城轨列车辅助逆变器故障诊断装置。其通过辅助逆变系统信号预处理器对传感器采集的数据进行预处理，然后对预处理数据采用扩展卡尔曼滤波进行降噪，并利用运算器提取有效诊断数据，排除列车不稳定运行导致的设备异常数据，然后将提取的数据分解为一系列模态函数之和，对分解的模态函数提取能量矩，将能量矩输入BP神经网络，最终辨识城轨列车辅助逆变器运行状态。本发明专利技术能有效辨识城轨列车辅助逆变器的运行状态，从而为城轨列车辅助逆变器故障监测、诊断提供了快速、有效的方法。

【技术实现步骤摘要】

本专利技术属于城轨列车安全
，具体涉及一种城轨列车辅助逆变器特征提取 与状态辨识方法及装置。
技术介绍
城市轨道交通迅猛发展的同时，其列车运营的安全问题也备受关注。作为一体化 的复杂运行系统，列车的状态和性能在运行过程中会不断的降低，从而逐渐形成安全隐患， 如果没有及时排除，可能就会引发事故。在实际运营过程中，列车故障导致的事故时有发 生。而目前我国轨道交通列车监测装备和技术发展相对滞后，故障信息的采集和保障技术 在纵向上各成系统、横向上彼此独立，缺乏一体化的列车监控、故障诊断和预警技术，不能 满足列车个性化维修方案的支持，而且检修效率低下，严重影响列车运输能力。 在城轨列车运营过程中，辅助逆变器较严重的故障将影响其正常运营，需要清客 或者到终点站后需退出运营，已经成为阻碍城轨列车正常安全运营的重要影响因素之一。 现有技术中的逆变装置故障诊断方法大多针对采集的原始数据直接进行分析诊断，而实际 上，由于列车在运行过程中时常处于不稳定运行，这种不稳定运行往往对逆变设备产生干 扰，进而导致设备的诊断结果可能由列车运行不稳定造成，而不是由于设备自身故障造成， 因此使得传感器采集到的逆变设备的监测数据不能直接用来诊断分析，这种干扰大大降低 了现有故障诊断技术的精度。
技术实现思路
本专利技术基于以上问题，针对现有城轨列车辅助逆变器故障诊断技术的不足，目的 是排除列车运行不稳定导致的设备数据异常情况，使诊断装置得到的数据能真实反映设备 状态，提高诊断精度。专利技术提供的城轨列车辅助逆变器故障诊断装置，为城轨列车正常运营 提供了技术保障，具体采用如下技术方案： 城轨列车辅助逆变器故障诊断装置包括:信号采集器、辅助逆变系统信号预处理 器、故障诊断器、数据存储器、显示器、无线传输装置，信号采集器用于采集辅助逆变器监测 数据;辅助逆变系统信号预处理器包括前置放大器、抗混叠低通滤波器、采样/保持电路和 多路模拟开关、程控放大器、A/D转换器和逻辑控制电路;信号采集器将采集的数据传递给 前置放大器，经前置放大器处理后的数据依次经过抗混叠低通滤波器、采样/保持电路和 多路模拟开关、程控放大器、A/D转换器，A/D转换器将预处理后的数据传递到故障诊断器； 逻辑控制电路与前置放大器、抗混叠低通滤波器、采样/保持电路和多路模拟开关、程控放 大器、A/D转换器、故障诊断器均电性连接;故障诊断器包括扩展卡尔曼滤波器、检验器、运 算器、修正器、故障存储器、故障结果生成器;故障诊断器接收到经预处理的数据后，依次进 行如下步骤：（i)扩展卡尔曼滤波器对数据进行降噪，然后将降噪后的数据发送给运算器； (ii)运算器对降噪后的数据进行计算，计算出其预定时间段内的变化幅值，将变化幅值大 于第一阈值的时间节点记录下来，并将所述时间节点对应的数据存储到故障存储器中； (iii)运算器统计计算故障存储器中数据的分布，并将相对于分布的中间值的偏差值大于 第二阈值的数据提取出来，将提取出的数据发送给故障结果生成器；（iv)故障结果生成器 将接收到的运算器的数据首先分解为一系列模态函数之和，步骤如下：（1)确定数据所有的 局部极值点，然后采取三次样条线将所有局部极大、极小值点连接起来，形成上包络线与下 包络线；（2)上包络线与下包络线的均值记为nu(t)，然后由降噪后的信号x(t)与均值nu(t) 求出11 1(〇，111(〇=奴〇-1111(〇;(3)如果1 11(〇不满足模态函数条件，把111(〇作为原始数据， 并且重复步骤（1)~（2)，得上下包络的均值mn(t)，则hWOzhKO-mnU);若hn(t)仍不 满足模态函数条件，则重复循环k次，直至h lk(t)满足条件，将x(t)的第一个模态分量记SC1 (t)，ci(t)=hik(t); (4)将ci(t)从x(t)中分离得到ri(t) :ri(t)=x(t)-ci(t);将ri(t)作为 新的原始数据重复以上步骤，得到x(t)的第2个模态分量c2(t)，重复η次得到r n(t)为一个单 调函数不能再从中提取模态分量时结束;则降噪后的信号x(t)最终分解为一系列模态函数 之和：然后对分解的模态函数提取能量矩，步骤如下：1)根据如下公 式算出相应能量矩，其中m是总采样点数，k是采样点，△ t是采样周期；2)构造特征向量E2…Em]，对T进行归一化处理，归一化后，相应 特征向量Τ'为:T'^Ei/E E2/E…Em/E]，其中，；:最后将能量矩输入BP神 经网络，最终得出故障诊断结果。 优选地，若诊断结果为有故障，故障生成器一方面通过显示屏实时报警并将诊断 结果传输至数据存储器，另一方面将故障信息通过以太网传至车载显示终端及地面中心。 优选地，若诊断结果为没有故障，而检验器却检测到逆变器已经出现了故障，则修 正器基于故障存储器中的存储数据修正第一阈值和第二阈值;若诊断结果为没有故障，且 检验器没有检测到逆变器出现异常，则修正器不进行第一阈值和第二阈值的修正。 优选地，无线传输装置包括数据库、调制器以及各无线节点，无线节点将诊断结果 数据通过调制器发送给数据库。 本专利技术具有如下有益的技术效果： (1)经过预处理器和故障诊断器中的运算器的处理，排除了列车运行导致辅助逆 变设备的监测数据波动的干扰，提高了故障诊断精度。 (2)采用首先将数据分解为模态函数，再提取能量矩，最后将能量矩导入神经网络 的诊断方法，提高了故障诊断精度。 (3)当出现诊断结果与实际不符时，立即修正判断条件直至诊断结果与实际相符， 为诊断流程提供可靠保障。 (4) -方面通过显示屏实时报警；另一方面原始数据和诊断结果通过车载无线传 输平台定期下传至地面;方便在地面中心分析层会对下传至地面的原始数据进行更为详细 的分析。【附图说明】 图1是本专利技术装置的结构组成图。 图2是本专利技术数据预处理器结构组成图。 图3是本专利技术故障诊断系统流程图。图4是模态函数分解流程图。 图5是神经网络故障诊断流程图。【具体实施方式】 城轨列车辅助逆变器故障诊断装置包括传感器、辅助逆变系统信号预处理器、故 障诊断器、数据存储器、显示器、无线传输装置，传感器用于采集辅助逆变器监测数据。辅助 逆变器故障诊断装置通过采集电压、电流传感器获得辅助逆变器监测数据，并对数据进行 诊断分析，实现故障辨识、故障等级分类，得出诊断结果。具体结构如图1所示。 传感器安装数量为每列车总的传感器个数是16个。具体清单如下表： 表1设备配置数量表注:列/台表示每列车所装设备台数。 在每个A车低压柜增加 110V直流控制电源电压和电流传感器各一个，采集110V直 流控制电源的电流和电压数据，以便分析110V直流控制电源电压的传导特性。 在每个A车低压柜增加 380V三相交流电源电压和电流传感器各三个，采集380V三 相交流电源的三相电流和电压数据，以便分析380V三相交流电源的传导特性。 其他硬件主要性能指标如下： 表2主要性能参数 (2)电源：110V DC (3)机箱:外壳白色，PXI总线的内部固定架和底座 (4)触摸屏，主要性能指标如下： 表3主要性能参数 辅助逆变系统信号预处理部分由前置放大器、抗混叠低通滤波器、采样/保持电路 和多路模拟开关、程控放大器、A/D转本文档来自技高网...

【技术保护点】
一种城轨列车辅助逆变器故障诊断装置，其包括：信号采集器、辅助逆变系统信号预处理器、故障诊断器、数据存储器、显示器、无线传输装置，其特征在于：信号采集器用于采集辅助逆变器监测数据；辅助逆变系统信号预处理器包括前置放大器、抗混叠低通滤波器、采样/保持电路和多路模拟开关、程控放大器、A/D转换器和逻辑控制电路；信号采集器将采集的数据传递给前置放大器，经前置放大器处理后的数据依次经过抗混叠低通滤波器、采样/保持电路和多路模拟开关、程控放大器、A/D转换器，A/D转换器将预处理后的数据传递到故障诊断器；逻辑控制电路与前置放大器、抗混叠低通滤波器、采样/保持电路和多路模拟开关、程控放大器、A/D转换器、故障诊断器均电性连接；故障诊断器包括扩展卡尔曼滤波器、检验器、运算器、修正器、故障存储器、故障结果生成器；故障诊断器接收到经预处理的数据后，依次进行如下步骤：(i)扩展卡尔曼滤波器对数据进行降噪，然后将降噪后的数据发送给运算器；(ii)运算器对降噪后的数据进行计算，计算出其预定时间段内的变化幅值，将变化幅值大于第一阈值的时间节点记录下来，并将所述时间节点对应的数据存储到故障存储器中；(iii)运算器统计计算故障存储器中数据的分布，并将相对于分布的中间值的偏差值大于第二阈值的数据提取出来，将提取出的数据发送给故障结果生成器；(iv)故障结果生成器将接收到的运算器的数据首先分解为一系列模态函数之和，步骤如下：(1)确定数据所有的局部极值点，然后采取三次样条线将所有局部极大、极小值点连接起来，形成上包络线与下包络线；(2)上包络线与下包络线的均值记为m1(t)，然后由降噪后的信号x(t)与均值m1(t)求出h1(t)，h1(t)＝x(t)‑m1(t)；(3)如果h1(t)不满足模态函数条件，把h1(t)作为原始数据，并且重复步骤(1)～(2)，得上下包络的均值m11(t)，则h11(t)＝h1(t)‑m11(t)；若h11(t)仍不满足模态函数条件，则重复循环k次，直至h1k(t)满足条件，将x(t)的第一个模态分量记为c1(t)，c1(t)＝h1k(t)；(4)将c1(t)从x(t)中分离得到r1(t)：r1(t)＝x(t)‑c1(t)；将r1(t)作为新的原始数据重复以上步骤，得到x(t)的第2个模态分量c2(t)，重复n次得到rn(t)为一个单调函数不能再从中提取模态分量时结束；则降噪后的信号x(t)最终分解为一系列模态函数之和：x(t)=Σi=1nci(t)+rn(t);]]>然后对分解的模态函数提取能量矩，步骤如下：1)根据如下公式算出相应能量矩E1,E2,…Em：Ei=Σk=1m(k·Δt)|ci(k·Δt)|2]]>其中m是总采样点数，k是采样点，Δt是采样周期；2)构造特征向量T：T＝[E1 E2 … Em]对T进行归一化处理，归一化后，相应特征向量T'为：T'＝[E1/E E2/E … Em/E]其中，E=(Σi=1m|Ei|2)12;]]>最后将能量矩输入BP神经网络，最终得出故障诊断结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：姚德臣，杨建伟，李欣，李熙，周明，白永亮，武慧杰，廉朋，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：北京;11