基于数理模型对列车车轴性能进行评价和预警的方法技术

基于数理模型对列车车轴性能进行评价和预警的方法属于高速动车组车轴性能的评价和预警方法领域，该方法是首先对车轴运行最近30天中的每一天建立轴温变化数理模型，并对应每个模型均得到一组评价车轴性能的参数，然后对每组性能参数做平滑处理后，以平滑后的性能参数为基础，对车轴性能做突变探测和趋势探测。本发明专利技术能够用定性的方法辅助列车检修人员更为准确和可靠地判断轴温报警信号是否属于可以自行恢复的短期误报警，进而为其维修和养护决策提供重要的参考依据。

【技术实现步骤摘要】

本专利技术属于高速动车组车轴性能的评价和预警方法领域，具体涉及一种基于数理模型对列车车轴性能进行评价和预警的方法。
技术介绍
高速动车组所具有的TCMS(TrainControlandManagementSystem)列车控制和管理系统具有智能化的分布式信息采集、存储、逻辑判断、报警指示和人机交互等功能，其除了每天均收集和存储每一个列车车轴的轴温传感器数据以外，还同时通过其它传感器分别收集和存储列车运行速度数据和车辆外部环境温度数据。车轴的轴温特征能在一定程度上反映车轴的性能情况，其对于车轴故障性质的判断至关重要，但现有的TCMS系统并不具备对轴温报警信号的智能分析功能，其通常仅对轴温数据进行温度超限的逻辑判断并发出轴温高温报警信号，检修人员可在车辆检修时对轴温报警的历史数据进行调取和分析，以便对所发出高温报警的车轴进行故障排除。然而，在复杂多变的车辆运行条件下，车载的轴温传感器、行车速度传感器和外部环境温度传感器，其三种车载传感器所采集的信号均有可能受到颠簸震荡、环境温差、电磁干扰等因素的影响而偶尔发出严重偏离真实值的错误信号，因此，在很多时候，TCMS系统所发出的轴温高温报警信号是在短时间内就能自行恢复的轴温误报警信号，尤其是，在某些特殊干扰影响下，发出报警的车轴在列车行进途中实际上并未检查出故障，而列车停车检修时，当时行车途中诱发报警的行车客观条件却已不复存在，这导致检修人员很难直接凭借自身经验完全且准确地判断出历史数据中的轴温报警是否属于可以自行恢复、或可以暂时忽略不做处理的误报警，由此造成维修人员无法认定此类报警车轴的现象是否需要后续的长期跟踪观察，进而导致部分本应引起警觉的轴温报警现象被无意中忽略，其报警信息所反映出的潜在隐患未被及时地被重视和及早排查。此外，车轴的轴温数据还分别受到车轴温度与环境温度的静态温差影响以及受到列车运行速度对轴温传感器的信号采集精度的影响，环境温度与车轴实际温度的差值越大则车轴的散热作用越显著，列车行驶速度变化则会导致轴温传感器的信号采集精度的变化。但上述环境温度或行车速度对车轴温度的影响程度难以精确量化，尤其是，环境温度随行车纬度、海拔高度或季节更替所导致的变化规律复杂而漫长，不易总结。而受到传感部件的老化等检测误差累积因素的影响，传感器所采集的车轴温度数据、行车速度数据和环境温度数据的采集结果也会发生缓慢的漂移，产生长期的趋势性变化，但这些因素往往很难通过人为经验精确考量，特别是对于拥有众多轮对的整列动车组列车而言，逐一总结对每一个轮对车轴性能的判断经验几乎是无法实现的，这进一步给检修人员对轴温报警的准确判断造成障碍。在另一方面，若能对TCMS系统所存储的车轴温度历史数据与对应时间段下行车速度历史数据和环境温度历史数据对照比较，通过综合考量其三者的变化趋势，从而总结出具有一定规律性的映射关系，则可以用于辅助检修人员对轴温变化性质的判断，帮助其更为高效地完成车轴及其相关传感器的日常养护和维修工作，以及更为严谨地完成部件更换计划或轴温报警排查任务。因此，设计一种针对轴温相关参量的数理模型，使其可以通过定量指标反映车轴的整体性能，并用以研判列车轴温报警信号的真实属性或用于对轴温相关传感器件的性能考察以及用于对无明显故障表征的情况下追踪车轴的性能是否有潜在的安全隐患，已成为科研人员的重点攻关方向。
技术实现思路
为了解决现有因缺少用以反映车轴的整体性能的量化指标，而列车车轴温度的影响因素多、成因复杂，规律非常困难，致使轴温报警信号的属性是否属于短暂的误报警问题难以凭借检修人员的经验快速识别和判断；部分暂时没有明显故障表征但却提示了潜在隐患的轴温报警现象无法被及时有效地识别、重视、排查或后期跟踪；以及由于缺少能对车轴温度、行车速度和环境温度三种数据映射规律的总结方法，导致检修人员无法对车轴自身以及轴温相关传感器件的性能变化趋势进行考察，因此不能及时地掌握部件性能变化规律或严谨地拟定部件更换计划的技术问题，本专利技术提供一种基于数理模型对列车车轴性能进行评价和预警的方法。本专利技术解决技术问题所采取的技术方案如下：本专利技术的基于数理模型对列车车轴性能进行评价和预警的方法包括如下步骤：步骤一、对车轴运行最近30天中的第1天建立轴温变化数理模型前的数据筛选步骤1.1：在车轴运行最近30天中的第1天，依据三种参数的车载传感器分别采集的列车外部环境温度Md(d表示环境温度采样时间节点的个数，d取自然数)、行车速度Vj(j表示行车速度采样时间节点的个数，j取自然数)、车轴的轴温Ti(i表示轴温采样时间节点的个数，i取自然数)，生成关于时间t的列车外部环境温度Md的连续数据曲线、行车速度Vj的连续数据曲线、轴温Ti的连续数据曲线，并保存在动车组TCMS系统的原始数据库中；步骤1.2：分别筛除步骤1.1中三种参数各自连续数据曲线上的异常数据：剔除行车速度Vj所对应连续数据曲线上的Vj＜0千米/时的数据段和Vj＞400千米/时的数据段，获得行车速度Vj关于时间t的正常数据曲线；剔除列车外部环境温度Md所对应连续数据曲线上Md≤-80度的数据段和Md≥80度的数据段，获得列车外部环境温度Md关于时间t的正常数据曲线；剔除轴温Ti所对应连续数据曲线上Ti≤-80度的数据段，获得轴温Ti关于时间t的正常数据曲线；步骤1.3：在步骤1.2获得的行车速度Vj关于时间t的正常数据曲线上筛选出按照时间长度从长到短排序的多个关于行车速度Vj的连续时间段，并保留这些连续时间段所分别对应的行车速度Vj正常数据曲线上的数据段；步骤1.31：对行车速度Vj关于时间t的正常数据曲线上任意两个相邻数据点的时间间隔进行筛选，获得多个连续时间段；上述筛选的方法是：若两个相邻数据点的时间间隔小于等于5分钟，则此两个相邻数据点在同一个连续时间段上；若两个相邻数据点的时间间隔大于5分钟，则此两个相邻数据点分别在前后两个不同的连续时间段上；步骤1.32：从步骤1.31获得的多个连续时间段中挑选出时间长度均大于1小时的多个连续时间段；步骤1.33：对步骤1.32中每个连续时间段所对应的一个数据段内的行车速度Vj取算数平均值，若某个数据段内的行车速度Vj的算数平均值小于等于15千米/时，则剔除该数据段所对应的连续时间段；若某个数据段内的行车速度Vj的算数平均值大于15千米/时，则保留该数据段所对应的连续时间段；步骤1.34：将步骤1.33中保留的连续时间段按照时间长度从长到短的顺序进行排序，并保留排序后的每个连续时间段所对应的行车速度Vj正常数据曲线上的数据段；步骤1.4：在步骤1.34筛选出的关于行车速度Vj的各个连续时间段内，对步骤1.2获得的轴温Ti关于时间t的正常数据曲线和列车外部环境温度Md关于时间t的正常数据曲线分别进行连续时间段的筛选，找到最长的公共连续时间段；步骤1.41：在步骤1.34筛选出的关于行车速度Vj的第一长连续时间段内，利用步骤1.31中的筛选方法，对轴温Ti关于时间t的正常数据曲线进行筛选获得关于轴温Ti的多个连续时间段；步骤1.42：从步骤1.41获得的多个连续时间段中挑选出时间长度大于1小时的连续时间段，并执行步骤1.44；若没有长度大于1小时的轴温Ti连续时间段，则剔除与步骤1.34所述本文档来自技高网...

【技术保护点】
基于数理模型对列车车轴性能进行评价和预警的方法，其特征在于，该方法包括如下步骤：步骤一、对车轴运行最近30天中的第1天建立轴温变化数理模型前的数据筛选步骤1.1：在车轴运行最近30天中的第1天，依据三种参数的车载传感器分别采集的列车外部环境温度Md(d表示环境温度采样时间节点的个数，d取自然数)、行车速度Vj(j表示行车速度采样时间节点的个数，j取自然数)、车轴的轴温Ti(i表示轴温采样时间节点的个数，i取自然数)，生成关于时间t的列车外部环境温度Md的连续数据曲线、行车速度Vj的连续数据曲线、轴温Ti的连续数据曲线，并保存在动车组TCMS系统的原始数据库中；步骤1.2：分别筛除步骤1.1中三种参数各自连续数据曲线上的异常数据：剔除行车速度Vj所对应连续数据曲线上的Vj＜0千米/时的数据段和Vj＞400千米/时的数据段，获得行车速度Vj关于时间t的正常数据曲线；剔除列车外部环境温度Md所对应连续数据曲线上Md≤‑80度的数据段和Md≥80度的数据段，获得列车外部环境温度Md关于时间t的正常数据曲线；剔除轴温Ti所对应连续数据曲线上Ti≤‑80度的数据段，获得轴温Ti关于时间t的正常数据曲线；步骤1.3：在步骤1.2获得的行车速度Vj关于时间t的正常数据曲线上筛选出按照时间长度从长到短排序的多个关于行车速度Vj的连续时间段，并保留这些连续时间段所分别对应的行车速度Vj正常数据曲线上的数据段；步骤1.31：对行车速度Vj关于时间t的正常数据曲线上任意两个相邻数据点的时间间隔进行筛选，获得多个连续时间段；上述筛选的方法是：若两个相邻数据点的时间间隔小于等于5分钟，则此两个相邻数据点在同一个连续时间段上；若两个相邻数据点的时间间隔大于5分钟，则此两个相邻数据点分别在前后两个不同的连续时间段上；步骤1.32：从步骤1.31获得的多个连续时间段中挑选出时间长度均大于1小时的多个连续时间段；步骤1.33：对步骤1.32中每个连续时间段所对应的一个数据段内的行车速度Vj取算数平均值，若某个数据段内的行车速度Vj的算数平均值小于等于15千米/时，则剔除该数据段所对应的连续时间段；若某个数据段内的行车速度Vj的算数平均值大于15千米/时，则保留该数据段所对应的连续时间段；步骤1.34：将步骤1.33中保留的连续时间段按照时间长度从长到短的顺序进行排序，并保留排序后的每个连续时间段所对应的行车速度Vj正常数据曲线上的数据段；步骤1.4：在步骤1.34筛选出的关于行车速度Vj的各个连续时间段内，对步骤1.2获得的轴温Ti关于时间t的正常数据曲线和列车外部环境温度Md关于时间t的正常数据曲线分别进行连续时间段的筛选，找到最长的公共连续时间段；步骤1.41：在步骤1.34筛选出的关于行车速度Vj的第一长连续时间段内，利用步骤1.31中的筛选方法，对轴温Ti关于时间t的正常数据曲线进行筛选获得关于轴温Ti的多个连续时间段；步骤1.42：从步骤1.41获得的多个连续时间段中挑选出时间长度大于1小时的连续时间段，并执行步骤1.44；若没有长度大于1小时的轴温Ti连续时间段，则剔除与步骤1.34所述当前第一长连续时间段相对应的行车速度Vj和轴温Ti的全部数据，然后执行步骤1.43；步骤1.43：在步骤1.34得到的剩余各个连续时间段内，重新按照时间长度从长到短的顺序，在新的第一长连续时间段内，利用步骤1.31中的筛选方法，对轴温Ti关于时间t的正常数据曲线进行筛选获得关于轴温Ti的多个连续时间段，并从获得的关于轴温Ti的多个连续时间段中选出时间长度大于1小时的连续时间段，并执行步骤1.44；若没有长度大于1小时的连续时间段，则剔除与本步骤前述新的第一长连续时间段相对应的行车速度Vj和轴温Ti的全部数据，然后重新执行本步骤，直到能够选出时间长度大于1小时的连续时间段后，执行步骤1.44；若始终未能找到符合要求的连续时间段，则删除当天数据，执行步骤三；步骤1.44、在步骤1.42或步骤1.43筛选出的关于轴温Ti的连续时间段内，利用步骤1.31中的筛选方法，对列车外部环境温度Md关于时间t的正常数据曲线进行筛选获得关于列车外部环境温度Md的多个连续时间段；步骤1.45：从步骤1.44获得的关于列车外部环境温度Md的多个连续时间段中挑选出时间长度大于1小时的连续时间段，执行步骤1.46；若没有长度大于1小时的连续时间段，则剔除与此连续时间段相对应的行车速度Vj、轴温Ti和列车外部环境温度Md的全部数据，然后执行步骤1.43，重新找出关于轴温Ti的时间长度大于1小时的连续时间段，再执行步骤1.44和本步骤，直到能够找出关于列车外部环境温度Md的时间长度大于1小时的连续时间段后，执行步骤1.46；步骤1.46：在步骤1.45找到的时间长度大于1小时的连续时间段中，将三个参...

【技术特征摘要】
1.基于数理模型对列车车轴性能进行评价和预警的方法，其特征在于，该方法包括如下步骤：步骤一、对车轴运行最近30天中的第1天建立轴温变化数理模型前的数据筛选步骤1.1：在车轴运行最近30天中的第1天，依据三种参数的车载传感器分别采集的列车外部环境温度Md(d表示环境温度采样时间节点的个数，d取自然数)、行车速度Vj(j表示行车速度采样时间节点的个数，j取自然数)、车轴的轴温Ti(i表示轴温采样时间节点的个数，i取自然数)，生成关于时间t的列车外部环境温度Md的连续数据曲线、行车速度Vj的连续数据曲线、轴温Ti的连续数据曲线，并保存在动车组TCMS系统的原始数据库中；步骤1.2：分别筛除步骤1.1中三种参数各自连续数据曲线上的异常数据：剔除行车速度Vj所对应连续数据曲线上的Vj＜0千米/时的数据段和Vj＞400千米/时的数据段，获得行车速度Vj关于时间t的正常数据曲线；剔除列车外部环境温度Md所对应连续数据曲线上Md≤-80度的数据段和Md≥80度的数据段，获得列车外部环境温度Md关于时间t的正常数据曲线；剔除轴温Ti所对应连续数据曲线上Ti≤-80度的数据段，获得轴温Ti关于时间t的正常数据曲线；步骤1.3：在步骤1.2获得的行车速度Vj关于时间t的正常数据曲线上筛选出按照时间长度从长到短排序的多个关于行车速度Vj的连续时间段，并保留这些连续时间段所分别对应的行车速度Vj正常数据曲线上的数据段；步骤1.31：对行车速度Vj关于时间t的正常数据曲线上任意两个相邻数据点的时间间隔进行筛选，获得多个连续时间段；上述筛选的方法是：若两个相邻数据点的时间间隔小于等于5分钟，则此两个相邻数据点在同一个连续时间段上；若两个相邻数据点的时间间隔大于5分钟，则此两个相邻数据点分别在前后两个不同的连续时间段上；步骤1.32：从步骤1.31获得的多个连续时间段中挑选出时间长度均大于1小时的多个连续时间段；步骤1.33：对步骤1.32中每个连续时间段所对应的一个数据段内的行车速度Vj取算数平均值，若某个数据段内的行车速度Vj的算数平均值小于等于15千米/时，则剔除该数据段所对应的连续时间段；若某个数据段内的行车速度Vj的算数平均值大于15千米/时，则保留该数据段所对应的连续时间段；步骤1.34：将步骤1.33中保留的连续时间段按照时间长度从长到短的顺序进行排序，并保留排序后的每个连续时间段所对应的行车速度Vj正常数据曲线上的数据段；步骤1.4：在步骤1.34筛选出的关于行车速度Vj的各个连续时间段内，对步骤1.2获得的轴温Ti关于时间t的正常数据曲线和列车外部环境温度Md关于时间t的正常数据曲线分别进行连续时间段的筛选，找到最长的公共连续时间段；步骤1.41：在步骤1.34筛选出的关于行车速度Vj的第一长连续时间段内，利用步骤1.31中的筛选方法，对轴温Ti关于时间t的正常数据曲线进行筛选获得关于轴温Ti的多个连续时间段；步骤1.42：从步骤1.41获得的多个连续时间段中挑选出时间长度大于1小时的连续时间段，并执行步骤1.44；若没有长度大于1小时的轴温Ti连续时间段，则剔除与步骤1.34所述当前第一长连续时间段相对应的行车速度Vj和轴温Ti的全部数据，然后执行步骤1.43；步骤1.43：在步骤1.34得到的剩余各个连续时间段内，重新按照时间长度从长到短的顺序，在新的第一长连续时间段内，利用步骤1.31中的筛选方法，对轴温Ti关于时间t的正常数据曲线进行筛选获得关于轴温Ti的多个连续时间段，并从获得的关于轴温Ti的多个连续时间段中选出时间长度大于1小时的连续时间段，并执行步骤1.44；若没有长度大于1小时的连续时间段，则剔除与本步骤前述新的第一长连续时间段相对应的行车速度Vj和轴温Ti的全部数据，然后重新执行本步骤，直到能够选出时间长度大于1小时的连续时间段后，执行步骤1.44；若始终未能找到符合要求的连续时间段，则删除当天数据，执行步骤三；步骤1.44、在步骤1.42或步骤1.43筛选出的关于轴温Ti的连续时间段内，利用步骤1.31中的筛选方法，对列车外部环境温度Md关于时间t的正常数据曲线进行筛选获得关于列车外部环境温度Md的多个连续时间段；步骤1.45：从步骤1.44获得的关于列车外部环境温度Md的多个连续时间段中挑选出时间长度大于1小时的连续时间段，执行步骤1.46；若没有长度大于1小时的连续时间段，则剔除与此连续时间段相对应的行车速度Vj、轴温Ti和列车外部环境温度Md的全部数据，然后执行步骤1.43，重新找出关于轴温Ti的时间长度大于1小时的连续时间段，再执行步骤1.44和本步骤，直到能够找出关于列车外部环境温度Md的时间长度大于1小时的连续时间段后，执行步骤1.46；步骤1.46：在步骤1.45找到的时间长度大于1小时的连续时间段中，将三个参数同时存在数据的最长公共时间段作为最长公共连续时间段；步骤1.5：将步骤1.46得到的最长公共连续时间段所对应的三个参数的数据段叠加到同一个时间坐标系下，并利用线性插值分别补足各参数数据段上缺失的值，使得在最长公共连续时间段内的每个时间均能对应三个参数的数据，然后，保存与该最长公共连续时间段所对应的行车速度Vj的稳定数据曲线、轴温Ti的稳定数据曲线以及列车外部环境温度Md的稳定数据曲线；步骤二、对车轴运行最近30天中的第1天建立轴温变化数理模型步骤2.1：根据物理学中的散热方程，并考虑速度对轴温的影响后，建立车轴的轴温变化率函数，即轴温变化数理模型如下：f(s)=aTdt=cV1×Vj+cT1×(Ti-Md)......(1)]]>式(1)中，表示最近30天中第1天的轴温变化率对车速敏感程度的原始值，表示最近30天中第1天的静态环境下由温差而导致的车轴的散热速率原始值，Ti(i表示轴温采样时间节点的个数，i取自然数)是车轴对应当前时刻的轴温，；Vj(j表示行车速度采样时间节点的个数，j取自然数)表示对应当前时刻的行车速度；Md(d表示环境温度采样时间节点的个数，d取自然数)表示对应当前时刻的列车外部环境温度；步骤2.2：求解和的值：步骤2.21：对式(1)进行积分，则有∫t1tnf(s)=Q-Q1=cV1∫t1tnV1dt+cT1∫t1tn(Ti-Md)dt......(2)]]>式(2)中，表示最近30天中第1天的轴温变化率对车速敏感程度的原始值，表示最近30天中第1天的静态环境下由温差而导致的车轴的散热速率原始值，Ti表示车轴对应当前时刻的轴温，Vj表示对应当前时刻的行车速度；Md表示对应当前时刻的列车外部环境温度；Q表示车轴在tn时间的轴温，Q1表示车轴在t1时间的轴温；Q-Q1表示在t1至tn的时间段内车轴温度变化的温差值；步骤2.22：通过由步骤2.21积分得到的数据和...

【专利技术属性】
技术研发人员：常振臣，张海峰，张妍，陈君达，
申请(专利权)人：中车长春轨道客车股份有限公司，
类型：发明
国别省市：吉林;22