基于非线性滤波的抗蛇行减震器性能参数及故障辨识方法技术

本发明专利技术公开一种基于非线性滤波的抗蛇行减震器性能参数及故障辨识方法，包括如下步骤：S1、建立车辆悬挂系统横向动力学模型；S2、根据车辆悬挂系统横向动力学模型，建立悬挂系统的离散状态方程和离散观测方程；S3、根据悬挂系统的离散状态方程和离散观测方程，基于边缘化粒子滤波算法对悬挂系统的抗蛇行减震器进行性能参数辨识和故障辨识。本发明专利技术缩小了模型与实际运营的高速列车实际参数间的差异，提高了辨识结果的准确性。

Anti hunting damper performance parameters and fault identification method based on nonlinear filtering

The invention discloses an anti hunting damper performance parameters and fault identification method based on nonlinear filter, which comprises the following steps: S1, a lateral dynamics model of vehicle suspension; S2, according to the lateral dynamics model of vehicle suspension system, the discrete state equation and discrete observation equations of suspension system; S3, based on the discrete state equation of suspension system the discrete observation equation, marginalized particle filter algorithm performance parameter identification and fault identification of anti hunting damper suspension system based on. The invention reduces the difference between the actual parameters of the model and the actual high speed train, and improves the accuracy of the identification result.

【技术实现步骤摘要】
基于非线性滤波的抗蛇行减震器性能参数及故障辨识方法
本专利技术涉及高速列车悬挂系统故障辨识领域。更具体地，涉及一种基于非线性滤波的抗蛇行减震器性能参数及故障辨识方法。
技术介绍
铁路是国民经济发展的大动脉，是实现国家现代化建设的重要支撑。高速铁路作为一种安全、高速、舒适的交通运输方式，对国家经济社会的发展起到巨大的推动作用。2016年，调整后的《中长期铁路网规划》明确提出建设以“八纵八横”主通道为骨架、区域连接线衔接、城际铁路补充的高速铁路网。高速铁路运输在我国交通运输尤其是铁路运输中的地位变得越来越重要。安全性是高速铁路的核心竞争力，保障高速列车的安全运行不仅关系到乘客的生命安全，更会对我国高速铁路的发展和走出国门产生深远的影响。此外，随着我国高速铁路的快速发展，大量高速列车投入运营，由此产生的一系列维修保养问题亟待解决。作为保障高速列车安全运行的关键设备，抗蛇行减震器能够有效抑制车辆的蛇行运动，对车辆运行的横向稳定性非常重要。现有的抗蛇行减震器性能参数及故障辨识方法仅通过间接分析车辆振动数据判断零部件的故障状态，容易受到采集设备、数据处理方法和耦合故障的影响，辨识效率较低。因此，本文档来自技高网...

【技术保护点】
一种基于非线性滤波的抗蛇行减震器性能参数及故障辨识方法，其特征在于，该方法包括如下步骤：S1、建立车辆悬挂系统横向动力学模型；S2、根据车辆悬挂系统横向动力学模型，建立悬挂系统的离散状态方程和离散观测方程；S3、根据悬挂系统的离散状态方程和离散观测方程，基于边缘化粒子滤波算法对悬挂系统的抗蛇行减震器进行性能参数辨识和故障辨识。

【技术特征摘要】
1.一种基于非线性滤波的抗蛇行减震器性能参数及故障辨识方法，其特征在于，该方法包括如下步骤：S1、建立车辆悬挂系统横向动力学模型；S2、根据车辆悬挂系统横向动力学模型，建立悬挂系统的离散状态方程和离散观测方程；S3、根据悬挂系统的离散状态方程和离散观测方程，基于边缘化粒子滤波算法对悬挂系统的抗蛇行减震器进行性能参数辨识和故障辨识。2.根据权利要求1所述的基于非线性滤波的抗蛇行减震器性能参数及故障辨识方法，其特征在于，步骤S2中，悬挂系统的离散状态方程为：xk+1＝Axk+Buk+Ewk其中，xk为第k个采样点的状态变量,uk为第k个采样点的系统输入，wk为第k个采样点的过程噪声，离散状态方程中悬挂系统矩阵离散状态方程中过程噪声矩阵和为连续状态方程中悬挂系统矩阵，为连续状态方程中过程噪声矩阵；悬挂系统的离散观测方程为：yk＝Cxk+Duk+Fvk其中，离散状态方程中悬挂系统矩阵和为连续状态方程中悬挂系统矩阵，离散状态方程中观测噪声矩阵为连续状态方程中观测噪声矩阵，vk为第k个采样点的观测噪声。3.根据权利要求2所述的基于非线性滤波的抗蛇行减震器性能参数及故障辨识方法，其特征在于，步骤S3的具体过程为：S3.1、建立悬挂系统的非线性系统模型：θk～p(θk|θk-1)xk＝f(xk-1,uk-1,wk-1)＝A(θk-1)xk-1+B(θk-1)uk-1+E(θk-1)wk-1yk＝h(xk,uk,vk)＝C(θk)xk+D(θk)uk+F(θk)vk其中，θk为第k个采样点的悬挂系统的抗蛇行减震器性能参数，p(·|θk-1)表示已知θk-1时的概率密度函数，xk为第k个采样点的状态变量,yk为第k个采样点的观测变量，uk为第k个采样点的系统输入，wk和vk分别为第k个采样点的过程噪声和观测噪声，f(·)为非线性状态转移方程，h(·)为非线性观测方程；系统待辨识变量ξk为：ξk＝[xkTθkT]T由贝叶斯定理可得：p(ξk|Zk)＝p(xk,θk|Zk)＝p(xk|θk,Zk)p(θk|Zk)其中，Zk为第k个采样点的系统观测值；S3.2、初始化第1个采样点的悬挂系统的抗蛇行减震器性能参数θ1|0(i)：如果已知初始概率密度函数为p(θ0|Z0)，对其进行采样可以得到作为参数粒子初始值的第1个采样点的悬挂系统的抗蛇行减震器性能参数θ1|0(i)；如果没有先验知识作为依据获得p(θ0|Z0)，则通过在参数取值范围[θmin，θmax]内均匀采样获得θ1|0(i)；设系统初始状态值为对应协方差矩阵为P0，对进行采样，获得系统状态的预测初值x1|0(i)，并根据下式计算对应的协方差矩阵P1|0(i)：S3.3、依次对k＝2，k＝3,…,k＝T时，第k个采样点的悬挂系统的抗蛇行减震器性能参数进行辨识，具体包括：S3.3.1、权值更新及归一化：根据第k个采样点的状态预测粒子xk|k-1(i)计算对应的观测值yk|k-1(i)，根据yk|k-1(i)与实际观测值yk的偏差计算粒子权重并进行归一化，得到αk(i)yk|k-1(i)＝C(θk|k-1(i))xk|k-1(i)+D(θk|k-1(i))ukRk(i)＝C(θk|k-1(i))Pk|k-1(i)CT(θk|k-1(i))+Qv

【专利技术属性】
技术研发人员：魏秀琨，张晓中，尹贤贤，魏德华，贾利民，李岩，刘玉鑫，王腾腾，闫冬，张靖林，江思阳，杨子明，李赛，孟鸿飞，赵利瑞，王熙楠，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京,11