一种用于高铁牵引系统在线故障检测的设计方法技术方案

本发明专利技术公开了一种用于高铁牵引系统在线故障检测的设计方法，包括离线阶段和在线阶段。离线阶段：(1)储存正常运行工况下高铁牵引系统的运行数据；(2)用主元分析对存储的数据进行处理，将其映射到主元空间与残差空间；(3)在主元空间，用ICA对非高斯成分进行特征提取；(4)对ICA处理后的数据与残差空间的数据，根据Kullback‐Leibler散度定义统计量；(5)确定统计量的阈值。在线阶段：(6)读取在线数据；(7)根据离线阶段(2)和(3)对在线数据进行处理；(8)计算在线数据统计量的值；(9)判断是否发生故障。该方法可以在高铁牵引系统模型未知的情况下，对其微小故障进行实时的有效的检测。

A Design Method for On-line Fault Detection of High-speed Rail Traction System

The invention discloses a design method for on-line fault detection of high-speed railway traction system, including off-line and on-line stages. Off-line stage: (1) Store the operation data of high-speed railway traction system under normal operating conditions; (2) Processing the stored data with principal component analysis and mapping it to principal component space and residual space; (3) Feature extraction of non-Gaussian components in principal component space with ICA; (4) Defining statistics according to Kullback Leibler divergence after ICA processing data and residual space; (5) Defining statistics according to Kullback Leibler divergence. Determine the threshold of statistics. On-line stage: (6) reading online data; (7) processing online data according to off-line stage (2) and (3); (8) calculating the value of online data statistics; (9) judging whether there is a fault. This method can detect the small faults of high-speed railway traction system in real time and effectively without knowing its model.

【技术实现步骤摘要】
一种用于高铁牵引系统在线故障检测的设计方法
本专利技术属于高铁故障检测领域，尤其涉及一种用于高铁牵引系统在线故障检测的设计方法。
技术介绍
随着广泛的市场需求和科技的进步，近二十年国内外的高铁技术迅猛发展，并成功地应用于实际当中。高铁以强大的优势受到国际智能交通领域的广泛重视和关注。目前，高铁已逐步成为大众的交通工具。然而，高铁牵引系统频发的故障，日益受到人们的关注。当故障发生后，会影响到整个高铁运行的性能，甚至发生不可逆转的严重后果，比如财产损失和人员伤亡。因此，这就增加了对高铁牵引系统故障诊断的必要性。在中国的高铁系统中，为了保证高铁的安全运行，由于某个元器件性能的改变导致某些参数的变化，引起牵引系统参数自备的故障保护系统开始动作，这是对故障进行保护的一方面。但是，这样的保护系统显然不能对微小故障或者复合故障进行准确的定位。例如连接电网，高铁的桥梁，和高铁牵引变压器等。高铁牵引系统十分容易发生故障，尤其是微小故障。例如，牵引系统变压器的绕组变形。发生绕组变形时，由于磁场分布发生变化，会使得电压电流相应的发生改变，从而导致供电故障，影响高铁的正常运行。在目前的高铁故障检测与诊断领域，方法主要有三种：基于模型的，基于知识的和基于数据的。基于知识的故障诊断方法需要大量的专家知识，由于故障的很多故障目前专家也很难进行解释和判断，因此这个方法不适合用于微小故障的检测。此外，国内外学者对微小故障的研究才刚起步。对于高铁牵引变压器的微小故障，主要来自于自身老化导致性能的变化、工作环境的影响的波动以及内部温度的变化等。由于微小故障介于无故障与故障之间，其变化特性不是很明显，这对故障诊断算法的敏感性要求更高，原有的算法不适合于对微小故障的诊断。
技术实现思路
专利技术目的：针对以上现有技术存在的问题，本专利技术提出一种用于高铁牵引系统在线故障检测的设计方法，可以有效地对高铁牵引系统的微小故障进行实时的故障检测。技术方案：为实现本专利技术的目的，本专利技术所采用的技术方案是：一种用于高铁牵引系统在线故障检测的设计方法，该方法包括以下步骤：(1)保存正常运行工况下高铁牵引系统的运行数据；(2)用主元分析法对该数据进行处理，将其映射到主元空间与残差空间；(3)在主元空间，用ICA对非高斯成分进行特征提取；(4)对ICA处理后的数据与残差空间的数据，根据Kullback-Leibler散度计算统计量值；(5)确定统计量的阈值；(6)读取高铁牵引系统的实时运行数据；(7)根据步骤(2)和(3)对实时运行数据进行处理；(8)根据步骤(4)计算在线数据统计量的值；(9)判断是否发生故障。其中，在步骤(1)中，获取的运行数据如下：定义离线矩阵X为X＝[x(1),…,x(i),…,x(N)](1)其中，x(i)为第i个采样值，其中N是采样个数，d是每个采样所采集的信号个数，i＝1…N。其中，在步骤(2)中，先将离线矩阵X进行去均值化与归一化两步标准化处理，而后对X的协方差矩阵进行奇异值分解：其中，和为主元空间与残差空间的载荷矩阵，和为特征值矩阵，l为主元个数，根据(2)，可得到X的载荷矩阵Pp和Pr，并计算tP和tr：其中，x也即为传感器所采集到的原始信号，即x(i)；和为主元得分与残差得分，进一步地，X在主元空间与残差空间的映射为其中，Xp为主元空间的映射，Xr为残差空间的映射。其中，在步骤(3)中，用ICA算法对Xp中的非高斯成分进行特征提取，方法如下：将Xp信号预处理，再将处理后的信号作为ICA算法的输入信号，以负熵最大作为一个搜寻方向，找到一个解混矩阵W，并将其定义为：W＝[w(1)…w(i)…w(d)]T(5)其中，w(i)为W第i个向量，从原始矩阵提取的非高斯特征可以表示为：Y＝WXp＝[y(1)…y(i)…y(N)](6)其中，y(i)为矩阵Y的第i个所提取分离后的数据样本。其中，在步骤(4)中，根据Kullback-Leibler散度定义统计量方法如下：分为非高斯的特征与高斯的特征，对于非高斯的特征，结合Kullback‐Leibler散度，残差可以定义为：其中，yk为式(6)中的第k列数据，为yk的移动窗口数据，且为的概率密度函数，p(yk)为yk的概率密度函数；对于高斯的特征，定义残差r为：定义基于Kullback‐Leibler散度的残差为：其中，rj为残差r的第j列数据，为rj的移动窗口数据，为的均值，为的方差，为的概率密度函数，p(rj)为rj的概率密度函数；对于高斯与非高斯特征，基于Kullback‐Leibler散度的统计量可以定义为：其中，其中，在步骤(5)中，用于故障检测的假设检验可以定义为：否则，高铁牵引系统发生了故障，其中，Jp,th和Jr,th为统计量与的阈值，并且Jp,th和Jr,th可以根据与的概率密度函数以及给定的置信限水平进行得到。其中，在步骤(8)中，根据步骤(7)得到的统计量与步骤(5)得到的阈值进行比较，如果统计量任意一个大于阈值，表明高铁牵引系统发生故障；否则，说明高铁牵引系统运行正常。有益效果：与现有技术相比，本专利技术的技术方案具有以下有益的技术效果：本专利技术是针对高铁牵引系统的微小故障检测系统的设计，提出利用Kullback-Leibler散度与ICA算法结合的方案，用于对故障进行在线的检测。根据传感器获得的数据，先进行数据预处理，再得到正常工况下的系统模型。针对高铁牵引系统的特性，通过对在线数据的处理，来判断高铁牵引系统是否存在故障。相对于现有的高铁故障检测方法，本专利技术的优点在于，该方案可以有效地提取高铁信号中的非高斯特征和高斯特征，并结合Kullback-Leibler散度，极大地提高了对故障的检测能力。附图说明图1是本专利技术的实现过程示意图；图2是f1故障下本专利技术对故障检测结果；图3是f2故障下本专利技术对故障检测结果；图4是f3故障下本专利技术对故障检测结果。具体实施方式以下将结合附图，对本专利技术的技术方案及有益效果进行详细说明。本专利技术提供一种用于电气牵引系统的微小故障检测与定位的系统设计方法，包括如下步骤：离线阶段，离线是高铁还没有运行，用积累下来的正常运行的历史数据：(1)储存正常运行工况下高铁牵引系统的运行数据；(2)用PCA对存储的数据进行处理，将其映射到主元空间与残差空间；(3)在主元空间，用ICA对非高斯成分进行特征提取；(4)对ICA处理后的数据与残差空间的数据，根据Kullback-Leibler散度定义统计量；(5)确定统计量的阈值。在线阶段，其中在线是高铁处在实时运行中，然后采集实时数据：(5)读取在线数据；(6)根据离线阶段(2)和(3)对在线数据进行处理；(7)计算在线数据统计量的值；(8)判断是否发生故障。本实施例中，高铁牵引系统一共有6路传感器测量信号，包括牵引逆变器上桥臂与下桥臂电压vdc1,vdc2，三路电机输出电流ia,ib和ic，以及转速sp。当高铁以200km/h稳定运行时对系统进行早期故障注入，此时共注入三种不同形式的偏置故障用以分别绘制故障诊断图2、图3、图4：1)对vdc1路测量量注入偏置f1＝10V；2)对iA路测量量注入偏置f2＝0.15A；3)对sp路测量量注入偏置f3＝0.2rad/s。根据收集的传感器离线数据，可定义离线矩阵X为X＝[x(本文档来自技高网...

【技术保护点】
1.一种用于高铁牵引系统在线故障检测的设计方法，其特征在于，该方法包括以下步骤：(1)保存正常运行工况下高铁牵引系统的运行数据；(2)用主元分析法对该数据进行处理，将其映射到主元空间与残差空间；(3)在主元空间，用ICA对非高斯成分进行特征提取；(4)对ICA处理后的数据与残差空间的数据，根据Kullback‑Leibler散度计算统计量值；(5)确定统计量的阈值；(6)读取高铁牵引系统的实时运行数据；(7)根据步骤(2)和(3)对实时运行数据进行处理；(8)根据步骤(4)计算实时数据统计量的值；(9)判断是否发生故障。

【技术特征摘要】
1.一种用于高铁牵引系统在线故障检测的设计方法，其特征在于，该方法包括以下步骤：(1)保存正常运行工况下高铁牵引系统的运行数据；(2)用主元分析法对该数据进行处理，将其映射到主元空间与残差空间；(3)在主元空间，用ICA对非高斯成分进行特征提取；(4)对ICA处理后的数据与残差空间的数据，根据Kullback-Leibler散度计算统计量值；(5)确定统计量的阈值；(6)读取高铁牵引系统的实时运行数据；(7)根据步骤(2)和(3)对实时运行数据进行处理；(8)根据步骤(4)计算实时数据统计量的值；(9)判断是否发生故障。2.根据权利要求1所述的一种用于高铁牵引系统在线故障检测的设计方法，其特征在于，在步骤(1)和步骤(6)中，获取运行数据如下：定义离线矩阵X为：X＝[x(1),…,x(i),…,x(N)](1)其中，x(i)为第i个采样值，其中N是采样个数，d是每个采样所采集的信号个数，i＝1…N。3.根据权利要求2所述的一种用于高铁牵引系统在线故障检测的设计方法，其特征在于，在步骤(2)中，先将离线矩阵X进行去均值化与归一化两步标准化处理，然后对X的协方差矩阵进行奇异值分解：其中，和为主元空间与残差空间的载荷矩阵，和为特征值矩阵，l为主元个数，根据(2)，可得到X的载荷矩阵Pp和Pr，并计算tP和tr：其中，x也即为传感器所采集到的原始信号，即x(i)；和为主元得分与残差得分，进一步地，X在主元空间与残差空间的映射为：其中，Xp为主元空间的映射，Xr为残差空间的映射。4.根据权利要求3所述的一种用于高铁牵引系统在线故障检测的设计方法，其特征在于，在步骤(3)中，用ICA算法对Xp中的非高斯成分进行特征提取，方法如下：将Xp信号预处理，再将处理后的信号作为ICA算法的输入信号，以负熵最大作为一个搜寻方向，找到一个解混...

【专利技术属性】
技术研发人员：陈宏田，姜斌，涂明，吴建萍，颜伟，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32