【技术实现步骤摘要】
一种列车空气制动系统随机故障注入方法及注入系统
[0001]本专利技术涉及故障分析
,尤其涉及一种列车空气制动系统随机故障注入方法及注入系统。
技术介绍
[0002]随着高速列车大规模投入运营,高速列车的运行安全的关注度越来越高。空气制动系统是确保高速列车安全运行的关键系统之一,同时也是高速列车高发故障源,因此,需要对空气制动系统进行故障研究,为后续的故障检测与故障诊断研究提供有力的数据支持。目前,在对空气制动系统进行故障研究时,大多是采用随机故障注入的方式来模拟空气制动系统发生的故障,在采用随机故障注入时,大多是对大量的原始样本数据进行拟合,已得到负荷条件的分布函数,再以该函数为基础,对故障参数进行随机抽样,从而完成随机故障注入,但是,构建故障分布函数是一个繁琐的过程,需要进行数据处理、参数估计等步骤,除此之外,目前在进行故障研究的过程中缺乏空气制度系统的原始故障数据,无法进行全面、准确的故障分布函数拟合。可见,现有的故障注入方法存在无法方便、有效地对列车空气制动系统进行随机故障注入的问题。
技术实现思路
[0003]本专利技术提供了一种列车空气制动系统随机故障注入方法及注入系统,以解决现有的故障注入方法存在无法方便、有效地对列车空气制动系统进行随机故障注入的问题。
[0004]为了实现上述目的,本专利技术通过如下的技术方案来实现:
[0005]第一方面,本专利技术提供一种列车空气制动系统随机故障注入方法,包括:
[0006]构建目标空气制动系统的仿真模型,并获取目标空 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种列车空气制动系统随机故障注入方法,其特征在于,包括:构建目标空气制动系统的仿真模型,并获取目标空气制动系统的全部历史故障信息构建故障模型库;对全部历史故障信息进行分类得到故障程度信息和故障类型信息,并根据所述故障程度信息确定故障程度状态集合,根据所述故障类型信息确定故障类型状态集合;基于所述故障程度状态集合绘制目标空气制动系统的故障程度状态转移图,基于所述故障类型状态集合绘制目标空气制动系统的故障类型状态转移图;根据所述故障类型状态转移图构建故障类型马尔科夫链,根据所述故障程度状态转移图构建故障程度马尔科夫链;基于所述故障类型马尔科夫链和所述故障程度马尔科夫链确定状态转移概率矩阵,并对所述状态转移概率矩阵求解得到稳态分布;根据所述稳态分布设置全部故障信息的概率分布,并基于此概率分布对全部故障信息进行分层随机抽取,将抽取到的故障信息注入所述仿真模型。2.根据权利要求1所述的列车空气制动系统随机故障注入方法,其特征在于,所述获取目标空气制动系统的全部故障信息构建故障模型库,包括:基于目标空气制动系统的EP阀、列车管、制动缸以及传感器建立包含k种故障类型和l种故障程度的故障模型库;所述故障模型库中故障模型总数记为N,所述故障模型库的计算公式如下所示:其中,表示第i种故障类型的第j中故障程度的故障模型个数,k表示故障类型的个数,l表示故障程度的个数,N表示故障模型库中故障模型的总数。3.根据权利要求1所述的列车空气制动系统随机故障注入方法,其特征在于,所述根据所述故障程度信息确定故障程度状态集合,包括:故障程度信息包括健康以及l级故障程度组成的故障程度状态,将所述故障程度状态组成故障程度状态集合,其表达式如下所示:其中,S
d
表示故障程度状态集合,表示第l级故障程度状态,l为大于等于0的整数。所述根据所述故障类型信息确定故障类型状态集合,包括:故障类型信息包括正常运行状态以及k种故障类型组成的故障类型状态,将所述故障类型状态组成故障类型状态集合,其表达式如下所示:其中,S
t
表示故障类型状态集合,表示第k种故障程度状态,k为大于等于0的整数,上述每种故障类型都包含上述l种故障程度。4.根据权利要求1所述的列车空气制动系统随机故障注入方法,其特征在于,所述基于所述故障程度状态集合绘制目标空气制动系统的故障程度状态转移图,包括:当故障程度不可修复时,故障程度朝着严重的方向发展,此时故障程度状态转移图满
足下式:其中,表示第i级故障程度状态,表示第j级故障程度状态,当故障程度可修复时,故常程度朝着恢复至健康的方向发展,此时故障程度状态转移图满足下式:其中,表示第i级故障程度状态,表示健康状态,所述基于所述故障类型状态集合绘制目标空气制动系统的故障类型状态转移图,包括:不同故障类型与健康互为可达关系,此时故障类型状态转移图满足下式:其中,表示第i种故障类型状态,表示健康状态,不同故障类型之间不可达,此时故障类型状态转移图满足下式:其中,表示第i种故障类型状态,表示第j种故障类型。5.根据权利要求1所述的列车空气制动系统随机故障注入方法,其特征在于,所述方法还包括:将马尔科夫链定义为一组具有马尔科夫性质的离散随机变量的集合,即在给定第n步随机变量之后,第n+1步的随机变量与其余的随机变量条件独立;对概率空间内以一维可数集为指数集的随机变量集合X={X
n
:n>0},随机变量的取值都包含在可数集S={s0,s1,...,s
m
},该可数集S称为状态集合;因此,齐次马尔科夫链可表示为下式:P(X
n+1
|X
n
,...,X1)=P(X
n+1
|X
n
)=P(X1|X0);其中,对任意时刻n,定义π
i
表示其概率分布、Π
i,j
表示其一步转移概率,表达式如下所示:π
i
=P(X
n
=s
i
)s
i
∈S;Π
i,j
=P(X
n+1
=s
j
|X
n
=s
i
)s
i
,s
i
∈S;其中,π
技术研发人员:陈志文,范敬珂,彭立娟,樊欣宇,王久赫,杨崇攀,陈智勇,彭涛,阳春华,
申请(专利权)人:中南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。