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方案

本发明专利技术涉及故障分析技术领域，公开了一种列车空气制动系统随机故障注入方法及注入系统，包括：构建目标空气制动系统的仿真模型；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，并绘制目标空气制动系统的故障程度状态转移图和故障类型状态转移图；根据故障类型状态转移图构建故障类型马尔科夫链，根据故障程度状态转移图构建故障程度马尔科夫链；确定状态转移概率矩阵，并求解得到稳态分布；根据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仿真模型；本发明专利技术解决了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。入的问题。入的问题。

【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，并获取目标空气制动系统的全部故障信息构建故障模型库。
[0007]对全部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。
[0008]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。
[0009]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。
[0010]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。
[0011]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。
[0012]第二方面，本专利技术的实施例提供一种列车空气制动系统随机故障注入系统，包括处理器、存储器；
[0013]存储器，用于存放计算机程序。
[0014]处理器，用于执行存储器上所存放的程序时，实现第一方面中任一所述的方法步骤。
[0015]有益效果：
[0016]本专利技术提供的列车空气制动系统随机故障注入方法，通过将目标空气制动系统的全部故障信息分类为故障程度信息和故障类型信息，并确定故障程度状态集合和故障类型状态集合，通过故障程度信息状态集合绘制故障程度状态转移图，通过故障类型状态集合绘制故障类型状态转移图，从而构建故障类型马尔科夫链和故障状态马尔科夫链，并确定状态转移概率矩阵，通过状态转移概率矩阵得到稳态分布，便可根据稳态分布设置全部故障信息的概率分布，从而基于此概率分布将故障信息随机注入目标空气制动系统的仿真模型中进行故障分析，通过上述步骤能够更加全面、准确地对故障分布函数进行拟合，从而快速方便、有效地将故障信息随机注入仿真模型中达到故障注入的效果。
附图说明
[0017]图1是本专利技术优选实施例的列车空气制动系统随机故障注入方法流程图；
[0018]图2是本专利技术优选实施例的故障程度马尔科夫链状态转移图；
[0019]图3是本专利技术优选实施例的故障类型马尔科夫链状态转移图；
[0020]图4是本专利技术优选实施例的列车空气制动系统随机故障注入器结构示意图；
[0021]图5是本专利技术优选实施例在GUI中搭建的列车空气制动系统的随机故障注入器的用户设定界面示意图；
[0022]图6是本专利技术优选实施例在GUI中根据用户设置生成故障类型马尔科夫链状态转移图；
[0023]图7是本专利技术优选实施例在GUI中根据用户设置生成故障程度马尔科夫链状态转移图。
具体实施方式
[0024]下面对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0025]除非另作定义，本专利技术中使用的技术术语或者科学术语应当为本专利技术所属领域内具有一般技能的人士所理解的通常意义。本专利技术中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也相应地改变。
[0026]请参见图1
‑
7：
[0027]实施例1：
[0028]本实施例提供了一种列车空气制动系统随机故障注入方法，包括以下步骤：
[0029]步骤一：构建故障模型库，将故障信息按故障类型和故障程度进行分类，并确定故
障类型状态集合和故障程度状态集合。
[0030]步骤二：根据系统在故障状态下的运行行为，绘制系统的故障类型状态转移图和故障程度状态转移图。
[0031]步骤三：构建故障程度马尔科夫链和故障类型马尔科夫链的数学表达，确定状态转移概率矩阵并求出其稳态分布。
[0032]步骤四：根据稳态分布设置模型库故障信息概率分布，按照该分布进行分层随机故障抽取，将对应的故障注入仿真模型。
[0033]具体地，所述的步骤一中，列车空气制动系统针对EP阀、列车管、制动缸以及传感器等器件，建立了包含七种故障类型和四种故障程度的故障模型库，如表1所示。故障模型库中的故障模型总数记为N，计算公式如下：
[0034][0035]其中，表示第i种故障类型的第j种故障程度的故障模型的个数。
[0036]表1
[0037][0038][0039]故障类型有正常运行状态、EP阀电磁阀泄露、EP阀弹簧故障、EP阀管道堵塞、传感器增益故障、制动缸漏气故障、列车管漏气故障，上述状态依次组成故障类型状态集合
[0040]故障程度有健康、轻度故障、中度故障、重度故障，上述状态依次组成故障程度状
态集合
[0041]上述每种故障类型都包含上述4种故障程度。
[0042]具体地，所述的步骤二中，列车空气制动系统的故障类型状态转移图和故障程度状态转移图的构建原则如本文档来自技高网...

【技术保护点】

【技术特征摘要】
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

【专利技术属性】
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：