动车组制动缸故障监测方法及故障监测系统

摘要

本发明公开了一种动车组制动缸故障监测方法及故障监测系统，该监测方法包括，获取正常工况下包含制动过程的各制动缸压力测量数据构成训练数据集；计算训练数据集中每个样本的变量间方差并确定变量间方差的阈值；实时采集各制动缸当前时刻的压力测量数据作为测试样本，并利用所述变量间方差的阈值判断该测试样本是否包含有故障；当判断为包含有故障时，依次求取所述测试样本中每个制动缸压力测量数据的重构贡献值，并将具有最大重构贡献值的制动缸确定为发生故障的制动缸。该方法可以及时地对故障进行检测和分离，指示发生异常的制动缸或所在管路，作为严重故障的预测，为部件的及时维修与替换提供一定参考，从而有效地避免更为严重故障的发生。

说明书

技术领域

本发明涉及工业监测和故障诊断领域，尤其涉及一种动车组制动缸故障监测 方法及故障监测系统。

背景技术

随着动车组运行速度的不断提高，人们对动车组运行安全性的需求也在不断 增加，这就对动车组制动技术提出了更高的要求。近年来动车组的动力制动技术 虽取得了长足发展，但空气制动技术仍然是动车组制动技术中不可或缺的一部 分，对保障动车组安全运行具有极其重要的意义。

制动缸作为动车组空气制动系统的基础制动装置，与制动夹钳、制动盘共同 构成了空气制动系统的执行环节。其中，制动缸作为动车组空气制动系统的关键 部件，对动车组实现可靠安全的制动起决定作用。

为满足动车组制动的功能(如制动距离、制动减速度)和性能(如防冲动限 制、乘客舒适度)需求，在制动/缓解过程中，通常要求动车组每节列车的多个车 轴上的制动缸压力在一定时间内同时上升/下降到某个压力设定值，并允许一定的 控制误差。如果在制动施加、保持或者缓解过程中，上述制动缸或者制动缸所在 的管路发生故障，那么动车组的制动性能甚至制动功能将会受到影响。例如，若 某个制动缸或者该制动缸所在管路发生气体泄漏故障，那么该制动缸压力将低于 设定值，从而使该制动缸对应的车轴制动力低于其他轴的制动力，进而影响列车 制动性能。再者，由于长期使用而导致的部件性能退化等原因，制动缸也可能发 生充气/排气缓慢故障。严重的制动缸充气/排气缓慢故障将会使得制动缸压力出 现异常，从而触发现有监测系统报制动缸压力过高/过低故障，进而导致本节列车 制动力切除甚至需要进行停车处理的情形发生。即使轻度的某个制动缸充气/排气 缓慢故障也会使得本节列车的各个车轴之间的制动力不一致，进而影响制动性 能。因此，实际中通常安装压力传感器对制动缸的压力进行实时监测，以便及时 地诊断出可能发生的异常或严重故障。

现有监测系统一般采取基于单变量超限报警机制对动车组制动缸可能出现 的故障进行监测，主要考虑超出设定值较大的制动缸压力过高/过低故障。这类故 障通常由非常严重的制动缸或所在管路发生泄漏，以及制动缸功能异常导致的无 法充气/排气或者严重的充气/排气缓慢而造成。针对制动缸或所在管路的轻度泄 漏，或者由于制动缸性能下降而导致的充气/排气缓慢故障，现有监测逻辑并没有 涉及。

综上，亟需一种新的故障诊断方法对动车组每节列车的多个制动缸进行在线 监控，及时地完成制动缸故障的检测和分离。

发明内容

本发明所要解决的技术问题之一是需要提供一种新的故障诊断方法对动车 组每节列车的多个制动缸进行在线监控，及时地完成制动缸故障的检测和分离。

为了解决上述技术问题，本申请的实施例首先提供了一种动车组制动缸故障 监测方法，包括，获取正常工况下包含制动过程的各制动缸压力测量数据构成训 练数据集；计算训练数据集中每个样本的变量间方差并确定变量间方差的阈值； 实时采集各制动缸当前时刻的压力测量数据作为测试样本，并利用所述变量间方 差的阈值判断该测试样本是否包含有故障；当判断为包含有故障时，依次求取所 述测试样本中每个制动缸压力测量数据的重构贡献值，并将具有最大重构贡献值 的制动缸确定为发生故障的制动缸。

优选地，在计算训练数据集中每个样本的变量间方差并确定变量间方差的阈 值的步骤中包括：计算样本的均值，以样本中各测量数据与所述均值的差的平方 和作为该样本的变量间方差；依次获取训练数据集中每个样本的变量间方差，将 所述变量间方差的最大值确定为变量间方差的阈值。

优选地，根据如下表达式计算所述变量间方差var：

$\mathrm{var}=\underset{i=1}{\overset{n}{\Sigma }}{\left(TCF\right(i)-\overline{TCF})}^2$

其中，TCF(i)表示样本中与第i个制动缸对应的测量数据，表示样本的 均值，n表示样本中所包含的制动缸的个数。

优选地，在利用所述变量间方差的阈值判断该测试样本是否包含有故障的步 骤中包括，计算该测试样本的变量间方差，并与所述变量间方差的阈值进行比较， 当该测试样本的变量间方差大于所述变量间方差的阈值时，判断该测试样本包含 有故障；当该测试样本的变量间方差小于等于所述变量间方差的阈值时，判断该 测试样本不包含故障。

优选地，在依次求取所述测试样本中每个制动缸压力测量数据的重构贡献值 的步骤中包括：以测试样本中除某一个测量数据以外的其他测量数据的均值替换 该测量数据组成重构样本，依次求取所述测试样本中对应于每个制动缸的重构样 本的变量间方差；将所述测试样本的变量间方差与各重构样本的变量间方差的差 值作为测试样本中各制动缸压力测量数据的重构贡献值。

本申请的实施例还提供了一种动车组制动缸故障监测系统，包括，数据采集 模块，其获取正常工况下包含制动过程的各制动缸压力测量数据构成训练数据 集；建模模块，其计算训练数据集中每个样本的变量间方差并确定变量间方差的 阈值；检测模块，其实时采集各制动缸当前时刻的压力测量数据作为测试样本， 并利用所述变量间方差的阈值判断该测试样本是否包含有故障；分离模块，其当 判断为包含有故障时，依次求取所述测试样本中每个制动缸压力测量数据的重构 贡献值，并将具有最大重构贡献值的制动缸确定为发生故障的制动缸。

优选地，建模模块根据如下步骤计算训练数据集中每个样本的变量间方差并 确定变量间方差的阈值：计算样本的均值，以样本中各测量数据与所述均值的差 的平方和作为该样本的变量间方差；依次获取训练数据集中每个样本的变量间方 差，将所述变量间方差的最大值确定为变量间方差的阈值。

优选地，建模模块根据如下表达式计算所述变量间方差var：

$\mathrm{var}=\underset{i=1}{\overset{n}{\Sigma }}{\left(TCF\right(i)-\overline{TCF})}^2$

其中，TCF(i)表示样本中与第i个制动缸对应的测量数据，表示样本的 均值，n表示样本中所包含的制动缸的个数。

优选地，检测模块根据如下步骤判断测试样本是否包含有故障，计算该测试 样本的变量间方差，并与所述变量间方差的阈值进行比较，当该测试样本的变量 间方差大于所述变量间方差的阈值时，判断该测试样本包含有故障；当该测试样 本的变量间方差小于等于所述变量间方差的阈值时，判断该测试样本不包含故 障。

优选地，分离模块根据如下步骤依次求取所述测试样本中每个制动缸压力测 量数据的重构贡献值：以测试样本中除某一个测量数据以外的其他测量数据的均 值替换该测量数据组成重构样本，依次求取所述测试样本中对应于每个制动缸的 重构样本的变量间方差；将所述测试样本的变量间方差与各重构样本的变量间方 差的差值作为测试样本中各制动缸压力测量数据的重构贡献值。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益 效果：

通过利用样本的变量间方差这一度量指标对测量数据的特征进行建模，可以 及时地对故障进行检测和分离，指示发生异常的制动缸或所在管路，作为严重故 障的预测，为部件的及时维修与替换提供一定参考，从而有效地避免更为严重故 障的发生。

本发明的其他优点、目标，和特征在某种程度上将在随后的说明书中进行阐 述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而 易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通 过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说 明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解 释本申请的技术方案，但并不构成对本申请技术方案的限制。

图1为根据本发明一实施例的动车组制动缸故障监测方法的流程示意图；

图2为根据本发明一示例中的1#制动缸充气缓慢故障检测结果示意图；

图3为根据本发明一示例中的1#制动缸充气缓慢故障分离结果示意图；

图4为根据本发明一示例中的3#制动缸漏气故障检测结果示意图；

图5为根据本发明一示例中的3#制动缸漏气故障分离结果示意图；

图6为根据本发明另一实施例的动车组制动缸故障监测系统的结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何 应用技术手段来解决技术问题，并达成相应技术效果的实现过程能充分理解并据 以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结 合，所形成的技术方案均在本发明的保护范围之内。

通常，动车组的每节列车包含两个转向架，每个转向架包含两个轴(即两对 轮对)，这四个轴上分别安装有多个制动缸。在风源系统供风下，制动缸的压力 由空气制动控制系统根据不同的制动要求进行调控。然后，基础制动装置将制动 缸压力最终转换为列车制动力，从而实现动车组的减速行驶甚至停车。

本发明的目的在于对动车组每节列车四个轴的制动缸实施在线联合监控，及 时地检测出由于制动缸或所在管路的轻度泄漏，或者由于制动缸性能下降而导致 的充气/排气缓慢故障，并定位发生故障的制动缸。为方便下文表述，等效地，我 们将每节列车每个轴上安装的一个或者多个制动缸视为一个制动缸。即，等效地 认为动车组每节列车的四个轴上共包含四个制动缸。每个轴上安装有一个压力传 感器，用以监控该轴的制动缸压力。动车组每节列车四个轴上安装的制动缸具有 相似的性能，同时，空气制动控制系统意图将制动力平均分配到每节列车的四个 轴上。因此，在动车组空气制动系统制动缸或所在管路不发生异常的情况下，每 节列车的四个制动缸压力基本保持一致。

图1为根据本发明一实施例的动车组制动缸故障监测方法的流程示意图，该 方法包括以下步骤：

步骤S110，获取正常工况下包含制动过程的各制动缸压力测量数据构成训练 数据集。

具体地，在动车组空气制动系统无故障的情形下，多次运行制动全过程，包 括牵引、制动施加、保持和缓解过程。并针对每节列车采集相应的四个制动缸的 压力测量数据，构成训练数据集。举例而言，假设训练数据集为X，训练数据集 中的每一行代表一个样本，即包含该采样时刻四个制动缸压力测量值的行向量。 该训练数据集X的矩阵的列数均为4，行数由实际中所采集的样本的数量决定。

本发明实施例的方法利用动车组在正常运行情况下产生的制动缸压力数据 进行建模，这些压力数据应包括动车组的多种运行状态，如牵引、制动施加、制 动保持和制动缓解过程。这些建模数据非常易于获得，且建模过程无需制动缸精 确的数学模型，也无需故障情形下的压力测量数据，便于实际工程应用。

步骤S120，计算训练数据集中每个样本的变量间方差并确定变量间方差的阈 值。

具体地，首先计算样本的均值，然后以样本中各测量数据与计算得到的该样 本的均值的差的平方和作为该样本的变量间方差。仍以包含四个制动缸测量数据 的样本为例，记TCF＝[TCF(1),TCF(2),TCF(3),TCF(4)]表示任意一个制动缸压力 测量样本，该样本TCF中的四个制动缸压力的平均值根据表达式(1)来定 义：

$\overline{TCF}=\left({\Sigma }_{i=1}^{4}TCF\right(i\left)\right)/4---\left(1\right)$

式中，TCF(i)表示样本中与第i个制动缸对应的测量数据，更一般地，当每 个样本中包含n个制动缸时，均值如表达式(2)所示：

$\overline{TCF}=\left({\Sigma }_{i=1}^{n}TCF\right(i\left)\right)/n---\left(2\right)$

该样本的变量间方差var根据表达式(3)来定义：

$\mathrm{var}=\underset{i=1}{\overset{n}{\Sigma }}{\left(TCF\right(i)-\overline{TCF})}^2---\left(3\right)$

当每个样本中包含四个制动缸时，n取4。

根据上述表达式依次获取训练数据集X中每个样本的变量间方差，将变量间 方差的最大值确定为变量间方差的阈值，可以用如下表达式(4)来表示：

${\delta }^2=\underset{k}{\max }{\mathrm{var}}_k---\left(4\right)$

式中，δ²为变量间方差的阈值，var_k表示训练数据集中任一样本的变量间方 差，k表示样本数。

采用变量间方差这一度量指标衡量每一采样时刻各制动缸压力测量的分散 程度，从而便于实时地对某个制动缸或所在管路发生的故障进行监控。

步骤S130，实时采集各制动缸当前时刻的压力测量数据作为测试样本，并利 用所述变量间方差的阈值判断该测试样本是否包含有故障。

为监测动车组是否有故障发生，在动车组实时运行工况下，采集当前时刻的 各制动缸的压力测量数据作为测试样本，利用计算得到的变量间方差的阈值对测 试样本进行故障检测的步骤具体包括，利用前述方法计算该测试样本的变量间方 差，并与变量间方差的阈值进行比较，当该测试样本的变量间方差大于变量间方 差的阈值时，判断该测试样本包含有故障。当该测试样本的变量间方差小于等于 变量间方差的阈值时，判断该测试样本不包含故障。

具体地，记所采集的当前时刻的动车组制动缸的压力测量数据为 TCF^t＝[TCF^t(1),TCF^t(2),TCF^t(3),TCF^t(4)]，按照前述方法计算TCF^t的变量间方 差var^t的过程如下：

${\mathrm{var}}^t=\underset{i=1}{\overset{4}{\Sigma }}{\left({\mathrm{TCF}}^t\right(i)-\overline{{\mathrm{TCF}}^t})}^2---\left(5\right)$

式中，表示测试样本TCF^t包含的四个制动缸压力的 平均值。如果var^t大于变量间方差的阈值δ²，则认为该测试样本包含有故障。如 果var^t小于等于δ²，则认为该测试样本不包含故障。

步骤S140，当判断为包含有故障时，依次求取所述测试样本中每个制动缸压 力测量数据的重构贡献值，并将具有最大重构贡献值的制动缸确定为发生故障的 制动缸。

该步骤的目的是，如果检测到测试样本TCF^t中包含有故障，则在测试样本 TCF^t包含的四个制动缸压力测量数据中确定出最有可能发生故障的制动缸，进而 实现故障的分离。

首先对测试样本进行重构。具体为，以测试样本中除某一个测量数据以外的 其他测量数据的均值替换该测量数据组成重构样本。举例而言，TCF^t(i)为测试 样本TCF^t中第i(i＝1,2,3,4)个制动缸所对应的测量数据，当计算第一个制动缸 的重构样本时，先根据表达式(6)计算除第一个制动缸所对应的测量数据以外 的其他三个测量数据的均值：

TCF^t(1)'＝(TCF^t(2)+TCF^t(3)+TCF^t(4))/3(6)

再用计算得到的均值取代第一个制动缸所对应的测量数据在原测试样本中 的位置，形成的关于第一个测量数据的重构样本为 ${\mathrm{TCF}}_1^t=[{\mathrm{TCF}}^t{\left(1\right)}^{\prime },{\mathrm{TCF}}^t\left(2\right),{\mathrm{TCF}}^t\left(3\right),{\mathrm{TCF}}^t\left(4\right)].$按照上述方法，分别对测试样本中的 每个测量数据进行重构。

接下来，根据表达式(3)或(5)依次求取测试样本中对应于每个制动缸的 重构样本的变量间方差。记第i个重构样本的变量间方差为可以知道， 不大于原来未重构的测试样本TCF^t的变量间方差var^t。

将原测试样本的变量间方差与各重构样本的变量间方差的差值定义为制动 缸压力测量数据的重构贡献值，如表达式(7)所示：

${\mathrm{Con}}_i={\mathrm{var}}^t-{\mathrm{var}}_i^t---\left(7\right)$

式中，Con_i表示测试样本TCF^t中第i个测量数据的重构贡献值。

然后，基于表达式(7)求取所有四个测量数据的重构贡献值，并将具有最 大重构贡献值的制动缸确定为发生故障的制动缸。

对测试样本进行重构实际上是使重构后样本的变量间方差达到最 小值。这种重构策略更有利于故障分离。假设实际上是测试样本中的第i个制动 缸有故障，则测试样本中的第i个分量将会与其余三个分量偏离较多，从而使得 测试样本具有较大的变量间方差，即var^t较大。第i个重构样本的第i个分量 已经被其余三个正常分量的均值代替，这样的变量间方差就变得很小， 根据表达式(7)可知第i个测量数据将具有很大的重构贡献值。若不是第i个制 动缸被重构，此时重构样本的变量间方差仍然具有较大的取值，从而使得相应的 贡献值不是很大。因此，本发明实施例中这种基于重构的策略通常具有较好的故 障分离效果。

进一步地，本发明实施例的方法所采用的检测和分离算法比较简单，只是涉 及到几个变量求均值和方差的运算，便于用计算机来实现。同时，该方法对动车 组每节列车的四个制动缸实时在线监控，对某个制动缸由于性能老化等原因造成 的充气/排气(对应于制动施加/制动缓解过程)缓慢故障，以及制动缸或所在管 路发生的漏气故障比较敏感，可以及时地检测故障并定位发生故障的制动缸。而 且在线监控策略对每个时刻采集到的四个制动缸压力测量数据进行处理和分析， 实时性能好，并可以及时地对故障进行检测和分离，指示发生异常的制动缸或所 在管路，作为严重故障的预测，为部件的及时维修与替换提供一定参考，从而有 效地避免更为严重故障的发生。

下面通过一个示例对本发明实施例的各步骤进行说明。本示例基于中国中车 青岛四方车辆研究所有限公司的动车组制动系统联调试验台，用来建模的训练数 据集以及用来展示故障检测和分离效果的测试数据均来自试验台的实际运行数 据。在动车组正常运行情况下，试验台监控软件记录的制动缸压力数据构成训练 数据集。人为在试验台上施加某个制动缸充气/排气缓慢故障以及制动缸漏气故 障，利用试验台监控软件记录相应的制动缸压力数据，构成包含故障的测试数据。 具体过程如下：

(1)产生并收集训练数据

基于中国中车青岛四方车辆研究所有限公司的动车组制动系统联调试验台， 在空气制动系统无故障情形下，运行制动全过程(即牵引、制动施加、制动保持、 制动缓解)，并利用试验台监测软件记录相应的制动缸压力测量数据。不失一般 性，在制动试验过程中，以常用制动模式下的7级制动为例，采集1号车的制动 缸测量数据，总共运行30次制动全过程，并记录相应的数据，构成训练数据集。

(2)确定变量间方差的阈值δ²

针对上述训练数据集，利用表达式(3)计算每个样本的变量间方差。获得 所有样本的变量间方差信息后，基于表达式(4)确定变量间方差的阈值δ²。在 本示例中，阈值δ²为8.25。

(3)产生并收集包含故障的测试数据，进行故障检测

在本示例中，不失一般性，人为构造两种制动缸故障，分别为1#制动缸充气 /排气缓慢故障和3#制动缸所在管路的漏气故障。

首先，利用试验台产生并收集包含1#制动缸充气/排气缓慢故障的测量数据， 该数据集共有150个样本，包含了牵引、制动施加和制动保持三个阶段。对该测 试数据集包含的每一个测试样本，利用表达式(5)计算其变量间方差，并与第 (2)步中的阈值δ²＝8.25进行比较，判断是否有故障发生。

图2展示了这150个测试样本的变量间方差信息以及阈值，其中阈值8.25由 虚线示出。在图2中，为了更清楚地显示变量间方差取值较小的样本信息，我们 将纵坐标(变量间方差)取值显示限制到100。通过图2可以看出，在第36个样 本至第57个样本之间，变量间方差取值超出阈值，有异常发生。前34个样本的 变量间方差取值为零，此时动车组处于牵引状态，四个制动缸的压力均为零。从 第58个样本开始，变量间方差取值回到阈值以内，四个制动缸压力恢复一致。 结合一定的先验知识对图2进行分析可知，故障(第36个样本至第57个样本之 间)发生在制动施加阶段，指示某个制动缸与其他制动缸增压过程不一致，即充 气缓慢故障。当四个制动缸的压力均达到设定值附近时(第58个样本开始)， 系统恢复正常，度量指标(变量间方差)回到阈值以内。

然后，利用试验台产生并收集包含3#制动缸气压泄漏故障的测量数据集，该 数据集共有200个样本，包含了牵引、制动施加和制动保持三个阶段。其中，故 障加入在制动保持阶段，即四个制动缸压力达到稳态后的某个时刻。对该测试数 据集包含的每一个测试样本，利用表达式(5)计算其变量间方差，并与第(2) 步中的阈值δ²＝8.25进行比较，判断是否有故障发生。

图3展示了这200个测试样本的变量间方差信息以及阈值，其中阈值8.25由 虚线画出。在图3中，前29个样本处于牵引状态，四个制动缸压力均为零，因 而其变量间方差取值也是零。在制动施加和制动保持的前一阶段(第30个样本 至第104个样本)，变量间方差信息也没有超出阈值，系统正常工作。在制动保 持过程的后一阶段(第105个样本至第200个样本)，测试样本的变量间方差取 值超出阈值，有异常发生。此时，某个制动缸压力与其他制动缸压力不一致，可 能指示某一制动缸或所在管路发生了气压泄漏故障。

(4)故障检测之后的故障分离

本发明方法对动车组一节列车的四个制动缸进行实时联合监测，在检测到故 障后，还需要确定是哪一个制动缸变量可能发生了异常，即完成故障分离。针对 每一个包含故障的测试样本，利用表达式(7)计算该测试样本中每个测量数据 的重构贡献值。进而根据该测试样本确定发生故障的具体的制动缸，实现故障分 离。

针对包含1#制动缸充气缓慢故障的测量数据集，利用上述故障分离策略确定 故障样本(第36个样本至第57个样本)中的故障变量，故障分离结果如图4所 示。可以看出，该故障分离策略正确地将故障定位到1#制动缸。针对包含3#制 动缸气压泄漏故障的测量数据集，利用上述故障分离策略确定故障样本(第105 个样本至第200个样本)中的故障变量，故障分离结果如图5所示。可以看出， 该故障分离策略正确地将故障定位到3#制动缸。进一步证明，本发明实施例的故 障检测与分离方法简单而有效。

图6是根据本发明另一实施例的动车组制动缸故障监测系统的结构示意图， 下面参考图6来说明该故障监测系统的各部分组成。

如图6所示，该系统包括数据采集模块61、建模模块62、检测模块63和分 离模块64。其中，训练模块61执行步骤S110的操作，建模模块62执行步骤S120 的操作，检测模块63执行步骤S130的操作，分离模块64执行步骤S140的操作。 在此不再详细展开。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明 而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人 员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节 上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所 界定的范围为准。