考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法

摘要

本发明公开了一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法，属于信号处理领域，具体包括如下步骤：考虑输出饱和的动车组状态空间模型建立及触发策略设计步骤；事件驱动的鲁棒滤波器设计步骤，离线设计滤波器增益：设定滤波器初值，计算中间变量，计算一步预测状态估计误差协方差上界，计算滤波器增益，计算状态估计误差协方差上界，在线计算状态估计值：设定状态估计初值，计算一步状态预测值，计算新息，计算状态估计值；故障检测策略设计步骤，计算残差，计算故障检测统计量，计算残差二阶矩上界，计算故障检测阈值，设定故障检测逻辑。本发明故障检测方法，能够实时在线检测系统故障，提高了动车组安全性和可靠性。

权利要求

1.考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法，其特征在于：具体包括如下步骤：步骤1：建立考虑输出饱和的动车组状态空间模型，并设计触发策略；

建立考虑输出饱和的动车组状态空间模型：其中， 为系统状态， 为控制输入， 为测量输出；

为过程噪声， 为测量噪声； 为过程参数，为测量参数； 为过程参数不确定性，为测量参数不确定性； 为执行器故障； 为饱和系数，为饱和函数；

上述随机变量满足下列条件：初始系统状态x(0)的均值为 协方差为P0，二阶矩为Σ0；噪声w(k)，v(k)的均值为零，协方差分别为Σw(k)，Σv(k)；参数不确定性Aδ(k),Bδ(k),Cδ(k)的均值为零，协方差分别为Λ(k)的均值为Λc(k)，二阶矩为ΣΛ(k)；

饱和系数Λ(k)具体形式如下：其中，第i个分量λi(k)服从下述伯努利分布：给定向量 饱和函数g(·)具体形式如下：其中， 为符号函数， 为饱和边界；

设计触发策略：

当前k时刻的第i个传感器的测量值满足下述触发条件时才会被传输：||yi(k)-yi(k-l)||2＞δi,  (5)；

其中，yi(k-l)为之前传输的第i个传感器的测量值， 为触发阈值；令kt,1,kt,2,…为触发时刻序列，则实际传输的测量值为步骤2：设计事件驱动的鲁棒滤波器，具体包括如下步骤：步骤2.1：离线设计滤波器增益，具体包括如下步骤：步骤2.1.1：设定滤波器初值步骤2.1.2：计算中间变量步骤2.1.3：计算一步预测状态估计误差协方差上界步骤2.1.4：计算滤波器增益步骤2.1.5：计算状态估计误差协方差上界步骤2.2：在线计算状态估计值，具体包括如下步骤：步骤2.2.1：设定状态估计初值步骤2.2.2：计算一步状态预测值步骤2.2.3：计算新息步骤2.2.4：计算状态估计值步骤3：设计故障检测策略，具体包括如下步骤：步骤3.1：计算残差

步骤3.2：计算故障检测统计量步骤3.3：计算残差二阶矩上界步骤3.4：计算故障检测阈值步骤3.5：设定故障检测逻辑若故障检测统计量小于等于所述故障检测阈值，即TD(k)≤JD(k)时，则系统正常；

若故障检测统计量大于所述故障检测阈值，即TD(k)＞JD(k)时，则系统故障。

说明书

考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法

技术领域

[0001] 本发明属于信号处理领域，具体涉及一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法。

背景技术

[0002] 动车组能否稳定可靠工作直接关系到行车安全，因此针对动车组故障，往往采取安全导向原则，即一旦检测出动车组发生故障，便会采取中途停车处理。但该措施会导致线路停运，造成巨大的经济损失，也给其它列车的运行带来了严重的安全隐患。实际上，某些故障短时间内并不会危及行车安全，如能有效在线检测出这些故障，便无需立即停车处理，可待进站后再进行维修。但是现有故障检测方法严重依赖模型不确定性结构，且在传感器存在随机饱和效应限制和网络存在事件驱动机制的情况下无法有效检测系统故障。

[0003] 基于上述情况，为了满足实际应用需求，亟需一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法，实时在线检测系统故障，提高动车组安全性和可靠性。

发明内容

[0004] 针对现有技术中存在的上述技术问题，本发明提出了一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法，设计合理，克服了现有技术的不足，具有良好的效果。

[0005] 为了实现上述目的，本发明采用如下技术方案：

[0006] 一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法，具体包括如下步骤：

[0007] 步骤1：建立考虑输出饱和的动车组状态空间模型，并设计触发策略；

[0008] 建立考虑输出饱和的动车组状态空间模型：

[0009]

[0010] 饱和系数Λ(k)具体形式如下

[0011]

[0012] 其中，第i个分量λi(k)服从下述伯努利分布：

[0013]

[0014] 给定向量 饱和函数g(·)具体形式如下：

[0015]

[0016] 其中， 为符号函数， 为饱和边界；

[0017] 设计触发策略：

[0018] 当前k时刻的第i个传感器的测量值满足下述触发条件时才会被传输：

[0019] ||yi(k)-yi(k-l)||2＞δi,  (27)；

[0020] 其中，yi(k-l)为之前传输的第i个传感器的测量值， 为触发阈值；令kt,1,kt,2,…为触发时刻序列，则实际传输的测量值为

[0021] 步骤2：设计事件驱动的鲁棒滤波器，具体包括如下步骤：

[0022] 步骤2.1：离线设计滤波器增益，具体包括如下步骤：

[0023] 步骤2.1.1：设定滤波器初值

[0024]

[0025] 步骤2.1.2：计算中间变量

[0026]

[0027]

[0028]

[0029]

[0030]

[0031] 步骤2.1.3：计算一步预测状态估计误差协方差上界

[0032]

[0033] 步骤2.1.4：计算滤波器增益

[0034]

[0035] 步骤2.1.5：计算状态估计误差协方差上界

[0036]

[0037] 步骤2.2：在线计算状态估计值，具体包括如下步骤：步骤2.2.1：设定状态估计初值

[0038]

[0039] 步骤2.2.2：计算一步状态预测值

[0040]

[0041] 步骤2.2.3：计算新息

[0042]

[0043] 步骤2.2.4：计算状态估计值

[0044]

[0045] 步骤3：设计故障检测策略，具体包括如下步骤：

[0046] 步骤3.1：计算残差

[0047]

[0048] 步骤3.2：计算故障检测统计量

[0049]

[0050] 步骤3.3：计算残差二阶矩上界

[0051]

[0052] 步骤3.4：计算故障检测阈值

[0053]

[0054] 步骤3.5：设定故障检测逻辑

[0055] 若故障检测统计量小于等于所述故障检测阈值，即TD(k)≤JD(k)时，则系统正常；

[0056] 若故障检测统计量大于所述故障检测阈值，即TD(k)＞JD(k)时，则系统故障。

[0057] 本发明所带来的有益技术效果：

[0058] 本发明一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法，不依赖任何模型不确定性结构信息，在传感器存在随机饱和效应限制和网络存在事件驱动机制的情况下能够实时在线检测系统故障，提高了动车组安全性和可靠性，有效保障了实际应用需求。

附图说明

[0059] 图1为本发明一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法的流程图。

[0060] 图2为事件触发时刻序列的曲线图。

[0061] 图3为实际状态的曲线图。

[0062] 图4为估计状态的曲线图。

[0063] 图5为状态估计均方误差的曲线图。

[0064] 图6为执行器发生正偏差故障的检测结果图。

[0065] 图7为执行器发生负偏差故障的检测结果图。

具体实施方式

[0066] 下面结合附图以及具体实施方式对本发明作进一步详细说明：

[0067] 一种考虑事件驱动及输出饱和的动车组鲁棒滤波故障检测方法，其流程如图1所示，具体包括如下步骤：

[0068] 步骤1：建立考虑输出饱和的动车组状态空间模型，并设计触发策略；

[0069] 建立考虑输出饱和的动车组状态空间模型：

[0070]

[0071] 其中， 为系统状态， 为控制输入， 为测量输出；为过程噪声， 为测量噪声； 为过程参数，
为测量参数； 为过程参数不确定性，
为测量参数不确定性； 为执行器故障； 为饱和系数，
为饱和函数；

[0072] 上述随机变量满足下列条件：

[0073] 初始系统状态x(0)的均值为 协方差为P0，二阶矩为Σ0；噪声w(k)，v(k)的均值为零，协方差分别为Σw(k)，Σv(k)；参数不确定性Aδ(k),Bδ(k),Cδ(k)的均值为零，协方差分别为 ；Λ(k)的均值为Λc(k)，二阶矩为ΣΛ(k)；

[0074] 饱和系数Λ(k)具体形式如下

[0075]

[0076] 其中，第i个分量λi(k)服从下述伯努利分布：

[0077]

[0078] 给定向量 饱和函数g(·)具体形式如下：

[0079]

[0080] 其中， 为符号函数， 为饱和边界；

[0081] 设计触发策略：

[0082] 当前k时刻的第i个传感器的测量值满足下述触发条件时才会被传输：

[0083] ||yi(k)-yi(k-l)||2＞δi,  (49)；

[0084] 其中，yi(k-l)为之前传输的第i个传感器的测量值， 为触发阈值；令kt,1,kt,2,…为触发时刻序列，则实际传输的测量值为

[0085] 事件触发时刻序列如图2所示。

[0086] 步骤2：设计事件驱动的鲁棒滤波器，具体包括如下步骤：

[0087] 步骤2.1：离线设计滤波器增益，具体包括如下步骤：

[0088] 步骤2.1.1：设定滤波器初值

[0089]

[0090] 步骤2.1.2：计算中间变量

[0091]

[0092]

[0093]

[0094]

[0095]

[0096] 步骤2.1.3：计算一步预测状态估计误差协方差上界

[0097]

[0098] 步骤2.1.4：计算滤波器增益

[0099]

[0100] 步骤2.1.5：计算状态估计误差协方差上界

[0101]

[0102] 步骤2.2：在线计算状态估计值，具体包括如下步骤：

[0103] 步骤2.2.1：设定状态估计初值

[0104]

[0105] 步骤2.2.2：计算一步状态预测值

[0106]

[0107] 步骤2.2.3：计算新息

[0108]

[0109] 步骤2.2.4：计算状态估计值

[0110]

[0111] 实际状态如图3所示，估计状态如图4所示，状态估计均方误差如图5所示。

[0112] 步骤3：设计故障检测策略，具体包括如下步骤：

[0113] 步骤3.1：计算残差

[0114]

[0115] 步骤3.2：计算故障检测统计量

[0116]

[0117] 步骤3.3：计算残差二阶矩上界

[0118]

[0119] 步骤3.4：计算故障检测阈值

[0120]

[0121] 步骤3.5：设定故障检测逻辑

[0122] 若故障检测统计量小于等于所述故障检测阈值，即TD(k)≤JD(k)时，则系统正常；

[0123] 若故障检测统计量大于所述故障检测阈值，即TD(k)＞JD(k)时，则系统故障；

[0124] 执行器发生正偏差故障的检测结果如图6所示，执行器发生负偏差故障的检测结果如图7所示。

[0125] 当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。