基于粒子滤波的电力机车电气故障诊断.pdf

第2 2 卷第6 期 VoI 2 2 No 6 团 研 究 与 开 发 RESEA RCH A ND DEVELOPM ENT 文章编号：1 0 0 5 8 4 5 1( 2 0 1 3 )0 6 0 0 0 5 0 5 基于粒子滤波的电力机车电气故障诊断 王 亚亮 ，衣 法臻 ，王 忠立 ( 北京 交通 大学 电子信 息工程 学院，北京 1 0 0 0 4 4 ) 摘要：采用分布式传感器网络 ( DS N)对列车电气系统的各种状态信息进行检测，根据动 态 空间模 型理 论建立 系统状 态方程和观 测方程 ，采用粒 子滤波技术对 系统滤波状态进行估 计 ，通 过二值决策法对每个传感器获得检测信息并与阈值对比，对比结果由故障诊断中心融合并给 出最 终决策结果，如果确认处于故障状态则给 出故障预警。由于传递给诊断中心的数据是二值结果， 降低 了通信量 ，提 高 了实时性 能。实验仿真结 果验 证 了诊 断 系统的适 用性和 可靠性 ，也验 证 了粒 子 滤波在非线性、非高斯 系统 中的适 用J 生。 关键词：电气系统；粒子滤波；故障诊断；故障预警；传感器 I f 1 图分类 号：U 2 6 9 3 2 2： T P 3 9 文献标 识码 ：A El e c t r i c a l f a u l t di a g no s i s i n e l e c t r i c a l l o c o m o t i ve ba s e d o n pa r t i c l e fil t e r WANG Ya l i a n g YI Fa z h e n ， WANG Z h o n g l i ( S c h o o l o f E l e c t r o n i c a n d I n f o r m a t i o n E n g i n e e r i n g ， B e i j i n g J i a o t o n g U n i v e r s i t y , B e i j i n g 1 0 0 0 4 4 ， C h i n a ) Ab s t r a c t ： T h e d i s t r i b u t e d s e n s o r n e t wo r k ( DS N)w a s u s e d t o d e t e c t t h e s t a t u s i n f o rma t i o n o f t r a i n e l e c t r i c a l s y s t e m S y s t e m s t a t e e q u a t i o n a n d o b s e r v a t i o n e q u a t i o n we r e e s t a b l i s h e d a c c o r d i n g t o t he d y n a mi c s p a c e mo d e l t h e o r y S y s t e m fi l t e r i n g s t a t e wa s e s t i ma t e d b y u s i n g p a r t i c l e fi l t e r i n g t e c h n o l o g y De t e c t i n g i n f o rm a t i o n wa s o b t a i n e d t h r o u g h e a c h s e n s o r b y u s i n g t h e b i n a ry d e c i s i o n me t h o d a n d t h e i n f o rm a t i o n wa s c o n t r a s t e d t o t h e t h r e s h o l d v a l u e Th e c o mp a r e d r e s u l t s we r e f u s e d b y f a u l t d i a g n o s t i c c e n t e r , t h e n t h e fin a l d e c i s i o n r e s u l t s we r e g e n e r a t e d I f t h e s y s t e m wa s c o n fi rm e d i n f a u l t c o n d i t i o n ， i t wo u l d c r e a t e f a u l t e a r l y wa r n i n g Du e t o t h e d a t a t r a n s f e r r i n g t o d i a g n o s t i c c e n t e r wa s b i n a ry r e s u l t s ， i t r e d u c e d t h e c o mmu n i c a t i o n t r a ffic a n d i mp r o v e d t h e r e a l t i me pe r f o rm a n c e S i mu l a t i o n r e s u l t s v e r i fi e d t h e a p p l i c a b i l i t y a n d r e l i a b i l i t y o f Di a g n o s i s S y s t e m，a n d a l s o v e r i fi e d t h e a p p l i c a b i l i ty o f p a r t i c l e fi l t e r i n g i n n o n l i n e ar, n o n g a u s s i a n s y s t e m Ke y wo r d s ： e l e c t r i c a l s y s t e m； p a rti c l e fi l t e r ； f a u l t d i a g n o s i s ； f a u l t e arl y wa rni n g ； s e n s o r 列车 故障 诊断 就是 对列车 运行 现状 的诊 断 ， 也是对运行趋 势的一种预 测。如 图 1所示 ，列车 故障 诊断 主要 分 为 3部 分 ，分 别 为 ：机械 部分 、 电气部分和空气管部分。其中，电气系统故障诊 断在列车故障诊 断 中占据非常重要 的一部分 ，对 于 电力机车更是如此，因为电力机车的电气部件 复 杂、数 量 多、检 测 条 件 差。 如 图 1所 示 ， 电 气系统故障诊断 主要包括对 8个子 系统 的故障 诊 断 。为 了监测每 个子 系统 的工作是否 正常 ，需 要安 装多个传感 器对 各个子系统 中的多个性 能指 标进行 检测并判 断其是 否满足要求 。随着 电气系 统越来越复杂，电气部件越来越多，需要检测的 局部电气指标越来越多，所需要的传感器数 目也 收稿 日期 ：2 0 1 2 1 1 - 2 6 基金项 目：中央高校基本科研业务 ( W1 2 J B 0 0 4 3 0 )。 作者简介 ：王亚亮 ，在读硕士研究生 ；衣法臻 ，副教授。 越 来越多。如果继续按传 统的方式把传感 器检测 的信息不加处理 的传给 故障诊断 中心并 由其进 行 数据 融合和决 策，一方面 大量的检测数据会 增加 通信的压力 ，另一方面诊 断 中心需要实时地 处理 由传感器检测 的大量数据 ，这无疑会对诊 断中心 的实时性能造成重大影 响 ，如果数据处理不及 时 可 能会引起诊断 系统 的瘫 痪 ，甚 至发生车毁人亡 的现象 。为 了解决这个 问题 ，故障诊 断系统采用 分布式传感器网络 ( D i s t r i b u t e d S e n s o r N e t w o r k ， DS N)实现 对传感器检测数据进行实时处 理 ( 决 策 ) 。DS N最大的优 点是每个 传感器都 可独立处 理 自身的信息。虽然对单一结构的系统或设备故 障诊断的研究已经进行了很多年 ，也有很多可喜 的成果 ，但是，采用 D NS对系统的故障信息 融合决策和预测、预警方面的研究国内外可以借 鉴的文章并不多。近年来由于系统智能化发展的 圆2 0 1 3 6 总第1 9 5 期 学兔兔 w w w .x u e t u t u .c o m 学兔兔 w w w .x u e t u t u .c o m 第2 2 卷第6 期 基于粒子滤波的电力机车电气故障诊断 研究与开发 常工作 ，1 表示 系统处于故障状态。 如果判 断系统处于故 障状态 ，系统会做 出相 应的响应 ，如发 出声光报警 、 电气隔离 、故障导 向安全等 。如果 判断系统正 常工作 ，则应该更新 各个局部后验概率密度函数 p ( x Iz ： ) 。( 1 )式决定 了整个诊断 系统性能的优劣 ，所 以对 这两个决 策 表达 式寻优就成 为本文的研 究重点 ，基于贝叶斯 基本理论的最小方差概率估计法经过验证满足要 求 。在最 小方差概率方法 中 ，系统估计和预 测的 有效性 ，对非 线性 、非高斯 系统是 否适用都决 定 着局部和 最终决策的性能 ，从而决 定诊断 系统 的 性能 。粒子滤 波是一种基于 蒙特 卡 罗方法和递 推 贝叶斯估计 的统计滤波方 法 ，适 用于任何能用状 态空 间模型表示的非高斯背景的非线性随机 系统 ， 适用于诊断系统的局部决策和信息融合决策 。 2 诊断系统算法设计 2 1 算法设计 假设系统在 。 和 。 两种情形下状态转移概率 密度函数分别为P 。 ( 一 ) 和 P ( Ix 川) ， 时刻第 f 个状态的先验概率密度函数为p ( x Iz l ： k -1 ) ，后验概 率密度函数为p ( x Iz l ： ) 。各个传感器获得系统各 个状态的实时观测数据 ，粒子滤波器分别在 和 两种情形下根据观测数据进行状态预估和更新 。 根据贝叶斯理论 和 S I S ( 序贯蒙特卡罗采样法) 对 后验 概率 密 度 函数 进行 采样 ，获 得采 样粒 子 ， 则后验概率可以表示为下式 n 】 。 P ( X k I ) i 、x 一 ) i =1 ( 4 ) 其 中， v为粒子总数 ， 为粒子 i 的权值 ， 瑚 ， 栅 重要性函数，可用p ( x Ix 川) 代替。 为了简化模型，假设传感器的测量数据独立 同分布，那么各传感器在正常和故障两种情形下 的观测概率密度函数可以用下式表示。 1 p = 寺 I x k ) P (x k X il ) d x k ( 5 ) V i =1 其中，e = O ， 1 分别表示正常和故障两种情形。 为了使误差概率最小化，采用局部似然率的方法 对局部决 策和 阈值取优 ，假设各个传感 器决 策规 则相同 ， 是局部决策的 阈值 ，局部决 策对应 的 积分 区域为 R ，那 么局部正 常与故障的概率可以 通过分别对 p ( z ) 和 l ( z ) 在区域 内求积分获得。 当各个局部检测的正常和故障概率都相 同时 ， 最终决 策就是最优的 ，而且随着传 感器数量的增 多，这种最优就越 明显 。最终决策 函数其实是一 个统计函数 ，在 。 和 两种情形下 ，统计分别满 足二项式分布 ( m， p ( 0 ) ) 和 ( m， p ( 1 ) ) 。当传感器数 目很 多时 ，可以用 De Mo i v r e L a p l a c e 表示统计概 率 ，融合决 策的误差概率表达式如下。 ( 6 ) 其中， 万 。 和 万 分别为 和 两种情形下的 先验 概率 ，P ( 0 ) 和 P ( 1 ) 分别是 两种情 形下 的统 计概论，函数 Q ( g ) 是标准高斯函数的互补分布函 数 ，E ( 0 ) ) 为随机变量 p ( 0 ) 的均值 ， ( 0 ) ) 为 随机变量的标准差。分析上式，我们得出如下结 论 ：改变局部决策 阈值和融合决策 阈值 可以改变 P ( 0 ) 和 P ( 1 ) ，从而影 响最终的误差概率 ，为 了使 误 差概率尽量小 ，需要对 局部 决策 阈值和融合 决 策阈值求最优 解 ，局部决 策阈值与 P ( 0 ) 有对应关 系，于是 问题就转化为在满足 0 t m和 0 P ( 0 ) 1条件下使误差概率最小化的二值优化 问 题 。采样 NM 单 纯形法不仅能够求得 最优 解 ，实 时性 能也很优异 ，最终 ，结合对 数似然法 ，将局 部决策函数变形为下式。 f_ 兰 7 其中， 为融合决策阈值，表达式为： oo of o f 一 一 O 1 ， ， 、 ， l = 学兔兔 w w w .x u e t u t u .c o m 学兔兔 w w w .x u e t u t u .c o m 第2 2 卷第6 期 铁路客运站应急售票技术的优化研究 铁路信息系统 3 2 完善乍凼 Ii 级非联I硐应急方案 车站 取消服务 器后 ，车站 面临上联 系统 主机 或 网络 突发故障的风险 ，车站应 保 留应 急售 票设 备 ，在应急情 况下实现车站非联 网级应急售票 的 功能 。 在系统设计上应 对车站非联 网应 急方案进一 步 完善 ，最大程 度简化切换 流程。( 1 )优化车站 非 联 网应 急系统 票额 存取 策略。在 应急 情况 下 ， 席位 存取不再访 问本 站临时维护 的席位库 ，而是 访 问车 站应急 系统 中与上联系统 同步 的列车 余票 库 ，根据列车 票额剩余情 况 ，自动生成指定车 厢 的临 时席位 。( 2 )建立车站 级应急订单 库。应 急 状况 下 ，可 以访问车站应 急订单 库系统对应订 票 库 ，办理 电话 ( 互 联 网 )的应 急 换票 业务 。( 3 ) 简化车站非 联 网应急切换 流程。在 系统许可情 况 下 ，如车站通过在 售票终端输入车 站级非联 网应 急售票 口令来 启动非联 网应 急售票功能 ，具体后 台的切换应能根据 用户 口令及 系统 许可 自动进行 判断 、处理。 根据列车余票库 数据发售指定车 厢的临时席 位 ，有利 于列车旅 客组织 ，针对高铁 列车 ，旅客 持应 急车票在指定车 厢应能找到座 位 ，避 免旅客 无序上车 引起投诉。 与窗 口级应急售票 系统相比 ，车站级非联 网 应急方案 能实现车站范 围内的联 网售 票、数据共 享，在业务管理、列车票额售出控制、系统维护、 安全控制等 方面要优越于分散 的窗 口级应急售票 系统 ，因此在应 急方案选择上 ，应优 先启用车站 级非联 网应急方案 。 3 3 建立I ， 心级非联网应急方案 类似 于车站级非联 网应 急售票方案 ，铁路局 中心 系统也应 可以提供 中心级非 联网应急售票功 能 。针对铁道部 中心主机系统或核 心网络突发故 障无法及时恢 复时 ，铁路局 中心 系统 能实现非联 网应急售票功能 ，以保障售票业务的不 间断进行 。 中心级非联 网应 急方案可比照车站级非联 网应 急 方案进行实现 。 3 ，4 进一步优化窗 口级应急售票系统 目前窗 口应急售票与正 常联 网售票采取不 同 的售 票程 序 ，售票程序不一致 会给应急售票切换 和售票程序升级维 护造成不便 ，因此 ，应考虑将 这两个 程序整合到统一 的售票程序 。在程序整 合 设 计上 ，( 1 )增 加应 急售 票 的启动 与停止 功 能 ， 启动时可通过 输入上级部 门下发应 急售票许可 口 令将售票程 序切换到应 急模式 。( 2 )程序 内部设 置不 同的数据 库连接 ，根据售票模式 的选择 指 向 不 同的数据库连 接 ，从而 实现正常售票 与应 急售 票功能的衔接 。 4 结束语 铁路应 急售票方案和技 术是 铁路客运售票组 织 的一 个重要手段 ，也是铁路 客运 应急处置体 系 中的一个 重要组成部分 ，本文基于新 一代客票 系 统体 系架构 提 出了铁路新的应 急售票体系以及新 的优化方案 和手段 ，能进一步提高铁路车 站联 网 售票系统故障下的应急处置能力 。 责任 编辑徐侃春 ( 上接 P8 ) 6 Q Z h a n g ， P K Va r s h n e y ， R D We s e 1 O p t i ma l b i l e v e l q u a n t i z a t i o n off i d s e n s o r o bs e r va t i o ns f o r bi na r y h y poh e s i s t e s t i n g C】 I E F F T r a n s I n t b n n T h e o r y ， Vo 1 4 8 ， No 7 ， P P 21 0 5 21 ， J ul y 2 00 2 7 A Do u c e t ， N d e F r e i t a s ， N Go r d o n An i n t r o d u c t i o n t o S e q ue nt i a l M ont e Ca r l o me t hods i n Se que nt i a l M ont e Car l o Me t h o d s i n P r a c t i c e M N e w Yo r k： S p r i n g e r V e r l a g ， 2 0 0 1 【 8 】 朱志宇 粒子滤波算法及其应用 M 北京：科学出版社， 2 01 0 9 胡士强 ， 敬忠 良 粒子滤波原理及其应用 M 北京：科 学出版社 ，2 0 1 0 1 0 D C fis a n ， ADo u c e t A s u r v e yo f c o n v e r g e n c e r e s u l t s o np a r t i c l e f i l t e r i n g me t h o d s for p r a c t i t i 0 n e r s 【 C I E EE T r a n s On S i g n a l P r o c e s s i n g ， Vo 1 5 0 ， No 3 ， P P 7 3 6 7 4 6 ， M a r 2 0 0 2 1 1 N d e Fr e i t a s Ra o Bl a c k we l l i s e d P a r t i c l e F i l t e r i n g for F a u l t Di a g n o s i s C i n I EE E Ae r o s p a c e， 2 0 0 2 1 2 V Ka d i r k a ma n a t h a n ， P L i ， M H_ J a wa r d ， S G Fa b r i ， P a t i c l e fi l t e r i n g - b a s e d f a u l t d e t e c t i o n i n n o n - -l i n e a r s t o c h a s t i c s y s t e ms J I n t e rna t i o n a l J o u rna l o f S y s t e ms S c i e n c e ， v o 1 3 3 ， n o 4 ， P P 2 5 9 2 6 5 ， 2 0 0 2 责任 编辑徐侃春 学兔兔 w w w .x u e t u t u .c o m