一种基于tcms数据的列车制动系统管路泄漏诊断方法
阅读说明：本技术 一种基于tcms数据的列车制动系统管路泄漏诊断方法 (Train braking system pipeline leakage diagnosis method based on TCMS data ) 是由 陈美霞 梁师嵩 胡佳乔 蒋红果 吴强 滑瑾 蒋陵郡 倪弘韬 李�瑞 于 2021-08-13 设计创作，主要内容包括：本发明提供一种基于TCMS数据的列车制动系统管路泄漏诊断方法,首先选择空压机工作率、制动频率和制动缸保压率三项指标参数作为三维重构特征,建立孤立森林模型进行异常点的检测,选择连续周期的有效值对应的TCMS数据进行线性回归模型拟合,根据得到的线性回归模型的参数判断列车制动系统管路是否存在泄漏故障。本发明既节省了人力成本,也不需要增添设备成本,同时本发明具有一定噪声容错性。(The invention provides a train braking system pipeline leakage diagnosis method based on TCMS data. The invention saves labor cost, does not need to add equipment cost, and has certain noise fault tolerance.)
技术领域
本申请属于制动系统检修技术领域。
背景技术
列车制动系统是列车重要的组成部分之一，一旦列车制动系统出现故障，则极有可能引发列车冒进、追尾等重大铁路事故；制动系统由于管路多，管接头多，容易发生潜在的泄漏故障，泄漏故障发生后，会造成制动系统的性能下降，影响列车运营。因此，需要对列车制动系统管路进行检修，以发现存在或潜在的制动系统管路泄漏点。目前针对制动系统的管路泄漏的诊断，大多采用人工检修或保压试验等方法，对制动系统管路泄漏的人工检修主要包含在日检项目中，使用耳听，手摸，肥皂水等方法，比较原始且效率低下，耗费的人力成本较高，并且需要检修人员有一定的经验，也无法排除人工检修可能的遗漏问题；保压试验通过列车静态工况下的压降速率来判定是否发生了泄漏，并通过塞门的打开与关断，定位泄漏发生在哪一段管路上。试验的方法虽然能够较为精确地检出泄漏，但城市轨道交通列车运营时间长，开展试验需要占用回库时间和人力资源，甚至会影响列车的运用排程。专利申请文件CN112141069A采用预测性维护技术通过给列车额外配置健康管理主机边缘设备，加装额外传感器，对制动系统性能进行整体评价。但此方案需要加装设备，提升了成本，并且由于加装设备改造周期较长，不适合在已运营的线路上进行配置。并且该文件中的供风系统性能预警模块的实现方式为：在动车组断电前记录总风压力及时间，再次上电后进行判断，如本次断电时间小于列车总风压力完全泄漏时间则记录总风压力下降速率，对整车管路泄漏情况做出预警。该预警方案需要对列车进行断电，同样会影响到列车运用。
发明内容
发明目的：为了解决上述现有技术存在的问题，本发明提供了一种基于TCMS数据的列车制动系统管路泄漏诊断方法。
技术方案：本发明提供了一种基于TCMS数据的列车制动系统管路泄漏诊断方法，具体包括如下步骤：
步骤1：周期性的采集列车的TCMS数据，并对TCMS数据进行初始化和抗干扰处理，并基于处理后的TCMS数据计算当前周期内列车制动缸的制动频率，空压机的工作率和制动缸保压率；以制动缸的制动频率为y轴，空压机的工作率为z轴，制动缸保压率为x轴建立三维坐标系；并将当前周期内列车制动缸的制动频率，空压机的工作率和制动缸保压率绘制到三维坐标系中作为当前周期下列车制动系统管路的三维特征点；所述TCMS数据包括：采样周期内列车中随机一个制动缸的制动状态的总跳变次数∑Nbrake，采样周期内列车的制动系统的工作总时间Tall，采样周期内列车中所有空压机的总工作时间∑Tfill，采样周期内列车中所有制动缸内有压力的总时间
步骤2：根据孤立森林模型判断当前周期的三维特征点是否为异常的特征点，若否，则将该特征点作为当前周期的有效值，并转步骤3；否则删除当前周期的三维特征点，并将上一个周期的有效值作为当前周期的有效值，并转步骤3；
步骤3：将当前周期以及当前周期的前N个周期的有效值对应的TCMS数据组成一组当前TCMS数据组；并构建如下线性回归模型：
其中A，B，C均为参数，Const＝1；
采用当前TCMS数据组和预设的历史数据对线性回归模型进行拟合，若当前TCMS数据组对线性回归模型进行拟合后得到的B值超过预设的B值范围，且当前TCMS数据组的前Q组TCMS数据组对线性回归模型进行拟合后得到的B值也均超过预设的B值范围，则认为列车的制动管路存在泄漏故障；
若当前TCMS数据组对线性回归模型进行拟合后得到的C值超过预设的C值范围，且当前TCMS数据组的前Q组TCMS数据组对线性回归模型进行拟合后得到的C值也均超过预设的C值范围，则认为列车的总风管路存在泄漏故障。
进一步的，所述列车制动缸的制动频率的表达式如下所示：
所述空压机的工作率的表达式如下：
所述制动缸保压率的表达式如下所示：
进一步的，所述步骤3中得到预设的B值范围和预设的C值范围具体为：通过采集列车制动系统管路健康状态下的TCMS数据，并对TCMS数据进行初始化和抗干扰处理，根据处理后的TCMS数据得到若干个三维特征点，将这些三维特征点绘制在步骤1中的三维坐标系下拟合出线性平面，线性平面Z＝A*x+B*y+C；x表示x轴，y表示y轴，从而基于线性平面中B的值预设B值范围，基于线性平面中C的值预设C值范围。
进一步的，所述采样周期的周期长度为1天。
有益效果：
1、本发明基于设计的数据型模型周期性进行管路泄漏检测，节省人力成本；且本发明通过数据驱动的方法，在不加装传感器的基础上，通过接入列车TCMS数据进行泄漏检测，不增添设备成本；同时本发明具有一定噪声容错性，因为列车运行的状态每天都不一致，有可能一天在线路运行，一天在库，导致每天实际的耗风量不能单独对比，需要建立多个物理量之间的映射关系。故选用空压机工作率、制动频率、制动缸保压率作为模型特征进行建模。TCMS数据由4G进行车地传输，在实际数据中会由于4G信号的质量导致传输丢失，出现大幅的数据丢失，导致每列车每天能够采集到的数据长度不一致，故采用“率”相关概念作为模型特征可以消除数据绝对长度的影响。
2、本发明将“制动总风管路泄漏”与“制动缸及相连管路泄漏”两类泄漏混合建模，并使用模型的不同参数来表征在不同位置发生的泄漏现象，避免两类泄漏在机理上存在的较强的耦合现象从而无法将两者分别考虑和进行建模的问题。
附图说明
图1为供风及制动系统信号流向示意图；
图2为本发明的方法的逻辑结构示意图；
图3为本发明提供的供风及制动系统简化模型示意图；
图4为本发明提供的一种特征点分布示意图；
图5为本发明提供的一种特征点分布和拟合平面示意图；
图6为本发明的实车数据结果示意图。
具体实施方式
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
对于城轨列车，其供风及制动系统信号流向如图1所示，在制动系统中，总风管是连接总风缸和制动系统以及其他用风设备的管路，总风缸由风源系统充风获得压力空气并存储，供给列车上所有的用风模块，包括：制动系统用风、空气弹簧用风、气动塞拉门用风、空调废排、受电弓升弓、高温元件风冷等。
总风管路泄漏故障，可能是由于管路、橡胶元件、管路接头处的密封性能有限，在长时间服役过程中会产生压力空气的泄漏，其最终结果会导致总风缸的压力下降率加快，从而导致空压机频繁启停。
制动缸及相连管路泄漏故障，可能是由于制动缸在保压过程中，阀的保压性能，管路接头的密闭性能发生了下降，但由于制动缸压力作为被控量，若在实际运营过程中发生泄漏产生压降，BCU会自动进行压力控制来补气，且该补气过程在TCMS信号中没有对应的指令信号来表现，故无法在制动缸压力信号中进行提取到有效的泄漏特征。因此对制动管路的泄漏现象进行机理分析，溯源至供风系统，制动管路的泄漏同样会直接导致全列车的用风量增大，从而使得空压机的启停更频繁。
基于上述思想，如图2所示，本实施例提供一种基于TCMS数据的列车制动系统管路泄漏诊断方法，TCMS数据首先经过初始化和抗干扰模块进入模型内部，经过数据处理、状态监控、健康评估和故障预警四层结构，通过统计空压机工作率、制动频率和制动缸保压率三项评价供风/制动系统工作状态的特征参数，解耦总风管路泄漏项和制动缸及相连管路泄漏项，完成对以上两类管路的泄漏的诊断并加以区分。本实施例具体为：
1、机理模型简化
根据对供风和制动系统的机理分析发现，无论是总风管路泄漏还是制动缸及相连管路泄漏，都将表现为空压机工作时间的上升，需要通过不同特征分别表征总风管路泄漏和制动管路泄漏的特点从而定位泄漏的位置。故通过分析空压机的启停，制动过程消耗的压力空气，以及两者泄漏的压力空气之间的机理关系进行模型的建立。
综上，将整个制动系统和供风系统抽象为如图3所示的拓扑结构
2、选定相关特征
首先构建模型特征，通过对业务和数据的理解，选择如下三项指标参数作为三维重构特征：
空压机工作率、制动频率、制动缸保压率。
它们之间的映射关系能够反应整车的耗风量和泄漏现象。并能够区分引起整车耗风量增加的根源是总风管路泄漏还是制动缸及相连管路泄漏。
三维的重构特征的计算方法，分别为：
1)空压机工作率：列车中所有空压机(本实施例中为两台)的总工作时间∑Tfill与制动系统工作总时间Tall的比；
2)制动缸的制动频率：任选一个制动缸，计算该制动缸制动状态的跳变的次数∑Nbrake与制动系统工作总时间Tall的比；
3)制动缸保压率：任一制动缸内有压力的总时间与制动系统工作总时间Tall的比：
bstat＝1表示制动缸内有压力。
以制动缸的制动频率为y轴，空压机的工作率为z轴，制动缸保压率(也既制动状态持续时间比例)为x轴建立三维坐标系。
由于泄漏属于微小缓变的故障形态，在短周期内进行判别有可能使特征淹没在数据噪声或由数据质量引起的问题中，无法有效的在数据上有所表现，也由于列车每天的工作状态并不确定，因此将数据统计周期放至一天，即每列车每天的数据输出一个三维空间内的点(特征点)，经过历史数据的标定来确定健康域的范围。特征点在三维空间内的分布如图4所示。
3、根据所计算的特征进行泄漏检测
1)异常检测阶段：
首先建立孤立森林模型进行异常检测，判定所需诊断的某一天的三维特征点是否由于传输异常、工况异常、列车处于调试状态而超出了正常数据边界。若其未超出边界，则该点为有效值，则保留该有效值；若其超出边界，则将该数据丢弃，使用于该三维特征点时间最近的有效值作为所需诊断的某一天的三维特征点。
2)参数回归标定阶段：
将当前周期以及当前周期的前N个周期的有效值对应的TCMS数据组成一组当前TCMS数据组，本实施例中N＝10
对供风系统和制动系统建立统计模型，模型公式为
Const代表时间段内，制动系统总的充风量和耗风量的比值为一个定值，在此取1；A,B,C分别为需要实际数据进行标定的三维空间平面参数，即在空间中标定一个形如z＝A*x+B*y+C的平面，用于表征上述各个变量之间的映射关系。拟合的平面如图5所示。
其中，A可表征平均每充风A个单位时间可供一次制动的耗风量；
B可表征平均每充风B个单位时间可以供一个单位时间制动缸及相连管路泄漏的风量，其值越大，表明制动管路的泄漏现象越严重；
C可表征平均每充风C个单位时间可以供一个单位时间总风管路泄漏的风量，其值越大，表明总风管路的泄漏现象越严重。
具体实现中，可以采用历史数据和最近一段时间(例如最近10天)的数据进行判定平面的拟合。原则上，可以仅采用最近10天的数据进行拟合，但是由于拟合平面的点较少，导致参数波动较大，因此需要结合历史数据进行拟合。
3)故障推理阶段：
若需要判定总风管路的泄漏，即判定C值的时序变化，如果在一段时间区间内，C值始终为较大的值，判定此时总风管路发生了泄漏。
若需要判定制动缸及相连管路的泄漏，即判定B值的时序变化，如果在一段时间区间内，B值始终为较大的值，判定此时制动缸及相连管路发生了泄漏。
4、模型评估验证
模型评估使用某运营地铁线路共11列车一个月的所有运营数据，首先在三维空间内将所有数据进行统计结果并拟合出的线性平面：
拟合平面参数为：
Z＝13.2314*X+0.01858*Y+0.05499
其中，13.2314为模型公式中的A，代表平均每充风13.2314个单位时间可供一次制动的耗风量；
0.01858为模型公式中的B，代表平均每充风0.01858个单位时间可以供一个单位时间制动管路泄漏的风量；
0.05499为模型公式中的C，代表平均每充风0.05499个单位时间可以供一个单位时间总风管路泄漏的风量；
所有拟合的参数在物理意义和大小关系上都是合理的。
随后采用某列车的实车时序数据进行拟合，模型输出的B值随时间变化的曲线如图6。可以发现，9/16日开始，模型B值开始超过报警门限，并且在17，18日都保持在较高状态，可以推测该列车的制动缸及相连管路在9/16日大概率发生了泄漏故障。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：注塑件检测装置