[發明專利]一種用于高鐵牽引系統在線故障檢測的設計方法

在審

• 申請號: 201810833629.2
• 申請日: 2018-07-26
• 公開（公告）號: CN109214277A
• 公開（公告）日: 2019-01-15
• 發明（設計）人: 陳宏田;姜斌;涂明;吳建萍;顏偉
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種用于高鐵牽引系統在線故障檢測的設計方法，其特征在于，該方法包括以下步驟：

(1)保存正常運行工況下高鐵牽引系統的運行數據；

(2)用主元分析法對該數據進行處理，將其映射到主元空間與殘差空間；

(3)在主元空間，用ICA對非高斯成分進行特征提?。?/p>

(4)對ICA處理后的數據與殘差空間的數據，根據Kullback-Leibler散度計算統計量值；

(5)確定統計量的閾值；

(6)讀取高鐵牽引系統的實時運行數據；

(7)根據步驟(2)和(3)對實時運行數據進行處理；

(8)根據步驟(4)計算實時數據統計量的值；

(9)判斷是否發生故障。

2.根據權利要求1所述的一種用于高鐵牽引系統在線故障檢測的設計方法，其特征在于，在步驟(1)和步驟(6)中，獲取運行數據如下：定義離線矩陣X為：

X＝[x(1),…,x(i),…,x(N)] (1)

其中，x(i)為第i個采樣值，其中N是采樣個數，d是每個采樣所采集的信號個數，i＝1…N。

3.根據權利要求2所述的一種用于高鐵牽引系統在線故障檢測的設計方法，其特征在于，在步驟(2)中，先將離線矩陣X進行去均值化與歸一化兩步標準化處理，然后對X的協方差矩陣進行奇異值分解：

其中，和為主元空間與殘差空間的載荷矩陣，和為特征值矩陣，l為主元個數，根據(2)，可得到X的載荷矩陣P_p和P_r，并計算t_P和t_r：

其中，x也即為傳感器所采集到的原始信號，即x(i)；和為主元得分與殘差得分，進一步地，X在主元空間與殘差空間的映射為：

其中，X_p為主元空間的映射，X_r為殘差空間的映射。

4.根據權利要求3所述的一種用于高鐵牽引系統在線故障檢測的設計方法，其特征在于，在步驟(3)中，用ICA算法對X_p中的非高斯成分進行特征提取，方法如下：將X_p信號預處理，再將處理后的信號作為ICA算法的輸入信號，以負熵最大作為一個搜尋方向，找到一個解混矩陣W，并將其定義為：

W＝[w(1)… w(i)… w(d)]^T (5)

其中，w(i)為W第i個向量，從原始矩陣提取的非高斯特征可以表示為：

Y＝WX_p＝[y(1)… y(i)… y(N)] (6)

其中，y(i)為矩陣Y的第i個所提取分離后的數據樣本。

5.根據權利要求4所述的一種用于高鐵牽引系統在線故障檢測的設計方法，其特征在于，在步驟(4)中，根據Kullback-Leibler散度定義統計量方法如下：分為非高斯的特征與高斯的特征，對于非高斯的特征，結合Kullback-Leibler散度，殘差可以定義為：

其中，y_k為式(6)中的第k列數據，為y_k的移動窗口數據，且為的概率密度函數，p(y_k)為y_k的概率密度函數；

對于高斯的特征，定義殘差r為：

定義基于Kullback-Leibler散度的殘差為：

其中，r_j為殘差r的第j列數據，為r_j的移動窗口數據，為的均值，為的方差，為的概率密度函數，p(r_j)為r_j的概率密度函數；

對于高斯與非高斯特征，基于Kullback-Leibler散度的統計量可以定義為：

其中，