其故障传播、故障连锁、故障并发特征明显,无法辨识故障类型、故障位置以及故障参数,
这也制约了 ECP 技术的推广价值。
近年来,随着对大规模复杂系统的异构互联特性研究成果不断涌现,使得对ECP 系统
的数学建模成为可能;而基于模型的故障诊断技术能够利用对象的数学模型和可观测输入
输出量构造残差,来反映系统期望行为与实际行为的差异性,从而实现故障的检测和隔离;
设计具有故障项函数的参考模型,利用在线故障参数辨识技术近似故障对系统的影响,实
对 ECP 系统的故障诊断过程,需要解决由于机械加工工艺和纯气动部件的工作特性导
致模型参数的不确定性,以及由于检测传感器安装位置约束造成的故障参数难以直接辨识
的问题。目前的一个研究热点是自适应学习方法,它能够处理存在不确定性的动态系统和
多变量互联系统分布式故障诊断中的模型参数和故障参数的不确定性问题。
作为 ECP 系统推广过程中亟需解决的关键问题,基于模型故障诊断和自适应学习的分
布式故障诊断技术,为解决重载组合列车空气管路漏泄的故障检测和参数辨识,进一步保
障 ECP 系统的运行可靠性,提升我国重载列车安全保障技术水平,提供了良好的技术平台。
该项目的选立,也对一类具有分布式互联特性的复杂系统故障诊断,以及长大管路(石油、
天然气传输线)的漏泄故障精确定位提供一定的借鉴参考作用。
重载组合列车空气制动系统是一类典型复杂的具有动态互联特性的分布式网络控制系
统,子系统间交互关系动态多变,增加了在线诊断的难度。当前列车级故障诊断的研究热
点为基于模型的诊断体系、协同诊断及人工智能方面;但是对诊断模型的互联不确定性、
故障参数在线辨识等关键问题,仍是一个有待于深入研究的课题 。
[7-8]
国内外专家将故障诊断技术大致分为信号对比法、人工智能法和解析模型法三种 。
[9-10]
信号对比法采用“多点测量,对比判断”原则,实现方便,但硬件开销较大;人工智能法大多
应用在历史经验比较完善、过程知识容易获取的中小型复杂系统,利用专家系统、神经网
络、鲁棒控制等技术模拟人类思维进行故障诊断;解析模型法需要建立动态系统诊断对象
的数学模型,再利用参数估计、状态观测器、粒子滤波器等方法进行故障检测和隔离。
早期的重载组合列车管路漏泄故障诊断完全依靠经验数据,在大量实验数据对比和铁
路线路运行需求分析的基础上,用于静态的性能测试和检修工艺制定考核。早在 1980 年,
美国机械工程师学会(ASME )就对空气管路漏泄分布对列车管压力梯度和流量的影响进行
研究,并据此制定了《货车制动系统安全标准——CFR232 》;国内也在相关的实验数据基础
上制定了《铁路货车制动装置检修规则》,应用于静态试验的空气管路漏泄测试分析和维修。
随着交叉学科的不断深化,特别是气体动力学和流体力学原理的不断应用,国内外学
评论5
最新资源