一種高速列車制動系統關鍵部件的狀態監測方法和裝置與流程
2023-06-02 16:51:39
本發明涉及信號處理技術領域，尤其涉及一種高速列車制動系統關鍵部件的狀態監測方法和裝置。
背景技術：
制動系統是高速列車信息控制系統中的重要子系統，它主要由空氣供給系統，制動控制系統及基礎制動系統三大部分組成。高速列車制動系統中的關鍵部件，如空氣壓縮機、電磁閥、供風管以及壓力傳感器等，其能否穩定可靠工作既關係到行車安全，又限制著車速提高。
因此，亟需對高速列車制動系統關鍵部件進行實時在線的狀態監測，保障高速列車制動系統的安全可靠運行。現有高速列車制動系統關鍵部件的狀態監測方法的性能嚴重依賴部件模型的精度。但是，高速列車制動系統關鍵部件的實際運行環境極其複雜多變，隨機模型不確定性相對較大。因此，為了滿足實際應用的需要，高速列車制動系統關鍵部件狀態監測方法需要在存在隨機模型不確定性的情況下仍能估計出部件的工作狀態。
現有技術的不足在於：在實際應用過程中，高速列車制動系統關鍵部件運行狀態在線監測時會出現隨機模型不確定性較強等情況，現有的狀態監測方法的性能嚴重依賴部件模型的精度，已經不能滿足實際應用的需求。
技術實現要素：
本發明所要解決的技術問題是在實際應用過程中，高速列車制動系統關鍵部件運行狀態在線監測時會出現隨機模型不確定性較強等情況，現有的狀態監測方法的性能嚴重依賴部件模型的精度，已經不能滿足實際應用的需求。
為了解決上述技術問題，本發明提供了一種高速列車制動系統關鍵部件的狀態監測方法，包括：
建立高速列車制動系統關鍵部件的離散時間狀態空間模型；
確定所述高速列車制動系統關鍵部件的當前控制輸入數據和當前測量輸出數據；
根據所述高速列車制動系統關鍵部件的離散時間狀態空間模型、當前控制輸入數據以及當前測量輸出數據，確定所述高速列車制動系統關鍵部件的狀態估計器；
利用所述狀態估計器對所述高速列車制動系統關鍵部件進行狀態估計，並確定狀態估計相關誤差。
在一個實施例中，所述建立高速列車制動系統關鍵部件的離散時間狀態空間模型，具體包括：
根據所述高速列車制動系統關鍵部件的物理結構建立該高速列車制動系統關鍵部件的機理模型；
利用系統辨識技術辨識所述機理模型的模型參數；
根據採樣時間對所述機理模型的模型參數進行離散化，得到高速列車制動系統關鍵部件的離散時間狀態空間模型。
在一個實施例中，所述高速列車制動系統關鍵部件的離散時間狀態空間模型是採用表達式一和表達式二表示的，
表達式一：x(k+1)＝(Ac(k)+Aδ(k))x(k)+(Bc(k)+Bδ(k))u(k)+w(k)，
表達式二：y(k)＝(Cc(k)+Cδ(k))x(k)+v(k)，
其中，x(k)表示k時刻的狀態變量，x(k+1)表示k+1時刻的狀態變量，u(k)表示k時刻的控制輸入數據，y(k)表示k時刻的測量輸出數據，w(k)表示過程噪聲信號，v(k)表示k時刻的測量噪聲信號，Ac(k)表示第一中心參數矩陣，Bc(k)表示第二中心參數矩陣，Cc(k)表示第三中心參數矩陣，Aδ(k)表示第一模型不確定性，Bδ(k)表示第二模型不確定性，Cδ(k)表示第三模型不確定性。
在一個實施例中，w(k)和v(k)的均值為0，Aδ(k)、Bδ(k)及Cδ(k)的均值為0。
在一個實施例中，所述高速列車制動系統關鍵部件的狀態估計器的增益是根據所述離散時間狀態空間模型和所述當前控制輸入數據確定的。
在一個實施例中，所述根據所述離散時間狀態空間模型和所述當前控制輸入數據確定所述高速列車制動系統關鍵部件的狀態估計器的增益，具體包括：
確定Ac(k)、Bc(k)、Cc(k)；
確定其中，表示Aδ(k)的協方差矩陣，表示Bδ(k)的協方差矩陣，表示Cδ(k)的協方差矩陣；
確定Σw(k)、Σv(k)，其中，Σw(k)表示w(k)的協方差矩陣，Σv(k)表示v(k)的協方差矩陣；
確定估計初值、所述高速列車制動系統關鍵部件的狀態均值以及所述高速列車制動系統關鍵部件的狀態二階矩；
根據所述Ac(k)、Bc(k)、Cc(k)，所述所述Σw(k)、Σv(k)，所述估計初值、所述高速列車制動系統關鍵部件的狀態均值以及所述高速列車制動系統關鍵部件的狀態二階矩，確定所述高速列車制動系統關鍵部件的狀態估計器的增益。
在一個實施例中，所述估計初值是通過下述表達式三、表達式四及表達式五中的任一表達式或者其組合確定的，
所述估計初值是通過下述表達式三、表達式四及表達式五中的任一表達式或者其組合確定的，
表達式三：
其中，表示初始狀態變量的平均值，表示常數；
表達式四：Σx(0)＝Σ0，
其中，Σx(0)表示初始狀態變量的二階矩，Σ0表示常數；
表達式五：P(0)＝P0，
其中，P(0)表示初始狀態變量的協方差，P0表示常數；
所述高速列車制動系統關鍵部件的狀態均值是通過下述表達式六確定的，
表達式六：
其中，表示k時刻的狀態變量的平均值，Ac(k-1)表示k-1時刻的第一中心參數矩陣，表示k-1時刻的狀態變量的平均值，Bc(k-1)表示k-1時刻的第二中心參數矩陣，u(k-1)表示k-1時刻的控制輸入信號；
所述高速列車制動系統關鍵部件的狀態二階矩是通過下述表達式七確定的，
表達式七：
其中，Σx(k)表示k時刻的狀態變量的二階矩，Σx(k-1)表示k-1時刻的狀態變量的二階矩，表示Aδ(k-1)與x(k-1)乘積的二階矩，Aδ(k-1)表示k-1時刻的第一模型不確定性，x(k-1)表示k-1時刻的狀態變量，Σu(k-1)表示u(k-1)的二階矩，表示Bδ(k-1)與u(k-1)乘積的二階矩，Bδ(k-1)表示k-1時刻的第二模型不確定性，Σw(k-1)表示w(k-1)的協方差矩陣，w(k-1)表示k-1時刻的過程噪聲信號。
在一個實施例中，所述利用所述狀態估計器對所述高速列車制動系統關鍵部件進行狀態估計的狀態估計值是通過表達式八確定的，
表達式八：
其中，表示k時刻的狀態變量的估計值，表示k-1時刻的狀態變量的估計值，K(k)表示k時刻的狀態估計器的增益，r(k)表示k時刻的濾波新息，表示初始時刻的狀態變量的估計值；
r(k)是通過表達式九確定的，
表達式九：
所述狀態估計相關誤差為狀態估計誤差協方差；
所述狀態估計誤差協方差是通過表達式十確定的，
表達式十：
其中，P(k)表示k時刻的狀態估計誤差協方差，表示k時刻的狀態估計誤差，表示nx維單位矩陣，G(k)表示k時刻的一步預測誤差協方差；
G(k)是通過表達式十一確定的，
表達式十一：
其中，P(k-1)表示k-1時刻的狀態估計誤差協方差。
根據本發明的另一方面，還提供了一種高速列車制動系統關鍵部件的狀態監測裝置，包括：
建模模塊，用於建立高速列車制動系統關鍵部件的離散時間狀態空間模型；
第一確定模塊，用於確定所述高速列車制動系統關鍵部件的當前控制輸入數據和當前測量輸出數據；
第二確定模塊，用於根據所述高速列車制動系統關鍵部件的離散時間狀態空間模型、當前控制輸入數據以及當前測量輸出數據確定所述高速列車制動系統關鍵部件的狀態估計器；
狀態估計模塊，用於利用所述狀態估計器對所述高速列車制動系統關鍵部件進行狀態估計，並確定狀態估計誤差協方差。
在一個實施例中，建模模塊進一步包括以下子模塊：
第一子模塊，用於根據所述高速列車制動系統關鍵部件的物理結構建立該高速列車制動系統關鍵部件的機理模型；
第二子模塊，用於利用系統辨識技術辨識所述機理模型的模型參數；
第三子模塊，用於根據當前採樣時間對所述機理模型的模型參數進行離散化，得到高速列車制動系統關鍵部件的離散時間狀態空間模型。
與現有技術相比，本發明的一個或多個實施例可以具有如下優點：
本發明提供的方案
本發明的其它特徵和優點將在隨後的說明書中闡述，並且，部分地從說明書中變得顯而易見，或者通過實施本發明而了解。本發明的目的和其他優點可通過在說明書、權利要求書以及附圖中所特別指出的結構來實現和獲得。
附圖說明
附圖用來提供對本發明的進一步理解，並且構成說明書的一部分，與本發明的實施例共同用於解釋本發明，並不構成對本發明的限制。在附圖中：
圖1是根據本發明第一實施例的高速列車制動系統關鍵部件的狀態監測方法的流程圖；
圖2是根據本發明第一實施例的建立高速列車制動系統關鍵部件的離散時間狀態空間模型的流程圖；
圖3是根據本發明第一實施例的高速列車制動系統關鍵部件測量輸出曲線圖；
圖4是根據本發明第一實施例的高速列車制動系統關鍵部件狀態估計誤差曲線圖；
圖5是根據本發明第一實施例的高速列車制動系統關鍵部件狀態估計誤差協方差跡曲線圖；
圖6是根據本發明第二實施例的高速列車制動系統關鍵部件的狀態監測裝置的結構示意圖。
具體實施方式
為使本發明的目的、技術方案和優點更加清楚，以下結合附圖及實施例對本發明的實施方式作進一步地詳細說明，藉此對本發明如何應用技術手段來解決技術問題，並達成技術效果的實現過程能充分理解並據以實施。需要說明的是，只要不構成衝突，本發明中的各個實施例以及各實施例中的各個特徵可以相互結合，所形成的技術方案均在本發明的保護範圍之內。
另外，在附圖的流程圖示出的步驟可以在諸如一組計算機可執行指令的計算機系統中執行，並且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同於此處的順序執行所示出或描述的步驟。
第一實施例
圖1是根據本發明第一實施例的高速列車制動系統關鍵部件的狀態監測方法的流程圖，下面參照圖1，詳細說明各個步驟。
步驟S110，建立高速列車制動系統關鍵部件的離散時間狀態空間模型。
實際應用過程中，高速列車制動系統關鍵部件的實際運行環境極其複雜多變，隨機模型不確定性相對較大。針對高速列車制動系統關鍵部件的模型不確定性，建立數學模型描述該高速列車制動系統關鍵部件。
下面具體介紹高速列車制動系統關鍵部件的離散時間狀態空間模型的建立過程。
圖2是根據本發明第一實施例的建立高速列車制動系統關鍵部件的離散時間狀態空間模型的流程圖，下面參照圖2，詳細說明各個步驟。
需要說明的是，只要不構成衝突，可以以不同於下述的邏輯順序執行下面所描述的步驟。
步驟S210，根據所述高速列車制動系統關鍵部件的物理結構建立該高速列車制動系統關鍵部件的機理模型；
步驟S220，利用系統辨識技術辨識所述機理模型的模型參數；
步驟S230，根據採樣時間對所述機理模型的模型參數進行離散化，得到高速列車制動系統關鍵部件的離散時間狀態空間模型。
優選的，所述高速列車制動系統關鍵部件的離散時間狀態空間模型是採用表達式一和表達式二表示的，
表達式一：x(k+1)＝(Ac(k)+Aδ(k))x(k)+(Bc(k)+Bδ(k))u(k)+w(k)，
表達式二：y(k)＝(Cc(k)+Cδ(k))x(k)+v(k)，
其中，x(k)表示k時刻的狀態變量，x(k+1)表示k+1時刻的狀態變量，u(k)表示k時刻的控制輸入數據，y(k)表示k時刻的測量輸出數據，w(k)表示過程噪聲信號，v(k)表示k時刻的測量噪聲信號，Ac(k)表示第一中心參數矩陣，Bc(k)表示第二中心參數矩陣，Cc(k)表示第三中心參數矩陣，Aδ(k)表示第一模型不確定性，Bδ(k)表示第二模型不確定性，Cδ(k)表示第三模型不確定性。
優選的，w(k)和v(k)的均值為0，Aδ(k)、Bδ(k)及Cδ(k)的均值為0。
步驟S120，確定所述高速列車制動系統關鍵部件的當前控制輸入數據和當前測量輸出數據。
本實施例中實時在線採集k時刻高速列車制動系統關鍵部件的控制輸入數據u(k)和測量輸出數據y(k)。
圖3為根據本發明第一實施例的高速列車制動系統關鍵部件測量輸出曲線圖，如圖所述，採集了4組測量輸出數據y(k)。
步驟S130，根據所述高速列車制動系統關鍵部件的離散時間狀態空間模型、當前控制輸入數據以及當前測量輸出數據，確定所述高速列車制動系統關鍵部件的狀態估計器。
優選的，所述高速列車制動系統關鍵部件的狀態估計器的增益是根據所述離散時間狀態空間模型和所述當前控制輸入數據確定的。
採用遞推的方式計算狀態估計器的增益，具體如下：
優選的，所述根據所述離散時間狀態空間模型和所述當前控制輸入數據確定所述高速列車制動系統關鍵部件的狀態估計器的增益，具體包括：
確定Ac(k)、Bc(k)、Cc(k)；
確定其中，表示Aδ(k)的協方差矩陣，表示Bδ(k)的協方差矩陣，表示Cδ(k)的協方差矩陣；
確定Σw(k)、Σv(k)，其中，Σw(k)表示w(k)的協方差矩陣，Σv(k)表示v(k)的協方差矩陣；
確定估計初值、所述高速列車制動系統關鍵部件的狀態均值以及所述高速列車制動系統關鍵部件的狀態二階矩；
根據所述Ac(k)、Bc(k)、Cc(k)，所述所述Σw(k)、Σv(k)，所述估計初值、所述高速列車制動系統關鍵部件的狀態均值以及所述高速列車制動系統關鍵部件的狀態二階矩，確定所述高速列車制動系統關鍵部件的狀態估計器的增益。
優選的，所述估計初值是通過下述表達式三、表達式四及表達式五中的任一表達式或者其組合確定的，
所述估計初值是通過下述表達式三、表達式四及表達式五中的任一表達式或者其組合確定的，
表達式三：
其中，表示初始狀態變量的平均值，表示常數；
表達式四：Σx(0)＝Σ0，
其中，Σx(0)表示初始狀態變量的二階矩，Σ0表示常數；
表達式五：P(0)＝P0，
其中，P(0)表示初始狀態變量的協方差，P0表示常數；
所述高速列車制動系統關鍵部件的狀態均值是通過下述表達式六確定的，
表達式六：
其中，表示k時刻的狀態變量的平均值，Ac(k-1)表示k-1時刻的第一中心參數矩陣，表示k-1時刻的狀態變量的平均值，Bc(k-1)表示k-1時刻的第二中心參數矩陣，u(k-1)表示k-1時刻的控制輸入信號；
所述高速列車制動系統關鍵部件的狀態二階矩是通過下述表達式七確定的，
表達式七：
其中，Σx(k)表示k時刻的狀態變量的二階矩，Σx(k-1)表示k-1時刻的狀態變量的二階矩，表示Aδ(k-1)與x(k-1)乘積的二階矩，Aδ(k-1)表示k-1時刻的第一模型不確定性，x(k-1)表示k-1時刻的狀態變量，Σu(k-1)表示u(k-1)的二階矩，表示Bδ(k-1)與u(k-1)乘積的二階矩，Bδ(k-1)表示k-1時刻的第二模型不確定性，Σw(k-1)表示w(k-1)的協方差矩陣，w(k-1)表示k-1時刻的過程噪聲信號。
步驟S140，利用所述狀態估計器對所述高速列車制動系統關鍵部件進行狀態估計，並確定狀態估計相關誤差。
通過遞推的方式計算狀態估計值，具體如下：
優選的，所述利用所述狀態估計器對所述高速列車制動系統關鍵部件進行狀態估計的狀態估計值是通過表達式八確定的，
表達式八：
其中，表示k時刻的狀態變量的估計值，表示k-1時刻的狀態變量的估計值，K(k)表示k時刻的狀態估計器的增益，r(k)表示k時刻的濾波新息，表示初始時刻的狀態變量的估計值；
r(k)是通過表達式九確定的，
表達式九：
所述狀態估計相關誤差為狀態估計誤差協方差；
所述狀態估計誤差協方差是通過表達式十確定的，
表達式十：
其中，P(k)表示k時刻的狀態估計誤差協方差，表示k時刻的狀態估計誤差，表示nx維單位矩陣，G(k)表示k時刻的一步預測誤差協方差；
圖4為根據本發明第一實施例的高速列車制動系統關鍵部件狀態估計誤差曲線圖，如圖所示，有2組狀態估計誤差數據圖5為根據本發明第一實施例的高速列車制動系統關鍵部件狀態估計誤差協方差跡曲線圖，通過這兩組狀態估計誤差數據計算狀態估計誤差協方差P(k)，狀態估計誤差協方差跡如圖5所示。
G(k)是通過表達式十一確定的，
表達式十一：
其中，P(k-1)表示k-1時刻的狀態估計誤差協方差。
新息協方差
通過本方法可以不依賴高速列車制動系統關鍵部件模型的精度，在存在隨機模型不確定性的情況下仍能估計出高速列車制動系統關鍵部件的工作狀態。
綜上所述，本實施例的高速列車制動系統關鍵部件的狀態監測方法，在工程監測中具有實際的指導意義。
第二實施例
基於同一發明構思，本發明實施例中還提供了一種高速列車制動系統關鍵部件的狀態監測裝置，由於這些設備解決問題的原理與一種方法相似，因此這些設備的實施可以參見方法的實施，重複之處不再贅述。
圖6為根據本發明第二實施例的高速列車制動系統關鍵部件的狀態監測裝置的結構示意圖，下面根據圖詳細說明該系統的各組成部分。
建模模塊610，用於建立高速列車制動系統關鍵部件的離散時間狀態空間模型；
第一確定模塊620，用於確定所述高速列車制動系統關鍵部件的當前控制輸入數據和當前測量輸出數據；
第二確定模塊630，用於根據所述高速列車制動系統關鍵部件的離散時間狀態空間模型、當前控制輸入數據以及當前測量輸出數據確定所述高速列車制動系統關鍵部件的狀態估計器；
狀態估計模塊640，用於利用所述狀態估計器對所述高速列車制動系統關鍵部件進行狀態估計，並確定狀態估計誤差協方差。
優選的，建模模塊進一步包括以下子模塊：
第一子模塊，用於根據所述高速列車制動系統關鍵部件的物理結構建立該高速列車制動系統關鍵部件的機理模型；
第二子模塊，用於利用系統辨識技術辨識所述機理模型的模型參數；
第三子模塊，用於根據採樣時間對所述機理模型的模型參數進行離散化，得到高速列車制動系統關鍵部件的離散時間狀態空間模型。
本領域的技術人員應該明白，上述本發明的各模塊或各步驟可以用通用的計算裝置來實現，它們可以集中在單個的計算裝置上，或者分布在多個計算裝置所組成的網絡上，可選的，它們可以用計算裝置可執行的程序代碼來實現，從而，可以將它們存儲在存儲裝置中由計算裝置來執行，或者將它們分別製作成各個集成電路模塊，或者將它們中的多個模塊或步驟製作成單個集成電路模塊來實現。這樣，本發明不限制於任何特定的硬體和軟體結合。
雖然本發明所揭露的實施方式如上，但所述的內容只是為了便於理解本發明而採用的實施方式，並非用以限定本發明。任何本發明所屬技術領域內的技術人員，在不脫離本發明所揭露的精神和範圍的前提下，可以在實施的形式上及細節上作任何的修改與變化，但本發明的專利保護範圍，仍需以所附的權利要求書所界定的範圍為準。