基于压缩感知的间歇故障诊断方法研究及在高铁的应用

Intermittent fault diagnosis is an open research topic in fault diagnosis field in modern dynamic system. Due the different characteristics of intermittent fault from permanent fault, such as randomness, repetitiveness and intermittence, the current research on intermittent fault diagnosis is not sufficient, with rarely intermittent fault diagnosis methods reported in literature. Its theoretical study is still under research and lacks systematic outcomes, thus this is a scientific frontier. As high-speed EMU operates in complicated environment, intermittent faults may occur in its brake control system with high possibility due to long operation hours or harsh environments, leaving the operation of EMU in danger. The research focus of this project is compressed sensing based intermittent fault diagnosis method. First, by analyzing the detectability of intermittent faults according to the characteristics, the project will propose a compressed sensing based intermittent fault detection method. Second, the project will propose an intermittent fault identification method based on compressive sensing and neural networks to identify the fault classification and reason. Last, the project will apply the proposed methods in the high-speed EMU brake control system experiment bench of CRRC Sifang Rolling Stock Research Institute to verify the effectiveness. This research project has not only important theoretical values, but also potential applications to improve the safety and reliability of high-speed EMU brake control system.

间歇故障诊断是现代动态系统故障诊断领域亟需关注的研究方向。由于间歇故障具有与永久故障不同的随机性、反复性和间歇性，目前文献中鲜有针对间歇故障诊断方法的报道，其理论研究尚处于探索阶段，缺乏系统性的研究成果，是科学前沿问题。而高速动车组由于在复杂环境条件下全天候运行，其制动控制系统由于长时间工作或处于恶劣环境下发生间歇故障的概率非常大，给动车组的安全运行埋下隐患。本项目主要研究基于压缩感知的间歇故障诊断方法，首先针对间歇故障的特性分析间歇故障的可检测性，提出基于压缩感知的间歇故障的检测方法；然后提出压缩感知和神经网络相结合的间歇故障辨识方法，辨识故障分类和原因；最后以高速动车组制动控制系统为对象，利用青岛四方车辆研究所的动车组制动系统联调实验台对理论研究的结果进行实验验证和应用。本课题的研究成果不仅具有重要的理论价值，而且对提高高速动车组制动控制系统的安全性和可靠性具有潜在的工程应用价值。

由于间歇故障发生的随机性、反复性和间歇性，永久故障的故障诊断方法无法适用于间歇故障的快速准确识别，因此，本项目主要针对动态系统间歇故障诊断这一现代动态系统故障诊断领域中的科学前沿问题，基于间歇故障的特殊性质如稀疏性和间歇性等，通过基于压缩感知理论的间歇故障检测方法、基于机器学习的智能故障诊断方法、故障检测方法在高速动车组制动控制系统中的仿真验证等三方面展开了对动态系统故障诊断方法的研究。首先，本项目提出了一种基于稀疏表示的动态过程间歇故障检测方法，对系统的变化能及时更新做出反应达到更好的故障检测效果，能够应对无法进行准确数学建模的复杂系统的间歇故障诊断问题。然后，针对复杂工程系统精确数学模型无法获取的情况，本项目主要研究智能故障诊断方法，其中一方面的工作是基于长短期记忆递归神经网络，提出了可以处理长时间依赖性的数据驱动故障诊断方法，通过分析传感器测量信号的空间和时间依赖性，检测故障信息的演变比如从间歇故障发展到永久性故障的过程；另一方面的工作是提出了一种改进的具有特征选择的神经网络故障诊断算法，通过提取多工况下的时域和频域特征构建特征向量，改进距离评估方法并从多维特征向量中选择参数来重构低维敏感特征样本，基于递归最小二乘反向传播神经网络算法进行故障诊断。最后，本项目以青岛四方车辆研究所的动车组制动系统联调实验台的数据进行仿真验证研究。本项目的研究成果能够为数据驱动的故障诊断方法提供理论基础，对提高工程系统安全性和可靠性具有潜在的应用价值。