城轨车辆空气制动系统仿真模拟及故障诊断研究
|
摘要
我国城市轨道交通发展迅猛,其运营安全保障工作极为重要。城轨车辆故障的频繁出现,不仅严重影响列车的正常运营,一旦引发事故,将使乘客的生命财产面临巨大威胁。为了使列车安全地减速、停车,就必须确保制动系统安全可靠。因此,研究城轨车辆空气制动系统的故障诊断问题,对于促进城市轨道交通车辆的安全、正点运营具有重要意义。本文围绕城轨车辆空气制动系统仿真及其故障诊断展开以下工作：
一：对城轨车辆空气制动系统进行深入研究。以制动控制单元为重点,详细阐述了模拟转换阀、紧急阀、称重阀以及均衡阀的结构及其作用原理,并基于AMESim软件对各气动阀进行仿真模拟,搭建城轨车辆空气制动系统仿真模型。在此基础上对制动控制单元各阀常见故障进行仿真,明确制动控制单元各故障与故障征兆之间的关联关系。
二：研究贝叶斯网络在故障诊断领域的应用,提出基于贝叶斯网络模型的城轨车辆空气制动系统故障诊断方法与维修策略。基于城轨车辆空气制动系统故障树构建系统的诊断贝叶斯网络,运用网络推理算法,依据故障征兆反推故障,并在推理结果的基础上提出适当的维修策略。
三：运用Matlab贝叶斯网络工具箱(FullBNT)编写基于贝叶斯网络的城轨车辆空气制动系统故障诊断程序,在不同制动工况下对几种常见故障进行验算,验证本文提出的基于贝叶斯网络的城轨车辆空气制动系统故障诊断方法的可行性。
As the urban railway service continue to advance at a remarkable pace, it is important to maintain reliable, safe and secure operation. Faults occured on the rail vehicle not only affect the schedueled operation but also threat the safty of the passangers. In order to achieve secure operation, the brake system must be safe and reliable. Therefore, research on fault diagnosis of urban rail vehicle air brake system is of great importance to keep and improve the secure and scheduel operation. This article concers on simulation of urban rail vehicle air brake system and its fault diagnosis problem and three aspects of work are done as follows:
Firstly, analysis of the configuration and action principle is done to the urban rail vehicle air brake system, especially to the valves in the Brake Control Unit. Then simulation models of all the valves and the whole air brake system are constructed with AMEsim. Typical faults of the Brake Control Unit are studied and the relationship between faults and their symptoms are revealed based on the simulation model.
Secondly, Bayesian Network based fault diagnosis method is proposed to find out the most likely fault occured in the urban rail vehicle air brake system and the maintenace strategy is given based on the fault diagnosis results.
Thirdly, the FullBNT toolbox of MATLAB is used for the purpose of fault diagnosis and several typical faults in urban rail vehicle air brake system are studied. Thus, the effectiveness of the proposed method is demonstrated.
一：对城轨车辆空气制动系统进行深入研究。以制动控制单元为重点,详细阐述了模拟转换阀、紧急阀、称重阀以及均衡阀的结构及其作用原理,并基于AMESim软件对各气动阀进行仿真模拟,搭建城轨车辆空气制动系统仿真模型。在此基础上对制动控制单元各阀常见故障进行仿真,明确制动控制单元各故障与故障征兆之间的关联关系。
二：研究贝叶斯网络在故障诊断领域的应用,提出基于贝叶斯网络模型的城轨车辆空气制动系统故障诊断方法与维修策略。基于城轨车辆空气制动系统故障树构建系统的诊断贝叶斯网络,运用网络推理算法,依据故障征兆反推故障,并在推理结果的基础上提出适当的维修策略。
三：运用Matlab贝叶斯网络工具箱(FullBNT)编写基于贝叶斯网络的城轨车辆空气制动系统故障诊断程序,在不同制动工况下对几种常见故障进行验算,验证本文提出的基于贝叶斯网络的城轨车辆空气制动系统故障诊断方法的可行性。
As the urban railway service continue to advance at a remarkable pace, it is important to maintain reliable, safe and secure operation. Faults occured on the rail vehicle not only affect the schedueled operation but also threat the safty of the passangers. In order to achieve secure operation, the brake system must be safe and reliable. Therefore, research on fault diagnosis of urban rail vehicle air brake system is of great importance to keep and improve the secure and scheduel operation. This article concers on simulation of urban rail vehicle air brake system and its fault diagnosis problem and three aspects of work are done as follows:
Firstly, analysis of the configuration and action principle is done to the urban rail vehicle air brake system, especially to the valves in the Brake Control Unit. Then simulation models of all the valves and the whole air brake system are constructed with AMEsim. Typical faults of the Brake Control Unit are studied and the relationship between faults and their symptoms are revealed based on the simulation model.
Secondly, Bayesian Network based fault diagnosis method is proposed to find out the most likely fault occured in the urban rail vehicle air brake system and the maintenace strategy is given based on the fault diagnosis results.
Thirdly, the FullBNT toolbox of MATLAB is used for the purpose of fault diagnosis and several typical faults in urban rail vehicle air brake system are studied. Thus, the effectiveness of the proposed method is demonstrated.
引文
[1].顾岷.中国大陆城市轨道交通的现状与展望[J].现代城市轨道交通,2011,(6)：8-10
[2].交通运输部道路运输司.国内外城市轨道交通事故案例评析[M].人民交通出版社,2011
[3].张萌.北京地铁13号线列车制动系统故障及预防措施[J].现代城市轨道交,2009,(3)：58-60
[4].张琪.基于虚拟仪器的精密部件电路板故障检测与诊断系统的研究[D].山东：山东农业大学,2011
[5]. Carnero MC. An evaluation system of the setting up of predictive maintenance grammes[J]. Rliability Engineering and System Safety, 91(6):645-963,(2006)
[6]. Mattew MO, Michael JS. Intelligent motors move to the front of predictive maintenance[J]. IEEE Industry Application Magazine,2000,No.9:47-51
[7].黄采伦.列车轮对在线状态监测理论与方法研究[D].湖南：中南大学,2007
[8].杨昌昊.基于不确定性理论的机械故障智能诊断方法研究[D].安徽：中国科学技术大学,2008
[9].伍行健,史铁林.汽轮发电机机组故障的振动特征与自动识别[J].华中理工大学学报,1993(1)：105-110
[10].王飞,季振洲.汽轮发电机组状态监测与故障诊断系统的研制及其应用[J].机械工程学报,1994(4)：
[11].李德英,倪维斗.大型电站锅炉远程监测与故障诊断系统的研究与应用[J].清华大学学报,1997,(S1)：26-31
[12].李德英,张跃.热水锅炉故障诊断专家系统的研究[J].北京建筑工程学院学报,1999,(2)
[13].王侃夫.基于实例推理的数控机床故障诊断技术研究[D].辽宁：大连理工大学,2008
[14]Jiang CH, Zhou DH. Fault detection and identification for uncertain linear time-delay systems[J]. Computers and Chemical Engineer,2005,30:228-242
[15]. Ye H, Ding SX. Integrated design of fault detection systems in time-frequency domain[J]. IEEE Transactions on Automatic Control,2002,47(5):384-390
[16].Zheng TX. A hybrid wavelet-kalman filter method for load forecasting[J]. Electric Power Systems Research,2000,54(4):11-17
[17].刘一.智能故障诊断方法研究及应用[D].昆明：昆明理工大学,2003
[18].丁福焰,杜永平.机车车辆故障诊断技术的发展[J].铁道机车车辆,2004,24(4)：24-30
[19].李熙.城市轨道交通车辆走行部安全评估方法研究[D].北京：北京交通大学,2011
[20].朱翔,肖向前.广州地铁3号线列车EP2002制动系统及故障分析[J].机车电传动,2008(3),58-59
[21].黄学翔.广州地铁5号线列车制动系统故障分析及改进[J].城市轨道交通研究,2010,13(7)：88-89
[22].王保坚,陈朗.广州地铁动车组空气制动不能缓解的原因与诊断[J].铁道车辆,2003,41(1)：38-39
[23].程建英,李欢.上海地铁车辆一号线制动系统的可靠性分析[J].机械研究与应用,2009(5)：45-47,50
[24].吴文兴.地铁列车气制动系统分析与故障诊断[C].上海地铁运营有限公司科技大会(2006), 上海
[25].刘启元,张聪.信度网近似推理算法(下)[J].计算机科学,2001,28(1)：70-73
[26].刘启元,张聪.信度网近似推理算法(下)[J].计算机科学,2001,28(2)：111-114
[27].李俭川.贝叶斯网络故障诊断与维修决策方法及应用研究[D].湖南：国防科技大学,2002
[28].Dearden R. Bayesian fault diagnosis:Common approaches and challenges[J].2010 2nd International Workshop on Cognitive Information Processing,2010:215-220
[29].王双成,林士敏.贝叶斯网络结构学习分析[J].计算机科学,2000,27(10)：77-79
[30].林士敏贝叶斯网络的建造及其在数据采掘中的应用[J].清华大学学报,2001,41(1)：49-52
[31].邢永康.基于互信息和测度学习信度网结构[J].重庆大学学报,2001,24(1)：78-83
[32].殳企平.城市轨道交通车辆制动技术[M].北京：中国水利水电出版社：知识产权出版社,2009
[33].夏寅荪,陈钟麟.上海地下铁道车辆制动系统(上)[J].铁道车辆,1995,33(1)：20-24
[34].夏寅荪,陈钟麟.上海地下铁道车辆制动系统(中)[J].铁道车辆,1995,33(2)：7-11
[35].夏寅荪,陈钟麟.上海地下铁道车辆制动系统(下)[J].铁道车辆,1995,33(3)：28-31
[36].付永领,祁晓野AMESim系统建模和仿真[M].北京：北京航空航天大学出版社,2006
[37].杨璨.货运列车制动系统的建模及仿真研究[D].成都：西南交通大学,2010
[38].杨璨.基于AMESim的120紧急阀的建模及仿真分析[J].铁道机车车辆,2009,29(6)：37-39,49
[39].陆强,杨美传.基于AMESim的地铁车辆空气制动系统的建模及仿真[J].液压气动与密封,2011(10)：45-48
[40].张宪宇,陈小虎.基于AMESim的液压缸故障建模与仿真[J].液压气动与密封,2011,33(10)：26-28,48
[41]. Deng HX, Wang XB. Application of AMESim software to the device producing fluctuant load for vehicle braking system[C]. Computer Design and Applications,2010:390-393
[42].伍智敏,任利惠.地铁列车制动系统的中继阀性能仿真[J].城市轨道交通研究,2011,14(9)：52-57
[43].张连文,郭海鹏.贝叶斯网引论[M].北京：科学出版社,2006
[44].牛振宇.基于改进贝叶斯网络的复杂系统故障诊断模型研究[D].上海：同济大学,2008
[45].罗江华.贝叶斯网络在机械故障诊断中的应用[D].重庆：重庆大学,2006
[46].王正英.面向设备管理的机电设备状态监测与故障诊断技术研究[D].天津：天津大学
[47].李海军,马登武.贝叶斯网络理论在装备故障诊断中的应用[M].北京：国防工业出版社,2009
[48].Bobbio A, Portinale L. Improving the analysis of dependable systems by mapping fault trees into Bayesian Networks[J]. Reliability Engineering and System Safety,2001,71(3):249-260
[49]. Hu LL,Zhang ST. Fault Diagnosis Model of the Diesel Locomotive Air Brake System Based on Bayesian Network[C]. Logistics Engineering and Intelligent Transportation Systems,2010:1-3
[50].陈旭.基于贝叶斯网络的锅炉故障诊断专家系统的研究[D].河北：华北电力大学,2008
[51].[英]奥康纳等著.李莉等译.实用可靠性工程(第四版)[M].北京：电子工业出版社,5005.1：1-59
[52].王丽.浅析贝叶斯公式及其在概率推理中的应用[J].科技创新导报,2001,24：136
[53].[英]索弗特瑞著.陈晓彤等译.实用可靠性工程(第1版)[M].北京：北京航空航天大学 出版社,2005
[54].蒋望东,林士敏.基于贝叶斯网络工具箱的贝叶斯学习和推理[J].信息技术,2007(2)：5-8,31
[2].交通运输部道路运输司.国内外城市轨道交通事故案例评析[M].人民交通出版社,2011
[3].张萌.北京地铁13号线列车制动系统故障及预防措施[J].现代城市轨道交,2009,(3)：58-60
[4].张琪.基于虚拟仪器的精密部件电路板故障检测与诊断系统的研究[D].山东：山东农业大学,2011
[5]. Carnero MC. An evaluation system of the setting up of predictive maintenance grammes[J]. Rliability Engineering and System Safety, 91(6):645-963,(2006)
[6]. Mattew MO, Michael JS. Intelligent motors move to the front of predictive maintenance[J]. IEEE Industry Application Magazine,2000,No.9:47-51
[7].黄采伦.列车轮对在线状态监测理论与方法研究[D].湖南：中南大学,2007
[8].杨昌昊.基于不确定性理论的机械故障智能诊断方法研究[D].安徽：中国科学技术大学,2008
[9].伍行健,史铁林.汽轮发电机机组故障的振动特征与自动识别[J].华中理工大学学报,1993(1)：105-110
[10].王飞,季振洲.汽轮发电机组状态监测与故障诊断系统的研制及其应用[J].机械工程学报,1994(4)：
[11].李德英,倪维斗.大型电站锅炉远程监测与故障诊断系统的研究与应用[J].清华大学学报,1997,(S1)：26-31
[12].李德英,张跃.热水锅炉故障诊断专家系统的研究[J].北京建筑工程学院学报,1999,(2)
[13].王侃夫.基于实例推理的数控机床故障诊断技术研究[D].辽宁：大连理工大学,2008
[14]Jiang CH, Zhou DH. Fault detection and identification for uncertain linear time-delay systems[J]. Computers and Chemical Engineer,2005,30:228-242
[15]. Ye H, Ding SX. Integrated design of fault detection systems in time-frequency domain[J]. IEEE Transactions on Automatic Control,2002,47(5):384-390
[16].Zheng TX. A hybrid wavelet-kalman filter method for load forecasting[J]. Electric Power Systems Research,2000,54(4):11-17
[17].刘一.智能故障诊断方法研究及应用[D].昆明：昆明理工大学,2003
[18].丁福焰,杜永平.机车车辆故障诊断技术的发展[J].铁道机车车辆,2004,24(4)：24-30
[19].李熙.城市轨道交通车辆走行部安全评估方法研究[D].北京：北京交通大学,2011
[20].朱翔,肖向前.广州地铁3号线列车EP2002制动系统及故障分析[J].机车电传动,2008(3),58-59
[21].黄学翔.广州地铁5号线列车制动系统故障分析及改进[J].城市轨道交通研究,2010,13(7)：88-89
[22].王保坚,陈朗.广州地铁动车组空气制动不能缓解的原因与诊断[J].铁道车辆,2003,41(1)：38-39
[23].程建英,李欢.上海地铁车辆一号线制动系统的可靠性分析[J].机械研究与应用,2009(5)：45-47,50
[24].吴文兴.地铁列车气制动系统分析与故障诊断[C].上海地铁运营有限公司科技大会(2006), 上海
[25].刘启元,张聪.信度网近似推理算法(下)[J].计算机科学,2001,28(1)：70-73
[26].刘启元,张聪.信度网近似推理算法(下)[J].计算机科学,2001,28(2)：111-114
[27].李俭川.贝叶斯网络故障诊断与维修决策方法及应用研究[D].湖南：国防科技大学,2002
[28].Dearden R. Bayesian fault diagnosis:Common approaches and challenges[J].2010 2nd International Workshop on Cognitive Information Processing,2010:215-220
[29].王双成,林士敏.贝叶斯网络结构学习分析[J].计算机科学,2000,27(10)：77-79
[30].林士敏贝叶斯网络的建造及其在数据采掘中的应用[J].清华大学学报,2001,41(1)：49-52
[31].邢永康.基于互信息和测度学习信度网结构[J].重庆大学学报,2001,24(1)：78-83
[32].殳企平.城市轨道交通车辆制动技术[M].北京：中国水利水电出版社：知识产权出版社,2009
[33].夏寅荪,陈钟麟.上海地下铁道车辆制动系统(上)[J].铁道车辆,1995,33(1)：20-24
[34].夏寅荪,陈钟麟.上海地下铁道车辆制动系统(中)[J].铁道车辆,1995,33(2)：7-11
[35].夏寅荪,陈钟麟.上海地下铁道车辆制动系统(下)[J].铁道车辆,1995,33(3)：28-31
[36].付永领,祁晓野AMESim系统建模和仿真[M].北京：北京航空航天大学出版社,2006
[37].杨璨.货运列车制动系统的建模及仿真研究[D].成都：西南交通大学,2010
[38].杨璨.基于AMESim的120紧急阀的建模及仿真分析[J].铁道机车车辆,2009,29(6)：37-39,49
[39].陆强,杨美传.基于AMESim的地铁车辆空气制动系统的建模及仿真[J].液压气动与密封,2011(10)：45-48
[40].张宪宇,陈小虎.基于AMESim的液压缸故障建模与仿真[J].液压气动与密封,2011,33(10)：26-28,48
[41]. Deng HX, Wang XB. Application of AMESim software to the device producing fluctuant load for vehicle braking system[C]. Computer Design and Applications,2010:390-393
[42].伍智敏,任利惠.地铁列车制动系统的中继阀性能仿真[J].城市轨道交通研究,2011,14(9)：52-57
[43].张连文,郭海鹏.贝叶斯网引论[M].北京：科学出版社,2006
[44].牛振宇.基于改进贝叶斯网络的复杂系统故障诊断模型研究[D].上海：同济大学,2008
[45].罗江华.贝叶斯网络在机械故障诊断中的应用[D].重庆：重庆大学,2006
[46].王正英.面向设备管理的机电设备状态监测与故障诊断技术研究[D].天津：天津大学
[47].李海军,马登武.贝叶斯网络理论在装备故障诊断中的应用[M].北京：国防工业出版社,2009
[48].Bobbio A, Portinale L. Improving the analysis of dependable systems by mapping fault trees into Bayesian Networks[J]. Reliability Engineering and System Safety,2001,71(3):249-260
[49]. Hu LL,Zhang ST. Fault Diagnosis Model of the Diesel Locomotive Air Brake System Based on Bayesian Network[C]. Logistics Engineering and Intelligent Transportation Systems,2010:1-3
[50].陈旭.基于贝叶斯网络的锅炉故障诊断专家系统的研究[D].河北：华北电力大学,2008
[51].[英]奥康纳等著.李莉等译.实用可靠性工程(第四版)[M].北京：电子工业出版社,5005.1：1-59
[52].王丽.浅析贝叶斯公式及其在概率推理中的应用[J].科技创新导报,2001,24：136
[53].[英]索弗特瑞著.陈晓彤等译.实用可靠性工程(第1版)[M].北京：北京航空航天大学 出版社,2005
[54].蒋望东,林士敏.基于贝叶斯网络工具箱的贝叶斯学习和推理[J].信息技术,2007(2)：5-8,31