地铁车辆牵引控制单元TCUnbsp;故障诊断建模与应用.docVIP

地铁车辆牵引控制单元TCUnbsp;故障诊断建模与应用 摘要: 绘制了地铁牵引控制单元TCU 的故障机理图, 并对其进行分析。根据分析结果与TCU 系统的特性, 建立了以多重复合函数为基础的故障诊断数学模型。运用模糊数学知识对故障诊断过程进行优化, 提高了诊断效率。根据该模型建立的专家系统在实际应用中起到了良好的效果。; 关键词: 牵引控制单元; 故障诊断; 数学模型; 相对隶属度; 前言 ; TCU (牵引控制单元) 是一种用于铁路机车的模块化微处理器控制单元。它是SIBAS32 系统( Siemens 32 位微型处理器的列车自动系统) 的重要组成部分。TCU 被用来控制电力驱动设备, 其作用是实现合理有效的牵引和制动。作为机车控制的重要组成部分, TCU 必须长期保持安全平稳的工作状态。因此, 对TCU 进行实时维护、迅速排除故障是铁路机车公司的重要任务。这其中, 最关键的环节是进行故障诊断, 即在故障发生之后迅速找到故障症结之所在, 这样才能迅速排除故障。; 现有的故障诊断方法, 概括起来主要分为三大类: ; (1) 基于数学模型的诊断方法[ 1 ] , 指在建立诊断对象数学模型的基础上, 按一定的数学方法对被测信息进行处理诊断, 文献[ 1 ] 对系统建模并作结构分解, 将对系统的诊断置于对子系统的诊断之上;; (2) 基于信号处理的诊断方法。通常是利用信号模型, 如相关函数、频谱、小波变换等, 直接分析可测信号, 提取诸如方差、幅值、频率等特征值, 从而检测出故障; ; (3) 基于人工智能的诊断方法[ 3 -6 ] 。计算机技术的飞速发展, 使得基于知识的故障诊断方法应运而生, 文献[ 3 ] 提出了综合模糊数学和神经网络技术的智能化方法, 用以故障诊断和监测。文献[ 4 ] 运用遗传算法构造分类学习器以进行电力传输网络故障的在线诊断。; 文章以牵引控制单元TCU 故障机理图为出发点, 建立其故障诊断的数学模型, 运用模糊数学进行诊断优化, 最后用专家系统的形式把知识集成地表达出来。; 1nbsp; 系统分析 ; TCU 系统由软件部分和硬件部分组成, 一般运行情况下, 软件部分具有极高的可靠性, 所以整个故障诊断的工作主要集中于硬件部分。SIBAS32 系统TCU 硬件结构如图1 所示。; 图1nbsp; TCU 系统硬件结构图; 2nbsp; 状态监测 ; SIBAS32 系统自带一个状态监测单元, 在系统发生故障时, 状态监测单元提示系统出错, 给出故障代码(数值在1~317 之间, 表示某个故障事件的发生) 。同时监测单元提供7 个逻辑字、2 个控制字和2 个状态字, 每个信号字由4 位16 进制数表示, 表示故障发生时机车的软硬件输入输出的状态。故障代码只能描述故障现象, 它和信号字一样, 对于故障诊断起到很好的辅助作用, 但凭借系统自带的状态监测单元远远达不到提供故障诊断所需要的全部信息的要求。; 3nbsp; 建立数学模型; 通过绘制TCU 系统的故障机理图, 我们可以完整地分析所有可能引起某个故障事件发生的全部故障原因, 并且可以归纳得到进行故障诊断的数学模型。下面以代码为118 的故障事件机理图为例, 分析故障产生的原因并根据分析建立应用于整个系统的诊断数学模型。; 整张机理图由信号和对信号的处理两部分组成, 其中信号分为原始信号、中间信号和最终信号。原始信号与硬件直接联系, 是不可再分割和细化的。原始信号的错误会导致中间信号的错误, 逐层传递, 导致最终信号错误, 错误的最终信号传入诊断模块, 输出故障代码。原始信号发生错误意味着特定的传感器失效或者与之联系的硬件发生故障, 这就是我们想搜寻的故障原因, 找寻到错误的原始信号就意味着故障诊断过程的结束。; 图2 是故障118 机理图的一部分, 分析如下: ; $BFNOTBR 信号代表数字量, 意思为是否执行紧急制动, 1 代表是, 0 代表不是, 设为x1; $HBRANF 信号代表数字量, 意思为系统是否支持制动请求, 1 代表是, 0 代表不是, 设为x2; $MBRGEL 信号代表数字量, 意思为是否释放所有制动,1 代表是,0 代表不是, 设为x3; $VI -ERSX 代表模拟量, 意思为最大默认速度, 设为x4, 输入到信号处理模块中与阀值比较后, 根据逻辑结果输出数字量; x1 ,x2 ,x3 ,x4 就是前面所说的原始信号。信号FG-WEI 与FG-SCH 为中间信号量, 代表系统模块化状态, 分别设为y1 和y2 。x1 ,x2 ,x3 经过处理过程P1 , 输出y1 , 即y1= P1 (x1 ,x2 ,x3 ) 。x4 经过处理过程P2 , 输出y2 , 即y2= p2 (x4 ) 。信号FG-NKL 为中间信号,