重载组合列车互联ECP制动系统的分布式故障诊断

This research aim at the ECP (Electronically Controlled Pneumatic) brake system of heavy-haul freight train, which is a typically complex distributed system with adjacent coupling interconnection. A distributed fault diagnostic architecture which is based on the adjacent information and adaptive learning mechanisms is established to diagnose the leakage fault in brake pipes of freight train. Firstly, a modeling method with uncertainty parameters is presented and the adjacent coupling characteristics are described by interconnection parameters, uncertain parameters are converted to structured unknown disturbances, and with assemble features of ECP brake system, the charging and exhausting processes for freight train brake pipe are built then. Secondly, a class of adaptive neural parameter estimators is constructed based on parameters uncertainty characteristics of system model and interconnection; an adaptive learning law is designed to realize adjacent node estimation and to identify unknown system parameters. Thirdly, an online parameter approximation algorithm based on extremum seeking is lead into the fault function estimator to realize the FDII (fault detection, isolation and identification), and the process stability, convergence domain, convergence speed are ensured by feedback activation function and closed-loop searching framework with adjustable parameters. Finally, application and experimental verification will be discussed on interconnetive ECP brake system, and the security level of heavy-haul freight train will be proved then. This research will also provide theoretical and practical foundation to promote the development of distributed fault diagnostic techniques.

针对重载组合列车ECP制动系统——这一典型复杂、具有邻接耦合特性的互联分布式系统，建立基于邻接节点信息的具有自适应学习机制的分布式故障诊断体系结构，实现对重载列车空气管路漏泄的故障诊断。首先，提出一种不确定性建模方法，利用互联参数来描述邻接耦合特性，将参数不确定性转化为系统的结构化未知扰动，结合ECP制动系统的编组特性，建立列车管路充排风过程数学模型；其次，针对系统模型参数和互联参数不确定性的变化特点，构建一类基于自适应神经网络的参数估计器，设计自适应学习律对邻接节点信息进行状态估计，同时实现未知参数的在线辨识；最后，在故障函数估计器中引入基于极值搜索的故障函数在线辨识算法，通过研究参数可调的闭环搜索框架和反馈激励函数，保证其过程稳定性、收敛域和收敛速度，实现故障的检测、隔离和辨识。通过在ECP制动系统的应用，为重载列车安全运行提供一种有效方法，对故障诊断技术的发展提供一定的理论基础。

重载组合列车电控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，由于系统工作模式及其子部件的耦合方式动态变化，难以实现高精度和高可靠性的在线故障诊断。本项目依据故障诊断的典型分析设计方法，在分布式故障诊断体系结构、诊断对象数学模型、诊断过程中的不确定性参数估计、故障函数的在线辨识四个方面进行深入研究。.首先，提出了基于邻接耦合特性的分布式诊断体系结构，根据子系统间的邻接互联参数，建立系统关联模型，设计基于极值搜索的故障函数在线辨识算法，利用系统残差和阈值来实现故障的检测隔离以及故障函数的在线辨识。.其次，提出一种基于数据驱动和空气动力学的不确定性建模方法，针对ECP制动系统特殊的双线（列车管、列车线）制动力传播方式，参数不确定性转化为系统的结构化未知扰动，结合ECP制动系统的编组特性，建立长大列车空气管路充排风过程数学模型。.然后，针对系统模型参数的有界不确定性缓慢变化特点，引入自适应变步长的神经网络在线学习策略来实现自适应参数估计器，将模型状态估计值和系统状态输出作为反馈权系数，实现参数的快速收敛；针对子系统间互联参数的时变特性，提出基于快速启发式学习的参数估计方法，在状态估计的同时实现未知参数的辨识。.最后，在诊断框架的故障函数估计器中引入基于极值搜索的故障函数在线辨识算法，设计极值搜索闭环反馈中激励函数的构造形式，研究故障函数的收敛域，设计可调节的激励函数增益，保证系统的全局收敛；研究极值搜索的收敛速度，设计一种参数可调的闭环搜索算法，通过在线调节极值搜索闭环控制参数，最优化其收敛速度。 .本项目通过建立重载组合列车ECP半实物仿真平台，验证本系统诊断过程的稳定性、收敛域和收敛速度，实现故障的检测、隔离和辨识。试验验证表明，本项目故障诊断系统为重载列车安全运行提供一种有效方法，对故障诊断技术的发展提供一定的理论基础。