基于数字孪生的高速列车辅助供电系统故障诊断方法研究.pdf
《基于数字孪生的高速列车辅助供电系统故障诊断方法研究.pdf》由会员分享,可在线阅读,更多相关《基于数字孪生的高速列车辅助供电系统故障诊断方法研究.pdf(7页珍藏版)》请在咨信网上搜索。
1、2024.1,4(1)|智能交通与数字化基于数字孪生的高速列车辅助供电系统故障诊断方法研究吕新伟1,刘江浔2,李婷1,刘辉2,李军1,尹诗3,黄家豪4(1.威胜集团有限公司,湖南 长沙 410205;2.中南大学交通运输工程学院人工智能与机器人研究所(IAIR),湖南 长沙 410075;3.新加坡国立大学设计与工程学院,新加坡 117583;4.德国 CELISCA 重点实验室,德国 罗斯托克 18119)摘要:随着铁路技术的蓬勃发展,高速列车已经成为人们中长途出行的首要选择。同时,其伴随的安全性、舒适性问题也逐渐受到重视。辅助供电系统是高速列车能够正常运行的重要保障,系统故障将导致乘客舒适
2、感下降,列车行驶受阻,铁路班次调整等一系列问题。为了避免此类情况的发生,本文主要对高速列车辅助供电系统故障诊断方法进行研究,基于数字孪生技术,建立辅助变流器仿真模型,模拟真实电路运行情况。然后以获取的故障数据集为分析对象,在 MATLAB R2018a平台上训练多种机器学习模型。同时结合优化方法建立混合模型,比较诊断性能。实验结果表明,数字孪生技术能够大大降低收集数据的难度,可以快速获取数量多,类别丰富的故障数据;基于遗传算法的 BP(back propagation)神经网络混合模型对类故障的诊断分类效果最好,平均精确率和准确率分别为 86.7%和 95.6%。基于数字孪生的机器学习模型诊断
3、效率和精度高,可以运用在高速列车辅助供电系统的故障诊断过程中,保证列车安全行驶。关键词:故障诊断;高速列车;辅助供电系统;机器学习;遗传算法Study on the fault diagnosis method of highspeed train auxiliary power supply system based on digital twinL Xinwei1,LIU Jiangxun2,LI Ting1,LIU Hui2,LI Jun1,YIN Shi3,HUANG Jiahao4(1.Wasion Group Limited,Changsha 410205,China;2.Inst
4、itute of Artificial Intelligence and Robotics(IAIR),School of Traffic&Transportation Engineering,Central South University,Changsha 410075,China;3.College of Design and Engineering,National University of Singapore,Singapore 117583,Singapore;4.Center for Life Science Automation-CELISCA,Rostock 18119,G
5、ermany)Abstract:With the booming development of railroad technology,high-speed trains have become the primary choice for people traveling medium and long distances.Meanwhile,its accompanying safety and comfort issues are gradually being emphasized.Auxiliary power supply system is an important guaran
6、tee for the normal operation of high-speed trains,and the system failure will lead to a series of problems such as the loss of passenger comfort,train travel disruption,and railroad schedule adjust中图分类号:TH163+.5;U233.6 文献标志码:A 文章编号:2097-017X(2024)01-0030-06DOI:10.3969/j.issn.2097-017X.2024.01.003收稿日
7、期:2023-12-10基金项目:国家自然科学基金面上项目(52072412)。第一作者简介:吕新伟(1974),男,硕士,高级工程师。研究方向:能源计量、交通能源。通讯作者简介:刘 辉(1983),男,中德双博士,教授。研究方向:人工智能、交通能源互联网。30基于数字孪生的高速列车辅助供电系统故障诊断方法研究 吕新伟 等ment.To avoid such situations,this paper focuses on the fault diagnosis method of auxiliary power supply system of high-speed trains.Based
8、 on the digital twin technology,the simulation model of auxiliary converter is established to simulate the real circuit operation.The acquired fault data set is then used as the analysis object to train various machine learning models on MATLAB R2018a platform.Meanwhile,hybrid models are built in co
9、mbination with optimization methods to compare the diagnostic performance.The experimental results show that digital twin technology can greatly reduce the difficulty of collecting data,and can quickly obtain a large number of rich categories of fault data.The hybrid model of BP(back propagation)neu
10、ral network based on genetic algorithm has the best diagnostic classification of class faults with the average precision and accuracy of 86.7%and 95.6%.The diagnosis efficiency and accuracy of machine learning model based on digital twin are high,which can be applied in the fault diagnosis process o
11、f auxiliary power supply system of high-speed trains to ensure safe train operation.Key words:fault diagnosis;high-speed train;auxiliary power supply system;machine learning;genetic algorithm引 言自 1997 年开始,我国致力于发展高速列车,经过 6 次大提速之后,中国高铁技术已经位于世界前列,展现出大国实力。在第六次大提速中,对 CRH系列动车组进行“引进、消化、吸收、再创新”,发挥了极其重要的作用,本
12、文中的高速列车即为 CRH 系列动车组1-2。近几年,国家更是加大了对高速列车技术的投入,将“高铁”打造成为中国的一道亮丽名片,因此对于高速列车运行时可靠性、稳定性的要求也越来越高。随着科学技术的快速发展,高速列车已经成为人们中长途出行的首要选择,保证列车运行的安全可靠越来越重要。高速列车的组件故障而影响高速动车组正常行驶的情况越来越普遍,这对高速列车的安全性和稳定性构成了巨大的威胁。高速列车的运行环境复杂多样,随着使用年份的增长,设备的可靠性逐渐降低,出现各种各样的问题,如果不能及时维修,会影响铁路系统的正常功能,甚至引起毁灭性的灾难,为了避免这类情况的出现,需要对高速列车的故障进行实时监控
13、和检测3-4。目前大部分的高速列车的故障诊断是基于历史经验或者是通过根据现有的故障数据,利用特征提取、数据清洗、时频变化等技术进行数据处理,最后基于模糊算法等智能算法建立诊断模型5。此类方法大多受限于一般情况下故障数据少、类别单一、数据在传输过程中失真等问题,而数字孪生能够在数字空间建立与物理空间一致的实体6,模拟不同故障情况,提高故障诊断方法的研究效率。现有研究对于高速列车辅助供电系统的关注较少,辅助供电系统是高速列车的重要组件,不同的高速列车它的辅助供电系统也有差异,但所有辅助供电系统的功能都是为车载设备提供稳定的电能,保证各设备的正常运行7。一旦出现故障会导致列车的低压负载失效,乘客的乘
14、坐体验会有所下降,而辅助电路的故障还可能影响到主电路,致使整列高速列车运行受阻,造成经济损失,更甚会危害乘客生命安全,具有极大的隐患。因此,基于数字孪生的高速列车辅助电路故障诊断方法的研究具有极其重要的意义。本文作出的主要贡献如下:(1)大多数故障诊断方法的研究基于某一特定故障开展,当迁移到其他类型故障时,效率低下。因此,本文使用数字孪生技术,建立与现实空间相同的数字高速列车辅助供电系统,模拟可能发生的多种故障为故障诊断方法的研究提供帮助。(2)现有的相关研究,需要研究对象长期使用后,收集产生的故障数据,这会产生较高的成本,对传感器等测量技术的要求也更高,并且容易发生数据丢失和传输损耗,导致结
15、果可靠性下降。而数字孪生模型能够产生带有标签的故障数据,便于辨识,训练出的机器学习模型,拥有自主学习的能力,能够识别复杂多样的辅助供电系统故障,并在学习过程中达到更高的准确性与快速性,具有较高的实际运用价值(3)本文提取高速列车辅助供电系统中电力数据的特征,探索适用于复杂电路系统的最佳故障诊断模型,基于机器学习技术的理论基础,研究不同人工智能算法对于故障诊断模型的影响,同时使用遗 31传算法改进模型,构建优化混合模型并建立性能评价指标体系,对比设计方法与目前主流故障诊断方法的实验结果,对模型性能进行评估,探索本文所研究的故障诊断方法运用于实际的可行性。1数字孪生技术基本原理“数字孪生”这一概念
16、早在 2003年就已经出现,由 Michael Grieves 教授在课堂中第一次提出8。在这个阶段数字孪生仅仅是一个物理空间内对象的数字仿真表示,提供丰富的三维视图。随着物联网(IOT)的发展,数字空间与物理空间的联系越发紧密,利用计算机技术,根据物理实体的各项参数在数字空间中建立与物理空间一致的精细化仿真模型,能够真实模拟实际运行情况,反映物理实体的状态、性能等特征,这也允许数字孪生模型产生新的智能服务,与物理实体进行连接和交互,实现数据的实时动态传输9。数字孪生概念模型(如图 1所示)能够广泛地运用于各种物理设备和系统。在实际运行过程中,它与物理实体建立联系,获取动态数据,两类数据结合共
17、同更新原模型,并将结果输送回物理实体10。数字孪生模型通过无缝衔接物理世界与数字世界能够实现预测性维护、远程监控、人机协作等一系列功能,是工业 4.0时代的重要创新技术11。2高 速 列 车 辅 助 变 流 器 MATLAB/Simulink仿真2.1辅助变流器概述辅助变流器、蓄电池、充电机都是辅助供电系统的主要部件12。动力分散式列车的辅助供电系统能够将电能输送到各节车厢,为列车上的低功率设备供电。动力集中式列车为了保障发生故障时的正常供电,会配备多个辅助供电系统,以备不时之需13。CRH5动车组在 TC01,TC08,TP03和 TP06车上共设置了 4 台输出功率为 200 kVA 的辅
18、助变流器,总功率为 800 kVA。TC01 和 TC08 车分别配置了 2 台充电机和 2 组蓄电池组。车上辅助负载由辅助变流器和三相 AC380 V/50 Hz电源共同供电14。辅助变流器为高速列车的照明系统、空调系统等提供电源,是辅助供电系统的关键部件,保障列车正常行驶。从电路角度来看,辅助变流器包括输入滤波器,斩波器、高频变压器、三相辅助逆变器、隔离开关、辅助变流器控制器等内容15。通过查阅资料,结合实际运用状况,对于高速列车辅助变流器进行建模仿真,模拟实际运用过程中的状态以及可能出现的故障,为后续故障诊断方法的研究提供帮助。2.2辅助变流器仿真实验数据将查阅参数与物理模型相结合,在
19、MATLAB/Simulink 中建立高速列车辅助变流器数字模型,如图 2所示。该模型能够仿照物理空间中的辅助变流器电路运行,在保证真实性的情况下,可以直接通过计算机指令控制,方便研究者进行研究分析,减少实验成本16。由于实际数据获取难度较大,考虑到机器学习算法在特定问题上的广泛适用,本文选择开源数据集进行方法研究与效果检验,该数据集与前文设计的仿真模型相适应,能够较为真实地反映辅助变流器的工作特性,因此所设计的模型方法在实际研究中具有通用性。表 1 展示了采样数据的最小值、最大值、平均值、标准差总共四类统计特征。图 1数字孪生概念模型Fig.1Digital twin conceptual
20、model图 2辅助变流器 MATLAB/Simulink仿真模型Fig.2MATLAB/Simulink simulation model of auxiliary converter表 1采样数据统计特征Tab.1Statistical characteristics of sampling data检测量Ia/AIb/AIc/AVa/VVb/VVc/V最小值883.54900.53883.360.620.660.61最大值885.74889.87901.270.610.630.61平均值6.7126.5622.350.010.020.01标准差377.16357.46302.050.35
21、0.360.35 32基于数字孪生的高速列车辅助供电系统故障诊断方法研究 吕新伟 等3基于神经网络和优化算法的故障诊断模型3.1BP神经网络概述BP神经网络是一种具有多神经层,输出信号逐层向前传递的神经网络,back-propagation 为核心算法,其具有模型简单、学习性好、自适应能力强等优点17。神经网络模型是一个非参数的模型,通过调整连接权重来训练神经网络,经过训练的网络能够根据网络参数生成测试数据的响应,无需预先确定输入和输出之间的函数关系式。神经网络依赖于误差校正来微调节点的权重,这是通过使用反向传播算法或梯度下降算法来完成的18。典型神经网络结构如图 3所示。3.2遗传算法原理与
22、实现遗传算法(Genetic Algorithm)是一种强大的随机选择算法,被广泛用于人工智能和机器学习领域。遗传算法模拟自然界建立一个种群,通过一系列仿真操作,使其中的个体发生随机概率变化,进行选择,保留优良个体,将信息遗传到下一代,不断循环,直到寻找到问题的最优近似解19。在遗传过程当中,适应度函数也被称为评价函数,通过计算个体的适应度,判断是否保留该个体。适应度计算公式为:F=k(i=1n|yi-oi)(1)式中 F表示适应度,k为系数,yi为实际输出,oi为理论输出。遗传算法基本操作分为:(1)选择操作:在当前进化的种群中选择出优秀个体,进行交叉和遗传,将信息传递到下一代。fi=kFi
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 数字 孪生 高速 列车 辅助 供电系统 故障诊断 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。