引用本文

尹进田, 谢永芳, 陈志文, 彭涛, 杨超. 基于故障传播与因果关系的故障溯源方法及其在牵引传动控制系统中的应用. 自动化学报, 2020, 46(1): 47−57 doi: 10.16383/j.aas.c190257

Yin Jin-Tian, Xie Yong-Fang, Chen Zhi-Wen, Peng Tao, Yang Chao. Fault tracing method based on fault propagation and causality with its application to the traction drive control system. Acta Automatica Sinica, 2020, 46(1): 47−57 doi: 10.16383/j.aas.c190257

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190257

关键词

牵引传动控制系统，故障传播模型，故障溯源，时空特性，Granger因果关系 

摘要

针对故障溯源问题, 提出一种基于故障传播与因果关系的故障溯源方法. 该方法首先建立体现时空特性的系统故障传播模型; 其次利用Granger因果关系技术判定不同观测点信号间的因果关系, 确定适合提取信号故障特征用于故障诊断的观测点; 然后提取系统运行时这些观测点故障特征和故障传播时间; 最后同故障传播模型中对应观测点的时空特性相匹配, 从而确定故障类型与位置, 实现故障溯源. 所提方法在高速列车牵引传动控制系统半实物仿真平台上进行了实验验证, 结果表明该方法可行有效.

文章导读

牵引传动控制系统是高速列车信息控制系统的重要组成部分, 由牵引整流器、牵引逆变器、中间直流环节、牵引控制器和牵引电机等组成, 是高速列车安全运行的关键系统之一, 也是高速列车高发故障的主要来源[1-3]. 牵引传动控制系统的任何故障或安全隐患若不能及时诊断并得到有效处理, 都可能引发连锁反应, 甚至导致灾难性后果[4]. 因此, 高速列车牵引传动控制系统实现故障诊断、准确找出故障根源是确保高速列车安全运行的关键.

故障诊断是一种重要的复杂系统可靠安全运行监测技术[5], 故障溯源作为故障诊断的重要组成部分用于判别故障类型和定位故障位置. 由于牵引传动控制系统内部线路复杂、多物理场交织、部件间功能性与电气性的连接耦合度高, 某一设备发生故障会传播至其他位置, 故障的这种传播特性造成对其溯源十分困难. 目前针对高速列车牵引传动控制系统故障溯源主要集中在对器件或子系统故障时牵引传动控制系统单一位置的诊断研究, 缺乏对故障传播机理问题的研究. 通过对牵引传动控制系统进行故障特性传播研究一方面可以追溯故障根源, 另一方面还可以找出不同故障对相邻子系统位置参量观测值的影响以便监控.

目前对于故障传播的研究主要集中在网络系统、化学化工、电力系统、电子电路等, 文献[6]针对瞬态故障在网络控制系统中很难被准确检测到, 通过在控制循环中挖掘不同的效应轨迹来研究故障的传播; 文献[7]针对供暖、空调等空气处理系统中各部件间的故障传播, 利用动态隐马尔科夫模型来识别故障模式有效提高了故障诊断精度; 文献[8]实现了航空发电机的损伤传播建模; 文献[9]提出一种改进的符号传递熵和确定权重阈值方法, 探索故障传播规律, 然后通过分析节点间信息传递变化和故障传播路径对故障进行跟踪; 文献[10]提出了一种能够有效地生成双重故障的完整测试集方法, 通过分析单次故障的传播路径, 选择未发现的双重故障生成新的测试模式, 从而覆盖大部分给定电流的双重故障; 文献[11]针对永磁同步电机驱动系统机械故障, 描述了传动轴上的机械扰动如何从扰动力矩传播到驱动系统供电输入端电流; 文献[12]考虑电网线路隐性故障, 建立了基于元胞自动机理论的电网隐性故障传播模型, 并在此基础上提出了一种综合考虑线路两端负荷量、线路故障频率和线路邻居数量的电网关键线路辨识方法. 目前鲜有针对牵引传动控制系统故障传播方面的研究. 且上述文献都只是从空间角度对故障传播进行了分析, 并未考虑故障传播的时间特性, 而牵引传动控制系统故障的发生、扩散和传播具有延时性[13], 把时间引入到故障传播及故障溯源研究中, 能避免故障定位时的误判断, 可以更准确、更符合实际地描述故障传播方式, 在此基础上提出的故障溯源与诊断方法将更为有效[14-15].

现有故障传播建模与溯源方法主要有: 基于定量知识模型分析方法、基于数据驱动方法和基于知识与数据方法. 基于定量知识模型分析方法, 是在精确数学解析机理上建立系统模型, 常见有等价空间法、状态估计法、符号有向图法等[16-18], 这类方法对于复杂系统无法有效实施建模; 基于数据驱动方法, 以系统数据信息为对象, 建立系统数据模型进行分析, 如趋势模型、主元分析模型等[19-20], 这类方法需要充足的历史数据才能建立准确、完整的模型, 对故障原因分析时解释性较差、较难判断故障根原因; 单纯的基于定量知识模型与基于数据驱动的方法难以获得较好效果, 从而产生了一系列基于知识与数据方法, 但总体来看这类方法还处在初步探索阶段, 两者间的相关性与融合等问题还不够完善, 更缺乏牵引传动控制系统故障传播与溯源方法的研究.

本文从一般系统故障溯源入手, 通过建立具有时空特性的系统故障传播模型和判定观测点间的Granger因果关系[21-22], 最终实现故障溯源. 具体地, 对于牵引传动控制系统故障溯源, 本文创新性的采用知识与数据方法, 首先从系统机理出发通过分析观测点间转移函数建立观测点电流信号模型; 然后通过Granger因果关系方法检测不同观测点电流信号时间序列间的因果关系, 由此确定适合用于故障诊断的观测点; 最后通过数据分析提取这些观测点的故障特征和故障传播时间, 与对应观测点电流信号匹配从而定位故障位置与故障种类, 实现故障溯源. 该方法深入分析系统机理和数据信息, 具有明显的优势.

本文结构安排如下: 第1节建立一般系统故障传播模型; 第2节描述所提方法利用故障传播模型与Granger因果关系进行故障溯源; 第3节以高速列车牵引传动控制系统故障溯源为例在半实物仿真平台上进行实验验证, 实验结果表明所提基于故障传播与因果关系的故障溯源方法有效; 第4节对全文进行了总结.

图 1  方法整体流程图

图 2  牵引传动控制系统观测点示意图

图 3  牵引传动控制系统主电路拓扑图

本文提出了一种基于故障传播与因果关系的故障溯源方法, 建立具有时空特性的系统故障传播模型; 使用Granger因果关系对不同观测点的观测数据进行分析, 判定观测点间信号变化的因果关系, 确定适合用于故障诊断的观测点; 提取这些观测点的故障特征和故障传播时间并与故障传播模型中对应观测点的时空特性结果相匹配, 最终定位故障类型和故障发生位置, 实现故障溯源. 最后通过在CRH2高速列车牵引传动控制系统半实物仿真平台实验, 说明本文方法的有效性.

作者简介

尹进田

中南大学自动化学院博士研究生. 2004年获得湖南工程学院学士学位. 主要研究方向为牵引传动控制系统故障仿真与诊断. E-mail: yinjintian0115@163.com

谢永芳

中南大学自动化学院教授. 1999年获得中南大学博士学位. 主要研究方向为复杂工业过程建模与控制, 分散鲁棒控制, 故障诊断. E-mail: yfxie@csu.edu.cn

陈志文

中南大学自动化学院讲师. 2016年获得德国杜伊斯堡 − 埃森大学博士学位. 主要研究方向为基于模型和数据驱动的故障诊断技术. 本文通信作者. E-mail: zhiwen.chen@csu.edu.cn

彭涛

中南大学自动化学院教授. 2005年获得中南大学博士学位. 主要研究方向为复杂系统的故障诊断与容错控制. E-mail: pandtao@csu.edu.cn

杨超

中南大学自动化学院博士研究生. 2014年获得重庆科技学院学士学位. 主要研究方向为牵引传动控制系统的故障诊断与健康监测. E-mail: chaoyang@csu.edu.cn