一种车辆横向动力远程测控系统的故障检测方法与流程

本发明涉及动态系统故障检测领域，尤其涉及一种车辆横向动力远程测控系统的故障检测方法。

背景技术：

目前对车辆综合性能的检测仅处于手动或半自动检测状态，随着网络技术和测控技术的发展，基于网络的车辆远程测控系统对提高整体检测技术水平有着十分重要的作用，其最大特点是远离现场、节省人力、检测效率高、检测结果准确。

由于在测控系统中引入了网络作为传输介质，在实际应用中，传感器输出是间歇的，并且含有多种形式的干扰。在确定的时间间隔内，数据包可能很难及时到达，甚至会在信道传输过程中丢失，这种现象被称为丢包，其可采用伯努利分布参数或马尔可夫链描述该特性。同时，在实际数据包传输过程中，需要将现场的模拟信号量化，引入了量化误差，因此，为实现车辆横向动力系统的远程故障检测，需充分考虑网络通信信道中多重数据包丢失和量化误差的作用，设计可行的故障检测滤波器和判别逻辑，这对于该类系统的故障检测尤为重要。

技术实现要素：

本发明旨在解决由TCP类传输协议组建的网络化车辆横向动力远程测控系统的故障检测问题。

本发明公开了一种车辆横向动力远程测控系统的故障检测方法，包括如下具体步骤。

第一步：

根据车辆横向动力系统的运动学规律，对车辆横向动力系统建立如下形式的状态空间模型：

（1）

其中，分别表示状态变量、控制输入、动力系统的本地观测值、过程扰动和故障；为已知的时变矩阵。

第二步：

在由TCP类协议搭建的测控系统中，测量值会受到多重数据包丢失与量化误差的影响，测控系统的远程测量方程建模如下：

（2）

其中代表观测噪声，为主对角线元素是伯努利随机变量的对角矩阵， ()为概率密度函数定义在区间上的独立同分布的随机变量。的均值和方差已知，分别表示为和；和可由基于TCP类协议的测控网络的时间戳标记统计得到；

代表了信道传输发送端的对数量化器，其中代表了的每个通道。对于，其量化水平如下：

其中，代表量化密度，各参数定义范围如下

，，，

可根据测控系统数据包发送端的A/D转换器参数获得。

第三步：

可写为，其中，

定义，得到

令和，则满足

量化器作用可表示为如下等效模型

（3）。

第四步：

通过（2）式和（3）式，原系统（1）式可写为如下形式

（4）

其中各增广信号和参数矩阵定义为，，，。

第五步：

对于（4）式，在TCP类协议下，信道中传输的数据包具有时间戳标记，即在线已知，设计如下形式的基于观测器的故障检测滤波器产生残差：

（5）

其中是的估计，是生成的残差，是观测器增益，是后置滤波器。

第六步：

由（4）和（5）得到该系统的误差模型如下所示

残差信号可表示为：

其中

，；

定义线性算子和：

其中

S是正定的初始加权矩阵，是信号随机意义下的l₂范数；

设计观测器增益矩阵和后置滤波器,使如下性能指标最大化

。

第七步：

按如下算法计算观测器增益矩阵和后置滤波器

其中

。

第八步:

残差产生后，选用如下残差评价函数：

其中，表示时间窗口的长度。相应的阈值选择如下：

根据如下的逻辑，判断是否有故障发生：

（10）。

附图说明

图1为本发明车辆横向动力系统运动学示意图。

图2为本发明车辆横向动力远程测控系统示意图。

图3为通过本发明所提议算法产生的残差曲线图。

图4为通过本发明所提议算法产生的残差曲线图。

图5为在故障情况下与无故障情况下的残差评价函数图。

具体实施方式

下面结合附图对本发明做进一步说明。

图1为本发明车辆横向动力系统运动学示意图，具体步骤如下。

第一步：

选择车辆侧滑角和角速度作为状态变量，转向角作为输入变量，给出状态空间模型如下：

其中

其中m表示总质量，是经向速度，分别为车辆前后侧偏刚度，表示Z轴上的转到惯量，分别表示重心到前轴、后轴的距离。

第二步：

传感器输出矩阵C给出如下：

设，采样时间设为0.1s，可得出如下离散时间参数矩阵：

。

第三步：

设网络传输通道中描述数据包丢失特性的变量的概率密度函数为如下形式

则可计算得到其均值和方差分别为。对于量化误差影响，设对数量化器的参数设置为。离散时间仿真时段选为，过程噪声和测量噪声为如下形式

其中是在间隔中随机取的数。

第四步：

假设原系统受到如下方波故障信号作用：

对于以上参数，我们能得到生成的残差信号，图3和图4展示了本发明中所述算法产生的残差，图5展示了对于故障情况和非故障情况下的残差评价函数。通过400次蒙特卡罗仿真，计算无故障时的，得阈值为。图5为在故障情况下与无故障情况下的残差评价函数图。由图5可以看出，当故障发生1s后，该故障可被检测到。