基于特征相關性的牽引系統主回路接地故障診斷

陳志文 李學明 徐紹龍 彭濤 陽春華 桂衛華

在能源危機與環保壓力日益加大的今天,綠色交通已成為世界軌道交通的發展趨勢,鐵路作為經濟環保的交通運輸模式會得到持續發展.高速鐵路網的全面規劃和布局無疑將帶動高鐵經濟及沿線區域經濟的快速發展,各個國家和地區的高鐵擴建及升級工程正在悄然進行[1?2].高速鐵路的快速發展帶動著機車車輛技術的快速升級換代,機車結構越來越復雜,可靠性等要求也越來越高.由于牽引傳動系統裝置運行環境復雜,腐蝕、溫度、濕度以及電浪涌、靜電等因素都會影響其運行狀態,故障的發生難以避免,且大多故障無法通過定期維修的方式來消除[3?5].如果機車在運行途中發生了故障,最優解決方案是能進行在線診斷,定位出故障原因,并執行適當的隔離保護策略.如未能及時診斷出故障原因并排除故障,將會造成行車事故,延誤列車的正常運行,影響整個線路乃至全路的運輸秩序,嚴重時會造成安全性事故[6?7].

目前大多數電力機車和動車的設備檢修維持在定期檢修的基礎上,例如現在電力機車檢修規程根據機車不同長度走行公里數確定的小修、中修、大修等,此類檢修制度存在過度維修可能,占用的人力、材料、設備資源較多.如果能對電力機車和動車的運行狀態進行有效的實時檢測和診斷,可為機車設備安全運行提供可靠支撐,因此研究在線故障診斷技術,實現對機車各部件的劣化、故障狀態、故障部位的精確診斷顯得尤為重要.

機車和動車正常接地是提供一個等電位點或等電位面,給各電源系統提供參考零電位,保證各支路電源形成正常通路,或是為了保護司乘人員和設備的安全,采用低阻抗導體將用電設備的外殼與本體連接,使操作人員不致因設備外殼漏電或故障放電而發生觸電危險.接地可以接真正的大地,如機車上各電氣設備接機車車體,車體又通過轉向架和車輪與地面鋼軌連接,因此機車電氣設備的接地電位就是大地電位[8].在機車運用過程中,由于電纜老化、振動摩擦等原因,易造成主電路發生非正常接地.一般而言,一點接地并不會帶來什么危害,對系統的正常工作不會有太大的影響,但兩點或多點接地,就可能產生很大的短路電流,造成電傳動系統部件的燒損,嚴重情況下甚至會導致機破.此外,不同接地點對系統影響不同,控制系統應采取不同的保護動作以提高機車動車的可用性.因此,若能實現主回路各接地點的精確診斷將會提高機車和動車的安全性和可用性,以及極大提升故障檢修的效率,降低維護成本.

國內外許多學者和工程技術人員對接地故障及檢測診斷方法開展了廣泛深入的研究,如文獻[9]對電力系統常見接地方案及保護裝置進行了詳細介紹.文獻[10]針對單相牽引變壓器次邊接地問題,基于實驗室裝置,實驗分析了離散小波變換系數低頻系數與負載以及次邊接地點位的變化規律,為后續分析和定位牽引變壓器故障提供了基礎.文獻[11]對目前常用的IEC 標準的A 型(僅AC 側)差分電流保護電路和接地檢測繼電器的不足進行了闡述,并針對變頻驅動系統中的B 型(AC/DC)接地保護裝置原理及優點進行了詳細分析.文獻[12?14]提出了一種變頻調速系統負載側接地診斷方法,該方法需增加一個硬件電路采集中性點對地電壓,通過對接地時中性點對地電壓變化規律進行分析總結實現負載側接地診斷功能.該方法需增加硬件且僅適用于負載側接地診斷.文獻[15]對HXD1、HXD2、HXD3 三種車型的接地檢測裝置、檢測原理及其接地檢測方法優缺點進行了詳細分析,分析表明了HXD1 和HXD3 接地檢測方法的優越性.文獻[16]對HXD1C 機車主回路接地檢測原理和典型故障進行了詳細介紹.文獻[17]結合目前交流傳動電力機車主回路接地檢測常用的等分式和偏置式分壓電路進行了對比分析并提出了相應的故障保護策略.文獻[18]針對“中華之星”動車組的主回路接地檢測原理進行了分析,并分析了現場故障案例,討論了目前簡單閾值超限判斷方法存在的問題.典型相關分析(CCA)因其簡便有效已被廣泛用于工業過程的故障診斷[19?21],文獻[22]針對牽引系統主回路接地故障診斷問題,考慮各測量變量間的相關性,提出了一種基于典型相關分析的接地故障故障檢測方法,并利用殘差和故障方向信息實現故障隔離,但在較大測量噪聲與暫態工況變化時其診斷性能仍需提升.

綜上所述,目前接地故障一般是基于硬件接地檢測電路,采用簡單的上下限超限報警方式實現接地檢測[13?16],或者基于單一指標,不能準確區分具體故障點(整流側、直流環節或逆變側)[10?12],不利于現場故障排查.文獻[22]基于測量數據之間的相關性,但由于各測量數據多為含高頻噪聲的交流信號,直接利用其測量數據進行殘差和故障方向信號計算時,故障隔離效果欠佳,且對數據平穩性要求較高.

本文主要的創新點是:1)分析采樣信號在不同典型故障類型時的特征規律,計算故障特征變量;2)提出一種基于特征相關性的牽引系統主回路接地故障診斷方法,具體地,根據故障特征變量,提取故障特征指標,通過特征相關性分析,構建殘差發生器和提取殘差方向用于故障檢測和故障隔離,提升了測量噪聲大和暫態存在工況時的故障診斷性能,并且所提方法無需新增硬件;3)通過現場數據實驗表明,所提方法能快速檢測與隔離故障,與文獻[22]相比,在存在測量噪聲和暫態工況時能實現更加準確的故障定位,驗證了所提方法的有效性和可行性.

1 牽引系統主回路工作原理介紹

機車和動車典型牽引系統主回路如圖1 所示,主要由牽引變壓器、牽引變流器(包括充電回路、四象限整流器、接地檢測回路、中間直流環節、逆變器等)和牽引電機三大部分組成.單相AC 25 kV交流電經過受電弓、主斷路器VCB和牽引變壓器原邊進入車體,由牽引變壓器次邊繞組向變流電路提供交流電.交流電在四象限整流器的作用下變換成直流電,經中間直流環節濾波后,通過逆變器轉換成頻率和幅值可變的三相交流電驅動牽引電機,從而控制列車以不同速度和牽引力前進.

圖1 牽引系統典型主電路原理圖Fig.1 Schematic diagram of main circuit of traction system

主電路工作過程主要分成如下幾個工況:

1)充電前期工況C1:主斷路器閉合后至充電接觸器KM1 閉合前,此工況為暫態工況,用來接通高壓電源;

2)預充電工況C2:充電接觸器KM1 閉合后至短接接觸器KM2 閉合前,此工況為暫態工況,主要是防止減小合短接接觸器KM2 時的沖擊電流;

3)短接工況C3:短接接觸器KM 2 閉合且四象限、逆變器均未運行,此工況為暫態工況,一般啟機或故障重投時會經歷此工況;

4)四象限運行工況C4:短接接觸器KM2 閉合、四象限運行且逆變未運行,此工況為暫態工況,一般啟機或故障重投時會經歷此工況;

5)逆變運行工況C5:短接接觸器KM 2 閉合、四象限和逆變均運行,此工況為穩定工況,列車正常牽引運行時均處于此工況;

機車動車牽引系統啟機過程或故障重投過程一般依次經歷工況C1～C5 或中間的幾個工況,穩態運行時將維持在工況C5.

2 典型主回路接地故障分析

傳動系統主回路接地檢測回路和常見接地點如圖1 所示.原邊電壓互感器TV 采集牽引變壓器原邊電壓,中間電壓傳感器VH1 用來采集主回路中間直流電壓,接地檢測電壓傳感器VH2 用來采集分壓型檢測電路中的接地檢測電壓,設VH1、VH2傳感器采樣值分別為Us1和Us2,正常無故障情況下,Us2為Us1的一定比例值(其比例為R2 與R1+R2 的阻值比,一般R1 阻值等于R2 阻值,也就是阻值比為0.5),則下式成立:

牽引系統常見主回路接地故障點如表1 所示,下面對各類故障點的故障特征進行詳細分析.

表1 牽引系統常見主回路接地故障點Table 1 The ground points of typical faults

2.1 四象限輸入側正端接地

當存在四象限輸入側正端接地時,接地檢測電壓傳感器VH2 采樣值將隨著四象限開關動作狀態在0 與Us1值間變化(變化頻率與四象限模塊工作時開關頻率相等),其變化規律可用式(2)進行計算:

式中,SA與四象限模塊A 相橋臂(VT 1 和VT 2)開通狀態有關,且VT 1 開通時SA為1,VT 2 開通時SA為0.

2.2 四象限輸入側負端接地

當存在四象限輸入側負端接地時,接地檢測電壓傳感器VH2 采樣值將隨著四象限開關動作狀態在0 與Us1值間變化(變化頻率與四象限模塊工作時開關頻率相等),其變化規律可用式(3)進行計算:

式中,SB與四象限模塊B 相橋臂(VT 3 和VT 4)開通狀態有關,且VT 3 開通時SB為1,VT 4 開通時SB為0.

2.3 中間直流環節接地

當存在中間直流環節接地時,接地檢測電壓傳感器VH2 采樣值將恒定為0 或Us1,且

2.4 逆變輸出側接地

當存在逆變輸出側接地時,接地檢測電壓傳感器VH2 采樣值將隨著逆變器開關動作狀態在0 與U s1值間變化(變化頻率與逆變模塊工作時開關頻率相等),以逆變輸出側U相接地為例,其變化規律可用式(5)進行計算:

式中,SU與逆變模塊U 相橋臂(VT 1 和VT 2)開通狀態有關,且VT 1 開通時SU為1,VT 2 開通時S U為0.V 相和W 相接地情況與U 相類似.

3 主回路接地故障特征指標分析

設歸一化后的Us1、Us2和U2依次為和,正常情況下兩者之間存在如下關系式

正常工況下Ix1均值將為0,方差為較小值.若發生接地故障,則故障特征變量Ix1均值等時域指標均發生較大變化,不同接地故障時Ix1變化規律如表2 所示.

表2 不同接地故障類型時故障特征變量 Ix1 變化規律Table 2 The change rules of Ix1 with different ground faults under working condition C5

從表2 可知,通過故障特征變量Ix1的變化規律可區分出故障類型F3、F4 與其他類型故障,但無法區分故障類型F1、F2 和F5,因此,需增加可區分F1、F2 和F5,的相關特征變量.

由式(2)、(3)和(5)可知,故障類型F1、F2 和F5 與模塊開關頻率及開關狀態強相關,因此,需結合四象限和逆變工作時開關動作信息進行進一步診斷.

在牽引系統中,為了保證網側功率因數為1,需通過控制四象限模塊IGBT 脈沖來精確控制次邊電流相位,使其與次邊電壓相位保持一致(牽引工況)或相位相差180 度(制動工況),因此,四象限開關動作狀態與次邊電壓強相關.而逆變模塊開關動作與次邊電壓無直接關聯.根據現場測試的波形數據,得到牽引工況下四象限輸入側正端接地F1、四象限輸入側負端接地F2 以及逆變輸出側接地F5時的PWM波形、各相開關狀態以及故障特征變量I x1的波形分別如圖2(a)、(b)、(c)所示.制動工況時F1、F2 分別對應圖2(b)和(a).由圖2 可以看出,故障類型F1,次邊電壓為正時,故障特征變量I x1均值小于0,次邊電壓為負時,故障特征變量I x1均值大于0;故障類型F2,次邊電壓為正時,故障特征變量Ix1均值大于0,次邊電壓為負時,故障特征變量Ix1均值小于0.故障類型F5,不管次邊電壓為何值,故障特征變量Ix1均值都約為0;

圖2 故障類型F1、F2 和F5 的波形特征Fig.2 Features of F1、F2 and F5 faults

因此,可建立式(8)所示故障特征變量來區分故障類型F1、F2 和F5,且不同故障類型時故障特征變量Ix2變化規律,如表3 所示.

表3 不同接地故障類型時故障特征變量I x2變化規律(工況5)Table 3 The change rules of Ix2 with different ground faults under work condition C5

基于上述分析,可利用基于故障特征變量I x1和Ix2,計算其能表征故障類型的時域指標來進行各類主回路接地點的檢測與精確定位.其故障特征指標包括Ix1均值、Ix1方差、Ix1最大值、Ix1最大峰值、Ix2均值,依次記為J1～J5,其計算式如式(9)～(13)所示:

式中,N取為計算周期內的采樣點數,k為采樣時刻.

4 基于特征相關性的故障診斷方法

4.1 故障檢測算法

基于特征相關性的故障診斷方法由故障檢測和故障隔離兩部分組成.本節介紹故障檢測部分,其原理如圖3 所示,與原始基于典型相關分析的故障檢測方法不同,該方法在進行CCA 參數計算以及在線殘差生成時,是通過采用經特征分析后提取的故障特征變量,并計算相關特征指標值來進行故障檢測而非檢測原始采樣值本身.通過特征提取的方式可有效減少噪聲對算法性能的影響,使之具有更好的抗噪能力.同時,由文獻[22]可知,殘差方向對噪聲比較敏感,容易受噪聲干擾,因此,通過提取特征的殘差方向,會提高診斷的準確性.

圖3 基于特征相關性的故障檢測算法流程圖Fig.3 Flowchart of the feature correlation-based fault detection algorithm

如上所述,當出現不同接地故障時,故障特征指標J1～J5將出現變化,下面利用各特征指標間的相關性,融合各個特征指標來實現故障診斷,以實現診斷算法更好的抗噪性與準確性.

根據特征指標含義及其之間的關聯關系,我們將J1、J2、J5劃分為第一數據集并令y a(k)[J1(k),J2(k),J5(k)]T,J3、J4為第二數據集并令y b(k)[J3(k),J4(k)]T.

令Ya[y a(1),y a(2),···,y a(N)]∈,Y b[y b(1),y b(2),···,y b(N)]∈為根據歷史正常測量值計算出來的計算特征指標數據集,和為Y a和Y b經去均值處理后的值,則:

對 Υ 進行奇異值分解(SVD)[23],得:

令

由典型相關分析理論[23]知:

其協方差矩陣為[20]

故障檢測閾值通過近似卡方分布得到,也就是

式中,Jth,r1表示閾值,表示自由度為ma的卡方分布,α表示置信水平,通常理解為容許出現誤檢測的概率.相應的故障檢測決策邏輯可表述為

4.2 故障隔離算法

下面采用等價矢量方向的方法[24?25]來進行故障隔離算法設計.將式(21)重寫成如下形式

式中,dim(z)表示變量z的維度算子.

假設矩陣 ? 列滿秩,則殘差矢量空間υ可由矩陣 ? 的各列(如rs1,r s2,···,r sn)表示,

假如矢量rsi,i1,2,···,sn的每列為固有方向,由于0,矢量rs1,r s2,···,r sn為非正交基.

給定更新的采樣計算指標值z k,定義如下殘差形式為當前殘差方向:

其描述與式(26)一致,但在故障發生時會包含故障信息.由于r k的協方差為 Σr1,歸一化的當前殘差方向可表述為:

由于在傳動系統運用過程中,同時出現多種主回路接地故障的情況非常少.因此,我們僅考慮同一時間僅發生一種接地故障.對單一故障情形,對應故障f j,其當前殘差信號可描述為

對其進行SVD,得到與其最大奇異值對應的第一列為主要故障方向.在此,為簡化應用,我們選擇其為每類故障的固有殘差方向,即

故障隔離可通過求解如下最優化問題來實現:

綜上,基于特性相關性的故障診斷算法由故障檢測和故障隔離兩部分組成,包括離線設計和在線診斷兩個主要實現步驟,其整體原理框圖如圖4 所示.

圖4 基于特征相關性的牽引主回路接地故障診斷算法原理框圖Fig.4 Diagram of the feature correlation-based fault diagnosis algorithm for main circuit of the traction system

5 現場實驗驗證

5.1 實驗對象及算法參數介紹

在某型機車牽引變流器上進行了本文所提基于特征相關性FC-CCA故障診斷算法的現場實驗驗證并與文獻[22]中所提基于原始數據的CCA方法以及傳統診斷方法進行對比.牽引變流器實物圖如圖5所示,通過變流器柜體下端與牽引變壓器及牽引電機連接的接線端子接地可模擬不同接地點故障,接線端子布置如圖6 所示.

圖5 機車牽引變流器實物圖Fig.5 Photo of the traction converter for field test

圖6 牽引變流器對外連接端子布置圖Fig.6 Layout diagram of connection terminals under traction converter cabinet

該型機車整個牽引變流柜由4 組整流、逆變單元組成,可完成4 個牽引電機的獨立控制.本文基于第一組的整流、逆變單元,通過模擬不同接地點進行接地實驗來進行診斷算法功能驗證.接線端子與本文所提接地點對應關系如下:

端子1.1–四象限輸入側正端(該端子與牽引變壓器次邊繞組正端相連接);

端子1.2–四象限輸入側負端(該端子與牽引變壓器次邊繞組負端相連接);

端子Xp–中間回路正母排等電位點;端子Xn–中間回路負母排等電位點;

端子1U–逆變器輸出側地(該端子與1 軸牽引電機U 相大線連接);

實驗方法為:在低壓工況下(降受電弓、分主斷且保證牽引變流器為無高壓電),將端子1.1、1.2、Xp、Xn或1U端子的任一點與柜體接地點連接在一起,然后升弓,合主斷,讓牽引系統啟動工作,監測采集數據,確認是否可正確報出故障.

采用包括C3～C5 工況的4 000 個現場無故障數據樣本建立故障檢測所用FC-CCA 模型以及CCA 模型,故障隔離算法中的固有殘差方向庫采用現場歷史故障案例樣本的每類4000 個數據建立.最后,現場模擬不同接地點故障來對所提算法進行驗證.算法所用的相關采集與計算數據如表4 所示,數據采樣及計算周期為160 us,故障特征指標及故障特征指標計算數據長度為10 ms.

表4 算法對比驗證所采用數據Table 4 Test data for comparing and verifying algorithms

5.2 性能評價指標

為方便比較,本文參考文獻[22]中的三種性能評價指標來對所提算法的故障檢測與故障隔離性能進行對比,包括故障檢測率(FDR)、正確隔離率(CIR)以及檢測延時(DD).由于系統發生主回路接地時,其系統狀態會發生瞬時變化,本文對比的幾種算法檢測延時(DD) 幾乎一致,因此,本文重點對比FDR和CIR兩各路性能評價指標.FDR與CIR計算方法分別如式(35)與式(36)所示,

式中,Nf為總的故障樣本數,J表示測試統計量,J th為相關閾值,Fjudge為算法判斷出的故障類型,F real為實際故障類型.傳統工程方法(簡稱傳統工程方法)[22]所用的故障檢測統計量如式(37)所示.

正常情況下,Je ≤J th,e,其中Jth,e為基于工程應用經驗設置的故障檢測閾值.

5.3 試驗結果討論

由前面故障特征分析可知,當啟動后運行至工況C3～C5 時,其測量值將發生相應變化,可檢測出相應接地故障.各類故障對應的可檢測工況如表5所示.表中標√表示該工況下測量值會發生明顯變化,標×表示該工況下測量值不會發生明顯變化.

表5 不同故障類型時測量值變化情況說明Table 5 Description of changes in measured in different fault types

本文所提算法與文獻[22]中的CCA方法以及傳統工程方法的在不同故障情況下的試驗對比結果如表6 所示.表中,每一行代表一種故障類型.從表中可以看出,傳統工程方法在FDR 方面低于CCA方法以及FC-CCA 方法,且傳統工程方法無法進行故障隔離,即不能區分具體接地點.FC-CCA 方法在FDR 與CIR 指標總體上優于CCA 方法.由于本文所采用的實驗數據測量噪聲較大且存在暫態工況存在,在故障F3 時,CCA 方法的CIR 指標最高為61.12%;在故障F5 時,其CIR指標僅為1.42%,而所提FC-CCA 方法除了故障類型F 5 時為99.32%外,其余故障情況時,其CIR 均為100%,具有良好的故障隔離性能.

表6 不同故障類型時FDR 與CIR 結果對比Table 6 Comparison results of FDR and CIR in different fault types

圖7～9依次分別為故障類型為F1、F4 和F5時診斷算法對比結果.每個圖的子圖(a)表示算法所需的實時采集的原始數據,子圖(b)為圖(a)算法FC-CCA所用的基于原始數據計算而來的指標數據,子圖(c)為FC-CCA、CCA 方法以及傳統工程方法所有檢測統計量的故障檢測結果,子圖(d)和(e)分別為FC-CCA方法與CCA方法的不同變量貢獻率及故障隔離結果.

圖7 存在故障類型F1 時的檢測診斷結果Fig.7 Diagnosis results in F1 case

圖7 為現場模擬故障F1 時的診斷效果對比.由子圖(a)可看出,由于受IGBT開關動作影響,U s2含高頻測量噪聲,且整個數據段存在工況C3到C4 的切換.而采用特征指標的數據變量變化較平滑,見子圖(b).從圖7(c)可以看出,傳統工程方法在工況C3 時由于其閾值Jth選擇是基于C4 及C5 工況考慮的,因此完全無法檢測出故障,并且在工況C4 時由于其檢測統計量J e大小隨四象限整流器開關動作高頻變化,存在較多的漏報.傳統CCA方法在工況切換過程中檢測統計量J T2存在短時漏報,而FC-CCA 方法整個過程均能檢測出故障,無漏報現象.圖7 子圖(d)所示FC-CCA 方法在整個時間段各變量貢獻率穩定,計算出來的殘差角度區分度好,具有良好的故障隔離效果;而分析圖7 的子圖(e)可知,傳統CCA方法由于受測量噪聲和工況變化影響,各變量貢獻率不穩定,殘差角度區分度與隔離效果較差.

現場模擬故障F4 時的診斷效果對比如圖8 所示.故障F4 時,Us2為直流量,由于存在工況C3到C4 的切換,Us2幅值存在一個短時的單調上升過程,如圖8 的子圖(a)所示.從圖8 的子圖(c)可知,采用FC-CCA 方法與傳統CCA均能很好地檢測出故障.如前所述,傳統工程方法由于其閾值J th選擇是基于C4 以及C5 工況,其檢測效果受Us2的幅值影響較大,當Us2幅值較小時,容易引起漏報,如圖8(c) 所示.在此兩種故障工況下,相比傳統CCA 方法,采用FC-CCA 方法能取得良好的隔離效果(圖8 的子圖(d)).

圖8 存在故障類型F4 時的檢測診斷結果Fig.8 Diagnosis results in F4 case

故障F5 時,由于Us2測量值存在高頻變化,其診斷效果與F1、F2 時相似,從圖9(c)可以看出,傳統工程方法在F5 故障工況下檢測統計量J e大小隨逆變器開關動作高頻變化,存在較多的漏報,傳統CCA方法在工況C4 到C5 切換過程中,其檢測統計量J T2也存在一定漏報,而FC-CCA方法僅存在短時檢測延時,FDR與CIR指標遠高于CCA方法與傳統工程方法.

圖9 存在故障類型F5 時的檢測診斷結果Fig.9 Diagnosis results in F5 case

圖10 為不同故障類型F1～F5 時,FC-CCA方法與CCA 方法固定殘差方向示意圖.從圖10 可以看出,基于特征相關性建立的固定殘差方向庫,不同故障類型區分度更大,如圖10(a)中故障類型F3、F4 與故障類型F1、F2、F5 方向接近反向.此外,不同類型殘差方向對應物理意義更明顯,殘差方向與選擇特征強相關,如F1、F2、F5 方向相關不大,是因為其均與故障特征變量Ix2相關,而F3、F4 由于與Ix2無關,其固定殘差方向與F1、F2、F5方向相差較大.

圖10 故障殘差方向顯示Fig.10 Illustration of five fault directions

綜上,在F1～F5 故障工況下,本文所提FCCCA 方法,由于考慮了特征之間的相關性,而非原始數據之間的相關性,因特征提取的作用,降低了噪聲對方法性能的影響,在非穩態時適應性更強.

6 結論

主回路接地故障作為列車運用過程中的牽引系統典型故障,其診斷的準確性往往受工況切換、測量噪聲等多個因素影響,為提升故障診斷的準確性,本文提出了一種基于特性相關性的故障檢測與隔離方法,此方法的創新性主要體現在如下兩方面:

1)對主回路接地機理特征進行了深入分析并提取出了故障特征變量及其故障特征指標,利用特征指標間的相關性來提升故障診斷性能;

2)提出了一種基于特征相關性的CCA 方法并應用于實際牽引系統主回路接地診斷,并與傳統CCA 方法以及實際應用的接地診斷方法進行了對比.實驗結果表明,所提方法在FDR、CIR 指標方面均優于傳統CCA 方法以及實際應用診斷方法.

本文所提方法結合機理與數據建模的優勢,基于機理確定合適的診斷數據源,基于數據選擇CCA方法來進行算法設計,具有物理意義清晰,結構簡單,易于工程實現等優點,應用前景良好.本文特征分析及提取是基于機車運行在工況C4 和C5,后續將考慮將本方法擴展至C1～C3 工況,建立整個列車運用過程的自適應工況識別、多工況通用特征模型,實現本方法的全工況適用.