买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏科技大学申请的专利一种基于T-S模糊数据驱动ToMFIR的高速列车悬挂故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115032894B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210528413.1，技术领域涉及：G05B13/04；该发明授权一种基于T-S模糊数据驱动ToMFIR的高速列车悬挂故障诊断方法是由吴云凯;苏宇;周扬;朱志宇设计研发完成，并于2022-05-16向国家知识产权局提交的专利申请。

本一种基于T-S模糊数据驱动ToMFIR的高速列车悬挂故障诊断方法在说明书摘要公布了：本发明公开了一种基于T‑S模糊数据驱动ToMFIR的高速列车悬挂故障诊断方法，包括：对列车悬挂系统及正则系统进行T‑S模糊建模，再对所得真实系统和正则系统的T‑S模糊模型进行数据建模，得到真实系统和正则系统的数据模型；利用仪器获取列车悬挂系统运行时真实系统和正则系统输出，并构造真实系统和正则系统的输入输出数据矩阵；利用辨识技术设计基于数据驱动的故障信息全度量残差；构造评价函数，在检测指标大于阈值时报警；设计悬挂系统传感器故障隔离算法对传感器故障进行隔离；设计悬挂系统执行器故障隔离算法对执行器故障进行隔离。本发明方法可在悬挂系统发生故障、甚至是缓变或间歇性微小故障时，进行有效检测并隔离故障。

本发明授权一种基于T-S模糊数据驱动ToMFIR的高速列车悬挂故障诊断方法在权利要求书中公布了：1.一种基于T-S模糊数据驱动ToMFIR的高速列车悬挂故障诊断方法，其特征在于，以主动式作动器、传感器为故障诊断对象，包括以下步骤： 步骤1.对高速列车悬挂系统及其正则系统进行T-S模糊建模，再对得到的真实系统T-S模糊模型和正则系统T-S模糊模型进行数据建模，得到真实系统的输入输出数据模型和正则系统的输入输出数据模型，具体过程包括： 步骤1.1.高速列车悬挂系统的离散非线性真实系统G及正则系统G0可分别表示为： 其中，A,B,C,Ed,Ef,Ff为空间状态方程相应的系数矩阵；xk,g·,uk,dk,yk分别为真实系统的状态变量、非线性函数、控制输入变量、轨道扰动激励、输出变量；fk表征所有可能的故障；ξk分别是过程噪声和测量噪声；x0k,y0k,u0k分别为正则系统的状态变量、输出变量和控制输入变量； 步骤1.2.由步骤1.1中悬挂系统离散非线性真实系统G及正则系统G0，有： 其中θk＝[θ1k…θpk]表示可测量的前提变量；表示第i条模糊推理规则；Nj,i表示模糊集，其中，j＝1,2,…,v，v表示推理规则的数量； 通过标准的模糊推理方法，可推断出模糊系统的输出： 其中μiθk表示模糊隶属度函数，满足μiθk≥0且 步骤1.3.由步骤1.2中悬挂系统真实系统的T-S模糊系统3，有： 其中ylk,ulk,dlk,flk,ξlk为堆栈矩阵，Γi,l,Hi,u,l,Hi,d,l,Hi,f,l,为相应的系数矩阵，具体形式如下： 步骤1.4.步骤1.3所得表达式7含有状态变量xk，为消除状态变量xk，由步骤1.2中悬挂系统真实系统的T-S模糊系统3可得到： 其中， 步骤1.5.将步骤1.4中所得表达式10代入步骤1.3所得表达式7，有 其中 步骤1.6.同理，由步骤1.2中悬挂系统正则系统的T-S模糊系统4，有： 其中， 步骤2.利用位移传感器、陀螺仪获取高速列车运行时列车车厢质心的垂向位移、角速度信号及转向架构架质心的垂向位移信号，所述传感器及陀螺仪的信号即为真实系统输出；所得真实系统的输入输出信号用于构造真实系统的输入输出数据矩阵，所得正则系统的输入输出信号用于构造正则系统的输入输出数据矩阵； 步骤3.利用步骤2中所得真实系统的输入输出数据矩阵和正则系统的输入输出数据矩阵进行矩阵辨识、设计基于数据驱动的故障信息全度量残差，具体过程包括： 步骤3.1.定义输出残差ry,lk，用于表征真实系统和正则系统的输出差异 步骤3.2.定义控制器残差ru,p,lk，用于表征真实系统和正则系统中控制器的输出差异 步骤3.3.定义闭环控制结构下的故障信息全度量残差 其中表征正则系统在实时输入信号驱动下的系统输出； 步骤3.4.考虑时间间隔N，由步骤1.5中所得表达式11，可得： Yk,l＝Hi,u,p,lUk,p,l+Hi,d,p,lDk,p,l+Hi,f,p,lFk,p,l+Hi,e,p,lEk,p,l17 步骤3.5.对过程数据做LQ分解： 可得 步骤3.6.基于步骤3.5辨识的矩阵Hi,u,p,l，模糊数据驱动ToMFIR可写为： 其中然后，全局数据驱动ToFMIR可写为： 其中μi为模糊隶属度； 步骤4.利用步骤3中设计的基于数据驱动的故障信息全度量残差构造评价函数J，结合故障检测报警阈值，在检测指标达到报警阈值时进行报警，其中，利用基于数据驱动的故障信息全度量残差，进行悬挂系统微小故障的检测，具体步骤包括： 步骤4.1.残差信号ToMFIRk∈Rm可写为ToMFIRk＝[τ1,…,τm]T；假设ToMFIRk服从或近似服从高斯分布，有其中 步骤4.2.引入无故障残差信号ToMFIRrfk为无故障时刻的ToMFIRk，根据步骤4.1，同理有其中 步骤4.3.基于Jensen-Shannon散度，可定义如下评价函数： 步骤4.4.利用所设计的基于数据驱动的故障信息全度量残差及评价函数，针对高速列车悬挂系统的微小故障，其故障检测机制为 步骤5.利用步骤3中设计的基于数据驱动的故障信息全度量残差，设计悬挂系统传感器故障隔离算法对传感器故障进行隔离，具体步骤包括： 步骤5.1.输出残差ry,lk＝[rk,…,rk+l]服从或近似服从高斯分布，有其中 步骤5.2.当检测到故障时，收集故障运行数据，然后建立输出残差的动态故障模型为： 其中表示在线数据，表示重构后的无故障部分，表示单位矩阵和Ξs的Kronecker乘积，其中表示输出残差的故障分布矩阵，其中n表示故障变量的个数，gi∈{1,2,…,ky}代表第i个故障变量的位置，为单位矩阵的第i列； 样本向量的概率密度函数为： 其中 为了估计故障的大小，广义的最小二乘建立如下 fs,lk的最大似然估计为 重构后的输出残差可写为 重构后的全局数据驱动ToFMIR可写为 重构后的评价函数为 JToMFIR*k＝JSToMFIR*k‖ToMFIRrfk29 步骤5.3.初始化：令n＝0表示Ξs中分布向量的个数； 步骤5.4.fori＝1:ky-n,构造其中是单位矩阵的第i列； 步骤5.5.根据步骤5.2中表达式26-29，计算与有关的重构统计量 步骤5.6.将插入到Ξs中，令n＝n+1； 步骤5.7.计算与Ξs有关的重构统计量若返回步骤5.4； 步骤5.8.基于步骤5.7中得到的隔离故障变量 步骤6.利用步骤3中设计的基于数据驱动的故障信息全度量残差，设计悬挂系统执行器故障隔离算法对执行器故障进行隔离，具体步骤包括： 步骤6.1.与输出残差相同,控制器残差服从高斯分布其中 步骤6.2.当检测到故障时，收集故障运行数据，然后建立控制器残差的动态故障模型为： 其中表示在线数据，表示重构后的无故障部分，表示单位矩阵和Ξa的Kronecker乘积；其中表示控制器残差的故障分布矩阵，n表示故障变量的个数，gi∈{1,2,…,ku}代表第i个故障变量的位置，为单位矩阵的第i列； 样本向量的概率密度函数为： 其中 为了估计故障的大小，广义的最小二乘建立如下 fa,p,lk的最大似然估计为 重构后的控制器残差可写为 当执行器发生故障时，输出也将包含故障信息；可以使用重构的控制器残差和辨识得到的矩阵和来表示与重构后控制器残差对应的输出残差；根据步骤1.5中表达式11和步骤1.6中表达式13，有： 重构后的模糊数据驱动ToFMIR可写为 重构后的全局数据驱动ToFMIR可写为 重构后的评价函数为 JToMFIR*k＝JSToMFIR*k‖ToMFIRrfk38 步骤6.3.初始化：令n＝0表示Ξa中分布向量的个数； 步骤6.4.fori＝1:ku-n,构造其中是单位矩阵的第i列； 步骤6.5.根据步骤6.2中表达式33-38，计算与有关的重构统计量 步骤6.6.将插入到Ξa中，令n＝n+1； 步骤6.7.计算与Ξa有关的重构统计量若返回步骤6.4； 步骤6.8.基于步骤6.7中得到的隔离故障控制器变量

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏科技大学，其通讯地址为：212100 江苏省镇江市丹徒区长晖路666号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。