，

(南京理工大學(xué) 自動(dòng)化學(xué)院，南京 210094)

城軌車輛電氣柜故障診斷方法研究

周晨程，李軍

(南京理工大學(xué)自動(dòng)化學(xué)院，南京210094)

城軌車輛電氣柜種類繁多，結(jié)構(gòu)復(fù)雜，若依靠人工檢測(cè)的方式進(jìn)行故障的排除，不僅診斷效率低且可靠性差;通過對(duì)多個(gè)城軌車輛電氣柜的具體分析，提出一種動(dòng)態(tài)提取有向圖結(jié)構(gòu)模型并生成測(cè)試序列的算法，利用圖的最優(yōu)路徑算法進(jìn)行測(cè)試自檢，最后使用一種適應(yīng)性測(cè)試診斷樹來完成故障的定位與隔離;實(shí)驗(yàn)表明，該診斷方法能夠有效地對(duì)城軌車輛電氣柜的故障進(jìn)行診斷，且對(duì)于不同拓?fù)浣Y(jié)構(gòu)的城軌車輛電氣柜具有良好的適應(yīng)性。

依賴矩陣；有向圖；電氣柜；故障診斷

0 引言

城軌車輛電氣柜是軌道交通中保障安全的基礎(chǔ)設(shè)施，是影響軌道運(yùn)輸質(zhì)量和可靠性的關(guān)鍵技術(shù)設(shè)備。電氣柜投入使用前如果不經(jīng)過故障的檢測(cè)和排查，會(huì)給企業(yè)生產(chǎn)經(jīng)營(yíng)帶來很大的損失，而且也給調(diào)試帶來了困難。而傳統(tǒng)人工檢測(cè)的方式面臨效率低、可靠性差等問題，已經(jīng)不能滿足時(shí)代的需求，因此，尋找一種支持自動(dòng)在線故障檢測(cè)和定位且能適用于不同結(jié)構(gòu)電氣柜的故障檢測(cè)方法具有重要意義。

城軌車輛電氣柜中存在著大量的繼電電路，故障征兆往往只能通過測(cè)試點(diǎn)的電壓信號(hào)來判斷，其表現(xiàn)形式單一，但電路內(nèi)部大多又是多輸入多輸出的復(fù)雜結(jié)構(gòu)。針對(duì)小型電路而言，可以使用群舉測(cè)試法將可能存在的輸入信號(hào)全部輸入至待測(cè)電路作為測(cè)試碼進(jìn)行對(duì)比測(cè)試。然而，電氣柜中信號(hào)輸入點(diǎn)與信號(hào)輸出點(diǎn)較多，群舉法必然會(huì)暴露測(cè)試碼過多、測(cè)試效率低的缺點(diǎn)，同時(shí)也給仿真模擬響應(yīng)信號(hào)帶來很大難度[1]。針對(duì)這一現(xiàn)狀，將電氣柜電路網(wǎng)絡(luò)進(jìn)行子網(wǎng)絡(luò)劃分后有效地減小了輸入點(diǎn)與輸出點(diǎn)的規(guī)模，組合測(cè)試效率大大提高。本文基于依賴矩陣的電氣柜故障診斷方法，實(shí)現(xiàn)了動(dòng)態(tài)構(gòu)建電氣柜電路拓?fù)浣Y(jié)構(gòu)，并對(duì)其進(jìn)行子網(wǎng)絡(luò)分解，結(jié)合路徑尋優(yōu)技術(shù)生成測(cè)試碼，最后使用適應(yīng)性測(cè)試診斷樹的方式達(dá)到了故障的準(zhǔn)確定位。

1 有向圖模型

當(dāng)前較成熟的測(cè)試性模型，如信息流模型、多信號(hào)流圖模型、混合診斷模型以及貝葉斯網(wǎng)絡(luò)等都來源于有向圖。因此，代表電路拓?fù)涞挠邢驁D模型G(V,E)是故障仿真數(shù)據(jù)的來源，也是電路故障檢測(cè)與推理的基礎(chǔ)[2-3]。

不同結(jié)構(gòu)的城軌車輛電氣柜的內(nèi)部電路，本質(zhì)上都可以用有向圖的形式來表示。通過計(jì)算機(jī)讀取電氣柜的相關(guān)信息后，能夠?qū)⒃g的連接關(guān)系抽象成圖節(jié)點(diǎn)，形成電路的拓?fù)渚W(wǎng)絡(luò)。電氣柜的結(jié)構(gòu)信息可以分為兩部分，一部分為元件連接關(guān)系表，描述電路中包含的元件及端子信息，以及元件之間的連接關(guān)系，另一部分為元件配置表，描述元件的具體端子映射關(guān)系以及系統(tǒng)的總正總負(fù)信息。電氣柜電路網(wǎng)絡(luò)中存在著大量繼電器與接觸器設(shè)備，在節(jié)點(diǎn)的數(shù)據(jù)結(jié)構(gòu)中需要添加觸點(diǎn)類型字段，一個(gè)節(jié)點(diǎn)的數(shù)據(jù)結(jié)構(gòu)應(yīng)當(dāng)包含的基本信息如表1所示。

表1 節(jié)點(diǎn)數(shù)據(jù)結(jié)構(gòu)

城軌車輛電氣柜內(nèi)部電路拓?fù)浣Y(jié)構(gòu)的建立可以分為如下幾個(gè)步驟：

1)讀取所有連接關(guān)系信息，將所有出現(xiàn)的元件名稱和端子號(hào)作為唯一標(biāo)識(shí)，生成節(jié)點(diǎn)集合；

2)讀取一條連接關(guān)系信息，找到步驟一生成的節(jié)點(diǎn)集合中名稱和端子與之匹配的兩個(gè)節(jié)點(diǎn)；

3)判斷這兩個(gè)節(jié)點(diǎn)各自的子節(jié)點(diǎn)中是否已經(jīng)互相包含，如果未包含，就添加節(jié)點(diǎn)的引用或者地址。連接關(guān)系未遍歷完成返回步驟2)，否則轉(zhuǎn)入步驟4)；

4)讀取端子排短接表，以步驟2)、3)的方式把短接關(guān)系視為有向邊添加到節(jié)點(diǎn)的子節(jié)點(diǎn)信息中；

5)讀取元件端子映射表，以步驟2)、3)的方式把元件自身的端子映射關(guān)系視為有向邊添加到節(jié)點(diǎn)的子節(jié)點(diǎn)信息中，若遇到有向元件則按導(dǎo)通方向單方向添加子節(jié)點(diǎn)。

2 測(cè)試方案

2.1 對(duì)比測(cè)試法

針對(duì)大多數(shù)邏輯電路，最常用的檢測(cè)方法即對(duì)比測(cè)試法，簡(jiǎn)單的原理可以表述為將一系列輸入矢量X(x1,x2,…,xn)加在標(biāo)準(zhǔn)線路A和待測(cè)線路B上，由異或電路對(duì)輸出進(jìn)行比較，結(jié)果為1說明B有故障，若所有輸入序列輸出的結(jié)果均為0，則說明B線路正常，檢測(cè)通過[4]。為了提高自動(dòng)測(cè)試的效率，輸入向量可以依據(jù)劃分的子網(wǎng)絡(luò)來自動(dòng)生成，而子網(wǎng)絡(luò)的標(biāo)準(zhǔn)輸出響應(yīng)可以使用仿真得到的模擬結(jié)果集來替代，輸出的特征向量作為檢索故障字典的索引，測(cè)試結(jié)構(gòu)如圖1所示。

圖1 測(cè)試結(jié)構(gòu)

2.2 子網(wǎng)絡(luò)生成

測(cè)試以子網(wǎng)絡(luò)為單位，同一子網(wǎng)絡(luò)中包含的多條測(cè)試支路可以一起測(cè)試，因此子網(wǎng)絡(luò)的劃分也是故障隔離與定位的基礎(chǔ)。測(cè)試模式可以分為兩種類型，一種是導(dǎo)通測(cè)試，另一種是邏輯測(cè)試。導(dǎo)通測(cè)試較為簡(jiǎn)單，測(cè)試線路中不包括繼電器、接觸器等邏輯元件，將電路總正、總負(fù)以及測(cè)試點(diǎn)與測(cè)試點(diǎn)之間的導(dǎo)通測(cè)試劃分為3個(gè)導(dǎo)通測(cè)試網(wǎng)絡(luò)。邏輯測(cè)試較為復(fù)雜，測(cè)試線路中包含邏輯元件，一條邏輯支路的測(cè)試可能涉及到多條條件支路，該測(cè)試支路與條件支路組成一個(gè)子網(wǎng)絡(luò)。

已知被測(cè)支路的情況下，尋找測(cè)試激勵(lì)的問題實(shí)質(zhì)就是求解布爾方程組的解的問題。然而，系統(tǒng)中的邏輯電路并非純數(shù)字電路，其輸入與輸出并不固定，即布爾方程組結(jié)構(gòu)是未知的。因此，必須先要確定輸入輸出，尋找有效的施加激勵(lì)的測(cè)試點(diǎn)，首先通過深度遍歷有向圖，得到包含邏輯元件的測(cè)試支路集，然后生成完全條件回路集，即電路拓?fù)渲兴袦y(cè)試點(diǎn)到總負(fù)且包含繼電器線圈的回路集合。最后生成一個(gè)測(cè)試子網(wǎng)可以分為如下幾步：

1)將待測(cè)支路設(shè)為起始支路；

2)起始支路中線圈對(duì)應(yīng)的觸點(diǎn)標(biāo)記為‘動(dòng)作’，常閉觸點(diǎn)對(duì)應(yīng)的線圈標(biāo)記為禁止得電，常開觸點(diǎn)標(biāo)記為‘動(dòng)作’，并設(shè)置下一個(gè)目標(biāo)線圈為常開觸點(diǎn)對(duì)應(yīng)的線圈；

3)遍歷棧中所有條件支路，若仍全部保持導(dǎo)通狀態(tài)，則將起始支路入棧，否則，撤銷起始支路中線圈對(duì)應(yīng)的觸點(diǎn)的‘動(dòng)作’狀態(tài)，繼續(xù)尋找上一個(gè)目標(biāo)線圈；

4)尋找包含目標(biāo)線圈的回路，設(shè)置為起始支路，返回步驟2)；

5)含常開觸點(diǎn)但找不到條件支路，則出棧，返回步驟4)尋找另一條件回路；

6)棧為空或棧頂支路不含有常開觸點(diǎn)則結(jié)束。

3 故障-測(cè)試依賴矩陣

故障-測(cè)試依賴矩陣又稱D矩陣，在測(cè)試性學(xué)科中依賴矩陣是設(shè)備故障與測(cè)試、故障與故障、測(cè)試與測(cè)試之間定性關(guān)系的一種矩陣表示。它能夠?qū)⑴c設(shè)備故障診斷相關(guān)的知識(shí)(FMECA、故障字典、測(cè)試性模型、仿真測(cè)試結(jié)論)和算法(數(shù)理邏輯、模式識(shí)別、圖論等)緊密銜接起來。基于依賴矩陣的測(cè)試性分析方法以依賴矩陣為核心, 將設(shè)備可靠性信息直接關(guān)聯(lián)到測(cè)試性工程中, 配合多種診斷推理手段, 最終給出標(biāo)準(zhǔn)化的、高可信度的、可驗(yàn)證的測(cè)試性分析結(jié)果[5-6]。

D矩陣描述模型中所有可能發(fā)生的故障模式F={f0,f1,…,fm}與可用測(cè)試T=[d1j,d2j,…,dmj]T之間的邏輯關(guān)系：

其中:矩陣的第i行矢量F=[di1,di2,…,dim]反映的是故障模式i發(fā)生時(shí)所有可用測(cè)試輸出的結(jié)果，第j列矢量T=[d1j,d2j,…,dmj]T反映的是測(cè)試j可以檢測(cè)到的故障模式，矩陣中元素dij表示的是故障模式i與測(cè)試j之間的邏輯關(guān)系，即故障i發(fā)生時(shí)測(cè)試j產(chǎn)生的特征向量。由于電路拓?fù)浣Y(jié)構(gòu)有一定的復(fù)雜性，若由所有元件的故障模式與測(cè)試激勵(lì)組成一個(gè)二維的矩陣，這個(gè)矩陣會(huì)十分龐大，不利于故障的隔離與定位，因此必須對(duì)電路進(jìn)行子網(wǎng)絡(luò)劃分，建立各子網(wǎng)絡(luò)的測(cè)試故障依賴矩陣。

直接通過窮舉所有測(cè)試序列得到的依賴矩陣通常會(huì)包含一些冗余的無效數(shù)據(jù)。依賴矩陣中的全0行，表示該故障模式對(duì)于可用測(cè)試集沒有分辨能力，稱故障不可測(cè)；依賴矩陣中的全0列，表示該測(cè)試不能分辨系統(tǒng)故障模糊集中的任何故障，屬于無效測(cè)試；矩陣中還包含特征向量完全相同的行，將這些故障模式稱為不可區(qū)分故障。經(jīng)過以下兩個(gè)步驟可以簡(jiǎn)化依賴矩陣：

1)刪除所有不可測(cè)故障的行向量；

2)合并所有不可區(qū)分故障的行向量。

根據(jù)有向圖的最小覆蓋原理可知，在簡(jiǎn)化的依賴矩陣中取有限個(gè)測(cè)試列，如果其能夠涵蓋的故障模糊集中所有的故障模式，那么生成的測(cè)試集是一組完全測(cè)試集。完全測(cè)試集表征依賴矩陣中的故障發(fā)生時(shí)能夠被檢測(cè)到的測(cè)試集對(duì)象。

4 測(cè)試集生成

4.1 問題

評(píng)價(jià)一組測(cè)試集是否合理通?？梢允褂媚：取⑷哂喽?、故障隔離水平等多個(gè)指標(biāo)來衡量，其中，測(cè)試的安全性是所有指標(biāo)的前提[7-8]。將生成的測(cè)試集直接用于實(shí)際電路進(jìn)行測(cè)試是不安全的，會(huì)面臨很多的問題。這些問題可以概括為：

1)測(cè)試點(diǎn)注入高壓激勵(lì)時(shí)可能存在短路問題；

2)測(cè)試支路中可能存在環(huán)路問題；

3)已知子網(wǎng)絡(luò)的輸入輸出點(diǎn)，求取有限種輸入組合的情況下的正常輸出特征向量與故障輸出特征向量的問題，即求子網(wǎng)絡(luò)的完全測(cè)試集與最小測(cè)試集的問題。

4.2 Dijkstra算法

Dijkstra算法是解決單源最短路徑的經(jīng)典算法，在一個(gè)賦權(quán)的簡(jiǎn)單連通無向圖G=〈V,E,W〉 (V:頂點(diǎn)集;E:邊集;W:權(quán)重)中, 求一源結(jié)點(diǎn)a到其他結(jié)點(diǎn)x的最短路徑的長(zhǎng)度。算法思想為：

1)把V分成兩個(gè)子集S和T,初始時(shí),S={a},T=V-S；

2)對(duì)于每個(gè)ti(ti∈T), 計(jì)算D(ti),(D(ti)表示從a到ti的不包含T中其他結(jié)點(diǎn)的最短路徑的長(zhǎng)度),根據(jù)D(ti)值找出T中距a最短的結(jié)點(diǎn)x,寫出a到x的最短路徑的長(zhǎng)度D(x)；

3)置S為S∪{x}, 置T為T-{x},若T=Φ,則停止, 否則再重復(fù)步驟2)。

4.3 Dijkstra在測(cè)試集生成中的應(yīng)用

建立一個(gè)n×n的二維矩陣，作為有向圖的權(quán)重矩陣，其中n為有向圖模型中的節(jié)點(diǎn)數(shù)。依據(jù)節(jié)點(diǎn)間的連接關(guān)系來設(shè)置不同的權(quán)重：

1)等電位點(diǎn)之間的有向邊權(quán)重為0；

2)斷開狀態(tài)的元器件的觸點(diǎn)之間的有向邊權(quán)重為∞，閉合狀態(tài)的元器件的觸點(diǎn)之間的有向邊權(quán)重為0；

3)閉合的斷路器觸點(diǎn)間有向邊權(quán)重大于0。

計(jì)算所有測(cè)試點(diǎn)與總負(fù)之間的最短路徑權(quán)重，如果權(quán)重為0時(shí)，會(huì)發(fā)生短路狀況，此測(cè)試點(diǎn)不能作為信號(hào)注入點(diǎn)。計(jì)算所有被測(cè)支路的首節(jié)點(diǎn)與尾節(jié)點(diǎn)之間的最短路徑與權(quán)重，如果權(quán)重為0則該支路是一條環(huán)路。

Dijkstra算法還可以用于計(jì)算子網(wǎng)絡(luò)在各故障模式下施加不同輸入激勵(lì)獲得的響應(yīng)向量。首先設(shè)置故障節(jié)點(diǎn)處的權(quán)重，短路故障有向邊的權(quán)重為0，開路故障有向邊的權(quán)重為∞。找出該故障模式下子網(wǎng)絡(luò)中線圈依然得電的繼電器，修改其相應(yīng)的觸點(diǎn)節(jié)點(diǎn)的權(quán)重，常開觸點(diǎn)權(quán)重修改為0，常閉觸點(diǎn)權(quán)重修改為∞，計(jì)算各個(gè)信號(hào)激勵(lì)點(diǎn)到各信號(hào)輸出點(diǎn)的最短路徑，權(quán)重為0的路徑即表示該輸出點(diǎn)信號(hào)為1，反之為0。

基于城軌車輛電氣柜的有向圖模型，應(yīng)用圖論中最短路徑算法，可以快速排除短路、環(huán)路等不安全測(cè)試，同時(shí)也提高了仿真模擬故障響應(yīng)集的效率。

5 故障推理與診斷

理論上，所有故障診斷問題都可以由以下五元組來進(jìn)行描述：

1)系統(tǒng)的故障模糊集，記為F={f0,f1,…,fm}；

2)故障模式的先驗(yàn)概率分布集合p={p(f0),p(f1),…,p(fm)}；

3)系統(tǒng)可用的測(cè)試集T={t1,t2,…,tn}；

4)測(cè)試代價(jià)集C={c1,c2,…,cn}；

5)故障測(cè)試依賴矩陣D=[dij](m+1)×n。

在五元組的基礎(chǔ)上，故障診斷策略可以通過列表或者診斷樹的形式來直觀的描述。診斷策略的問題就是求解最優(yōu)的測(cè)試診斷順序和方案，使生成的診斷樹具有最小的測(cè)試代價(jià)的問題[9]。然而，五元組中概率分布集合與測(cè)試代價(jià)集通常難以獲取，因此系統(tǒng)中無法應(yīng)用啟發(fā)式搜索算法等診斷策略，改而使用一種適應(yīng)性測(cè)試方法來生成電路的最小測(cè)試集，該方法可以描述為：

2)測(cè)試完成后從依賴矩陣中刪除該測(cè)試列，并根據(jù)測(cè)試獲得的特征向量，查詢依賴矩陣中相匹配的故障模式，作為新的故障模糊集，重復(fù)1)中的方法找到剩余測(cè)試列中“權(quán)”值最大的列作為下一次測(cè)試；

3)當(dāng)故障模糊集在剩余測(cè)試中的特征向量均相同時(shí)，故障無法繼續(xù)細(xì)分或隔離，推理結(jié)束。

如圖2所示，該子網(wǎng)絡(luò)中第一條為待測(cè)支路，其余三條為條件支路，其中CF標(biāo)識(shí)的是測(cè)試點(diǎn)，斷路器默認(rèn)均為閉合狀態(tài)。待測(cè)支路連接總正，因此測(cè)試碼中只包含條件支路的3個(gè)輸入點(diǎn)。MCCB與VD的開路故障屬于不可區(qū)分故障，因此合并為一個(gè)故障模式，并且刪除了MCCB短路等不可測(cè)故障。為了方便敘述，故障模式類別只設(shè)定為開路故障和短路故障兩種。該子網(wǎng)絡(luò)的測(cè)試依賴矩陣化簡(jiǎn)后如表2所示，其中涉及的特征向量除F0為正常的輸出外，其余均是響應(yīng)輸出與F0正常輸出的異或結(jié)果，且都在單故障的假設(shè)之下進(jìn)行。

圖2 某子網(wǎng)絡(luò)結(jié)構(gòu)

分析故障測(cè)試依賴矩陣可知，T1至T7中T3、T4、T6的“權(quán)”最大，任選其一，這里選擇T6作為首次測(cè)試，故障模糊集可以被劃分成三大類，F(xiàn)1/F8與F7這兩類故障模式被隔離到最小單元，而F0、F2至F6對(duì)應(yīng)T6測(cè)試的特征向量均相同，將其作為新的故障模糊集進(jìn)行下一步測(cè)試?；谶@6種故障模式繼續(xù)計(jì)算剩余測(cè)試列對(duì)應(yīng)的“權(quán)”，T5和T7的“權(quán)”最大，選取T7作為下一次測(cè)試激勵(lì)，故障再次可以被隔離為F4、F5和F0F2F3F6這三類，繼續(xù)計(jì)算F0F2F3F6模糊集的下一次測(cè)試激勵(lì)，選擇T1又可以隔離出故障F2與F3，最后經(jīng)過施加T2測(cè)試激勵(lì)，故障被完全隔離到最小的范圍中。

表2 子網(wǎng)絡(luò)依賴矩陣

圖3 子網(wǎng)絡(luò)診斷樹

6 試驗(yàn)結(jié)果與分析

根據(jù)上述對(duì)適應(yīng)性測(cè)試方法的應(yīng)用，可以發(fā)現(xiàn)下一次測(cè)試的激勵(lì)向量Ti均由上一次測(cè)試得到的特征向量來決定，將可能得到的測(cè)試結(jié)果(特征向量)均分類考慮，可以得到圖3

所示的完整診斷樹。診斷樹非常直觀的反映了故障-測(cè)試激勵(lì)-響應(yīng)之間的關(guān)系，診斷樹中的所有葉節(jié)點(diǎn)都是當(dāng)前可用測(cè)試集下的不可再分割的故障集，由葉節(jié)點(diǎn)向上回溯，可以獲得確定該最小故障集的完整測(cè)試序列，如F5的測(cè)試序列為T6-T7，F(xiàn)3的測(cè)試序列為T6-T7-T1。該子網(wǎng)絡(luò)的故障定位測(cè)試集為{T6,T7,T1,T2}，測(cè)試長(zhǎng)度為4。

7 結(jié)束語

本文提出了一種基于依賴矩陣的城軌車輛電氣柜故障檢測(cè)的方法，并敘述了從動(dòng)態(tài)識(shí)別電氣柜拓?fù)浣⒂邢驁D模型到利用適應(yīng)性測(cè)試方法導(dǎo)出診斷樹的過程。通過建立的有向圖模型來仿真模擬各個(gè)故障發(fā)生時(shí)輸出的特征向量，建立起故障測(cè)試依賴矩陣，最終使用適應(yīng)性測(cè)試生成方法可以確定完整的測(cè)試流程，并有效的將故障從電路隔離到子網(wǎng)絡(luò)，從子網(wǎng)絡(luò)隔離到元件。根據(jù)實(shí)驗(yàn)驗(yàn)證，該方法較以往城軌車輛電氣柜的檢測(cè)方法在一定程度上減少了測(cè)試的冗余，提高了測(cè)試的效率與診斷精度，并能適用于不同結(jié)構(gòu)的城軌車輛電氣柜的故障檢測(cè)與診斷。

[1]嚴(yán) 瑩.邊界掃描在數(shù)字電路故障診斷中的應(yīng)用[D].南京：南京大學(xué),2016(5).

[2]陳晉音.基于時(shí)序約束模糊有向圖的電網(wǎng)故障診斷[J].控制工程,2016,23(6):800-811.

[3]龐文青. 基于圖模型的電子系統(tǒng)故障診斷方法及應(yīng)用研究[D].哈爾濱：哈爾濱工業(yè)大學(xué),2014(7).

[4]申延強(qiáng).基于免疫粒子群文化算法的數(shù)字電路故障診斷[J].火力與指揮控制,2016,41(8):192-195.

[5]韓 斌,秦思淵.基于多信號(hào)模型的診斷推理機(jī)設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制,2015,23(6):1902-1904.

[6]張 悅. 一種基于信號(hào)流圖理論的流體網(wǎng)絡(luò)建模方法[J].系統(tǒng)仿真學(xué)報(bào),2016,28(5):1038-1044.

[7]羅 慧,蹇興亮,盧 偉.基于動(dòng)態(tài)蟻群算法的模擬電路最優(yōu)測(cè)點(diǎn)選擇[J].儀器儀表學(xué)報(bào),2014,35(10):2231-2237.

[8]谷曉娣. 可測(cè)性評(píng)估定量建模技術(shù)研究[D]. 哈爾濱：哈爾濱工業(yè)大學(xué).2015.

[9]劉 歆,熊有倫.數(shù)字電路測(cè)試生成的基本算法[J].微電子學(xué)與計(jì)算機(jī),2002,19(2):1-6.

ResearchonFaultDiagnosisMethodofElectricalCabinetforUrbanRailVehicles

Zhou Chengchen，Li Jun

(School of Automation,Nanjing University of Science and Technology,Nanjing 210094,China)

There are many types of electrical cabinets in urban rail vehicles, and the structure is complex. Manual detection to eliminate the fault is not only low in diagnosis efficiency but also poor in reliability. Based on the analysis of multiple rail cabinets, an algorithm is proposed to dynamically extract the directed graph structure model and generate the test sequence. The optimal path algorithm is used to test the self-test. Finally, an adaptive test diagnosis Tree is used to complete the fault location and isolation. Experiments show that the diagnosis method can effectively diagnose the faults of electrical cabinets and have good adaptability to the electrical cabinets of different topologies.

dependency matrix;directional graphic;electrical cabinet;fault diagnosis

2017-03-23；

2017-04-07。

周晨程(1993-)，男，江蘇蘇州人，碩士研究生，主要從事故障診斷的原理研究與軟件設(shè)計(jì)方向的研究。

李 軍(1970-)，男，博士，教授，主要從事伺服系統(tǒng)及其相關(guān)測(cè)控技術(shù)方向的研究。

1671-4598(2017)10-0023-04

10.16526/j.cnki.11-4762/tp.2017.10.007

TP206.3

A