京张铁路作为中国高铁的示范线,要求动车组能够实现智能化。智能化中一项重要内容是动车组故障监测与健康管理。首先,动车组上关键部件的故障诊断是保障列车安全运行的必要条件。其次,动车组经过长期运行,车辆关键部件的性能参数会发生改变,从而会对车辆的性能产生影响。掌握关键部件的性能参数随着运行里程的演变规律,是动车组健康管理的重要内容。怎样从振动信号来估计性能参数,以及怎样通过振动信号实现关键部件的故障诊断是动车“智能化”亟待解决的课题。动车组是一个高自由度的多体系统,因此,有效地运用车辆上采集到的振动信号,建立一种有效且高效的模型,选择适合铁路系统的性能参数估计及故障诊断的方法,最终提出具有最少观测量的方法是本文研究的主要目的。论文在以下几个方面展开了创新性工作:(1)论文通过分析车辆垂向系统半车动力学模型和横向系统半车动力学模型,以试验列车和跟踪服役车辆上的传感器为基础,选择车体前端的垂向加速度和构架前端的垂向加速度为观测量建立垂向系统的状态空间模型和观测模型;选择车体前端的横向加速度、构架前端的横向加速度以及1位轮对横向加速度为观测量建立横向系统的状态空间模型和观测模型。论文从状态空间模型和观测模型两方面出发,有效地降低了模型的维度,大大减少了运算量,提高了计算效率。(2)为了解决动车组健康管理中减振器阻尼参数的估计问题,使用IMM卡尔曼滤波器和RBPF滤波器实现了车辆一系垂向减振器、二系垂向减振器、二系横向减振器以及抗蛇行减振器的阻尼参数估计。对两种滤波器的性能做了深入的分析,通过对比分析,确定了适合离线减振器阻尼参数估计的方法。(3)针对半车动力学模型中未考虑车体的点头和摇头运动所带来模型误差问题,通过分析车体加速度计算值与真实值之间的误差,对车辆系统中车体前端的垂向加速度和车体前端的横向加速度这两个观测量进行修正,将估计的相对误差从30%左右降低至10%以下。(4)针对减振器在线故障诊断问题,使用IMM卡尔曼滤波器和经典卡尔曼滤波器对故障进行诊断与分离。经典卡尔曼滤波器需要对残差分量进行额外分析来判断故障发生位置,针对此问题,对经典卡尔曼滤波器进行改进。改进的卡尔曼滤波器能够直接判断出发生故障的部位。(5)为了提高车辆运行的可靠性,减少车辆上传感器的安装数量,分析了减振器阻尼对车辆部件振动加速度的影响,确定新的观测量方案,为今后减振器的状态监测和故障诊断的传感器安装改善方案提供理论依据。