[发明专利]基于多工况的轨道交通车辆门系统故障诊断及预警方法

摘要

本发明公开了一种基于多工况的轨道交通车辆门系统故障诊断及预警方法，针对门系统的运行数据划分为初始化标准数据、每日标准数据和实时运行数据，能够更加准确地实现诊断和预警，利用电机监测实时监测参数及门控器IO信号诊断门系统典型故障，丰富了门系统可诊断故障类型，且通过细化故障特征，提高了诊断精度；建立实时健康度模型，通过实时参数与模型的残差特征诊断亚健康现象，为早期故障预警提供了新方法；对于门系统长期缓慢退化的亚健康问题，传统诊断方法基本无法监测门系统参数，而本方法通过建立退化阈值模型，对比分析状态参数特征值的长期变化趋势，能够识别长期退化亚健康状态，并实现早期预警，具有良好的应用前景。

主权项

1.基于多工况的轨道交通车辆门系统故障诊断及预警方法，其特征在于：包括以下步骤，步骤(A)，通过轨道交通车辆门系统驱动电机内的传感器及门控器采集各车门的运行数据，并存储到数据库内；所述运行数据包括转角、转速、电流、转矩、温度、IO信号以及开关触发临界CAP值；步骤(B)，将存储的运行数据进行预处理，进行分类，具体如下：将新上线并已调整正常、空车跑合的轨道交通车辆门系统的运行数据定义为初始化标准数据A，用于作为轨道交通车辆门系统的初始状态，并作为长期退化亚健康参数的参考基准；将每日轨道交通车辆上线前，在厂库内检查时的多次开关门正常数据定义为每日标准数据B，用于作为轨道交通车辆门系统每日的正常状态标准；将每日轨道交通车辆上线后，轨道交通车辆门系统的传感器及门控器实时采集各车门的运行数据定义为实时数据C，作为轨道交通车辆门系统在运营当中的实时开关门状态，判别是否当前门系统出现故障或实时亚健康异常；将轨道交通车辆在试验台架进行的模拟试验数据，用于辅助制定典型故障规则和亚健康规则；步骤(C)，对每日轨道交通车辆上线后的轨道交通车辆门系统进行典型故障诊断，对实时数据C进行总体特征值提取，判定实时数据C是否属于故障类异常，若初步判定结果为是，则采用典型故障判定规则判定故障类型，并发出故障警告及故障参数；若初步判定结果为否，则进入步骤(D)；步骤(D)，对每日轨道交通车辆上线后的轨道交通车辆门系统进行实时亚健康状态诊断，对实时数据C与每日标准数据B进行对比分析，根据每日标准数据B构建基于特征分布参数的数据统计模型作为实时健康度模型，通过计算实时数据C的运动特征参数与实时健康度模型的残差比较、开关临界触发CAP与开关标准过压量范围进行比较，设定健康度阈值实现轨道交通车辆门系统的实时亚健康量化，判断比较值是否超出健康度阈值，若超出健康度阈值，根据超出健康度阈值的点数及位置判定轨道交通车辆门系统的亚健康异常类型，并继续监测统计该亚健康异常类型的发生频度和前后开关门状态，最终结合专家知识库诊断得到轨道交通车辆门系统当前的亚健康状态，并根据该亚健康状态，进行早期故障预警；若没有超出健康度阈值，则进入步骤(E)；步骤(D)中，根据每日标准数据B构建基于特征分布参数的数据统计模型作为实时健康度模型，具体包括以下步骤，(D1)对每日标准数据B作对齐、去除冗余采集的预处理；通过整体特征值区分出实时亚健康数据；(D2)根据运动特征分别将转角、转速和电流数据划分为启动段、升速段、匀速段、减速段和缓行段，并提取各段的时间、最大值、最小值、均值、标准差、偏度、峰度特征；(D3)通过门控器采集开关门过程的开关临界触发CAP值特征；(D4)为了衡量实时数据特征值、转角转速、电流参数的变化程度，以同一门系统的每日标准数据B和其分段特征值作为训练样本，构造实时健康度模型，设训练样本库X，如公式(1)所示，其中，{[xi1,xi2,...,xim],i＝1,2,...,n}是由第i组数据的分段特征值、转角时序数据、转速时序数据和电流时序数据构成的特征量，n代表总样本组数，m代表特征量的数量；(D5)根据训练样本库X，计算其总体样本各特征量的统计均值和标准差如公式(2)及公式(3)所示，(D6)结合3sigma准则，构建实时健康度模型的包络范围：以作为预警包络界限，作为严重警告包络界限，得到实时健康度模型；步骤(E)，对轨道交通车辆门系统进行长期退化类型的亚健康诊断，对每日标准数据B和初始化标准数据A进行对比分析，以初始化标准数据A的典型特征值为参考标准，建立退化阈值模型，通过分析每日标准数据B关键特征值的长期变化趋势，通过最小二乘方法预测下个周期的关键特征值，若预测的关键特征值超出退化阈值模型的范围，则输出轨道交通车辆门系统退化亚健康预警；否则，轨道交通车辆门系统正常运行；步骤(E)中，以初始化标准数据A的典型特征值为参考标准，建立退化阈值模型，具体包括以下步骤，(E1)筛选出初始化标准数据A中具有明显变化趋势的典型特征值；(E2)令所有典型特征值Z为训练样本库，结合3sigma准则构建得到退化阈值模型，以作为退化亚健康预警阈值，作为故障预警阈值，其中，为训练样本库Z的总体样本各特征量的统计均值；为训练样本库Z的总体样本各特征量的标准差。