[發(fā)明專利]一種地鐵電動塞拉門故障預(yù)測裝置

有效

• 申請?zhí)枺?/td>: 201410592054.1
• 申請日: 2014-10-21
• 公開（公告）號: CN104297002A
• 公開（公告）日: 2015-01-21
• 發(fā)明（設(shè)計）人: 陳長駿;王凌;潘靜;陳錫愛;許宏
• 申請（專利權(quán)）人: 中國計量學(xué)院
• 主分類號: G01M17/08
• 分類號: G01M17/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種地鐵電動塞拉門故障預(yù)測裝置，特別涉及一種實現(xiàn)地鐵塞拉門潤滑不良故障的預(yù)測裝置。

背景技術(shù)

地鐵已成為城市軌道交通系統(tǒng)的重要設(shè)備，電動塞拉門，是地鐵上保障乘客生命安全以及系統(tǒng)運(yùn)行的關(guān)鍵部件，其工作狀態(tài)直接影響著地鐵的運(yùn)營效率。電動塞拉門系統(tǒng)由車門控制單元驅(qū)動無刷直流電機(jī)帶動絲桿螺母傳動機(jī)構(gòu)實現(xiàn)開、關(guān)門。在使用過程中，由于其長期對車門負(fù)載進(jìn)行頻繁的開關(guān)運(yùn)動以及固體顆粒等雜質(zhì)混入機(jī)械傳動部位，隨著開、關(guān)次數(shù)的增加，傳動系統(tǒng)的潤滑脂逐漸被刮凈，導(dǎo)致傳動部件潤滑不良，不僅損壞了機(jī)械設(shè)備同時也影響了地鐵的運(yùn)營效率。在實際中潤滑脂在機(jī)械中如同人的血液一樣重要，據(jù)統(tǒng)計，潤滑不良所造成的機(jī)械故障約占整個機(jī)械故障的75％，但實際中人們很少能夠高度看待潤滑不良問題，在塞拉門使用過程中，通常對其更換部件或添加潤滑脂的定期維修方式，來延長其使用壽命，雖在一定程度上可減小事故發(fā)生的概率，但塞拉門因其數(shù)量多，其維修效率和成本等因素成為了此方法實施的瓶頸。經(jīng)過對現(xiàn)有文獻(xiàn)的檢索，沒有關(guān)于電動塞拉門傳動系統(tǒng)潤滑不良的故障預(yù)測的相關(guān)專利，只有少部分學(xué)者對潤滑不良故障預(yù)測進(jìn)行了初步的研究。高甜容等(高甜容等.基于故障先兆判定模型和動態(tài)置信度匹配的主軸潤滑故障預(yù)測方法[J].機(jī)械工程學(xué)報.2012，48(17)：75-82.)利用小波分析、概率神經(jīng)網(wǎng)絡(luò)實現(xiàn)了對數(shù)控機(jī)床主軸傳動系統(tǒng)潤滑不良的預(yù)測。Camci等(Camci?et?al.，A?Simple?State-Based?Prognostic?Model?for?Railway?Turnout?Systems.IEEE?Transactions?on?Industrial?Electronics.2011，58：1718-1726)提出了k均值以及狀態(tài)組合實現(xiàn)劣化狀態(tài)的電動轉(zhuǎn)轍機(jī)潤滑不良故障預(yù)測。上述研究人員利用各種算法，雖然取得了初步成果，但存在以下不足：

(1)基于時間序列的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測時，其預(yù)測范圍被局限于短時預(yù)測，預(yù)測結(jié)果也容易陷入局部最優(yōu)，而且需要大樣本，訓(xùn)練時結(jié)果也不穩(wěn)定。

(2)文獻(xiàn)中大多報道的基于劣化狀態(tài)的故障預(yù)測算法忽略了各狀態(tài)之間的駐留情況且k均值聚類容易讓陷入局部最優(yōu)解，雖然HSMM考慮到了狀態(tài)的駐留信息，利用其進(jìn)行故障預(yù)測，取得了一定研究成果，但其考慮的只是各狀態(tài)內(nèi)部的滯留情況，并未加入狀態(tài)之間的信息，加之其建模的復(fù)雜。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供了一種地鐵電動塞拉門故障預(yù)測裝置，該裝置能夠?qū)﹄妱尤T開、關(guān)過程的電機(jī)電流值進(jìn)行監(jiān)測，實現(xiàn)對塞拉門潤滑不良故障的預(yù)測和報警。

為實現(xiàn)本發(fā)明所述的目的，本發(fā)明提供了一種地鐵電動塞拉門故障預(yù)測裝置，該裝置包括：電流傳感器模塊、數(shù)據(jù)采集卡、計算機(jī)系統(tǒng)，三個模塊之間通過信號線進(jìn)行連接。計算機(jī)系統(tǒng)設(shè)有數(shù)據(jù)存儲模塊、故障預(yù)測軟件模塊、顯示模塊、報警模塊，其特征在于：故障預(yù)測軟件模塊設(shè)有信號預(yù)處理子模塊、特征提取子模塊、狀態(tài)識別子模塊、轉(zhuǎn)移概率計算子模塊和期望剩余使用壽命預(yù)測子模塊，報警裝置用來提示操作人員需對其進(jìn)行潤滑處理。為準(zhǔn)確實現(xiàn)地鐵電動塞拉門潤滑不良的故障預(yù)測，該計算機(jī)系統(tǒng)(3)執(zhí)行如下步驟：

a)數(shù)據(jù)存儲軟件模塊接受并存儲由電流傳感器模塊和數(shù)據(jù)采集卡傳送來的塞拉門開、關(guān)過程所采集的電機(jī)工作電流值，并傳送到信號預(yù)處理子模塊；

b)信號預(yù)處理子模塊對步驟a存儲的數(shù)據(jù)利用sym4小波函數(shù)進(jìn)行軟閾值去噪處理，并對電機(jī)工作電流峰峰值的檢測進(jìn)行分割，識別塞拉門開、關(guān)次數(shù)，并將預(yù)處理后數(shù)據(jù)傳送給特征提取子模塊；

c)特征提取子模塊中對塞拉門開、關(guān)過程的電流信號采用小波包熵提取其頻域指標(biāo)，將原信號的峰峰值、均值、均方值、峭度作為時域指標(biāo)，并將兩者作為特征向量，將其傳送給狀態(tài)識別子模塊；

d)狀態(tài)識別子模塊對已提取出的特征向量利用遺傳算法優(yōu)化的K均值模型聚類，通過silhouette評估指標(biāo)判斷出塞拉門從潤滑良好到潤滑不良過程中所經(jīng)歷最佳的劣化狀態(tài)數(shù)，再比較在最佳劣化狀態(tài)數(shù)下各類的重心與當(dāng)前待測特征量的歐氏距離，識別出當(dāng)前塞拉門開、關(guān)過程劣化狀態(tài)，并傳送給轉(zhuǎn)移概率計算子模塊；

e)轉(zhuǎn)移概率計算子模塊保存了在最佳劣化狀態(tài)數(shù)下，對所有訓(xùn)練樣本進(jìn)行聚類，得到了多個電動塞拉門在不同開、關(guān)次數(shù)下的劣化狀態(tài)訓(xùn)練樣本，計算出每個樣本下各狀態(tài)在不同駐留次數(shù)下的轉(zhuǎn)移概率；