[發明專利]一種基于LSTM的列車門防夾算法

有效

• 申請號: 201710361219.8
• 申請日: 2017-05-19
• 公開（公告）號: CN107191087B
• 公開（公告）日: 2018-07-17
• 發明（設計）人: 李會敏;趙建洋;張潤生
• 申請（專利權）人: 西南科技大學;淮陰工學院
• 主分類號: E05F15/40
• 分類號: E05F15/40;G06K9/62
• 代理公司: 淮安市科文知識產權事務所 32223
• 代理人: 李杰

本發明公開了一種基于LSTM的列車門防夾算法，包括以下步驟：1）獲取電流數據，運算得到霍爾脈沖數和車門速度；2）將一次列車門關閉過程的采樣序列作為一個序列樣本，將各采樣點對應車門是否夾到物體的標記順次拼接，構建樣本集，并將樣本集劃分為訓練集和測試集；3）通過LSTM建模；4）采用Adagrad算法進行參數估計；5）將實時采集的序列樣本輸入模型，預測列車門在每個霍爾位置夾到障礙物的概率。通過LSTM將列車門防夾判斷轉化為機器學習的序列標注問題，LSTM模型的記憶功能夠使得模型在訓練時避免受到序列長度的影響，因此更容易捕捉到序列內各采樣點之間的潛在規律，精度更高，保證門控系統的可靠性。

技術領域

本發明涉及軌道交通技術領域，具體涉及一種基于LSTM的列車門防夾算法。

背景技術

地鐵、有軌電車等公共軌道交通工具具有客運量大、乘客上下車頻繁的特點，列車門作為乘客進出車廂的通道，數量多、開閉動作頻繁，是故障發生較多的車輛部件之一，其可靠性和安全性是大眾關注的焦點之一。

列車門防夾主要需要考慮的問題在于對車門位置的判定和是否夾到障礙物，由于列車門自身的結構導致不方便安裝傳感器，所以目前的列車門防夾是根據電機的參數進行計算判斷，主要有以下三種算法：

1.紋波法；紋波即直流電流穩壓量上的交流成分，電機“紋波”的頻率充分體現了電機速度，根據濾波后的電流變化，就可以對車門是否遇到障礙物進行判斷，但是紋波存在不易測量等缺點，其測量精度直接影響控制精度；

2.速度比較法；將車門遇到障礙物的阻力值進行量化，但是該方法對系統的調速性能要求比較高，尤其是在最開始的時候給定速度與實際速度偏差較大，因此會降低防擠壓控制精度；

3.電流法；利用電流傳感器獲得電樞電流值，當車門擠壓到障礙物時，電流值突然增大，如果超過閾值便啟動防擠壓功能。該方法控制簡單，成本低，但是由于受外界環境因素的影響很難控制擠壓力的大小，且容易受到列車供電電壓的影響，因此控制精度低。

總之，現有的列車門防夾算法普遍存在精度低的缺點。

發明內容

本發明要解決的技術問題是提供一種基于LSTM的列車門防夾算法，可以解決現有列車門防夾算法精度低的問題。

本發明通過以下技術方案實現：

一種基于LSTM的列車門防夾算法，包括以下步驟：

1)通過霍爾電流傳感器獲取列車門驅動電機電樞的電流數據，運算得到霍爾脈沖數和車門速度；

2)每間隔n個霍爾脈沖對電流和車門速度采樣一次，將一次列車門關閉過程的采樣序列s作為一個序列樣本，序列樣本中的采樣點表示為：x_i＝(P_i,I_i,V_i)，其中P_i，I_i，V_i分別對應第i個采樣點的霍爾脈沖、電流、車門速度；將各采樣點對應車門是否夾到物體的標記順次拼接為Y＝(y₁，...，y_i，...，y_n)，當且僅當第i個采樣點夾到物體，其標記y_i為1，否則為0；重復采集多次關門時的樣本，構建樣本集D，并將樣本集D按比例劃分為訓練集S和測試集T；

3)通過LSTM對訓練集S中的數據建模；

4)采用Adagrad算法，通過隨機梯度下降法最小化交叉熵損失進行參數估計，直到模型收斂，然后以測試集T對模型進行驗證；

5)當模型的驗證結果為有效時，將列車實際運行過程中實時采集的序列樣本輸入模型，預測列車門在每個霍爾位置夾到障礙物的概率，當列車門未能完全關閉且在某個位置夾到障礙物的概率大于預定值時，判定列車門夾到障礙物。