[發明專利]一種地鐵車輛門系統異常工況和部件退化的同步檢測方法

有效

• 申請號: 201710378336.5
• 申請日: 2017-05-25
• 公開（公告）號: CN107192565B
• 公開（公告）日: 2019-05-28
• 發明（設計）人: 韓光威;呂建華;陸寧云;曹勁然;許志興;史翔;張偉;朱文明
• 申請（專利權）人: 南京康尼機電股份有限公司;南京航空航天大學
• 主分類號: G01M17/08
• 分類號: G01M17/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林;閆方圓

本發明公開了一種地鐵車輛門系統異常工況和部件退化的同步檢測方法，包括對地鐵車輛門系統的數據進行預處理操作；基于MeanShift算法，對預處理后的地鐵車輛門系統數據，分別進行正常數據和退化數據的密度中心點的計算；自適應選取密度中心點的鄰域半徑，完成對數據的聚類建模，并檢測出異常離群數據；獲取部件退化信息，并進行檢修指導。本發明避免了異常工況造成的異常點對系統聚類造成的不利影響，為構建準確可靠的系統部件退化模型提供了可能，通過部件退化特征匹配匹配度，給維修人員提供維修參考，減小系統維修成本，容易理解，方便實施，具有良好的應用前景。

技術領域

本發明涉及一種地鐵車輛門系統異常工況和部件退化的同步檢測方法，屬于軌道交通檢測技術領域。

背景技術

隨著城市軌道交通的快速發展，地鐵作為城市交通的重要組成部分，它對人們工作、生活的影響也越來越大，地鐵車輛門系統作為地鐵的關鍵組成部分，它的高故障率對地鐵的安全運行構成了嚴重的威脅，所以需要檢測門系統部件的退化情況，在門系統發生故障之前能夠對系統進行有效地、具有針對性的維護，避免系統故障的發生。同時，由于地鐵運行時受到人為擠壓等外界環境因素的干擾、系統偶發性故障和數據采集異常等異常工況的發生，會導致在進行基于數據的建模分析時，有離群數據的產生，這些異常的工況又會干擾門系統建模，導致模型出現不確定性，進而導致難以檢測門系統部件的退化。所以，如果能夠同步檢測地鐵車輛門系統的異常工況和部件退化，在檢測出門系統部件退化的同時檢測出系統異常的工況，并回饋給門系統，避免異常工況導致的離群點干擾系統部件退化的檢測，就能提高部件退化模型的準確性和部件退化檢測的有效性。

目前，尚沒有基于地鐵車輛門系統的部件退化方面的檢測技術，現有的其他部件退化檢測方法，如專利用于機動車系統的事件驅動故障診斷架構(CN102200487A)，通過比較故障事件發生時的故障代碼，來進行故障的辨識，它需要事先定義系統的診斷代碼及標準，過程復雜且需要設置較多的參數。而專利一種鋰電池退化鑒別方法及退化報警系統(CN106199443A)，針對鋰電池的性能退化，測量電池的電流、電壓、溫度等指標，將其是否超出閾值作為退化標準，和針對地鐵車輛門系統的異常工況及部件退化檢測，是兩個不同概念，而且，這種方法不夠精確，且對地鐵車輛門系統這類具有復雜部件的大型系統無法適用。

發明內容

本發明目的是為了克服現有技術中無法對同步檢測地鐵車輛門系統的異常工況和部件退化的問題。本發明的地鐵車輛門系統異常工況和部件退化的同步檢測方法，在檢測出系統部件退化的同時，完成對系統異常工況(異常離群數據)的檢測，避免了異常工況造成的異常點對系統聚類造成的不利影響，為構建準確可靠的系統部件退化模型提供了可能，通過部件退化特征匹配匹配度，給維修人員提供維修參考，減小系統維修成本，容易理解，方便實施，具有良好的應用前景。

為了達到上述目的，本發明所采用的技術方案是：

一種地鐵車輛門系統異常工況和部件退化的同步檢測方法，其特征在于：包括以下步驟，

步驟(A)，對地鐵車輛門系統的數據進行預處理操作，包括時域特征提取處理、頻域特征提取處理、數據的標準化處理；

步驟(B)，基于MeanShift算法，對預處理后的地鐵車輛門系統數據，分別進行正常數據和退化數據的密度中心點的計算；

步驟(C)，自適應選取密度中心點的鄰域半徑，完成對數據的聚類建模，并檢測出異常離群數據；

步驟(D)，根據步驟(C)將數據集分為正常數據、退化數據和異常離群數據，獲取部件退化信息，并進行檢修指導。

前述的地鐵車輛門系統異常工況和部件退化的同步檢測方法，其特征在于：步驟(A)，時域特征提取處理，包括以下步驟，