[發明專利]一種軌道車輛門系統的亞健康診斷方法

在審

• 申請號: 201811470068.0
• 申請日: 2018-11-27
• 公開（公告）號: CN109580260A
• 公開（公告）日: 2019-04-05
• 發明（設計）人: 支有冉;許志興;施文;孫艷梅;王祖進;史翔
• 申請（專利權）人: 南京康尼機電股份有限公司
• 主分類號: G01M17/08
• 分類號: G01M17/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 曾教偉

1.一種軌道車輛門系統的亞健康診斷方法，其特征在于，包括以下步驟：

步驟一，電機采集數據的預處理：將軌道車輛門系統采集的數據進行校正，重新記錄每一次開關門過程中數據采集的起始點與終止點；同時將車輛門系統的起點校正到同一位置，得到校正后的軌道車輛門系統的采集數據；

步驟二，軌道車輛門系統的特征值提取：對每一次開關門過程進行分段處理，應用描述統計量進行數據分析，得到能夠完整體現軌道車輛門系統狀態的特征值，所有特征值組成系統特征集；

步驟三，亞健康建模：運用隨機森林算法，對軌道車輛門系統的亞健康狀態進行離線建模，通過對軌道車輛門系統的多種亞健康狀態和正常狀態進行分類分析，得到不同的亞健康狀態的訓練模型；

步驟四，亞健康診斷：將步驟二提取的特征值與步驟三得到的訓練模型進行對比，診斷當前軌道車輛門系統所處的健康狀態。

2.根據權利要求1所述的一種軌道車輛門系統的亞健康診斷方法，其特征在于：步驟二中，對每一次開關門過程的分段處理為將每一次開關門過程分為5段，確定每個段上的電機參數值，得到系統特征集；其中，所述5段包括升速段、高速段、減速段、緩行段和到位后段，電機參數值包括位置、速度和電流值，。

3.根據權利要求2所述的一種軌道車輛門系統的亞健康診斷方法，其特征在于：將5段中的每一段分別提取6個時域特征，6個時域特征包括相應段上的電機參數值的最大值、最小值、均值、方差、偏度和峰度，所述6個時域特征組成時域特征集。

4.根據權利要求2所述的一種軌道車輛門系統的亞健康診斷方法，其特征在于：將系統特征集分解成多個獨立頻域的子空間，采用小波分解方法提取各頻帶的能量頻域能量特征。

5.根據權利要求4所述的一種軌道車輛門系統的亞健康診斷方法，其特征在于：采用3層小波分解結構，對軌道車輛門系統電機采集的開門位置、開門速度、開門電流信號、關門位置、關門速度和關門電流信號分別進行小波分解，得到多個子頻帶的能量并確定車輛門系統的頻域特征集。

6.根據權利要求1所述的一種軌道車輛門系統的亞健康診斷方法，其特征在于：步驟三中，運用隨機森林算法對軌道車輛門系統的亞健康狀態進行離線建模，包括：

通過bootstrap重采樣技術，從原始訓練集中有放回地重復隨機抽取n個bootstrap樣本集，重復k次，每次抽取的bootstrap樣本集為決策樹生長的訓練集，k次抽取樣本的過程中未被抽到的樣本構成袋外數據，在森林內部對分類性能進行測試評估；隨機選取候選分割特征，使分類器在結構上有所不同；隨機森林輸出結果為每棵決策樹輸出結果的多種組合形式，每棵決策樹給出待估樣本的預測類標，依據投票多少決定預測樣本的最終歸屬類，從而建立軌道車輛門系統的亞健康模型。

7.根據權利要求6所述的一種軌道車輛門系統的亞健康診斷方法，其特征在于：所述步驟四具體包括以下步驟：

步驟4.1：對步驟二提取的特征值和正常數據進行分類分析，分析分類結果的正確率：如果正確率低于閾值，說明軌道車輛門系統處于正常狀態；否則得出一個未知模型，并進入步驟4.2；

步驟4.2：將未知模型與步驟三得到的訓練模型進行匹配，根據隨機森林算法進行預測，獲得軌道車輛門系統當前所處的亞健康狀態。

8.根據權利要求1所述的一種軌道車輛門系統的亞健康診斷方法，其特征在于：所述步驟二還包括在對每一次開關門過程進行分段處理之前對軌道車輛門系統的正線數據進行預處理的過程，所述預處理包括對正線數據的對齊和問題數據去除，所述問題數據包括小于預先設定的正常數據閾值的數據和不在正常數據范圍的數據。