[發明專利]基于I/O測點故障依賴矩陣的故障診斷方法

有效

• 申請號: 202010044961.8
• 申請日: 2020-01-16
• 公開（公告）號: CN111260823B
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 史華東;陸寧云;許志興;唐謙
• 申請（專利權）人: 南京康尼機電股份有限公司
• 主分類號: G07C5/08
• 分類號: G07C5/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了基于I/O測點故障依賴矩陣的故障診斷方法，包括以下步驟：S1：獲取車門狀態數據；S2：數據的結構化處理；S3：選取測試點；S4：構建故障測試依賴矩陣；S5：故障診斷推理。本發明采用基于數據的數學建模方法，對車門門控器的控制信號數據進行結構化處理，對故障測試建模，使得測試結果和故障之間能夠建立準確關聯，數據采集方便，方法適用性廣；測試點的選取是根據車門的結構功能特點選取，以正常車門數據作為基準去制定標準選擇測試點和篩選數據，使測試點的選取更加合理，考慮到采集時間的差異性，采用相對時間作為標準去建立故障的測試區間進行測試。

技術領域

本發明涉及城市軌道交通領域，特別涉及基于I/O測點故障依賴矩陣的故障診斷方法。

背景技術

城市軌道交通具有運量大、效率高、能耗低、集約化、搭乘便利、安全舒適等諸多優點，是解決城市交通擁堵問題、實現城市空間布局調整及城市均衡發展的重要途徑，地鐵實現運行自動化也是行業發展趨勢之一，計算機控制和系統安全控制將提高地鐵的運行自動化程度。在地鐵功能越來越完善的同時，車輛系統的結構、組成部件與信號傳輸系統等發展迅速，使得故障的發生類型更加復雜，尤其地鐵車門每天要進行上百次的開、關動作，車門部件的退化過程更快，加上環境和人為等因素的影響，使得門系統發生故障的頻率加大。目前針對車門故障的智能診斷算法還不夠完善，仍舊需要人工去到現場對有關車門的大量參數進行檢測，排查故障原因，耗時耗力。

目前故障診斷方法主要分為基于模型、基于知識、基于數據驅動這三類，其中基于模型的方法主要適用于能夠建立數學模型的對象，由于車門結構復雜，構建精確的解析模型比較困難，所以并不適用診斷車門故障；基于知識的診斷方法，分為專家系統和符號有向圖，適用于不能建立模型且傳感器數量不充分的對象，但對于數據量大的系統進行診斷成本過高；專家系統需要高深的專業知識和長期的經驗積累，地鐵車門故障類型復雜，在實際操作中專家系統并不完全適用；主要的故障診斷方法還是基于數據驅動故障診斷方法，通過對系統運行過程中的在線和離線數據進行分析處理，實現故障的診斷。

發明內容

發明目的：針對以上問題，本發明目的是提供一種基于I/O測點故障依賴矩陣的故障診斷方法，實現地鐵車輛門系統故障的診斷。

技術方案：本發明提出了基于I/O測點故障依賴矩陣的故障診斷方法，包括以下步驟：

S1：獲取車門狀態數據：獲取能夠表征車門運行狀態的數據，采集車門系統中門控器的I/O數字信號，其中I/O數字信號包含門控系統的多個信號變量，包括門控器對門下達的控制信號和門反饋的狀態信號；

S2：數據的結構化處理：對采集的車門運行狀態數據根據觸發時間和觸發狀態進行結構化處理，提取變量的跳變，將數據形式轉變成序對信息；

S3：選取測試點：利用多信號模型的故障測試性分析方法，根據正常無故障車門數據的變量數量和觸發情況，在車門的系統結構和功能基礎上進行分層設計，在車門系統容易發生故障的模塊之間選擇合適的測試點；

S4：構建故障測試依賴矩陣：在選定的測試點處利用3σ準則構建測試區間，對故障車門的系統變量的狀態進行測試，在測試區間如果有變量狀態沒有觸發跳變或發生錯誤跳變，則定義對應測試點內的I/O量測試不通過，得到反映系統故障類型和測試信號之間相關性的故障依賴矩陣D；

S5：故障診斷推理：根據故障依賴矩陣D在每個測試點的結果，利用多信號模型推理的故障診斷策略，逐步排除正常部件，最終確定發生故障的部件和車門故障類型，從而建立測試向量結果和故障模式之間的關聯。

進一步，所述步驟S2中數據結構化處理包括：