[發明專利]一種城軌車輛及其客室車門故障診斷方法

在審

• 申請號: 202010528309.3
• 申請日: 2020-06-11
• 公開（公告）號: CN112560165A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 何東;劉曉峰;許云飛;李亞超;王洪峰
• 申請（專利權）人: 中車青島四方機車車輛股份有限公司
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F17/16;G01M17/08
• 代理公司: 北京元中知識產權代理有限責任公司 11223
• 代理人: 張則武

1.一種城軌車輛客室車門故障診斷方法，其特征在于：包括以下步驟

S1)采集車門故障樣本，求取車門故障樣本的統計量I²、統計量T²和統計量SPE；

S2)判斷車門故障樣本的統計量I²、統計量T²和統計量SPE是否超出各自的統計限I²_lim、T²_lim、SPE_lim，若三者均未超出統計限，則判定為車門沒有發生故障，否則判定為車門發生故障。

2.根據權利要求1所述的一種城軌車輛客室車門故障診斷方法，其特征在于：步驟S1前還包括以下步驟：

S01)車門故障影響參數分析；

S02)車門故障特征的標準化處理；

S03)車門故障模型的建立。

3.根據權利要求2所述的一種城軌車輛客室車門故障診斷方法，其特征在于：步驟S01包括以下步驟：

A)在無故障狀態下，客室車門參數經過n次采樣之后獲得原始數據矩陣為X_orig∈R^n×m，其中m是過程變量的數目，n是每一個變量的樣本數目；

步驟S02包括以下步驟：

B)將X_orig的每一列化為均值為0，標準差為1，標準化處理的方式為：

其中x_i為原始數據的第i次采樣，x_mean為原始數據的均值，x_std為原始數據的方差，r_i為標準化處理后的數據；

C)標準化處理后的數據矩陣表示為：

4.根據權利要求3所述的一種城軌車輛客室車門故障診斷方法，其特征在于：步驟S03包括以下步驟：

D)對數據矩陣X獨立成分分析，共提取出r個非高斯信息，則：

X＝AS+E

源信號矩陣S的估計值為：

其中，A∈R^n×l為數據矩陣X的混合矩陣，S∈R^l×m為數據矩陣X的獨立成分矩陣，E∈R^n×m為數據矩陣X的殘差矩陣，W是分離矩陣；

E)對數據矩陣X的殘差矩陣E_PCA分解如下：

E＝TP+F

其中，T為數據矩陣X的得分矩陣，P為數據矩陣X的載荷矩陣，F為數據矩陣X的殘差矩陣。

5.根據權利要求4所述的一種城軌車輛客室車門故障診斷方法，其特征在于：步驟D中包括

判斷數據矩陣X的負熵值是否零或近似為零，如是，則數據矩陣X過程數據的非高斯信息提取完全。

6.根據權利要求1-5任一所述的一種城軌車輛客室車門故障診斷方法，其特征在于：步驟S1包括

S11)車門打開或開關之后，采集車門故障樣本，作為新的數據樣本矩陣；

S12)將新的數據樣本矩陣標準化，得到數據樣本矩陣Z，計算數據樣本矩陣的獨立成分矩陣、得分矩陣如下：

t＝P^TZ；

S13)構建統計量I²、統計量T²和統計量SPE，

SPE(Z)＝ZZ^T-ZPP^TZ^T

其中，k為數據矩陣中選取的主成分數目，λ_j為數據矩陣的特征值。

7.根據權利要求6所述的一種城軌車輛客室車門故障診斷方法，其特征在于：步驟S2中包括通過求解核密度函數的置信區間得到統計量I²的統計限I²_lim；

優選的，核密度函數為：

其中，x為數據矩陣考慮數據點，h為窗寬或光滑參數，n為樣本數目，k為高斯核函數。