一种城轨车辆及其客室车门故障诊断方法技术

本发明专利技术公开了一种城轨车辆及其客室车门故障诊断方法，客室车门故障诊断方法包括以下步骤S1)采集车门故障样本，求取车门故障样本的统计量I2、统计量T2和统计量SPE；S2)判断车门故障样本的统计量I2、统计量T2和统计量SPE是否超出各自的统计限I

【技术实现步骤摘要】
一种城轨车辆及其客室车门故障诊断方法


[0001]本专利技术属于城轨列车
，具体地说，涉及一种城轨车辆及其客室车门故障诊断方法。

技术介绍

[0002]随着城市的经济不断发展，人口和汽车数量的不断增加，导致城市交通变得拥堵，再加上城市面积的不断扩张，导致原有的公共交通工具不能满足市民的出行需求。一种快捷、安全、舒适的城市轨道交通随之发展起来，地铁、轻轨等成为了大城市的重要交通工具。城轨交通发展速度很快，其在公共交通中的比重越来越大，城轨交通的安全性和可靠性就显得越来越重要。但市场调研显示，城市轨道交通的各类安全问题层出不穷，列车自身故障导致的安全问题也不少。
[0003]列车是城市轨道交通系统中关键的一环，其车门系统又占有相当重要的位置。许多安全事故往往是由于列车门的故障导致的。据国内外的数据统计，列车门系统的故障率在整个列车车辆故障中高达30％。可见，列车门的故障对整个轨道交通的安全运行构成了严重的威胁，最直接的表现就是威胁到乘客的人身安全。因此，需要对列车车门系统故障诊断技术进行更深入的研究和理论创新。
[0004]针对城轨车辆客室车门的故障诊断，目前主要有基于定量机理模型的方法、基于知识的方法和基于数据驱动的方法。基于定量机理模型的方法对系统机理的依赖性较强，某些系统机理较易获得的系统当然可以应用，但是城轨车辆客室车门过程变量间存在较强的非线性、多耦合和非高斯等特征，系统的定量机理难以获得；基于知识的方法需要大量的专家知识和过程经验，仅仅适用于具备大量专家知识和过程经验的系统；基于大数据的车门故障诊断方法可以有效地避免以上问题，然而传统的数据处理方法仅仅适用于简单的线性高斯数据系统。
[0005]有鉴于此，特提出本专利技术。

技术实现思路

[0006]本专利技术要解决的技术问题在于克服现有技术的不足，提供一种城轨车辆客室车门故障诊断方法，旨在有效地提取出车门运行数据的非高斯信息，有效地判断是否真正发生车门运行故障，消除因车门故障造成的城轨车辆清客掉线问题，提高车辆的运行效率。
[0007]本专利技术的另一目的是提供一种城轨车辆，采用如上所述的一种城轨车辆客室车门故障诊断方法。
[0008]为解决上述技术问题，本专利技术采用技术方案的基本构思是：
[0009]一种城轨车辆客室车门故障诊断方法，包括以下步骤
[0010]S1)采集车门故障样本，求取车门故障样本的统计量I2、统计量T2和统计量SPE；
[0011]S2)判断车门故障样本的统计量I2、统计量T2和统计量SPE是否超出各自的统计限I
2lim
、T
2lim
、SPE
lim
，若三者均未超出统计限，则判定为车门没有发生故障，否则判定为车门发
生故障。
[0012]进一步的，步骤S1前还包括以下步骤：
[0013]S01)车门故障影响参数分析；
[0014]S02)车门故障特征的标准化处理；
[0015]S03)车门故障模型的建立。
[0016]进一步的，步骤S01包括以下步骤：
[0017]A)在无故障状态下，客室车门参数经过n次采样之后获得原始数据矩阵为X
orig
∈R
n
×
m
，其中m是过程变量的数目，n是每一个变量的样本数目；
[0018]步骤S02包括以下步骤：
[0019]B)将X
orig
的每一列化为均值为0，标准差为1，标准化处理的方式为：
[0020][0021]其中x
i
为原始数据的第i次采样，x
mean
为原始数据的均值，x
std
为原始数据的方差，r
i
为标准化处理后的数据；
[0022]C)标准化处理后的数据矩阵表示为：
[0023][0024]进一步的，步骤S03包括以下步骤：
[0025]D)对数据矩阵X独立成分分析，共提取出r个非高斯信息，则：
[0026]X＝AS+E
[0027]源信号矩阵S的估计值为：
[0028][0029]其中，A∈R
n
×
l
为数据矩阵X的混合矩阵，S∈R
l
×
m
为数据矩阵X的独立成分矩阵，E∈R
n
×
m
为数据矩阵X的残差矩阵，W是分离矩阵；
[0030]E)对数据矩阵X的残差矩阵E
PCA
分解如下：
[0031]E＝TP+F
[0032]其中，T为数据矩阵X的得分矩阵，P为数据矩阵X的载荷矩阵，F为数据矩阵X的残差矩阵。
[0033]进一步的，步骤D中包括
[0034]判断数据矩阵X的负熵值是否零或近似为零，如是，则数据矩阵X过程数据的非高斯信息提取完全。
[0035]进一步的，步骤S1包括
[0036]S11)车门打开或开关之后，采集车门故障样本，作为新的数据样本矩阵；
[0037]S12)将新的数据样本矩阵标准化，得到数据样本矩阵Z，计算数据样本矩阵的独立成分矩阵、得分矩阵如下：
[0038][0039]t＝P
T
Z；
[0040]S13)构建统计量I2、T2和SPE，
[0041][0042][0043]SPE(Z)＝ZZ
T-ZPP
T
Z
T
[0044]其中，k为数据矩阵中选取的主成分数目，λ
j
为数据矩阵的特征值。
[0045]进一步的，步骤S2中包括通过求解核密度函数的置信区间得到统计量I2的统计限I
2lim
；
[0046]优选的，核密度函数为：
[0047][0048]其中，x为数据矩阵考虑数据点，h为窗宽或光滑参数，n为样本数目，k为高斯核函数。
[0049]进一步的，高斯核函数满足以下条件：
[0050]k(-u)＝k(u),
[0051][0052]进一步的，步骤S2中包括
[0053]统计量T2的统计限T
2lim
为：
[0054][0055]统计量SPE的统计限SPE
lim
为：
[0056][0057]其中，C
α
是正态分布在检验水平为α下的临界值。
[0058]一种城轨车辆，采用如上所述的一种城轨车辆客室车门故障诊断方法。
[0059]采用上述技术方案后，本专利技术与现有技术相比具有以下有益效果。
[0060]本专利技术首先分析城轨车辆的客室车门工作结构并对客室车门故障影响参数进行分析，识别出造成客室车门故障的主要影响参数；其次，提出基于独立成分分析-主成分分析的客室车门数据处理方式，采用独立成分分析-主成分分析两步信息提取的策略，提取出高斯信息和非高斯信息，并构建统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城轨车辆客室车门故障诊断方法，其特征在于：包括以下步骤S1)采集车门故障样本，求取车门故障样本的统计量I2、统计量T2和统计量SPE；S2)判断车门故障样本的统计量I2、统计量T2和统计量SPE是否超出各自的统计限I
2lim
、T
2lim
、SPE
lim
，若三者均未超出统计限，则判定为车门没有发生故障，否则判定为车门发生故障。2.根据权利要求1所述的一种城轨车辆客室车门故障诊断方法，其特征在于：步骤S1前还包括以下步骤：S01)车门故障影响参数分析；S02)车门故障特征的标准化处理；S03)车门故障模型的建立。3.根据权利要求2所述的一种城轨车辆客室车门故障诊断方法，其特征在于：步骤S01包括以下步骤：A)在无故障状态下，客室车门参数经过n次采样之后获得原始数据矩阵为X
orig
∈R
n
×
m
，其中m是过程变量的数目，n是每一个变量的样本数目；步骤S02包括以下步骤：B)将X
orig
的每一列化为均值为0，标准差为1，标准化处理的方式为：其中x
i
为原始数据的第i次采样，x
mean
为原始数据的均值，x
std
为原始数据的方差，r
i
为标准化处理后的数据；C)标准化处理后的数据矩阵表示为：4.根据权利要求3所述的一种城轨车辆客室车门故障诊断方法，其特征在于：步骤S03包括以下步骤：D)对数据矩阵X独立成分分析，共提取出r个非高斯信息，则：X＝AS+E源信号矩阵S的估计值为：其中，A∈R
n
×
l
为数据矩阵X的混合矩阵，S∈R
l
×
m
为数据矩阵X的独立成分矩阵，E∈R
n
×
m
...

【专利技术属性】
技术研发人员：何东，刘晓峰，许云飞，李亚超，王洪峰，
申请(专利权)人：中车青岛四方机车车辆股份有限公司，
类型：发明
国别省市：