一种地铁车门故障诊断方法技术

本申请涉及地铁车门检测技术领域，尤其是涉及一种地铁车门故障诊断方法

【技术实现步骤摘要】
一种地铁车门故障诊断方法


[0001]本申请涉及地铁车门检测
，尤其是涉及一种地铁车门故障诊断方法
。

技术介绍

[0002]随着社会经济的发展，地铁逐渐成为了人们日常生活中经常使用的交通工具
。
地铁车门作为地铁的重要组成部分，内部的门控制器
、
电机以及门磁铁等机电部件紧密耦合，在地铁运行过程中，需要频繁往复运动，内部的机电部件很容易出现问题，导致地铁车门的故障率居高不下
。
因此需要按照一定的检修周期来对地铁车门进行故障诊断
。
[0003]相关技术中，一般在地铁停驻在车站期间，处于未运行的状态下进行检修
。
维修人员在进行故障诊断时可以依靠自身的检修经验和技能对车门进行人工检查和测试，例如用手推拉车门
、
检查车门锁扣等操作
。
然后维修人员可以使用车门电气测试仪器对车门的控制器
、
传感器等电器元件进行检测
。
但是在地铁运行过程中可能会由于乘客流量过大产生拥堵情况，或者在地铁运行中，乘客对车门的错误操作等突发情况都会导致车门突然出现故障，因此目前的诊断方法不能在地铁运行过程中，针对地铁车门进行故障诊断，以致针对地铁的从停运到运行整体的车门的故障诊断准确性较低
。

技术实现思路

[0004]为了提升对地铁车门进行故障诊断的准确性，本申请提供一种地铁车门故障诊断方法
。
[0005]第一方面，本申请提供一种地铁车门故障诊断方法，包括：获取地铁车门孪生模型监控的地铁车门的电机信号；对所述电机信号进行非线性模式分解，得到若干非线性模态；根据所述若干非线性模态，确定是否存在故障特征，并根据所述故障特征确定所述地铁车门是否出现故障
。
[0006]通过采用上述技术方案，地铁车门孪生模型可以通过建立协议来模拟车门在正常运行和发生故障情况下的表现，基于地铁车门孪生模型进行实时的故障诊断，可以避免目前通过无线网络进行数据传输时，由于网络信号较差而导致的数据传送失败或者某些数据丢失
。
由于电机信号反映了电机的运行状态和性能，因此可以通过分析电机信号来实现地铁运行过程中的车门故障诊断，提升了针对地铁的从停运到运行整体的地铁车门故障诊断的准确性
。
[0007]可选的，所述对所述电机信号进行非线性模式分解，得到若干非线性模态，包括：对所述电机信号进行时频分析，得到所述电机信号对应的时频分布图；根据所述时频分布图，确定所述电机信号的非线性模态的目标脊线；基于所述目标脊线，得到若干非线性模态
。
[0008]可选的，所述对所述电机信号进行时频分析，得到所述电机信号对应的时频分布图，包括：
利用自适应方向时频分布算法，对所述电机信号进行时频分析，得到所述电机信号对应的时频分布图
。
[0009]可选的，所述根据所述时频分布图，确定所述电机信号的非线性模态的目标脊线，包括：利用随机采样一致性算法建立所述时频分布图对应的若干候选拟合模型；计算每一候选拟合模型的
Renyi
熵，并根据所述
Renyi
熵从所述若干候选拟合模型确定出目标候选拟合模型；分析所述目标候选拟合模型，得到对应的目标脊线
。
[0010]可选的，所述基于所述目标脊线，得到若干非线性模态，包括：对所述目标脊线进行信号频率成分的分离，得到若干信号分量；从所述信号分量中确定满足基波提取需求的信号分量，确定为所述电机信号的基波；在所述时频分布图中查找所述基波对应的非线性模式的真实谐波；根据所述真实谐波的若干独立振动成分，确定对应的若干非线性模态
。
[0011]可选的，所述根据所述若干非线性模态，确定是否存在故障特征，包括：对所述若干非线性模态进行包络频谱分析，得到频谱分析图；将所述频谱分析图中每一特征的频率和预设特征频率进行对比，确定是否存在故障特征
。
[0012]可选的，所述方法还包括：获取地铁车门的外观数据
、
结构数据
、
物理数据
、
机械部件运动数据
、
车门运行逻辑数据和信号数据；基于所述外观数据和所述结构数据，建立车门几何模型；将所述物理数据添加进所述车门几何模型中，得到车门物理模型；对所述车门物理模型进行虚拟渲染，并输入机械部件运动数据，得到车门行为模型，以使所述车门行为模型按照所述地铁车门对应的地铁的机械部件运动的方式运行；利用所述车门运行逻辑数据对所述车门行为模型的运行进行约束，得到车门规则模型；在所述地铁车门的车门控制单元与所述车门规则模型之间建立传输控制协议，基于所述信号数据，得到所述地铁车门的地铁车门孪生模型
。
[0013]可选的，所述方法还包括：建立寿命预测模型，并向训练好的寿命预测模型输入当前时刻的电机信号和当前时刻的滚动轴承数据，根据输出结果对所述地铁车门的滚动轴承进行寿命预测
。
[0014]可选的，所述建立寿命预测模型，包括：基于
GRU
算法构建寿命预测模型；在所述寿命预测模型中引入注意力机制；设置激活函数，所述激活函数包括
sigmoid
函数和双曲正切函数
。
[0015]可选的，所述方法还包括：获取车门历史诊断数据并进行归一化处理，所述车门历史诊断数据包括历史电流数据
、
历史电压数据
、
历史滚动轴承数据和所述滚动轴承的剩余寿命；
从所述车门历史诊断数据随机选取预设数据量的车门历史诊断数据作为训练集；利用所述训练集，基于预设精准损失函数对所述寿命预测模型进行训练，计算损失函数，以对所述寿命预测模型的参数进行优化；当损失函数小于等于所述预设精准损失函数时，停止对所述寿命预测模型的训练，以利用训练好的寿命预测模型进行所述滚动轴承的寿命预测
。
[0016]第二方面，本申请提供一种地铁车门故障诊断装置，包括：电机信号获取模块，用于获取地铁车门孪生模型实时监控的地铁车门的电机信号；非线性模态确定模块，用于对所述电机信号进行非线性模式分解，得到若干非线性模态；故障特征确定模块，用于根据所述若干非线性模态，确定是否存在故障特征，并根据所述故障特征确定所述地铁车门是否出现故障
。
[0017]第三方面，本申请提供一种电子设备，包括：存储器和处理器，所述存储器上存储有能够被处理器加载并执行第一方面的方法的计算机程序
。
[0018]第四方面，本申请提供一种计算机可读存储介质，存储有能够被处理器加载并执行第一方面的方法的计算机程序
。
附图说明
[0019]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种地铁车门故障诊断方法，其特征在于，包括：获取地铁车门孪生模型实时监控的地铁车门的电机信号；对所述电机信号进行非线性模式分解，得到若干非线性模态；根据所述若干非线性模态，确定是否存在故障特征，并根据所述故障特征确定所述地铁车门是否出现故障
。2.
根据权利要求1所述的方法，其特征在于，所述对所述电机信号进行非线性模式分解，得到若干非线性模态，包括：对所述电机信号进行时频分析，得到所述电机信号对应的时频分布图；根据所述时频分布图，确定所述电机信号的非线性模态的目标脊线；基于所述目标脊线，得到若干非线性模态
。3.
根据权利要求2所述的方法，其特征在于，所述对所述电机信号进行时频分析，得到所述电机信号对应的时频分布图，包括：利用自适应方向时频分布算法，对所述电机信号进行时频分析，得到所述电机信号对应的时频分布图
。4.
根据权利要求2所述的方法，其特征在于，所述根据所述时频分布图，确定所述电机信号的非线性模态的目标脊线，包括：利用随机采样一致性算法建立所述时频分布图对应的若干候选拟合模型；计算每一候选拟合模型的
Renyi
熵，并根据所述
Renyi
熵从所述若干候选拟合模型确定出目标候选拟合模型；分析所述目标候选拟合模型，得到对应的目标脊线
。5.
根据权利要求2所述的方法，其特征在于，所述基于所述目标脊线，得到若干非线性模态，包括：对所述目标脊线进行信号频率成分的分离，得到若干信号分量；从所述信号分量中确定信号频率满足基波提取需求的信号分量，确定为所述电机信号的基波；在所述时频分布图中查找所述基波对应的非线性模式的真实谐波；根据所述真实谐波的若干独立振动成分，确定对应的若干非线性模态
。6.
根据权利要求1所述的方法，其特征在于，所述根据所述若干非线性模态，确定是否存在故障特征，包括：对所述若干非线性模态进行包络频谱分析，得到频谱分析图；将所述频谱分析图中每一特征的频率和预设特征频率进行对比，确定是否存在故障特征
。7....

【专利技术属性】
技术研发人员：姚德臣，杨建伟，霍纪元，王金海，胡忠硕，李熙，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：