本發(fā)明涉及軌道交通車輛維護(hù)，具體涉及一種基于場景識別去干擾的軌道交通車門phm診斷方法。

背景技術(shù)：

1、軌道車門是人們進(jìn)出車輛的界面，是車輛使用最頻繁的部件之一，作為乘客進(jìn)出車輛的關(guān)鍵部件，其安全性和可靠性直接影響乘客安全與運營秩序?，F(xiàn)有車門維保方式主要包括故障修及計劃修。故障修為售后人員對發(fā)生故障的車門采取清客后立即處理、隔離后立即回庫處理及運營結(jié)束后回庫處理的操作；計劃修為維保人員根據(jù)故障信息閉環(huán)管理和質(zhì)量管理系統(tǒng)對車門進(jìn)行架修、大修、三級修、五級修等。

2、然而，這些方式在面對復(fù)雜多變的運行環(huán)境時，難以有效預(yù)測和診斷車門亞健康狀態(tài)。為開展車門的故障預(yù)測與健康管理，利用先進(jìn)的傳感器技術(shù)，獲取車門系統(tǒng)運行狀態(tài)信息，實現(xiàn)車門的智能運維管理狀態(tài)修，維保人員在車門報出亞健康狀態(tài)以后，根據(jù)不同的亞健康狀態(tài)給出不同的建議，即檢修指導(dǎo)：檢修周期、檢修工具、檢修步驟、檢修部位，通過狀態(tài)修可以大量減少人工檢查工作。

3、現(xiàn)有亞健康診斷基于正線運行開關(guān)門數(shù)據(jù)，在數(shù)據(jù)穩(wěn)定有效前提下具備較好效果。實際運行場景復(fù)雜，存在溫度、風(fēng)壓、系統(tǒng)修潤滑等情況，對電機實時采集數(shù)據(jù)及門控器io信號參數(shù)干擾較大，影響診斷效果。

技術(shù)實現(xiàn)思路

1、發(fā)明目的：本發(fā)明的目的是提供一種基于場景識別去干擾的軌道交通車門phm診斷方法，通過識別車門運行場景，排除系統(tǒng)修工況干擾，結(jié)合正線與庫內(nèi)數(shù)據(jù)加權(quán)分析，實現(xiàn)車門狀態(tài)的精準(zhǔn)診斷與預(yù)警。

2、技術(shù)方案：本發(fā)明所述的一種基于場景識別去干擾的軌道交通車門phm診斷方法，包括以下步驟：

3、（1）通過門系統(tǒng)驅(qū)動電機內(nèi)的傳感器及門控器采集車門系統(tǒng)的運行狀態(tài)信息，解析后進(jìn)行預(yù)處理，并傳輸?shù)綌?shù)據(jù)庫；其中，車門運行狀態(tài)信息包括轉(zhuǎn)速、轉(zhuǎn)角、電流、關(guān)鎖到位開關(guān)跳變位置、輔助鎖動作時間、門控器io信號和站點信息；

4、（2）場景識別模塊根據(jù)列車工況識別車門運行場景，若為正線運行模式，則獲取車門運行的溫度、風(fēng)壓、維修信息，若為檢修模式，診斷過濾檢修模式下數(shù)據(jù)；其中，列車工況包括正線運行模式、庫內(nèi)檢修模式、庫內(nèi)標(biāo)準(zhǔn)模式；

5、（3）正線診斷模塊輸入溫度、風(fēng)壓和維修信息，通過阻力閾值模型和智能亞健康算法模型，對正線車門開關(guān)門狀態(tài)數(shù)據(jù)進(jìn)行診斷，將診斷結(jié)果記錄入數(shù)據(jù)庫；

6、（4）通過庫內(nèi)二次診斷模塊對正線有亞健康的事件的車門進(jìn)行庫內(nèi)二次診斷，庫內(nèi)車門開關(guān)門在規(guī)定條件下進(jìn)行；

7、（5）通過告警推送模塊，對正線與庫內(nèi)診斷各項點結(jié)果進(jìn)行融合策略加權(quán)，實時告警車門亞健康；

8、（6）通過多門對比模塊，對車門狀態(tài)信息的關(guān)鍵特征值進(jìn)行計算，利用多門橫向?qū)Ρ人惴Ｐ?，對異常車門標(biāo)注；

9、（7）通過車門機檢報告模塊根據(jù)融合診斷結(jié)果和多門對比生成車門機檢報告，提供檢修周期、工具、步驟及部位等建議，作為檢修依據(jù)。

10、進(jìn)一步的，步驟（3）中，對車門開關(guān)數(shù)據(jù)進(jìn)行判斷，根據(jù)輸入?yún)?shù)和場景識別對正線運營數(shù)據(jù)進(jìn)行閾值模型和智能算法模型的診斷，結(jié)果進(jìn)行記錄，具體包括以下步驟，

11、（31）對車門開關(guān)數(shù)據(jù)作過濾、對齊、去除冗余采集的處理，對轉(zhuǎn)速、轉(zhuǎn)角、電流數(shù)據(jù)進(jìn)行分段處理，并根據(jù)數(shù)學(xué)統(tǒng)計量計算區(qū)分各特征值數(shù)據(jù)；

12、（32）獲取溫度、風(fēng)壓和維修信息等輸入?yún)?shù)，若存在維修信息，則過濾開關(guān)診斷數(shù)據(jù)，若存在溫度、風(fēng)壓，則根據(jù)輸入?yún)?shù)對閾值模型進(jìn)行自動閾值調(diào)整；

13、（33）對車門開關(guān)數(shù)據(jù)對應(yīng)的列車工況進(jìn)行識別，包括正線運行模式、庫內(nèi)檢修模式、庫內(nèi)標(biāo)準(zhǔn)模式，對正線運行模式進(jìn)行診斷；

14、（34）基于特征值變化對各分段進(jìn)行最大值、最小值、均值、標(biāo)準(zhǔn)差、偏度、峭度的特征值計算，構(gòu)建閾值類模型，對項點特征值進(jìn)行閾值設(shè)定，公式如下:

15、)；

16、)；

17、；

18、；

19、；

20、；

21、其中，m是特征值樣本數(shù)量，是特征值數(shù)據(jù)大小，是特征值均值，是特征值標(biāo)準(zhǔn)差，是特征值偏度，是特征值峭度；

22、（35）利用智能算法基于數(shù)據(jù)驅(qū)動的方法建模，對正常數(shù)據(jù)和異常數(shù)據(jù)統(tǒng)計分段特征值并進(jìn)行標(biāo)準(zhǔn)化處理，對特征值進(jìn)行加權(quán)聚類，根據(jù)聚類距離排序，選取核心特征值及變化趨勢，建立對應(yīng)的亞健康模型規(guī)則，使用對應(yīng)的模型規(guī)則進(jìn)行診斷；

23、（36）對閾值模型和智能算法模型診斷后的異常數(shù)據(jù)標(biāo)記，記錄成事件入庫。

24、進(jìn)一步的，步驟（4）中，庫內(nèi)車門開關(guān)門在規(guī)定條件下進(jìn)行，庫內(nèi)開關(guān)門要求升弓正常電壓、無空調(diào)啟動無風(fēng)壓、無車體變形、無乘客干擾。

25、進(jìn)一步的，步驟（6）中，多門對比模塊利用大數(shù)據(jù)統(tǒng)計分析方法，當(dāng)確認(rèn)為庫內(nèi)標(biāo)準(zhǔn)數(shù)據(jù)時，通過關(guān)到位開關(guān)跳變?位置、鎖到位開關(guān)跳變位置、開關(guān)門動作時間、開度等橫截面數(shù)據(jù)，使用箱型圖和?z-score?方法橫向分析定位離群門。

26、進(jìn)一步的，步驟（7）中，車門機檢報告統(tǒng)計每列車周期內(nèi)亞健康各項點的告警情況和關(guān)鍵特征值的多門對比，對異常車門標(biāo)記，列出所需檢修部件、檢修步驟和工具，根據(jù)車門亞健康狀態(tài)生成維修等級。

27、本發(fā)明所述的一種基于場景識別去干擾的軌道交通車門phm診斷系統(tǒng)，包括：

28、數(shù)據(jù)采集模塊：用于通過門系統(tǒng)驅(qū)動電機內(nèi)的傳感器及門控器采集車門系統(tǒng)的運行狀態(tài)信息，解析后進(jìn)行預(yù)處理，并傳輸?shù)綌?shù)據(jù)庫；其中，車門運行狀態(tài)信息包括轉(zhuǎn)速、轉(zhuǎn)角、電流、關(guān)鎖到位開關(guān)跳變位置、輔助鎖動作時間、門控器io信號和站點信息；

29、場景識別模塊：用于根據(jù)列車工況識別車門運行場景，若為正線運行模式，則獲取車門運行的溫度、風(fēng)壓、維修信息，若為檢修模式，診斷過濾檢修模式下數(shù)據(jù)；其中，列車工況包括正線運行模式、庫內(nèi)檢修模式、庫內(nèi)標(biāo)準(zhǔn)模式；

30、正線診斷模塊：用于輸入溫度、風(fēng)壓和維修信息，通過阻力閾值模型和智能亞健康算法模型，對正線車門開關(guān)門狀態(tài)數(shù)據(jù)進(jìn)行診斷，將診斷結(jié)果記錄入數(shù)據(jù)庫；

31、庫內(nèi)二次診斷模塊：用于對正線有亞健康的事件的車門進(jìn)行庫內(nèi)二次診斷，庫內(nèi)車門開關(guān)門在規(guī)定條件下進(jìn)行；

32、告警推送模塊：用于對正線與庫內(nèi)診斷各項點結(jié)果進(jìn)行融合策略加權(quán)，實時告警車門亞健康；

33、多門對比模塊：用于對車門狀態(tài)信息的關(guān)鍵特征值進(jìn)行計算，利用多門橫向?qū)Ρ人惴Ｐ停瑢Ξ惓＼囬T標(biāo)注；

34、車門機檢報告模塊：用于根據(jù)融合診斷結(jié)果和多門對比生成車門機檢報告，提供檢修周期、工具、步驟及部位等建議，作為檢修依據(jù)。

35、進(jìn)一步的，正線診斷模塊中，對車門開關(guān)數(shù)據(jù)進(jìn)行判斷，根據(jù)輸入?yún)?shù)和場景識別對正線運營數(shù)據(jù)進(jìn)行閾值模型和智能算法模型的診斷，結(jié)果進(jìn)行記錄，具體如下：

36、對車門開關(guān)數(shù)據(jù)作過濾、對齊、去除冗余采集的處理，對轉(zhuǎn)速、轉(zhuǎn)角、電流數(shù)據(jù)進(jìn)行分段處理，并根據(jù)數(shù)學(xué)統(tǒng)計量計算區(qū)分各特征值數(shù)據(jù)；

37、獲取溫度、風(fēng)壓和維修信息等輸入?yún)?shù)，若存在維修信息，則過濾開關(guān)診斷數(shù)據(jù)，若存在溫度、風(fēng)壓，則根據(jù)輸入?yún)?shù)對閾值模型進(jìn)行自動閾值調(diào)整；

38、對車門開關(guān)數(shù)據(jù)對應(yīng)的列車工況進(jìn)行識別，包括正線運行模式、庫內(nèi)檢修模式、庫內(nèi)標(biāo)準(zhǔn)模式，對正線運行模式進(jìn)行診斷；

39、基于特征值變化對各分段進(jìn)行最大值、最小值、均值、標(biāo)準(zhǔn)差、偏度、峭度的特征值計算，構(gòu)建閾值類模型，對項點特征值進(jìn)行閾值設(shè)定，公式如下:

40、)

41、)

42、

43、

44、

45、

46、其中，m是特征值樣本數(shù)量，是特征值數(shù)據(jù)大小，是特征值均值，是特征值標(biāo)準(zhǔn)差，是特征值偏度，是特征值峭度；

47、利用智能算法基于數(shù)據(jù)驅(qū)動的方法建模，對正常數(shù)據(jù)和異常數(shù)據(jù)統(tǒng)計分段特征值并進(jìn)行標(biāo)準(zhǔn)化處理，對特征值進(jìn)行加權(quán)聚類，根據(jù)聚類距離排序，選取核心特征值及變化趨勢，建立對應(yīng)的亞健康模型規(guī)則，使用對應(yīng)的模型規(guī)則進(jìn)行診斷；

48、對閾值模型和智能算法模型診斷后的異常數(shù)據(jù)標(biāo)記，記錄成事件入庫。

49、進(jìn)一步的，庫內(nèi)二次診斷模塊中，庫內(nèi)車門開關(guān)門在規(guī)定條件下進(jìn)行，庫內(nèi)開關(guān)門要求升弓正常電壓、無空調(diào)啟動無風(fēng)壓、無車體變形、無乘客干擾。

50、進(jìn)一步的，多門對比模塊中，利用大數(shù)據(jù)統(tǒng)計分析方法，當(dāng)確認(rèn)為庫內(nèi)標(biāo)準(zhǔn)數(shù)據(jù)時，通過關(guān)到位開關(guān)跳變?位置、鎖到位開關(guān)跳變位置、開關(guān)門動作時間、開度等橫截面數(shù)據(jù)，使用箱型圖和?z-score?等方法橫向分析定位離群門。

51、進(jìn)一步的，車門機檢報告模塊中，統(tǒng)計每列車周期內(nèi)亞健康各項點的告警情況和關(guān)鍵特征值的多門對比，對異常車門標(biāo)記，列出所需檢修部件、檢修步驟和工具，根據(jù)車門亞健康狀態(tài)生成維修等級。

52、有益效果：相比于現(xiàn)有技術(shù)，本發(fā)明具有如下優(yōu)勢：針對車門亞健康診斷的場景干擾問題，通過場景識別排除系統(tǒng)修工況和外部環(huán)境干擾；使用正線和庫內(nèi)融合診斷策略，實現(xiàn)了精準(zhǔn)診斷，提高車門亞健康狀態(tài)的診斷精度；同時實現(xiàn)車門狀態(tài)的實時監(jiān)測與預(yù)警，減少故障發(fā)生概率，保障乘客安全與運營秩序；基于大數(shù)據(jù)和智能算法，為車門維護(hù)提供科學(xué)依據(jù)，優(yōu)化檢修策略，降低維護(hù)成本；提供直觀有效的車門機檢報告，方便維保人員快速定位問題并實施維護(hù)，實現(xiàn)車門狀態(tài)的精準(zhǔn)診斷與健康管理，為軌道交通車輛的安全運營提供有力保障。