[发明专利]一种轨道车辆门系统的润滑退化预测方法

说明书

本发明的一种轨道车辆门系统的润滑退化预测方法，首先进行电机采集数据的预处理，然后对轨道车辆门系统的特征值提取；并运用随机森林算法建立润滑退化模型，最后进行润滑退化预测将提取的特征值得到的训练模型进行对比，诊断当前轨道车辆门系统所处的润滑退化状态。本发明到了预测车辆门系统润滑退化的目的，同时根据在线的预测结果能够发现未知的润滑退化状态，有助于及时采取相应的措施避免系统故障的发生。

技术领域

本发明涉及城市轨道交通技术领域，具体是一种轨道车辆门系统的润滑退化预测方法。

背景技术

在交通需求的大环境下，城市轨道交通车辆在整个城市轨道交通系统设备中占据着重要的地位。与此同时，轨道交通安全与可靠性保障也面临着严峻的挑战。其中轨道车辆门是城市轨道交通运营中使用最频繁的部件之一。由于开关频繁，造成车门系统故障频发，给乘客出行带来不便，与此同时对城市轨道交通安全运营造成严重影响。根据统计可知，在整个地铁运营过程中，列车故障数占总数的35％以上，其中，车门系统作为列车的关键子系统，故障数量在列车各系统中排名第一，占列车故障总数的50％左右。在车门开关门过程中，由于轴承发生摩擦的原因是滑动轴承油膜过薄,而非疲劳破坏等因素,所以对油膜研究至关重要。油膜厚度对工作性能有着很大的影响,油膜力承受着转子给予轴承的载。

地铁车辆门系统部件较多，是多专业综合性的产品，涉及机械、电子、计算机、控制、材料等多领域。所以检测它的润滑退化状态使用传统的基于模型或者基于规则的方法也变得越来越困难。基于数据的方法能够通过分析系统采集的数据来监测系统的当前状态，而通过分析实时数据和正常数据的差异，可以来预测系统的润滑退化状态，来避免可能出现的系统故障；因而基于数据的方法在理论研究和工程应用中发挥着广泛作用。目前尚没有基于轨道车辆门系统的润滑退化与系统健康状态方面的技术。现有的其他系统的润滑退化的预测方法，地铁车辆门系统的部件较多且不同程度的润滑退化造成不同的异常状态，无法通过该方法进行地铁车辆门系统润滑退化状态的检测。因此，及时发现系统常见的早期润滑退化征兆，进行实时的润滑状态监测并提供润滑退化状态判别，对提高车门系统的安全性、可靠性、降低故障率具有重要意义。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种轨道车辆门系统的润滑退化预测方法。

技术方案：为解决上述技术问题，本发明的一种轨道车辆门系统的润滑退化预测方法，包括以下步骤：

步骤一，电机采集数据的预处理：将轨道车辆门系统采集的数据进行校正，重新记录每一次开关门过程中数据采集的起始点与终止点；同时将车辆门系统的起点校正到同一位置，得到校正后的轨道车辆门系统的采集数据；

步骤二，轨道车辆门系统的特征值提取：对每一次开关门过程进行分段处理，应用描述统计量进行数据分析，得到能够完整体现轨道车辆门系统状态的特征值，所有特征值组成系统特征集；

步骤三，润滑退化模型的建立：运用随机森林算法，对轨道车辆门系统的润滑退化状态进行离线建模，通过对轨道车辆门系统的多种润滑退化状态和正常状态进行分类分析，得到不同的润滑退化状态的训练模型；

步骤四，润滑退化预测：将步骤二提取的特征值与步骤三得到的训练模型进行对比，诊断当前轨道车辆门系统所处的润滑退化状态。

步骤二中，对每一次开关门过程的分段处理为将每一次开关门过程分为5段，确定每个段上的电机参数值，得到系统特征集；其中，所述5段包括升速段、高速段、减速段、缓行段和到位后段，电机参数值包括位置、速度和电流值。将5段中的每一段分别提取6个时域特征，6个时域特征包括相应段上的电机参数值的最大值、最小值、均值、方差、偏度和峰度，所述6个时域特征组成时域特征集。

其中，将系统特征集分解成多个独立频域的子空间，采用小波分解方法提取各频带的能量频域能量特征。