[发明专利]一种基于DPC的地铁车门系统性能衰退检测方法

权利要求书

1.一种基于DPC的地铁车门系统性能衰退检测方法，其特征在于，包括步骤：

(1)通过电机传感器采集地铁车辆门系统运行的正线数据，并进行预处理，消除噪音数据；

(2)对预处理后的数据进行分段特征提取，采用单变量统计分析法分析时域特性，得到能够完整体现地铁车辆门系统状态的特征集；

(3)基于密度峰值聚类算法对提取出的系统特征集建立系统多门健康初始状态模型；

(4)采用欧式距离识别多门系统中各个车门性能的退化过程。

2.根据权利要求1所述的基于DPC的地铁车门系统性能衰退检测方法，其特征在于：步骤(1)中，所述噪音数据包括小于预先设定的正常数据阈值的数据和不在正常数据范围的数据。

3.根据权利要求1所述的基于DPC的地铁车门系统性能衰退检测方法，其特征在于，所述步骤(2)包括：

(21)根据开关门的速度曲线，将地铁车门一次开关门过程分为3个阶段，包括上升段，平行段和下降段；

(22)对车门的P个时域特征进行单变量统计分析；所述时域特征包括各个阶段上的电车门位置、电机转速和接入的电流值；

(23)以对应同一阶段同一采样点的时域特征为向量元素构造特征向量，并构建各车门特征向量集F∈R^n×p，其中，n为一次开关门过程中车门采样的个数。

4.根据权利要求3所述的基于DPC的地铁车门系统性能衰退检测方法，其特征在于，步骤(22)中，所述特征还包括：在车门运动各个阶段中，车门位置、电机转速和电流信号的极值、均值、方差、偏度、峰度。

5.根据权利要求1所述的基于DPC的地铁车门系统性能衰退检测方法，其特征在于，所述步骤(3)包括：

(31)随机选定某天的数据为车门的初始状态；

(32)计算出初始状态下，各车门特征向量F_i的局部密度ρ_i和第i个车门到局部密度大于ρ_i且离i最近的第j个车门的距离δ_i，i＝1,…,N；

(33)若车门特征向量F_i的密度为最大局部密度或最大全局密度,则F_i的δ_i远大于其最近邻车门的车门特征向量的距离δ；

(34)选择局部密度ρ、距离δ都较大的车门特征向量为车门初始状态类簇中心，设有m个类簇中心C_t,t＝1,2,3,…m，m≤N；

(35)对于剩余车门特征向量F_z,z＝m+1,…,N，将其归入密度比ρ_z大且距离F_z最近的车门特征向量所在类簇；

(36)将类簇划分后各类簇中心的特征向量集作为系统多门健康初始状态模型。

6.根据权利要求1所述的基于DPC的地铁车门系统性能衰退检测方法，其特征在于，所述步骤(4)为，按照如下公式计算每个开关门周期内的N个车门的车门特征向量到初始状态类簇中心C_t,t＝1,2,3,…m的欧氏距离之和：

其中，F_i为车门特征向量，C_t为类簇中心，m为类簇中心个数，p为时域特征个数。