[发明专利]一种城轨车辆及其客室车门故障诊断方法

说明书

本发明公开了一种城轨车辆及其客室车门故障诊断方法，故障诊断方法包括：S1，基于无故障状态采集的训练样本集矩阵，构建邻域保持嵌入算法NPE模型，计算统计限和统计限SPE_lim；S2，基于车门运行实时状态采集的故障判断数据矩阵，根据邻域保持嵌入算法NPE模型，获取故障判断数据矩阵的实时的统计量T²和统计量SPE；S3，判断故障判断数据矩阵的统计量T²和统计量SPE是否超出统计限和统计限SPE_lim，若两者均未超出统计限，判定为车门没有发生故障，否则判定为车门发生故障。本发明的诊断方法能够有效处理车门运行数据的多尺度、非线性问题，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。

技术领域

本发明属于城轨列车技术领域，具体地说，涉及一种城轨车辆及其客室车门故障诊断方法。

背景技术

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。

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。

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。

有鉴于此，特提出本发明。

发明内容

本发明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，旨在基于邻域保持嵌入算法NPE模型对城轨车辆客室车门的实施故障诊断，有效地处理车门运行数据的多尺度、非线性问题，能够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。

本发明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。

为解决上述技术问题，本发明采用技术方案的基本构思是：

一种城轨车辆客室车门故障诊断方法，包括以下步骤

S1，基于无故障状态采集的训练样本集，构建邻域保持嵌入算法NPE模型，计算统计限和统计限SPE_lim；

S2，基于车门运行实时状态采集的故障判断数据矩阵，根据邻域保持嵌入算法NPE模型，获取故障判断数据矩阵的实时的统计量T²和统计量SPE；

S3，判断故障判断数据矩阵的统计量T²和统计量SPE是否超出统计限和统计限SPE_lim，若两者均未超出统计限，则判定为车门没有发生故障，否则判定为车门发生故障。

进一步的，步骤S1中包括