[发明专利]轨道交通自诊断型门机系统

权利要求书

1.一种轨道交通自诊断型门机系统的运行方法，其特征在于：包括以下步骤：

步骤S1：分布式采集站台门数据，了解站台门运行状态，定位故障点位；

步骤S2：记录站台门历史运行数据，生成分析模型，分析故障原因；

步骤S3：获取分析站台门故障的原因，进一步分析诊断策略；

步骤S4：系统运行期间同步进行预测性维护分析；

步骤S5：提前推送防护性维护准备至维保人员，当诊断策略分析完成后，推送故障解决策略至维保人员。

2.根据权利要求1所述的轨道交通自诊断型门机系统的运行方法，其特征在于：所述步骤S1具体为：通过在站台门内部布设多个信号传感器，实时监测站台门电机驱动的关键参数，第一时间了解设备的运行状态；监测的站台门实时参数以及站台门自动运行数据将通过多信道形式进行数据传输，根据监测的信号类型，将传输信号划分为多个子信道，同时对于每个子信道的传输源，系统预设捆绑传输源的唯一点位信息。

3.根据权利要求1所述的轨道交通自诊断型门机系统的运行方法，其特征在于：所述步骤S2具有包括：

建立站台门历史运行数据库，在数据库中记录站台门历史运行时的测量数据，根据不同参数的测量数据分别生成分析模型，在模型中将实时测量数据的时间横轴与历史运行数据相匹配后，对比参数走势斜率；

当实时参数走势斜率与历史运行参数斜率误差高于该类型参数预设阈值时，则系统输出分析原因，并通过步骤S1中传输子信道快速追溯故障点位。

4.根据权利要求3所述的轨道交通自诊断型门机系统的运行方法，其特征在于：所述步骤S2还包括：

对于站台门典型故障还可以进行快速分析，将站台门的发生典型故障时的监测数据特征以及运行数据特征进行特征唯一性匹配，然后直接输出故障原因。

5.根据权利要求1所述的轨道交通自诊断型门机系统的运行方法，其特征在于：所述步骤S3中分析诊断策略的方法为：

获取到故障原因后，将导致故障的关联参数在历史故障修复记录中进行二级识别，主要包括关联参数类型和关联参数近似值识别，先识别关联参数类型，当在历史故障修复记录中存在唯一关联参数类型时，则直接以历史故障修复记录作为诊断策略输出分析结果，当在历史故障修复记录中存在多个关联参数类型时，则二级识别关联参数近似值，匹配最佳近似值对应的故障修复记录作为诊断策略输出分析结果。

6.根据权利要求1所述的轨道交通自诊断型门机系统的运行方法，其特征在于：所述步骤S4进一步包括：

通过对各线路各站点的故障和运输数据统计分析，建设预警模型，分析出高概率故障或者高频次事件，针对高概率故障和高频次时间提前做好预防性维护；

通过分析易损件的MTBF，跟踪备件的更换历史，维保人员给出反馈，记录上传至轨道交通自诊断型门机系统，系统自动提前向相关维保人员推送更换信息。

7.一种轨道交通自诊断型门机系统，其特征在于：该系统包括：

分布式数据采集模块，用于分布式采集站台门数据；

故障诊断分析模块，用于诊断分析轨道交通站台门机故障原因；

故障处理策略分析模块，用于根据所述分析故障原因对故障处理策略进一步分析；

实时推送模块，用于对轨道交通站台门机故障处理策略进行实时推送；

预测性维护分析模块，用于对轨道交通站台门机可能发生的故障进行预测分析处理。

8.根据权利要求7所述的轨道交通自诊断型门机系统，其特征在于：所述故障诊断分析模块包括：

历史运行数据库，用于记录站台门历史运行时的测量数据；

测量记录分析子模块，用于对测量数据的历史记录进行分析；

阀值预警子模块，用于监测数据参数，并对超过阀值数据进行判断报警处理；

典型故障快速分析子模块，用于快速分析站台门的典型故障原因。

9.根据权利要求8所述的轨道交通自诊断型门机系统，其特征在于：所述预测性维护分析模块包括：

易损件MTBF分析子模块，用于记录历史易损件的MTBF并分析预测；

高频次事件分析子模块，用于统计分析线路各站点的故障和运行数据，建设预警模型进行分析。