数据驱动的地铁车门微小故障智能诊断方法

论文摘要

车门控制系统是地铁车辆中最重要的子系统之一,其机电部件紧密耦合且存在频繁往复运动,易受环境和乘客干扰,故障率居高不下。为准确检测诊断地铁车门早期故障,本文提出一种大数据驱动的车门故障特征优选方法和基于随机森林(RF)的智能诊断方法。首先,从地铁运营公司累积的大量车门运行状态数据中,提取门扇位置、驱动电机转速和电流信号的多阶段时域特征指标,构建车门运行状态的特征向量;然后,应用距离评估准则,优选对故障敏感度高且对干扰鲁棒性强的车门状态特征,降低特征维度,减少冗余、无关特征的干扰;以优选后的车门状态特征作为RF网络的输入,故障标签作为输出,建立智能故障诊断模型,实现车门系统不同微小故障状态的自动识别。在杭州地铁4号线台架车门上的应用结果表明,所提方法能准确提取早期故障的微弱特征,故障分类模型精度高,故障诊断准确率优于现有其他方法。

论文目录

• 0 引言
• 1 双向对开塞拉门控制系统
•   1.1 车门系统简介和常见故障
•   1.2 数据预处理和特征初选
• 2 基于距离评估准则的特征优选算法
• 3 基于RF的智能故障诊断方法
•   3.1 RF
•   3.2 微小故障诊断模型
• 4 实验与结果分析
•   4.1 实验简介
•   4.2 基于特征优选和RF分类器的微小故障诊断结果
•   4.3 RF分类器和常用分类算法的诊断结果和对比分析
• 5 结论

文章来源

类型: 期刊论文

作者: 施文,陆宁云,姜斌,支有冉,许志兴

关键词: 微小故障诊断,距离评估准则,随机森林,地铁车门系统

来源: 仪器仪表学报 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 铁路运输

单位: 南京航空航天大学自动化学院,南京康尼机电股份有限公司

基金: 国家自然科学基金(61873122),江苏省轨道交通车辆门系统重点实验室(筹)项目(KN17-26)资助

分类号: U279.323

DOI: 10.19650/j.cnki.cjsi.J1905015

页码: 192-201

总页数: 10

文件大小: 587K

下载量: 413