[发明专利]基于时间序列数据挖掘的轨道车辆门亚健康状态识别方法

权利要求书

1.基于时间序列数据挖掘的轨道车辆门亚健康状态识别方法，其特征在于：包括以下步骤，

步骤(A)，对轨道车辆门的亚健康及其对应正常的数据进行采集及预处理；

步骤(B)，通过多尺度滑动窗口方法，结合ESAX字符化算法对步骤(A)中所采集及预处理后的数据进行处理，将其离散为第一字符串序列；

步骤(C)，计算获得正常开关门状态下的模板曲线，并通过步骤(B)中相同的方法进行离散为第二字符串序列，计算第二字符串序列与第一字符串序列之间的距离作为特征值，通过主成分分析对特征值进行降维和特征选择；

步骤(D)，通过分层亚健康状态识别算法由粗到细的逐步识别各种亚健康数据，在第一层训练中，仅依据步骤(C)中的特征值判断出Ⅰ类亚健康数据；在第二层训练中，对当前轨道车辆门的实时数据提取基础特征，并步骤(C)中所获得的特征进行融合，对正常数据及Ⅱ类亚健康数据进行区分；所述Ⅰ类亚健康数据为相对易识别的亚健康，远离正常状态；Ⅱ类亚健康数据为相对难识别的亚健康，靠近正常状态。

2.根据权利要求1所述的基于时间序列数据挖掘的轨道车辆门亚健康状态识别方法，其特征在于：步骤(A)，对轨道车辆门的亚健康及其对应正常的数据八组，包括V型异常数据、电机组件松动数据、对中尺寸变化小数据、对中尺寸变化大数据、上滑道外移数据、下挡销横向干涉数据、下挡销纵向干涉数据、压轮过压数据，且每组数据均包括电机转角、转速和电流三个参数值。

3.根据权利要求2所述的基于时间序列数据挖掘的轨道车辆门亚健康状态识别方法，其特征在于：步骤(A)，预处理包括对八组的对齐和问题数据去除，所述问题数据包括转速、转角和电流数据的采样点个数小于正常采样数据一半，或者初始转角不在正常范围内的数据。

4.根据权利要求1所述的基于时间序列数据挖掘的轨道车辆门亚健康状态识别方法，其特征在于：步骤(B)，通过多尺度滑动窗口方法，结合ESAX字符化算法对步骤(A)中所采集及预处理后的数据进行处理，将其离散为第一字符串序列，包括以下步骤，

(B1)，根据曲线变化的幅度原理，将开关门过程分为三个过程，包括启动段、匀速段和减速段；

(B2)，通过多尺度滑动窗口的重叠分割法，将采集及预处理后的数据的原始时间序列分割成若干个子时间序列，设滑动步长为1，子窗口的数量为|T|-n+1，其中，T为时间序列长度，n为滑动窗口的长度；对启动段和减速段使用的滑动窗口长度为n1，匀速段使用的滑动窗口长度为n2，其中，n1＝4*n2；

(B3)，对于每个子时间序列提取各自的ESAX特征，首先标准化子时间序列，使其呈现高斯分布，使用PAA将每一个子时间序列分割成w个等宽度的小段，计算每小段的均值、最大值和最小值，并记录其对应的横坐标，根据横坐标的次序对其所对应的均值、最大值和最小值进行排序，通过间断点β＝{β₁,β₂,...,β_n)等分高斯空间，并依次将排序之后的均值、最大值和最小值离散成第一字符串序列。

5.根据权利要求1所述的基于时间序列数据挖掘的轨道车辆门亚健康状态识别方法，其特征在于：步骤(C)，计算获得正常开关门状态下的模板曲线，包括以下步骤，

(C1)，计算各组正常数据的均值μ和标准差σ；

(C2)，通过异常数据判断公式μ±2σ确定上下边界，去除越过边界次数较多的正常数据；

(C3)，对剩下的数据进行均值计算，将获得正常开关门状态下的模板曲线。