[发明专利]基于多特征融合的车辆门系统亚健康状态预警及诊断方法

说明书

本发明公开了一种基于多特征融合的车辆门系统亚健康状态预警及诊断方法，包括通过车辆门系统的故障试验，获取车辆门系统在各种亚健康状态下的电流、转速、转角三种时间序列的特征数据，形成车辆门系统的亚健康数据集；车辆门系统的亚健康数据集中每种状态对应的特三种特征数据分别作归一化处理和特征降维处理，形成训练集和测试集；根据多特征、多分类、多核学习的SVM模型，确定核函数类型和每个基核的参数；将与不同特征结合的所有核函数进行线性组合，作为SVM模型的合成核函数，并利用SVM模型的合成核函数进行车辆门系统的亚健康状态诊断。本发明弥补了单个特征单个使用时的缺陷，提高了亚健康状态诊断的正确率。

技术领域

本发明涉及远程故障诊断技术领域，具体涉及一种基于多特征融合的车辆门系统亚健康状态预警及诊断方法。

背景技术

交通是国民经济的大动脉，大力发展交通是一项战略性任务，近年来，轨道交通，尤其是城市轨道交通的发展十分重要和迫切，这也对城市轨道交通成套装备现代化提出了迫切的需求和严格的要求。

车门系统是乘客上下轨道交通运输工具(地铁、高铁等)的唯一通道，车门的亚健康运行将会最终导致车门系统故障的发生，直接影响到乘客的人身安全。根据国内外统计，在轨道交通车辆门系统中，门系统的故障占轨道系统总故障数的30％以上，对车辆运行的安全性构成了严重的威胁，亟待解决。因此，研究城市轨道交通车辆门系统的智能诊断及维护技术对于提高其系统的安全性、可靠性、有效性，减少经济损失，保障人身安全具有重要意义。

目前，远程故障诊断技术是现代诊断技术的发展方向，经过将近30年的发展，其在理论和实践上都取得了相当不错的成就，已经成为人工智能的一个重要领域。近几年，人们将一些智能诊断方法应用于车辆门系统的故障预警和诊断中，如专家系统、神经网络、模糊理论等，取得了一些不错的成果。然而，用于车辆门系统的智能诊断技术也存在很多的问题，比如采用单特征的单核SVM方法或多特征直接拼接的单核SVM方法进行故障诊断时使得准确率不高，一旦发生″虚报″或″误报″等情况，将引发严重后果，要实现高精确度和高鲁棒性的车辆门异常状态诊断，往往需要融合多个类别的特征，开展基于信息融合的轨道车辆门异常状态诊断技术研究，是当前急需解决的问题。

发明内容

本发明的目的是如何实现高精确度和高鲁棒性的车辆门系统的异常状态诊断。本发明的基于多特征融合的车辆门系统亚健康状态预警及诊断方法，利用带有不同参数的基本核函数对不同的特征数据进行映射，实现多种特征的有效融合，弥补了单个特征单个使用时的缺陷，提高了亚健康状态诊断的正确率，具有良好的应用前景。

为了达到上述目的，本发明所采用的技术方案是：

基于多特征融合的车辆门系统亚健康状态预警及诊断方法，包括以下步骤，

步骤(A)，通过车辆门系统的故障试验，获取车辆门系统在各种亚健康状态下的电流、转速、转角三种时间序列的特征数据，形成车辆门系统的亚健康数据集；

步骤(B)，车辆门系统的亚健康数据集中每种状态对应的特三种特征数据分别作归一化处理和特征降维处理，形成训练集和测试集；

步骤(C)，根据多特征、多分类、多核学习的SVM模型，确定核函数类型和每个基核的参数；

步骤(D)，将与不同特征结合的所有核函数进行线性组合，作为SVM模型的合成核函数，并利用SVM模型的合成核函数进行车辆门系统的亚健康状态诊断。

前述的基于多特征融合的车辆门系统亚健康状态预警及诊断方法，步骤(A)，获取车辆门系统在各种亚健康状态下的电流、转速、转角三种时间序列的特征数据，均包括开门和关门两种状态，所述亚健康状态，包括门对中6mm、门对中8mm、上滑道外调5mm、下档销横向干涉、下档销纵向干涉、压论过压、门V型5mm、门V型8mm八种情况下的状态，通过车辆门系统的外置采集模块独立采集各状态下门电机的电流、转速、转角，形成车辆门系统的亚健康数据集。