[发明专利]电动塞拉门的故障预测方法和装置

说明书

本发明提出一种电动塞拉门的故障预测方法和装置，其中，该方法包括：获取电动塞拉门的横纵应力信号数据，并获取与电动塞拉门对应的门控器输出的电机电流信号数据；根据横纵应力信号数据、电机电流信号数据和预先训练的隐马尔科夫模型进行故障预测，以获取电动塞拉门的故障预测结果，由此，通过结合横纵应力信号数据和电机电流信号数据两种故障因素的隐马尔科夫模型对电动塞拉门进行故障预测，能够准确预测电动塞拉门的状态，提高了电动塞拉门故障预测的准确性。

技术领域

本发明涉及城市轨道交通技术领域，尤其涉及一种电动塞拉门的故障预测方法和装置。

背景技术

随着城市轨道交通的发展，对地铁、轻轨等城市轨道交通相关设备的运营使用和维修保障提出更高的要求。

在城市轨道交通车辆运营过程，门作为比较普遍的门系统驱动形式，其运行可靠性和安全性，将直接影响着城市轨道交通车辆正常安全的运营。

目前，相关技术中的门故障预测方式，从预测模型类别上分为基于物理模型和基于数据分析的智能算法模型两种方式，其中：

基于物理模型的故障预测方式，只针对单一故障原因进行故障预测，适用于故障原因比较单一，机器结构简单的设备，这种方式不适用于多种机械和电子设备组成的系统，例如轨道交通的电动塞拉门系统，因此，该方式不能准确预测电动塞拉门系统中的电动塞拉门故障。

基于数据分析的智能算法模型的故障预测方式，在预测故障的过程中，将电机电流作为分析的唯一输入数据，输入至模型，并通过模型预测故障。然而，由于该模型是基于实验数据所建立的模型，因此，在实际轨道设备运营中，由于故障原因多样，因此，在实际运营中故障预测的效果十分有限。

基于上述描述，可知，上述两类故障预测方式，有个共同缺点，是只能针对一种故障原因，对于门系统实际运营的健康管理和故障预测效果并不理想。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明目的在于提出一种电动塞拉门的故障预测方法和装置，通过结合横纵应力信号数据和电机电流信号数据两种故障因素的隐马尔科夫模型对电动塞拉门进行故障预测，能够准确预测电动塞拉门的状态，提高了电动塞拉门故障预测的准确性。

为达上述目的，本发明第一方面实施例提出了一种电动塞拉门的故障预测方法，包括以下步骤：获取所述电动塞拉门的横纵应力信号数据，并获取与所述电动塞拉门对应的门控器输出的电机电流信号数据；根据所述横纵应力信号数据、所述电机电流信号数据和预先训练的隐马尔科夫模型进行故障预测，以获取所述电动塞拉门的故障预测结果。

在本发明的一个实施例中，所述获取所述电动塞拉门的横纵应力信号数据，并获取与所述电动塞拉门对应的门控器输出的电机电流信号数据，包括：从自动列车监控系统ATS的信号数据中提取所述电动塞拉门的门横纵应力信号数据，并提取与所述电动塞拉门对应的门控器输出的电机电流信号数据。

在本发明的一个实施例中，所述方法还包括：在所述故障预测结果预测所述电动塞拉门故障时，根据故障预测结果确定所述电动塞拉门的故障类型，并获取对应的维修建议信息，并展示所述维修建议信息。

在本发明的一个实施例中，在所述获取所述电动塞拉门的横纵应力信号数据之前，所述方法还包括：获取训练数据，所述训练数据包括所述电动塞拉门的横纵应力样本信号数据、与所述电动塞拉门对应的门控器输出的电机电流信号样本数据和故障标注数据，其中，所述故障标注数据与所述横纵应力信号样本数据和电机电流信号样本数据对应；根据所述样本横纵应力信号数据、所述样本电机电流信号数据和所述故障标注数据对所述隐马尔科夫模型进行训练。

在本发明的一个实施例中，所述方法还包括：每间隔预设时间，更新所述训练数据；基于更新的训练数据，对所述隐马尔科夫模型进行重新训练，以更新所述隐马尔科夫模型。