[发明专利]基于DPC的轨道车辆多门系统异常检测方法和系统

权利要求书

1.基于DPC的轨道车辆多门系统异常检测方法，其特征是，包括以下步骤：

步骤一：对车门系统的正线数据进行特征提取，特征提取时将每一次开关门过程分段对每个段上若干电机参数值分别进行时域特征提取和频域特征提取并组合生成车门系统的系统状态变量；

步骤二：基于密度峰值聚类方法对提取出的系统特征变量建立系统多门健康度模型；

步骤三：采用欧式距离识别车门的异常状态。

2.根据权利要求1所述的车辆多门系统异常检测方法，其特征是，步骤一包括将每一次开关门过程分为5段，包括升速段、高速段和减速段、缓行段和到位后段；确定每个段上电机参数值包括位置、速度和电流值得到系统特征集。

3.根据权利要求2所述的车辆多门系统异常检测方法，其特征是，时域特征提取包括将每一段分别提取6个时域特征包括分别提取每段电机参数值的最大值、最小值、均值、方差、偏度和峰度组成系统时域特征集。

4.根据权利要求2所述的车辆多门系统异常检测方法，其特征是，频域特征提取时将系统特征集分解成多个独立频域的子空间，采用小波分解方法提取各频带的能量频域能量特征。

5.根据权利要求4所述的车辆多门系统异常检测方法，其特征是，采用3层小波分解结构，对轨道车辆门系统电机采集的开门和关门的位置、速度和电流信号分别进行小波分解，得到4个子频带的能量并最终确定轨道车辆门系统的频域特征集。

6.根据权利要求1所述的车辆多门系统异常检测方法，其特征是，步骤二中基于密度峰值聚类方法对提取出的系统特征变量建立系统多门健康度模型时确定系统状态变量的密度中心，包括：

计算出每个X_i的局部密度ρ和距离δ，若系统状态变量值X_i的密度是最大局部密度或最大全局密度,则X_i的δ_i远大于其最近邻系统状态变量值的δ距离；选择ρ,δ都较大的系统状态变量值为类簇中心，设有m个密度中心，即C_i,i＝1,2,3,…m；

分配剩余数据点：对于剩余系统状态变量值j,将其归入密度比j大且距离j最近的系统状态变量值所在类簇,一步完成对剩余系统状态变量值j的分配。

7.根据权利要求6所述的车辆多门系统异常检测方法，其特征是，采用欧式距离识别车门的异常状态，包括：计算系统状态变量值到密度中心C_i,i＝1,2,3,…m的欧氏距离之和，表达式为：

其中X_i为系统状态变量值，C_i为密度中心。

8.根据权利要求1所述的车辆多门系统异常检测方法，其特征是，对车门系统的正线数据进行特征提取之前包括对车门系统的正线数据进行预处理，所述预处理包括对正线数据的对齐和问题数据去除，所述问题数据包括小于预先设定的正常数据阈值的数据和不在正常数据范围的数据。