[发明专利]一种轨道车辆门系统的润滑退化预测方法

权利要求书

1.一种轨道车辆门系统的润滑退化预测方法，其特征在于，包括以下步骤：

步骤一，电机采集数据的预处理：将轨道车辆门系统采集的数据进行校正，重新记录每一次开关门过程中数据采集的起始点与终止点；同时将车辆门系统的起点校正到同一位置，得到校正后的轨道车辆门系统的采集数据；

步骤二，轨道车辆门系统的特征值提取：对每一次开关门过程进行分段处理，应用描述统计量进行数据分析，得到能够完整体现轨道车辆门系统状态的特征值，所有特征值组成系统特征集；

步骤三，润滑退化模型的建立：运用随机森林算法，对轨道车辆门系统的润滑退化状态进行离线建模，通过对轨道车辆门系统的多种润滑退化状态和正常状态进行分类分析，得到不同的润滑退化状态的训练模型；

步骤四，润滑退化预测：将步骤二提取的特征值与步骤三得到的训练模型进行对比，诊断当前轨道车辆门系统所处的润滑退化状态。

2.根据权利要求1所述的一种轨道车辆门系统的润滑退化预测方法，其特征在于：步骤二中，对每一次开关门过程的分段处理为将每一次开关门过程分为5段，确定每个段上的电机参数值，得到系统特征集；其中，所述5段包括升速段、高速段、减速段、缓行段和到位后段，电机参数值包括位置、速度和电流值。

3.根据权利要求2所述的一种轨道车辆门系统的润滑退化预测方法，其特征在于：将5段中的每一段分别提取6个时域特征，6个时域特征包括相应段上的电机参数值的最大值、最小值、均值、方差、偏度和峰度，所述6个时域特征组成时域特征集。

4.根据权利要求2所述的一种轨道车辆门系统的润滑退化预测方法，其特征在于：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所述的一种轨道车辆门系统的润滑退化预测方法，其特征在于：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位置、开门速度、开门电流信号、关门位置、关门速度和关门电流信号分别进行小波分解，得到多个子频带的能量并确定车辆门系统的频域特征集。

6.根据权利要求1所述的一种轨道车辆门系统的润滑退化预测方法，其特征在于：步骤三中，运用随机森林算法对轨道车辆门系统的润滑退化状态进行离线建模，包括：

通过bootstrap重采样技术，从原始训练集中有放回地重复随机抽取n个bootstrap样本集，重复k次，每次抽取的bootstrap样本集为决策树生长的训练集，k次抽取样本的过程中未被抽到的样本构成袋外数据，在森林内部对分类性能进行测试评估；随机选取候选分割特征，使分类器在结构上有所不同；随机森林输出结果为每棵决策树输出结果的多种组合形式，每棵决策树给出待估样本的预测类标，依据投票多少决定预测样本的最终归属类，从而建立轨道车辆门系统的润滑退化模型。

7.根据权利要求6所述的一种轨道车辆门系统的润滑退化预测方法，其特征在于：所述步骤四具体包括以下步骤：

步骤4.1：对步骤二提取的特征值和正常数据进行分类分析，分析分类结果的正确率：如果正确率低于阈值，说明轨道车辆门系统处于正常状态；否则得出一个未知模型，并进入步骤4.2；

步骤4.2：将未知模型与步骤三得到的训练模型进行匹配，根据随机森林算法进行预测，获得轨道车辆门系统当前所处的润滑退化状态。

8.根据权利要求1所述的一种轨道车辆门系统的润滑退化预测方法，其特征在于：所述步骤二还包括在对每一次开关门过程进行分段处理之前对轨道车辆门系统的正线数据进行预处理的过程，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。