[发明专利]一种城轨车辆及其客室车门故障诊断方法

权利要求书

1.一种城轨车辆客室车门故障诊断方法，其特征在于：包括以下步骤

S1)采集车门故障样本，求取车门故障样本的统计量I²、统计量T²和统计量SPE；

S2)判断车门故障样本的统计量I²、统计量T²和统计量SPE是否超出各自的统计限I²_lim、T²_lim、SPE_lim，若三者均未超出统计限，则判定为车门没有发生故障，否则判定为车门发生故障。

2.根据权利要求1所述的一种城轨车辆客室车门故障诊断方法，其特征在于：步骤S1前还包括以下步骤：

S01)车门故障影响参数分析；

S02)车门故障特征的标准化处理；

S03)车门故障模型的建立。

3.根据权利要求2所述的一种城轨车辆客室车门故障诊断方法，其特征在于：步骤S01包括以下步骤：

A)在无故障状态下，客室车门参数经过n次采样之后获得原始数据矩阵为X_orig∈R^n×m，其中m是过程变量的数目，n是每一个变量的样本数目；

步骤S02包括以下步骤：

B)将X_orig的每一列化为均值为0，标准差为1，标准化处理的方式为：

其中x_i为原始数据的第i次采样，x_mean为原始数据的均值，x_std为原始数据的方差，r_i为标准化处理后的数据；

C)标准化处理后的数据矩阵表示为：

4.根据权利要求3所述的一种城轨车辆客室车门故障诊断方法，其特征在于：步骤S03包括以下步骤：

D)对数据矩阵X独立成分分析，共提取出r个非高斯信息，则：

X＝AS+E

源信号矩阵S的估计值为：

其中，A∈R^n×l为数据矩阵X的混合矩阵，S∈R^l×m为数据矩阵X的独立成分矩阵，E∈R^n×m为数据矩阵X的残差矩阵，W是分离矩阵；

E)对数据矩阵X的残差矩阵E_PCA分解如下：

E＝TP+F

其中，T为数据矩阵X的得分矩阵，P为数据矩阵X的载荷矩阵，F为数据矩阵X的残差矩阵。

5.根据权利要求4所述的一种城轨车辆客室车门故障诊断方法，其特征在于：步骤D中包括

判断数据矩阵X的负熵值是否零或近似为零，如是，则数据矩阵X过程数据的非高斯信息提取完全。

6.根据权利要求1-5任一所述的一种城轨车辆客室车门故障诊断方法，其特征在于：步骤S1包括

S11)车门打开或开关之后，采集车门故障样本，作为新的数据样本矩阵；

S12)将新的数据样本矩阵标准化，得到数据样本矩阵Z，计算数据样本矩阵的独立成分矩阵、得分矩阵如下：

t＝P^TZ；

S13)构建统计量I²、统计量T²和统计量SPE，

SPE(Z)＝ZZ^T-ZPP^TZ^T

其中，k为数据矩阵中选取的主成分数目，λ_j为数据矩阵的特征值。

7.根据权利要求6所述的一种城轨车辆客室车门故障诊断方法，其特征在于：步骤S2中包括通过求解核密度函数的置信区间得到统计量I²的统计限I²_lim；

优选的，核密度函数为：

其中，x为数据矩阵考虑数据点，h为窗宽或光滑参数，n为样本数目，k为高斯核函数。