仪器仪表学报

作者：施文，陆宁云，姜斌，支有冉，许志兴

单位：施文,南京航空航天大学自动化学院南京211106；南京康尼机电股份有限公司南京211106,,陆宁云,南京航空航天大学自动化学院南京211106；南京康尼机电股份有限公司南京211106,,姜斌,南京航空航天大学自动化学院南京211106,,支有冉,南京康尼机电股份有限公司南京211106,,许志兴,南京康尼机电股份有限公司南京211106,

关键词：微小故障诊断;距离评估准则;随机森林;地铁车门系统

基金：国家自然科学基金（61873122）、江苏省轨道交通车辆门系统重点实验室（筹）项目（KN17?26）资助

车门控制系统是地铁车辆中最重要的子系统之一，其机电部件紧密耦合且存在频繁往复运动，易受环境和乘客干扰，故障率居高不下。为准确检测诊断地铁车门早期故障，本文提出一种大数据驱动的车门故障特征优选方法和基于随机森林（RF）的智能诊断方法。首先，从地铁运营公司累积的大量车门运行状态数据中,提取门扇位置、驱动电机转速和电流信号的多阶段时域特征指标，构建车门运行状态的特征向量；然后，应用距离评估准则，优选对故障敏感度高且对干扰鲁棒性强的车门状态特征，降低特征维度，减少冗余、无关特征的干扰；以优选后的车门状态特征作为RF网络的输入，故障标签作为输出，建立智能故障诊断模型，实现车门系统不同微小故障状态的自动识别。在杭州地铁4号线台架车门上的应用结果表明，所提方法能准确提取早期故障的微弱特征，故障分类模型精度高，故障诊断准确率优于现有其他方法。

来源：2019年第6期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第6期