CN101539490A - 基于采集屏蔽门运行曲线识别屏蔽门故障的方法及系统 - Google Patents

Abstract

本发明公开一种基于采集屏蔽门运行曲线识别屏蔽门故障的方法及系统，其中，该方法包括步骤：对运行中的屏蔽门以等位移采集时间的方式作运行时间的数据采样；根据屏蔽门的运行特征对采样数据进行分类，提取每个采样数据的数据特征；将每个采样数据的数据特征与特征样本的均方根误差作为该采样数据的偏差距离，若该偏差距离超过一个预设值时，则判断屏蔽门的运行出现故障，输出故障类别和故障产生时屏蔽门运行的时间和位移信息。本发明选用等位移采集时间的方式对于屏蔽门运行曲线的模式识别是非常有效的。

Description

基于采集屏蔽门运行曲线识别屏蔽门故障的方法及系统

技术领域

本发明涉及屏蔽门故障模式识别技术，尤其是设计一种以等位移采集时间数据的方式来采集屏蔽门的运行曲线，基于对屏蔽门的运行曲线作分析处理来进行屏蔽门故障模式识别的方法及系统。

背景技术

随着国内地铁事业的飞速发展，越来越多的屏蔽门应用到地铁上。屏蔽门的应用不单照顾到乘客的安全，还为地铁的空调系统节能以及站台美观做出非常大的贡献。但是，由于屏蔽门系统设计寿命为30年，屏蔽门的日常维护保养已经成为一个课题。例如，天津地铁一号线投入运营后总共22个车站，现在维保人员约为10名。但是对于运营了一段时间后，随着屏蔽门机械的老化和磨损，必将增大维保的难度。那么对于屏蔽门的故障预测是相当必要的。屏蔽门的驱动一般以皮带方式，如果能通过对屏蔽门运行的监控从而预测屏蔽门的故障点进而减少屏蔽门的维护保养工作量以及增加器件的寿命，将有很大的经济效益。

根据对正常运行曲线的数据采集、分析，同时对各类故障的曲线进行采集、分析，进而对运行曲线分类进行识别。难点在于屏蔽门开关门时间一般需要可调，开门时间为2.5-3.0s而关门时间为3.0-4.0s。并且屏蔽门的故障多样化，很难采集到各类的故障曲线。并且从自身设计成本考虑，采用太高精度的采集技术会增加成本，不利于市场推广。这使屏蔽门运行曲线模式识别问题有较高的要求。

所谓模式识别是指对客观对象进行描述与分类的科学。具体地说，就是用计算机实现人的模式识别能力。模式识别的特有概念是相似度，模式识别的任务就是根据对象特征把相似的对象分类。所以模式识别的关键是确定对象的特征。

目前根据国际上知名的屏蔽门制造商对于屏蔽门运行曲线采集一般采用等时采集位移方式即s＝f(kt)，其中，s表示屏蔽门运行的位移，K为系数，t为屏蔽门运行的时间。但是这种方法对于识别屏蔽门的运行曲线特征提取相当困难：

首先，采样时间上限不好评估。对于正常开关，时间采集上限为4s就足够了，但是由于故障情况，假设发生乘客撞门等故障状态下则需要延长时间，遇阻情况下一般在10秒左右才能关闭完成。因为要充分考虑到屏蔽门的故障开门时间，因此上限不能取太小。但是一旦上限取大了，采样的无效点就相应多了，浪费了处理器的资源。假设取上限时间为8秒，那么对于正常开门有效采样的时间点跟无效采样的时间点各占50％，那么大大浪费了总线传输资源。

其次，由于有效采样点跟无效采样点的比率不固定，对于提取的特征非常不利。假设取上限时间为8秒，开门时间为3秒，关门时间为3.5秒。那么有效采样点的比率为开门37.5％关门43.75％，假设根据运营需要，调整开门时间为2.5秒，关门时间为3秒，那么有效采样点的比率变为开门31.25％关门37.5％。显然对于一个采样曲线的数组而言同一特征点在漂移不定对于特征比较是相当不利的。

另外，即使是在在选取固定的采样时间上限后，万一故障发生后动作时间超过选取的时间上限则超出部分将无法采样。

因此，采用等时间采集位移的方式对于要识别屏蔽门的运行正常/故障模分析式显然是一种低效率的方法。

发明内容

本发明的目的是提出一种基于采集屏蔽门运行曲线识别屏蔽门故障的方法及系统，采用等位移采集时间数据的方式，利用采样时间差为特征来高效率的对屏蔽门的运行曲线进行模式识别，从而解决现有技术中存在低效率的识别屏蔽门的运行正常/故障的技术问题。

为解决本发明的技术问题，本发明公开一种基于采集屏蔽门运行曲线识别屏蔽门故障的方法，包括步骤：

对运行中的屏蔽门以等位移采集时间的方式作运行时间的数据采样；

根据屏蔽门的运行特征对采样数据进行分类，提取每个采样数据的数据特征；

将每个采样数据的数据特征与特征样本的均方根误差作为该采样数据的偏差距离，若该偏差距离超过一个预设值时，则判断屏蔽门的运行出现故障，输出故障类别和故障产生时屏蔽门运行的时间和位移信息。

较优的，所述故障类别是根据对每个采样数据的偏差距离作线性分类来获得。

较优的，本发明的基于采集屏蔽门运行曲线识别屏蔽门故障的方法还包括步骤：对采样数据进行分类之前，将采样数据作比例转换处理。

较优的，所述屏蔽门的开门运行和关门运行均包括加速时段、匀速时段和减速时段；所述加速时段和所述减速时段以采样时间差的平方为数据特征，所述匀速时段以采样时间差为数据特征。

较优的，将屏蔽门运行每次运行时所有采样数据的偏差距离的均方根作为总体偏差距离，若总体偏差距离超过预设值，则按照单个采样数据的单点匹配和多个采样数据的区域匹配相结合方式与已有的故障曲线进行匹配，若无近似匹配的故障曲线，则将屏蔽门该次运行曲线作为故障曲线的样本进行保存。

另外，本发明还公开一种基于采集屏蔽门运行曲线识别屏蔽门故障的系统，包括：

数据采样模块，对运行中的屏蔽门以等位移采集时间的方式作运行时间的数据采样；

数据分类模块，用于根据屏蔽门的运行特征对采样数据进行分类；

特征提取模块，用于提取每个采样数据的数据特征；

特征样本模块，用于存储特征样本；

比较模块，用于将每个采样数据的数据特征与特征样本的均方根误差作为该采样数据的偏差距离，并将该该偏差距离与一个预设值作比较处理；

故障识别模块，用于根据比较模块的比较结果，若该偏差距离超过预设值时，则判断屏蔽门的运行出现故障，输出故障类别和故障产生时屏蔽门运行的时间和位移信息。

较优的，本发明的基于采集屏蔽门运行曲线识别屏蔽门故障的系统还包括：比例转换模块，用于对采样数据进行分类之前，将采样数据作比例转换处理。

与现有技术相比，本发明具有如下有益效果：

本发明采用等位移采集时间数据的方式，利用采样时间差为特征来高效率的对屏蔽门的运行曲线进行模式识别：将屏蔽门的采样位移上限取1.2m即可，对于屏蔽门运行行程不足1.2m的可以通过协议让系统自动识别并合理采样；对于同一型号的屏蔽门可以有固定的采样有效点比率，不同型号的屏蔽门可以通过对于屏蔽门的运行行程的比例转换制作成统一的采样模型；同一特征点在采样数组中位置固定，便于比较；对于故障模式造成的开门时间不固定的问题得到很好的解决，即使故障发生也能采集到完整的运行曲线。因此，选用等位移采集时间的方式式对于屏蔽门运行曲线的模式识别是非常有效的。

附图说明

图1是本发明一个较佳实施例的流程示意图；

图2A和图2B分别是屏蔽门运行的开门理论曲线和关门理论曲线；

图3是本发明一个较佳实施例的结构示意图。

具体实施方式

考虑到屏蔽门的运行行程固定，标准门行程为1m，非标门为0.65-0.750m以及1.15-1.2m之间变化，因此，本发明对于屏蔽门运行曲线采集上，提出了新的采集方式。采用等位移采集时间的方式即t＝f(ks)的方式，即屏蔽门在开门或关门的运行过程中，每运行固定位移时，采集屏蔽门的运行时间的数据。其中，s表示屏蔽门运行的位移，K为系数，t为屏蔽门运行的时间。

考虑到带动屏蔽门运行的门体电机运行主要速度一般在0-0.5m/s，属于低速运动，并且屏蔽门一般采用直流无刷电机；另外，采集转速的方式主要是靠采集霍尔传感器的编码。因此我们使用实时DSP中断处理方式采集屏蔽门的运行时间数据。

如图1所示，本实施例以屏蔽门的行程为1.0米，采样脉冲为2500脉冲/米为例来进行说明的。本实施例包括如下处理步骤：

步骤S110：对运行中的屏蔽门以等位移采集时间的方式作运行时间的数据采样。

假设电机的霍尔传感器编码为2500脉冲/米，屏蔽门的行程为1.0米，按每0.01米采样一次即25个脉冲采样一次，则得到采样数据X[100]。采用DSP中断采集，其接口对处理器的实时数字处理能力要求高，在高速场合下采样误差大，不过对于主要是低速工作的屏蔽门的运行采集是较好的方法。

步骤S120：将采样数据作比例转换处理。

将屏蔽门的采样位移上限取1.2m即可，对于屏蔽门运行行程不足1.2m的可以通过协议让系统自动识别，并可以根据比例缩小或增大采样脉冲间隔来实现比例转换。

步骤S130：根据屏蔽门的运行特征对采样数据进行分类。

结合图2A和图2B所示屏蔽门运行的开门理论曲线和关门理论曲线，从理论曲线得出在开门曲线最初时间内屏蔽门处于加速时段，而中间区域属于匀速时段，最后是减速时段；而关闭曲线在最后还有低速段。整体而言，开门曲线分三段，关门曲线分三段(减速及低速段合为一段处理)。由于经过了比例转换所有曲线都可以参照标准屏蔽门(1.0米行程的屏蔽门)，因此对于三个时段的行程，第一时段的行程约为0.1米(采样的时间数据为X[0]～X[9])，第二时段的行程约0.8米(采样的时间数据为X[10]～X[89])，第三时段的行程约0.8米(采样的时间数据为X[90]～X[99])。

步骤S140：对于三个时段已经采样的数据，分别提取每个采样数据的数据特征。

对于三段已经提取好的数据我们提出不同的特征提取及比较方法。

第一时段为加速段，但加速度a随时间变化不大，可看作常量。由于

$\mathrm{ds}=V_0\mathrm{dt}+\frac{1}{2}a{\left(\mathrm{dt}\right)}^2---\left(1\right)$

$\mathrm{dt}=\frac{\sqrt{{v_0}^2+2\mathrm{ads}}-v_0}{a}---\left(2\right)$

$v_0={\∫}_0^t\mathrm{adx}---\left(3\right)$

因此，从理论上计算：

t_k＝t_k-1+Vt    (4)

v₀＝at_k-1      (5)

$\mathrm{Vt}=\frac{\sqrt{{\left({\mathrm{at}}_{k-1}\right)}^2+2\mathrm{aVs}}-{\mathrm{at}}_{k-1}}{a}---\left(6\right)$

$t_k=t_{k-1}-\frac{\sqrt{{\left({\mathrm{at}}_{k-1}\right)}^2+2\mathrm{aVs}}-{\mathrm{at}}_{k-1}}{a}=\sqrt{{t_{k-1}}^2+2\mathrm{aVs}}---\left(7\right)$

即：t_k ²＝t_k-1 ²+2aVs    (8)

其中，a表示加速度，可看作常数；v₀表示屏蔽门运行的初始速度；Vs为采样位移间隔(本实施例是以Vs为0.1m来进行说明的)；Vt为采样时间差；t_k为第k个采样数据。

由于a和Vs均为常数，因此有：

t_k ²＝t_k-1 ²+Const    (9)

第二时段为匀速时段，屏蔽门的运行速度v随时间t的变化不大，可以看作常数，因此，从理论上计算：

t_k＝t_k-1+Vt    (10)

$\mathrm{Vt}=\frac{\mathrm{Vs}}{v}---\left(11\right)$

很明显，Vt为一个常数(Const)。

对于屏蔽门的开门曲线，第三时段为减速段，但加速度a随时间变化不大，可看作常量。因此，关于t_k的计算详见公式(7)～公式(9)。

对于屏蔽门的关门曲线，因为第三时段既有减速段又有低速段，并且以低速段为主，因此可以考虑将第三时段分为减速段跟匀速时段分开处理或者将第三时段单纯考虑为匀速时段。根据试验数据和经验，将第三段单纯考虑为匀速段对模式判别影响不大。因此在系统设计过程中将关门曲线的第三时段当作了匀速时段处理。

通过上述的分类对于第一时段(采样的时间数据为X[0]～X[9])及第三时段(采样的时间数据为X[90]～X[99])的采样数据，应该提取Vt²作为数据特征或特征值，而对于第二时段(采样的时间数据为X[10]～X[89])应该提取Vt作为数据特征或特征值。

步骤S150：将每个采样数据的数据特征与特征样本的均方根误差作为该采样数据的偏差距离，将该偏差距离与一个预设值进行比较。

步骤S160：若该偏差距离超过一个预设值时，则判断屏蔽门的运行出现故障，输出故障类别和故障产生时屏蔽门运行的时间和位移信息。维保人员获得该信息后对相应位置的机械进行检查，从而排除故障隐患。

另外，对于各采样点数据的偏差距离作线性分类，从而可以对故障进行分类；将屏蔽门运行每次运行时所有采样数据的偏差距离的均方根作为总体偏差距离，若总体偏差距离超过预设值，则按照单个采样数据的单点匹配和多个采样数据的区域匹配相结合方式与已有的故障曲线进行匹配，若无近似匹配的故障曲线，则将屏蔽门该次运行曲线作为故障曲线的样本进行保存。

结合图3所示，本实施例的屏蔽门故障模式识别系统包括：数据采样模块310、比例转换模块320、数据分类模块330、特征提取模块340、特征样本模块350、比较模块360和故障识别模块370。

所述数据采样模块310用于利用脉冲信号产生中断，对运行中的屏蔽门以等位移采集时间的方式作运行时间的数据采样；所述比例转换模块320用于对采样数据进行分类之前，将采样数据作比例转换处理；所述数据分类模块330用于根据屏蔽门的运行特征对采样数据进行分类；所述特征提取模块340用于提取每个采样数据的数据特征；所述特征样本模块350用于存储特征样本；所述比较模块360，用于将每个采样数据的数据特征与特征样本的均方根误差作为该采样数据的偏差距离，并将该该偏差距离与一个预设值作比较处理；所述故障识别模块370，用于根据比较模块的比较结果，若该偏差距离超过预设值时，则判断屏蔽门的运行出现故障，输出故障类别和故障产生时屏蔽门运行的时间和位移信息。

以上的屏蔽门运行曲线模式识别算法，可采用专门的数字信号处理(DSP)芯片实现，对于屏蔽门系统维保的便利性大大提高，减少了维保的成本。

本发明采用等位移采集时间数据的方式，与现有等时间采集位移方式相比，具有如下优点：

1、将屏蔽门的采样位移上限取1.2m即可，对于屏蔽门运行行程不足1.2m的可以通过协议让系统自动识别并合理采样；

2、对于同一型号的屏蔽门可以有固定的采样有效点比率，不同型号的屏蔽门可以通过对于屏蔽门的运行行程的比例转换制作成统一的采样模型；

3、同一特征点在采样数组中位置固定，便于比较；

4、对于故障模式造成的开门时间不固定的问题得到很好的解决，即使故障发生也能采集到完整的运行曲线。

因此，选用等位移采集时间的方式式对于屏蔽门运行曲线的模式识别是非常有效的。

Claims (9)

1、一种基于采集屏蔽门运行曲线识别屏蔽门故障的方法，其特征在于，包括步骤：

对运行中的屏蔽门以等位移采集时间的方式作运行时间的数据采样；

根据屏蔽门的运行特征对采样数据进行分类，提取每个采样数据的数据特征；

将每个采样数据的数据特征与特征样本的均方根误差作为该采样数据的偏差距离，若该偏差距离超过一个预设值时，则判断屏蔽门的运行出现故障，输出故障类别和故障产生时屏蔽门运行的时间和位移信息。

2、根据权利要求1所述的基于采集屏蔽门运行曲线识别屏蔽门故障的方法，其特征在于，所述故障类别是根据对每个采样数据的偏差距离作线性分类来获得。

3、根据权利要求1所述的基于采集屏蔽门运行曲线识别屏蔽门故障的方法，其特征在于，还包括步骤：对采样数据进行分类之前，将采样数据作比例转换处理。

4、根据权利要求1所述的基于采集屏蔽门运行曲线识别屏蔽门故障的方法，其特征在于，所述屏蔽门的开门运行和关门运行均包括加速时段、匀速时段和减速时段；所述加速时段和所述减速时段以采样时间差的平方为数据特征，所述匀速时段以采样时间差为数据特征。

5、根据权利要求1所述的基于采集屏蔽门运行曲线识别屏蔽门故障的方法，其特征在于，将屏蔽门运行每次运行时所有采样数据的偏差距离的均方根作为总体偏差距离，若总体偏差距离超过预设值，则按照单个采样数据的单点匹配和多个采样数据的区域匹配相结合方式与已有的故障曲线进行匹配，若无近似匹配的故障曲线，则将屏蔽门该次运行曲线作为故障曲线的样本进行保存。

6、一种基于采集屏蔽门运行曲线识别屏蔽门故障的系统，其特征在于，包括：

数据采样模块，对运行中的屏蔽门以等位移采集时间的方式作运行时间的数据采样；

数据分类模块，用于根据屏蔽门的运行特征对采样数据进行分类；

特征提取模块，用于提取每个采样数据的数据特征；

特征样本模块，用于存储特征样本；

比较模块，用于将每个采样数据的数据特征与特征样本的均方根误差作为该采样数据的偏差距离，并将该该偏差距离与一个预设值作比较处理；

故障识别模块，用于根据比较模块的比较结果，若该偏差距离超过预设值时，则判断屏蔽门的运行出现故障，输出故障类别和故障产生时屏蔽门运行的时间和位移信息。

7、根据权利要求6所述的基于采集屏蔽门运行曲线识别屏蔽门故障的系统，其特征在于，还包括：比例转换模块，用于对采样数据进行分类之前，将采样数据作比例转换处理。

8、根据权利要求6所述的基于采集屏蔽门运行曲线识别屏蔽门故障的系统，其特征在于，所述故障类别是根据对每个采样数据的偏差距离作线性分类来获得。

9、根据权利要求6所述的基于采集屏蔽门运行曲线识别屏蔽门故障的系统，其特征在于，所述屏蔽门的开门运行和关门运行均包括加速时段、匀速时段和减速时段；所述加速时段和所述减速时段以采样时间差的平方为数据特征，所述匀速时段以采样时间差为数据特征。

Images