CN113625094A

CN113625094A - 一种地铁站台屏蔽门故障诊断系统

Info

Publication number: CN113625094A
Application number: CN202111064977.6A
Authority: CN
Inventors: 朱建光; 郑浩; 董一汉; 周园; 陈双双
Original assignee: Shenyang University of Technology
Current assignee: Shenyang University of Technology
Priority date: 2021-09-11
Filing date: 2021-09-11
Publication date: 2021-11-09

Abstract

本发明公开了一种地铁站台屏蔽门故障诊断系统，属于屏蔽门故障诊断技术领域，包括控制器、无刷直流电机、数据采集单元和云服务器；所述控制器与无刷直流电机通过三相线连接，控制器通过CAN总线和电流传感器与数据采集单元的输入端相接，控制器的母线端上还接有数据采集单元输入端连接的电流传感器。本发明提出的一种地铁站台屏蔽门故障诊断系统，提供了坚实可靠的技术保障可以在工作时间内不间断检测，节约人力资本，提高了系统安全性，应用智能检测运算算法，提高系统故障诊断精度。可以快速准确定位故障，有助于地铁维修人员的维修，节省维修时间。保障了人民出行安全，让智能设备更好的服务于。

Description

一种地铁站台屏蔽门故障诊断系统

技术领域

本发明涉及屏蔽门故障诊断技术领域，特别涉及一种地铁站台屏蔽门故障诊断系统。

背景技术

站台门故障预测与健康管理(PHM)系统的故障诊断部分，是一种先进的智能故障诊断技术。地铁站台屏蔽门重要部件包括：无刷直流电机及控制系统，站台屏蔽门本体等，因此这些部件的故障诊断对整个站台门PHM系统具有重要的意义。现有的站台门故障检测定位需耗费大量的时间和人力。

发明内容

本发明的目的在于提供一种地铁站台屏蔽门故障诊断系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种地铁站台屏蔽门故障诊断系统，包括控制器、无刷直流电机、数据采集单元和云服务器；

所述控制器与无刷直流电机通过三相线连接，控制器通过CAN总线和电流传感器与数据采集单元的输入端相接，控制器的母线端上还接有数据采集单元输入端连接的电流传感器，无刷直流电机三相端通过电流传感器与数据采集单元的输入端连接，数据采集单元通过网线与云服务器相接，数据采集单元用于采集无刷直流电机的电压和电流信号，各个电流传感器的信号通过数据采集单元接收，并传送到地铁站的云服务器，云服务器对采集到的信号数据进行转化、处理并保存，并根据智能算法建立模型、计算并定位故障。

进一步地，电流传感器的LM2902放大器芯片U1的引脚5接电阻R6和电阻R8的并联点，LM2902U1的引脚7与电阻R8另一端的并联点接入放大器输入P2的端角3上，电阻R6另一端接入与接地的电容C3和电流传感器芯片U2的端角7并联；

放大器芯片LM2902U1的引脚6与接地的电阻R5和电阻R4并联，电阻R4的另一端串联电阻R3与REF2912基准电压芯片U4端角2和电阻R1并联，电阻R1的另一端串联电阻R2接入LM2902放大器芯片U1端角9和接地的电阻R10并联点；

放大器芯片LM2902U1的引脚8接入放大器输入P2端角4和电阻R7的并联点，电阻R7的另一端与放大器芯片LM2902U1的引脚10并联接入电阻R9，电阻R9的另一端与接地的电容C4和电流传感器芯片U3的端角7并联。

进一步地，无刷直流电机的数学模型：

(1)三相定子绕组的电压平衡方程可表示为：

(2)电磁转矩和运动方程可表示为：

电机的电磁转矩和运动平衡方程为：

进一步地，云服务器定位故障的方法：

S1：故障定位：每一条地铁站台均编号，同一条地铁每个站的屏蔽门进行二级编号，检测到屏蔽门锁故障根据编号获取具体位置的屏蔽门问题；

S2：屏蔽门锁故障诊断：屏蔽门锁中电磁铁的衔铁进、出是门锁上或开锁，当门没有锁好，衔铁伸出的长度就会有变化，导致供电电流变化，数据经过数据采集单元存入云服务器，云服务器根据电流的变化判断屏蔽门锁是否上锁。

进一步地，云服务器的智能算法通过经多尺度残差卷积结构进行电流变化的特征提取，通过层间残差跳连机制增加网络深度的同时减轻梯度消失或爆炸，增强网络的表现力，特征提取后的数据由全连接网络进行分类输出，引入dropout正则化增强了模型的泛化性；

卷积结构：

模型的基础结构是卷积结构，其中卷积过程的数学表达式如公式4所示：

表示特征值；g表示激活函数；b_ij表示偏置；m是特征图的序号；

是权重值；

使用的激活函数是线性整流单元，表达式如公式5所示：

g(z)＝max{0,z} (5)

线性整流单元使得模型的训练更加容易，易于优化模型；

卷积层的导数计算公式如公式6所示：

残差结构：

残差结构是一种利用层间跳连思想，利用前面层的信息来对后面层加以影响，通过增加恒等映射层使得网络层数加深的同时获得更好的表现力；

模型的输出是H(x)，其表达式如公式7所示：

H(x)＝F(x)+x (7)

F(x)是传统路径的输出，前层输入跳过中间层直接与F(x)作用，得到最后的输出H(x)；

基于l层分析残差结构的反向传播其表达式如公式8所示：

进一步地，卷积结构的算法流程：

进一步地，残差结构是多个卷积结构块的堆叠，通过层数的提升来提升网络的表现力，每个残差结构中的滤波器数量各不相同，分别为16、32、64、128，由于残差结构的滤波器数量的不同，需要引入1×1卷积进行维度的统一，模型经过多层残差结构后，会统一进行最大池化，最后将采样后的结果输出。

进一步地，智能算法的模型结构设计是利用平行路径卷积的策略，通过不同尺寸的卷积核来提取数据在不同时间尺度上的特征，对于局部的故障使用小尺寸的卷积核，对于全局类的故障使用大尺寸的卷积核，通过这种平行路径实现对故障数据的多尺度学习，提取不同尺寸的特征来增强模型的表征力。

与现有技术相比，本发明的有益效果是：

本发明提出的一种地铁站台屏蔽门故障诊断系统，本技术不同于传统检测，在故障发生时第一时间自动定位故障位置，节省检测人力的同时方便维修人员的维修，为地铁的安全运营、为人民的出行安全提供了坚实可靠的技术保障可以在工作时间内不间断检测，节约人力资本，提高了系统安全性。

应用智能检测运算算法，提高系统故障诊断精度。可以快速准确定位故障，有助于地铁维修人员的维修，节省维修时间。保障了人民出行安全，让智能设备更好的服务于。

附图说明

图1为本发明的数据单元与传输系统框图；

图2为本发明的电流传感器连接电路图；

图3为本发明的主电路中T1管失效电流回路；

图4为本发明的不同转速下T1单管故障时的三相电流波形图；

图5为本发明的匝间短路时的实测的电动机a相电流波形图；

图6为本发明的局部退磁时的实测电动机a相电流波形图；

图7为本发明的残差结构块；

图8为本发明的卷积结构块；

图9为本发明的多层残差结构图；

图10为本发明的网络结构图；

图11为本发明的Dropout机理图；

图12为本发明的准确率与损失函数图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，一种地铁站台屏蔽门故障诊断系统，包括控制器、无刷直流电机、数据采集单元和云服务器。

控制器与无刷直流电机通过三相线连接，控制器通过CAN总线和电流传感器与数据采集单元的输入端相接，控制器的母线端上还接有数据采集单元输入端连接的电流传感器，无刷直流电机三相端通过电流传感器与数据采集单元的输入端连接，数据采集单元通过网线与云服务器相接，数据采集单元用于采集无刷直流电机的电压和电流信号，各个电流传感器的信号通过数据采集单元接收，并传送到地铁站的云服务器，云服务器对采集到的信号数据进行转化、处理并保存，并根据智能算法建立模型、计算并定位故障。

由于屏蔽门本体底部轴承故障时，也会导致BLDC负载增加，但是与BLDC的匝间短路、转子局部失磁有所不同，故障信号的特征值就可以从这些信号分辨出来，而不用另外增加振动传感器。

请参阅图2，电流传感器的LM2902放大器芯片U1的引脚5接电阻R6和电阻R8的并联点，LM2902U1的引脚7与电阻R8另一端的并联点接入放大器输入P2的端角3上，电阻R6另一端接入与接地的电容C3和电流传感器芯片U2的端角7并联。

放大器芯片LM2902U1的引脚6与接地的电阻R5和电阻R4并联，电阻R4的另一端串联电阻R3与REF2912基准电压芯片U4端角2和电阻R1并联，电阻R1的另一端串联电阻R2接入LM2902放大器芯片U1端角9和接地的电阻R10并联点。

放大器芯片LM2902U1的引脚8接入放大器输入P2端角4和电阻R7的并联点，电阻R7的另一端与放大器芯片LM2902U1的引脚10并联接入电阻R9，电阻R9的另一端与接地的电容C4和电流传感器芯片U3的端角7并联，三相端以及母线端的电流传感器检测供电电流，并经过放大器芯片LM2902U1放大信号至云服务器内处理。

其中，无刷直流电机的数学模型：

(1)三相定子绕组的电压平衡方程可表示为：

(2)电磁转矩和运动方程可表示为：

电机的电磁转矩和运动平衡方程为：

图3是当T1管失效时主电路图电流回路，当T1管失效时不同转速下控制电流波形图如图4所示：

一种匝间短路时的实测的电动机a相电流波形如图5所示，一种局部退磁时的实测电动机a相电流波形如图6所示。

通过无刷直流电机的电流波形直观反映处于电机的故障与否。

云服务器定位故障的方法：

步骤一：故障定位：每一条地铁站台均编号，同一条地铁每个站的屏蔽门进行二级编号，检测到屏蔽门锁故障根据编号获取具体位置的屏蔽门问题；

步骤二：屏蔽门锁故障诊断：屏蔽门锁中电磁铁的衔铁进、出是门锁上或开锁，当门没有锁好，衔铁伸出的长度就会有变化，导致供电电流变化，数据经过数据采集单元存入云服务器，云服务器根据电流的变化判断屏蔽门锁是否上锁。

云服务器的智能算法通过经多尺度残差卷积结构进行电流变化的特征提取，通过层间残差跳连机制增加网络深度的同时减轻梯度消失或爆炸，增强网络的表现力，特征提取后的数据由全连接网络进行分类输出，引入dropout正则化增强了模型的泛化性；

卷积结构：

是权重值；

使用的激活函数是线性整流单元，表达式如公式5所示：

g(z)＝max{0,z} (5)

线性整流单元使得模型的训练更加容易，易于优化模型；

卷积层的导数计算公式如公式6所示：

残差结构：

残差结构是一种利用层间跳连思想，利用前面层的信息来对后面层加以影响，通过增加恒等映射层使得网络层数加深的同时获得更好的表现力，残差结构块如图7-8所示；

模型的输出是H(x)，其表达式如公式7所示：

H(x)＝F(x)+x (7)

基于l层分析残差结构的反向传播其表达式如公式8所示：

卷积结构的算法流程：

残差结构是多个卷积结构块的堆叠，通过层数的提升来提升网络的表现力，其结构如图9所示，每个残差结构中的滤波器数量各不相同，分别为16、32、64、128，由于残差结构的滤波器数量的不同，需要引入1×1卷积进行维度的统一，模型经过多层残差结构后，会统一进行最大池化，最后将采样后的结果输出。

智能算法的模型结构设计是利用平行路径卷积的策略，通过不同尺寸的卷积核来提取数据在不同时间尺度上的特征，对于局部的故障使用小尺寸的卷积核，对于全局类的故障使用大尺寸的卷积核，通过这种平行路径实现对故障数据的多尺度学习，提取不同尺寸的特征来增强模型的表征力，模型结构如图10所示，模型按照不同的路径，设置了4、8、16的卷积核尺寸，通过这种倍增策略提取更多的时间尺寸信息。训练数据进入模型的不同子路径训练，然后对不同路径的特征进行融合并拉伸，最后送到全练级网络中进行训练并输出。其中具体的参数设置如表1所示。

表1 网络参数表

模型优化

adam优化

使用adam优化算法进行优化处理，如表2所示。

表2 Adam优化算法

Adam优化算法

1：前提:步长∈(默认∈＝0.001)

2：前提:矩估计的指数衰减率，ρ1和ρ2在区间[0,1)内。(默认ρ1＝0.9，ρ2＝0.999)

3：前提：常数δ(默认：10^-8)

4：前提：初始参数θ；对一阶和二阶矩变量初始化s＝0，r＝0，t＝0

5：while未达到停止条件运行

6：获得样本y⁽ⁱ⁾＝{x⁽¹⁾,…,x^(m)}

7：得到梯度：

8：对一阶矩估计更新：s←ρ₁s+(1-ρ₁)g

9：对二阶矩估计更新：γ←ρ₂γ+(1-ρ₁)g⊙g

10：对阶矩偏差进行调整：

11：对一阶矩的偏差进行调整：

12：更新：

13：对更新进行应用：θ←θ+Δθ

14：END

Dropout正则化策略

Dropout正则化策略如图11所示

全连接数学表达式如公式9所示。

引入Dropout后表达式如公式7所示。

以训练集和验证集的准确率指标对模型进行衡量，本模型的表现如图12所示，图12中可以看出，模型在训练集与验证集上的分布较为稳定，从整体上看模型表现较好，可以进行故障的判别。利用验证集上最佳表现的模型进行测试，模型在测试集上的表现可以达到95.37％。

综上所述；本发明的地铁站台屏蔽门故障诊断系统，本技术不同于传统检测，在故障发生时第一时间自动定位故障位置，节省检测人力的同时方便维修人员的维修，为地铁的安全运营、为人民的出行安全提供了坚实可靠的技术保障可以在工作时间内不间断检测，节约人力资本，提高了系统安全性。应用智能检测运算算法，提高系统故障诊断精度。可以快速准确定位故障，有助于地铁维修人员的维修，节省维修时间。保障了人民出行安全，让智能设备更好的服务于民。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims

1.一种地铁站台屏蔽门故障诊断系统，其特征在于，包括控制器、无刷直流电机、数据采集单元和云服务器；

2.如权利要求1所述的一种地铁站台屏蔽门故障诊断系统，其特征在于，电流传感器的LM2902放大器芯片U1的引脚5接电阻R6和电阻R8的并联点，LM2902U1的引脚7与电阻R8另一端的并联点接入放大器输入P2的端角3上，电阻R6另一端接入与接地的电容C3和电流传感器芯片U2的端角7并联；放大器芯片LM2902U1的引脚6与接地的电阻R5和电阻R4并联，电阻R4的另一端串联电阻R3与REF2912基准电压芯片U4端角2和电阻R1并联，电阻R1的另一端串联电阻R2接入LM2902放大器芯片U1端角9和接地的电阻R10并联点；放大器芯片LM2902U1的引脚8接入放大器输入P2端角4和电阻R7的并联点，电阻R7的另一端与放大器芯片LM2902U1的引脚10并联接入电阻R9，电阻R9的另一端与接地的电容C4和电流传感器芯片U3的端角7并联。

3.如权利要求1所述的一种地铁站台屏蔽门故障诊断系统，其特征在于，无刷直流电机的数学模型：

(1)三相定子绕组的电压平衡方程可表示为：

(2)电磁转矩和运动方程可表示为：

电机的电磁转矩和运动平衡方程为：

4.如权利要求1所述的一种地铁站台屏蔽门故障诊断系统，其特征在于，云服务器定位故障的方法：

5.如权利要求1所述的一种地铁站台屏蔽门故障诊断系统，其特征在于，云服务器的智能算法通过经多尺度残差卷积结构进行电流变化的特征提取，通过层间残差跳连机制增加网络深度的同时减轻梯度消失或爆炸，增强网络的表现力，特征提取后的数据由全连接网络进行分类输出，引入dropout正则化增强了模型的泛化性；

卷积结构：

是权重值；

使用的激活函数是线性整流单元，表达式如公式5所示：

g(z)＝max{0,z} (5)

线性整流单元使得模型的训练更加容易，易于优化模型；

卷积层的导数计算公式如公式6所示：

残差结构：

模型的输出是H(x)，其表达式如公式7所示：

H(x)＝F(x)+x (7)

基于l层分析残差结构的反向传播其表达式如公式8所示：

6.如权利要求5所述的一种地铁站台屏蔽门故障诊断系统，其特征在于，卷积结构的算法流程：

S1：输入：Values of x over a mini-batch:B＝{x₁…m}；

Parameters to be learned:γ,β

S2：输出：{y₁＝BN_γ,β}

S2：输出：{y₁＝BN_γ,β} //均值

7.如权利要求5所述的一种地铁站台屏蔽门故障诊断系统，其特征在于，残差结构是多个卷积结构块的堆叠，通过层数的提升网络的表现力，每个残差结构中的滤波器数量各不相同，分别为16、32、64、128，由于残差结构的滤波器数量的不同，引入1×1卷积进行维度的统一，模型经过多层残差结构后，统一进行最大池化，最后将采样后的结果输出。

8.如权利要求1所述的一种地铁站台屏蔽门故障诊断系统，其特征在于，智能算法的模型结构设计是利用平行路径卷积的策略，通过不同尺寸的卷积核来提取数据在不同时间尺度上的特征，对于局部的故障使用小尺寸的卷积核，对于全局类的故障使用大尺寸的卷积核，通过平行路径实现对故障数据的多尺度学习，提取不同尺寸的特征来增强模型的表征力。