一种地铁电动塞拉门故障预测装置制造方法
【专利摘要】一种地铁电动塞拉门故障预测装置，包括电流传感器模块、数据采集卡以及计算机系统。计算机系统设有数据存储软件模块、故障预测软件模块、显示模块以及报警模块，其执行步骤为：数据存储软件模块接收并存储由电流传感器模块获取的塞拉门电机工作电流数据；故障预测软件模块对获得的电流数据进行信号预处理、特征提取、状态识别、转移概率计算和期望剩余使用寿命预测，实现塞拉门的润滑不良故障预测；显示模块显示预测得到的期望剩余使用寿命和开、关次数；报警模块实现当期望剩余使用寿命预测值低于设定阈值时，作出报警提示。本发明对电动塞拉门开、关过程的电机电流进行监测，实现对塞拉门润滑不良故障的预测和报警。
【专利说明】-种地铁电动塞拉门故障预测装置
【技术领域】
[0001] 本发明涉及一种地铁电动塞拉门故障预测装置，特别涉及一种实现地铁塞拉门润 滑不良故障的预测装置。
【背景技术】
[0002] 地铁已成为城市轨道交通系统的重要设备，电动塞拉门，是地铁上保障乘客生命 安全以及系统运行的关键部件，其工作状态直接影响着地铁的运营效率。电动塞拉门系统 由车门控制单元驱动无刷直流电机带动丝杆螺母传动机构实现开、关门。在使用过程中， 由于其长期对车门负载进行频繁的开关运动以及固体颗粒等杂质混入机械传动部位，随着 开、关次数的增加，传动系统的润滑脂逐渐被刮净，导致传动部件润滑不良，不仅损坏了机 械设备同时也影响了地铁的运营效率。在实际中润滑脂在机械中如同人的血液一样重要， 据统计，润滑不良所造成的机械故障约占整个机械故障的75 %，但实际中人们很少能够高 度看待润滑不良问题，在塞拉门使用过程中，通常对其更换部件或添加润滑脂的定期维修 方式，来延长其使用寿命，虽在一定程度上可减小事故发生的概率，但塞拉门因其数量多， 其维修效率和成本等因素成为了此方法实施的瓶颈。经过对现有文献的检索，没有关于电 动塞拉门传动系统润滑不良的故障预测的相关专利，只有少部分学者对润滑不良故障预测 进行了初步的研究。高甜容等（高甜容等.基于故障先兆判定模型和动态置信度匹配的主 轴润滑故障预测方法[J].机械工程学报.2012,48 (17) :75-82.)利用小波分析、概率神经 网络实现了对数控机床主轴传动系统润滑不良的预测。Camci等（Camci et al.，A Simple State-Based Prognostic Model for Railway Turnout Systems. IEEE Transactions on Industrial Electronics. 2011,58 :1718-1726)提出了 k均值以及状态组合实现劣化状态 的电动转辙机润滑不良故障预测。上述研究人员利用各种算法，虽然取得了初步成果，但存 在以下不足：
[0003] (1)基于时间序列的人工神经网络进行预测时，其预测范围被局限于短时预测，预 测结果也容易陷入局部最优，而且需要大样本，训练时结果也不稳定。
[0004] (2)文献中大多报道的基于劣化状态的故障预测算法忽略了各状态之间的驻留情 况且k均值聚类容易让陷入局部最优解，虽然HSMM考虑到了状态的驻留信息，利用其进行 故障预测，取得了一定研究成果，但其考虑的只是各状态内部的滞留情况，并未加入状态之 间的信息，加之其建模的复杂。
【发明内容】
[0005] 本发明的目的在于克服现有技术的不足，提供了一种地铁电动塞拉门故障预测装 置，该装置能够对电动塞拉门开、关过程的电机电流值进行监测，实现对塞拉门润滑不良故 障的预测和报警。
[0006] 为实现本发明所述的目的，本发明提供了一种地铁电动塞拉门故障预测装置，该 装置包括：电流传感器模块、数据采集卡、计算机系统，三个模块之间通过信号线进行连接。 计算机系统设有数据存储模块、故障预测软件模块、显示模块、报警模块，其特征在于：故障 预测软件模块设有信号预处理子模块、特征提取子模块、状态识别子模块、转移概率计算子 模块和期望剩余使用寿命预测子模块，报警装置用来提示操作人员需对其进行润滑处理。 为准确实现地铁电动塞拉门润滑不良的故障预测，该计算机系统（3)执行如下步骤：
[0007] a)数据存储软件模块接受并存储由电流传感器模块和数据采集卡传送来的塞拉 门开、关过程所采集的电机工作电流值，并传送到信号预处理子模块；
[0008] b)信号预处理子模块对步骤a存储的数据利用sym4小波函数进行软阈值去噪处 理，并对电机工作电流峰峰值的检测进行分割，识别塞拉门开、关次数，并将预处理后数据 传送给特征提取子模块；
[0009] c)特征提取子模块中对塞拉门开、关过程的电流信号采用小波包熵提取其频域指 标，将原信号的峰峰值、均值、均方值、峭度作为时域指标，并将两者作为特征向量，将其传 送给状态识别子模块；
[0010] d)状态识别子模块对已提取出的特征向量利用遗传算法优化的K均值模型聚类， 通过silhouette评估指标判断出塞拉门从润滑良好到润滑不良过程中所经历最佳的劣化 状态数，再比较在最佳劣化状态数下各类的重心与当前待测特征量的欧氏距离，识别出当 前塞拉门开、关过程劣化状态，并传送给转移概率计算子模块；
[0011] e)转移概率计算子模块保存了在最佳劣化状态数下，对所有训练样本进行聚类， 得到了多个电动塞拉门在不同开、关次数下的劣化状态训练样本，计算出每个样本下各状 态在不同驻留次数下的转移概率；
[0012] f)剩余使用寿命预测子模块利用步骤d对当前状态的识别并确定当前状态的已 驻留的次数，经步骤e查得其转移概率，并根据公式
【权利要求】
1. 一种地铁电动塞拉门故障预测装置，包括：电流传感器模块（1)、数据采集卡（2)、 计算机系统（3)，计算机系统（3)设有数据存储模块（4)、故障预测软件模块（5)、显示模块 (6)和报警模块（7)，其中故障预测软件模块（5)包括信号预处理子模块（8)、特征提取子 模块（9)、状态识别子模块（10)、转移概率计算子模块（11)、期望剩余使用寿命预测子模块 (12)，其特征在于，为准确实现地铁电动塞拉门润滑不良的故障预测，该计算机系统（3)执 行如下步骤： a) 数据存储软件模块（4)接受并存储由电流传感器模块（1)和数据采集卡（2)传送来 的塞拉门开、关过程所采集的电机工作电流值，并传送到信号预处理子模块（8); b) 故障预测软件模块（5)中的信号预处理子模块（8)对步骤a存储的数据利用sym4 小波函数进行软阈值去噪处理，对去噪后的数据进行峰峰值检测并进行分割，识别塞拉门 开、关次数，再将处理好的数据传送给特征提取子模块（9); c) 故障预测软件模块（5)中的特征提取子模块（9)利用小波db2函数对开、关过程 中电流信号进行四层分解，提取各频段的小波包熵作为频域指标，并提取原信号峰峰值、均 值、均方值、峭度作为时域指标，并将两者特征向量结合将其传送到状态识别子模块（10); d) 故障预测软件模块（5)中的状态识别子模块（10)对已提取出的特征向量利用遗传 算法优化的K均值模型聚类，通过silhouette评估指标判断出塞拉门从润滑良好到润滑 不良过程中所经历最佳的劣化状态数，再比较在最佳劣化状态数下各类的重心与当前待测 特征量的欧氏距离，识别出当前塞拉门开、关过程劣化状态，并传送给转移概率计算子模块 (11); e) 故障预测软件模块（5)中的转移概率计算子模块（11)根据最佳劣化状态数下对所 有训练集进行聚类，得到了多个电动塞拉门在不同开、关次数下的劣化状态训练样本，计算 出每个样本下各劣化状态在不同驻留次数下的转移概率并保存； f) 故障预测软件模块（5)中的剩余使用寿命预测子模块（12)通过步骤d识别当 前劣化状态并确定当前各状态的已驻留的次数，经步骤e查得其转移概率，并根据公式
f算出当前状态下期望剩余使用寿命，并将预测值传 送到显示模块（6); g) 显示模块（6)用来显示预测出的塞拉门的期望剩余使用寿命以及开、关次数； h) 报警模块（7)实现当前期望剩余使用寿命预测值低于设定阈值时，作出报警提示， 需采取润滑措施。
【文档编号】G01M17/08GK104297002SQ201410592054
【公开日】2015年1月21日 申请日期:2014年10月21日 优先权日:2014年10月21日
【发明者】陈长骏, 王凌, 潘静, 陈锡爱, 许宏 申请人:中国计量学院