基于状态监测的城轨车辆车门预防性维修技术

刘席朋 刘营琴

摘要：本文提出了一种基于状态监测的城轨车辆车门预防性维修技术。该技术通过采集和分析车门系统运行的实时数据，并结合这些数据对车门系统状态进行诊断，从而尽早识别车门系统的故障和亚健康状态，实现状态维修，以达到提高城轨交通运营安全可靠性和运维成效;培养城轨交通车门系统远程监测及故障预测预警方向的技术人才;提升我国城轨交通装备行业在国际上的竞争力;加速城轨交通装备行业向标准化、智能化方向发展。

关键词：状态监测;预防性维修;亚健康;城轨车辆

0引言

城轨交通车辆车门系统被列为城轨交通车辆A类关键核心部件，也是使用最多的车辆设备。在城轨交通运营过程中，城轨交通车门系统需要频繁启闭，加上大客流量的冲击，导致车门故障频发。据统计，车门故障占车辆运行故障的30%以上，严重影响车辆正常运行，甚至出现乘客伤亡事故。

在传统维保模式中，维保人员需要对整列车逐个门进行检查和故障排除，费时费力效率低下，由于故障目标不明确，容易造成误判和漏判，不能对故障及安全隐患进行预测和预警，不能有效保障车辆的运营秩序。

基于对城轨交通车门的运行状态实时监测，利用对城轨交通车门监测信息的大数据分析来判定城轨交通车门可能发生的故障和亚健康以及更明确的故障种类和亚健康种类等。基于对城轨交通车门状态结果判定的基础上，对城轨交通车门进行预防性的维修，实现变被动维修变为主动预防的策略。综合而言，利用对城轨交通开关门掌握的海量数据信息优势，结合模式识别算法分析，研究城轨交通车门的状态检测及预防性维修技术，开发城轨交通车门的状态检测及预防性维修平台，实现城轨交通车门的状态检测及预防性维修，提高城轨车辆运营可靠性和安全性。

1、研究目标

基于大数据思想开展城轨交通车门系统的健康监测和预警研究，揭示城轨交通车门系统的典型参数之间内部信息规律，发展数据挖掘优化算法，建立城轨交通车门健康状态演变计算模型，并形成城轨交通车门健康状态推理机制和专家系统，以实现健康状态的智能监测与预警。通过系统地探讨车门系统故障和亚健康表现，开发具有较高预测准确度及良好人机对话界面的车门系统健康状态监测与预警软件。

2、研究内容

2.1城軌交通车门故障及亚健康状态表征指标

针对丝杆等关键部位的润滑判断和预警、车门的尺寸调整、关键部件的疲劳和裂纹判断等工况下等典型门故障和亚健康模式的运行参数开展实际数据搜集和模拟实验研究，获取城轨交通车门在运行过程中随时间变化的电机电流、电机转速、电机转角等参数，分析不同运行状态影响因素的表征指标数据偏差产生机理和消除方法，构建城轨交通车门健康状态大数据集。

2.2城轨交通车门健康状态演变规律及演变计算模型

基于电机电流、电机转速、电机转角等大数据，分析数据样本特征，甄选先进的模式识别方法对大数据进行训练以及预测，从大数据中提炼城轨交通车门健康状态演变规律;通过比较不同算法获得规律的差异性，研究建立优化算法，并运用改进的算法对样本数据进行挖掘获得量化规律，建立城轨交通车门健康状态演变计算模型。

2.3城轨交通车门系统健康监测 “专家判定系统”

基于大数据处理以及先进的模式识别方法的计算过程，借助计算机语言（MATLAB，&C#，&C 语言等）形成车门系统健康状态监测人机界面，建立具有城轨交通车门健康状态实时判别与演变预测综合功能的“专家判定系统”。

3、研究方法

本研究兼顾实验研究、大数据分析、理论模型建立和软件开发。研究内容主要包括城轨交通车门故障和亚健康两种模式下的特征参数数据采集与分析、基于大数据的模式识别方法处理与优化、综合状态监测与预警功能的“专家判定系统”开发等。具体研究方案和技术路线如下：

首先，通过模拟实验获取城轨交通车门系统运行参数数据。研究的典型故障和亚健康工况为：丝杆等关键部位的润滑判断和预警、车门的尺寸调整、关键部件的疲劳和裂纹判断等工况。通过开展不同情境下的实验，采集车门系统运行典型参数，主要包括电机的电流参数、电机的转角参数、电机的转速参数，门控器的输入输出口参数、故障代码等。

在此基础上，针对电机的电流、转速、转角曲线图，通过数据预处理手段，对数据进行离散化、正交化，去除冗繁信息，获取正交化后的特征变量。分析特征变量表征指标数据偏差时对城轨交通车门不同运行状态的影响，研究偏差消除方法，进而构建城轨交通车门健康状态大数据集。

4、研究结论

本研究结果表明利用物联网、互联网技术，解决了城轨交通车辆复杂环境下数据的可靠传输难题，实现了城轨交通车门系统关键工作参数的采集和传输;采用机器学习和大数据分析等数据驱动预测技术，实现了对城轨交通车门系统的健康监测与智能诊断。设计开发的诊断和预测信息推送技术，进一步指导了车门的日常维护和定期检修，有效降低了运营故障，提高了列车的上线率，实现了城轨交通车门系统的“主动维护”和预防性维修，节省了城轨交通车门系统全生命周期的运维成本。

参考文献：

[1]张妍. 基于数据的轨道车辆门系统的健康评估与预测[D]. 南京航空航天大学.

[2]沈鲤庭. 基于状态监测的地铁车辆车门系统维修模式探讨[J]. 现代城市城轨交通， 2019（10）：33-36.

[3]钮海彦. 地铁车辆预防性维修周期优化模型研究[J]. 城市城轨交通研究， 2018， v.21;No.189（06）：76-78.

[4]蒋永亮， 周炯， 尧辉明. 轨道车辆故障诊断算法参数优选和故障监测部位确定[J]. 计算机测量与控制， 2018， 26（002）：27-31，35.

[5]余博. 面向运维的城轨列车在途监测若干关键技术研究与应用[D]. 北京交通大学.