一种城轨车辆门系统的故障预警方法及介质与流程

本发明涉及铁路客车车门系统，更具体地，涉及一种城轨车辆门系统的故障预警方法及介质。

背景技术：

1、随着城市轨道交通的快速发展，城轨车辆作为城市轨道交通的重要组成部分，它对人们工作、生活的影响也越来越大，城轨车辆客室车门数量多、高频率使用、复杂的车辆运行环境及未知的人为原因，使得客室车门故障率相对较高，车门故障数据占据所有车辆零部件故障总数的30％以上，其高故障率对地铁的安全运行构成了严重威胁。

2、因此，有必要开发一种城轨车辆门系统的故障预警方法及介质。

3、公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

1、本发明提出了一种城轨车辆门系统的故障预警方法及介质，旨在实现城轨车辆门系统的故障预警功能，有效预警客室车门故障及定位客室车门故障发生位置，利于检修人员排查故障，这对城轨车辆高效安全运行，降低故障率具有重要意义。

2、第一方面，本公开实施例提供了一种城轨车辆门系统的故障预警方法，包括：

3、采集实时的门控器数据，确定能够反映故障项点的故障信号；

4、将已知故障项点以及对应的故障信号输入至机器学习算法模型中进行训练；

5、通过训练后的机器学习算法模型预测所述故障项点，实现故障预测。

6、优选地，基于车门系统试验台架的正常工况和故障工况进行开关门试验，采集所述门控器数据。

7、优选地，还包括：

8、针对采集的所述门控器数据进行数据清洗。

9、优选地，所述故障项点包括下挡销横向干涉、v型尺寸异常、上滑道异常和缓冲头磨损。

10、优选地，所述机器学习算法模型包括tapnet的基于距离的深度学习模型与半监督模型semi-tapnet，

11、其中，所述tapnet的基于距离的深度学习模型包括随机维度排列rdp模块、多变量时间序列编码模块、注意力原型学习模块。

12、优选地，所述随机维度排列rdp模块通过以下步骤实现：

13、设定m个维度的时间序列，要将其分成g组，每组有个维度，则

14、

15、其中，α是用来控制新排列中的总尺寸与原始尺寸的比例的参数；

16、定义一个随机排列函数σm，运行g次得到g组排列；

17、定义gi表示第i组的候选排列：

18、

19、优选地，所述多变量时间序列编码模块通过以下步骤实现：

20、通过长短期记忆网络lstm和多层卷积网络提取mts数据中的顺序信息和多元特征，其中，lstm对原始数据x∈rm*l执行操作得到上下文嵌入dl是lstm的隐藏维度，通过全局平均池化得到

21、

22、重构后的每组均通过三个一维卷积网络，每经过一次一维卷积均执行批量归一化+relu操作；

23、将三个卷积层的滤波器的默认值设置为256、256和128，并将内核设置为8、5和3；

24、最后第i组的输出是df是最后一层卷积滤波器的大小，dc是卷积操作的输出维度，每组在维度dc上全局平均池化得到

25、

26、将lstm的结果和卷积网络的结果连接在一起，得到输出最后对其操作两个全连接层，以生成多变量时间序列x∈rd的低维特征表示，其中d是嵌入的维度。

27、优选地，所述注意力原型学习模块通过以下步骤实现：

28、为每个类别学习一个原型嵌入并基于输入时间序列与该原型的距离来判断它的类别标签：

29、

30、其中，sk表示数据样本中类别k所在位置的索引，k类的原型嵌入通过各个样本嵌入的加权和来表示：

31、

32、其中，ak,i是k类中第i个数据样本的权重，hk,i表示数据样本的嵌入；

33、第k个类别的注意力权重为：

34、

35、其中，ωk∈ru*1和vk∈ru*d是注意力模型的可训练参数，u是隐藏层维度的大小；

36、获得类别原型的嵌入向量后，对于给定的时间序列x∈rd，其在类别上的分布可示为嵌入空间中到原型的距离的softmax形式：

37、

38、其中，函数d是测量两个嵌入向量之间距离的距离函数，采用欧式平方距离，类别上的概率基于类别原型和时间序列之间的相似性，模型训练通过最小化真实类别的负对数概率j(θ)＝-logpθ(y＝k|x)来进行。

39、优选地，所述半监督模型semi-tapnet通过以下步骤实现：

40、确定未标记数据的时间序列嵌入矩阵：

41、

42、其中，s～是未标记数据样本的索引集，是未标记集中第i个数据样本的嵌入向量，则k类的原型嵌入通过标记和未标记数据的加权和来表示：

43、

44、第二方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的城轨车辆门系统的故障预警方法。

45、本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。

技术特征：

1.一种城轨车辆门系统的故障预警方法，其特征在于，包括：

2.根据权利要求1所述的城轨车辆门系统的故障预警方法，其中，基于车门系统试验台架的正常工况和故障工况进行开关门试验，采集所述门控器数据。

3.根据权利要求1所述的城轨车辆门系统的故障预警方法，其中，还包括：

4.根据权利要求1所述的城轨车辆门系统的故障预警方法，其中，所述故障项点包括下挡销横向干涉、v型尺寸异常、上滑道异常和缓冲头磨损。

5.根据权利要求1所述的城轨车辆门系统的故障预警方法，其中，所述机器学习算法模型包括tapnet的基于距离的深度学习模型与半监督模型semi-tapnet，

6.根据权利要求5所述的城轨车辆门系统的故障预警方法，其中，所述随机维度排列rdp模块通过以下步骤实现：

7.根据权利要求5所述的城轨车辆门系统的故障预警方法，其中，所述多变量时间序列编码模块通过以下步骤实现：

8.根据权利要求5所述的城轨车辆门系统的故障预警方法，其中，所述注意力原型学习模块通过以下步骤实现：

9.根据权利要求5所述的城轨车辆门系统的故障预警方法，其中，所述半监督模型semi-tapnet通过以下步骤实现：

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-9中任一项所述的城轨车辆门系统的故障预警方法。

技术总结本申请公开了一种城轨车辆门系统的故障预警方法及介质。该方法可以包括：采集实时的门控器数据，确定能够反映故障项点的故障信号；将已知故障项点以及对应的故障信号输入至机器学习算法模型中进行训练；通过训练后的机器学习算法模型预测所述故障项点，实现故障预测。本发明提高了故障预警的准确率，有效预警客室车门故障及定位客室车门故障发生位置，利于检修人员排查故障。技术研发人员：胡佳乔,章义,杨苡辰,刘舒嘉,倪弘韬,滑瑾,宣名阳,王天琨受保护的技术使用者：中车南京浦镇车辆有限公司技术研发日：技术公布日：2024/11/4