杨欣薇,朱松青,杨 柳,薛宇豪,祝子昊
(南京工程学院机械工程学院, 江苏 南京 211167)
城轨交通系统具有运量大、速度快、干扰小的运输优点,能够有效分担都市快节奏的交通压力.城轨门系统在列车的运行过程中承担着通行客流的重要作用.由于列车行车密度日益提高,列车的开关门频率明显增加,各类门系统故障的发生也更为频繁.因此,城轨门系统的安全性与可靠性问题受到越来越多的关注.
城轨门系统承载传动机构作为车门运动的重要承载与传动机构,其在列车运行过程中需要完成高频次的重复动作,由于交变气动载荷与外力挤压等影响,较易产生故障[1].对城轨门系统承载传动机构的健康状态进行及时、准确的评估,可以有效排除相关安全隐患,从而提高列车运行的安全性和可靠性.
国内关于城轨门系统健康状态评估的研究成果有限,各类研究中对机构状态进行评估的实现方法较为传统,类似于故障树分析以及贝叶斯网络分析等分析方法,都较为依赖其历史数据或专家经验,且需要较为明显的故障现象作为分析依据,对于机构的早期故障难以进行有效识别.
针对这一问题,部分研究不再完全依赖于历史数据,而是尝试通过机器学习等方法,实现对机构状态的有效评估.支持向量机(SVM)是一类应用广泛的线性分类器,通过构建分类决策面来实现对各类数据的有效分类,具有良好的学习能力,对于机构的……