城轨车门系统常见故障诊断分析

刘宇博

摘 要：近年来，城市轨道列车发展速度加快，轨道列车中车门系统是其重要组成部分之一，其工作状态与列车的安全息息相关，文章介绍了列车车门的结构和常见的车门故障，对故障产生的原因做了简要分析，并且针对这些故障简述了包括决策树、人工神经网络和贝叶斯网络3种故障诊断方法。

关键词：车门系统 决策树 人工神经网络 贝叶斯网络 故障诊断

中图分类号：U279 文献标识码：A 文章编号：1674-098X（2017）04（a）-0083-02

现在社会进入现代化发展格局，城镇化发展速度加快，城市人口数目增加，城市交通工具也发展加快，尤其是轨道列车。轨道列车是一种速度快、容量大的交通工具，其最大运行范围可以贯穿中国。在城市中，轨道列车现在成为人们出行的首选交通工具，其发展情况与城市经济发展情况成正比，并且轨道列车对于缓解城市交通拥堵和污染问题有较大的帮助，为市民出行提供了很大的便利。现在人们对于轨道列车的要求越来越高，促使轨道列车的功能和组成结构逐渐完善。轨道列车结构中，作为重要组成部分的车门系统对列车运行安全性影响较大。车门系统出现故障的种类较多，因此如何诊断车门故障对于提高列车运行效率有重要的意义。

1 车门系统

现如今的车门系统根据驱动系统的不同可以分为气动式车门和电动式车门两大类，根据车门系统安装的位置不同，又可以将车门系统分为内藏门、塞拉门和外挂门3种。具体来讲，气动式车门使用气缸提供动力，电动式车门使用直流或交流电源提供驱动力；内藏门可以使用气缸系统，还可以使用电动系统，其叶门内藏在轨道列车外侧墙和内部装饰板之间；塞拉门主要使用电动式驱动系统，叶门在关闭时与列车在侧墙处于同一平面上，打开时紧贴在侧墙；外挂门使用螺母机械传动机构，并使用电动驱动系统，其位于外侧墙的内侧面，叶门连接有车门悬挂系统，位于车体侧墙的外面。

2 车门故障及产生原因分析

城市轨道列车运行的距离较短，并且经过的站台数目多，车门不停地开关，容易使列车车门的控制机械元件磨损，出现故障的频率大大提高，其故障程度由车门开、关门迟钝，列车站台停留时间延长，到车门不能正常打开，困住乘客，危害市民人身安全依次递增。从近些年轨道列车车门出现问题的情况来看，可以将问题分为两类：一类是电器故障，主要出现在电子门控单元、电源、车门制动器、车门电机、门外部指示灯、继电器等位置，影响车门开关，例如，广州地铁3号线列车因为受到外界信号的干扰，使得车门开关控制系统接收信息不及时，延缓车门开关时间，并且关门引起信号传输中断，电流瞬时增大，电机控制中断，影响列车运行；此外，列车经常进行清洗，对于车体外部的清洗一般是使用高压水枪冲击污垢，但是因为车门外部指示灯安装结构设计不合理，使得在清洗过程中难免会浸入水渍，损坏指示灯，造成轻度损坏，加上门控继电器长期使用使得触点之间的接触电阻增大，影响通电时电流传输，提高继电器故障出现频率，降低车门控制的有效性和列车运行安全性。另一类就是机械故障，其主要是由车门部件挤压变形、尺寸不合适等硬件条件不合理引起的，并且车门不停开关会加速机械故障出现频率。不可忽视的是在节假日等客流量高峰时期，人们上车挤挤攘攘，很多人挤在车门位置，容易使列车门变形，降低工作效率，还有车门因为受到各种各样信号干扰，影响设备车门开关位置。

3 故障诊断方法

城市轨道列车在运行中会因为各种因素而出现故障，当列车出现故障时会有不同的信息反馈到主机，当车门系统发生故障时，技术人员通过搜索、分析和采用合适的诊断方法确定车门系统异常运行的原因。现在技术人员通过实际操作和研究，已经获得多种车门系统故障诊断方法，该文将简要分析包括决策樹诊断方法、人工神经网络诊断方法和贝叶斯网络诊断方法在内的3种车门系统故障诊断方法。

3.1 决策树诊断方法

决策树故障诊断方法是一种采用画树状图的方式将故障根据对象特征不同进行分类，或者以故障的属性作为节点绘制决策集合图，这些决策是利用信息论原理对故障对象进行分析和回归产生的。具体操作是首先收集某一地区轨道列车运行故障历史，其次是采用决策树算法和粗糙理论结合将车门系统故障表进行简化，并对相应的故障进行分析，按照严重程度进行分类，通过实践探索确定每类故障现在最优的解决方案，最终绘制决策树，并且故障决策树法还可以对车门系统的可靠性进行分析，因此将故障决策树法运用到车门系统故障诊断能够对数据进行有条理地分析，便于技术人员使用。

3.2 人工神经网络诊断方法

人工神经网络是由神经元相互连接而构成的高度并行的非线性系统，该系统可以学习、组织信息、处理信息、拓展思考且容错性强，该系统经常用于预测控制、模式识别、非线性逼近等领域。该系统不需要对其进行特别严厉且死板的训练，将该系统使用于车门系统故障诊断时，先要将以往典型故障事件输入该系统或者以此训练该系统的灵敏度，调整系统参数，准确测定车门开关过程中位移轨迹和速度曲线，制作对应的模型，不断模拟各种故障出现时的情况，记录数据，确保系统能够在实际操作中快速诊断故障。

3.3 贝叶斯网络诊断方法

贝叶斯网络是一种图形化概率模型，可以使用故障中出现的各种定量信息和定性信息，还能够将故障出现前信息与故障信息结合起来使用，现有的信息不完整对故障诊断的影响不大，能较为准确地分析故障出现概率。贝叶斯网络主要用于系统复杂、故障原因众多的分析，该方法能够从众多信息中选取有用信息支持其故障发生概率分析。在车门故障分析过程中，先要将收集到的数据进行分析，使用故障树将信息进行分类和归纳，形成各种子系统，其中包括故障、故障起因、故障决策等，将这些子系统输入到贝叶斯网络系统中，即可使该系统用于车门故障诊断。

4 结语

车门系统的安全性对于轨道列车安全运行有着重要的影响，该文笔者把车门系统故障分为电器故障和机械故障两类进行介绍，并分析了故障出现的原因，和提出故障树诊断方法、人工神经网络诊断方法和贝叶斯网络诊断方法3种故障诊断方法，为列车车门故障诊断提供了方法依据。

参考文献

[1] 朱士友，胡文伟.广州地铁车辆车门结构，控制原理及改进意见[J].铁道车辆，2008，38（21）：60-62.

[2] 彭胜录.CRH5型动车组车门常见故障分析[J].铁道机车车辆，2011，31（3）：86-89.

[3] 王建兵，朱小娟，浦汉亮.上海地铁车辆客室车门故障原因及整改措施[J].电力机车与城轨车辆，2006，29（1）：46-48.

[4] 周俊龙，王建兵.上诲地铁车辆客室车门可靠性和安全性技术研究[J].电力机车与城轨车辆，2006，29（4）：7-10.