試論地鐵列車車門系統故障分析及診斷方法

葛蘭云

新疆鐵道職業技術學院

試論地鐵列車車門系統故障分析及診斷方法

葛蘭云

新疆鐵道職業技術學院

隨著我國交通體系建設的不斷完善，地鐵逐漸成為人們日常生活中愈加常用的交通工具，與此同時，地鐵運行安全問題也受到越來越多的關注和重視，而車門系統作為地鐵列車的主要組成之一，如果列車車門系統出現故障，將會對列車正常運行造成比較嚴重的影響。本文就圍繞地鐵列車車門系統故障加以分析，并探討其故障的診斷方法。

地鐵列車；車門系統；故障分析

前言

相比于傳統形式的交通方式，城市軌道交通系統的出現和普及，在人們出行方面，提供較大程度的便利條件，在緩解交通壓力、降低交通事故發生率方面具有比較顯著的貢獻，另外，軌道交通還具備污染少、更環保、速度快、運量大等一系列優勢特點。而隨著科學技術的不斷創新，地鐵列車的功能性也更強，其結構也更加復雜。

一、車門系統概述

車門系統作為地鐵列車的主要組成之一，對于列車的安全性和穩定性具有非常關鍵的影響，根據數據顯示，在地鐵列車的引發交通事故中，其中超過30%的事故是由車門系統的故障所引起的[1]。從驅動系統的角度區分，地鐵列成的車門可以劃分為氣動式和電動式。其中氣動式車門是由驅動氣缸來提供動力的，而電動式車門系統需要由電機來提供動力，電動式電機又可劃分為直流電機和交流電機。

根據車門的安裝位置，又可將地鐵車門區分為內藏式、外掛式和塞拉式。

其中內藏式車門的組成部分包括導軌、門葉、傳動部分、鎖閉環節、解鎖環節以及電氣控制系統等；塞拉式車門的組成部分包括導軌、門葉、傳動部分、制動部分、解鎖環節以及車門旁路部分等；外掛式車門的組成部分包括門葉、直流電機、懸掛系統、傳動部分以及電子門控系統等[2]。

二、車門故障與原因

在地鐵運行路線中，各站點之間距離及運行時間較短，地鐵車門的開關頻率較高，因此車門系統的中門控器件損壞的可能性比較大，進而容易引發地鐵列車車門系統故障。在地鐵列車的引發交通事故中，其中超過30%的事故是由車門系統的故障所引起的。其中電氣類故障約占車門故障總數65%以上，機械類車門故障約為35%。車門系統故障的發生，輕則影響地鐵的正常運行，導致列車延誤；嚴重情況下，可能會導致裂成不按牽引運行，甚至造成人員傷亡。

地鐵列車的車門故障大致可歸納為兩大類，即電氣類故障和機械類故障，其中電氣類故障通常包括，由門控元器件、制動器、繼電器等電氣原因造成的車門開關環節的故障。如在上海地鐵二號線，曾經在列車開、關門過程中，受到周圍信號的影響，導致車門系統在開門時，信號消失引發電流瞬間加大，電機控制系統斷開，引發車門系統的電氣故障，干擾了列車的常規運行[3]。

機械類故障通常包括，車門受力變形或尺寸調整不合理造成的限位開關不動作；機械零件缺損、松動；車門頻繁開關導致的尺寸變化等，干擾了列車車門的正常運行。尤其是在早晚的客流高峰段，很多乘客車門處擁擠，極有可能導致車門變形而無法自動關閉，列車也會因此無法正常運行，另外，受頻率變化引發振動的干擾，也有可能導致車門配件尺寸的變化，引發固定裝置的位置變化。

三、故障診斷方法

地鐵列車運行過程中出現車門故障是難以避免的，不過在故障發生時，通常可以根據其表現出的不同征兆，來選擇適當的診斷方式，從而準確的分析出故障原因，進而針對性的加以解決。隨著科學技術的不斷創新，診斷技術也愈加豐富，當前常用的車門故障診斷方法主要有以下幾種：

（一）決策樹診斷方法

這種方法的原理，是針對問題的不同的特征，通過樹狀結構來表現決策合集，并借助信息理論對問題的屬性加以分析，決策樹的節點表示的是不同問題的屬性，利用屬性來區別分支，從而形成樹狀結構。這種診斷方面不受車門故障類型的限制，將決策樹診斷法應用到車門故障的分析中，具有比較顯著的安全性和穩定性，可以通過對故障數據加以分析，并總結故障發生規律，建立故障樹模型，從而實現對故障的明確分類。以某城市地鐵為例，以其車門故障歷史數據為依據，借助決策樹診斷法，建立車門系統故障樹，將車門故障進行了比較明確的分類。利用決策樹診斷方法，不但可以以車門故障的類型加以分類，還可以根據車門故障的嚴重程度加以區分[4]。相比于其它診斷方法，決策樹診斷法的計算流程簡便，而且準確率較高，基本可以保障在95%以上。

（二）貝葉斯網絡診斷方法

貝葉斯網絡需要借助圖形的表現形式，來構建概率模型，通過這個模型能夠反映出定性與定量信息，即便在車門故障相關數據不完整的環境下，也能夠比較精準的計算出車門系統故障概率。貝葉斯網絡主要應用于分析故障與征兆之間的復雜關系，而且能夠利用故障信息判斷出造成故障的可能因素及其概率。有研究人員對車門故障數據加以分析，從中總結故障知識，并將各種可能引發故障的原因加以總結，形成一個集合，以車門部件甚至元件為子系統，添加到故障原因集合、故障類型集合等不同集合中，并以此為依據建立三級貝葉斯網絡，對車門故障加以診斷分析。應用貝葉斯網絡診斷方法，得出北京市2016年地鐵車門故障概率為0.005%，實踐結果表明，該診斷方法的計算結果誤差極小。

（三）人工神經網絡診斷方法

人工神經網絡診斷法主要應用于地鐵車門機械類故障的診斷。該方法依據的是人體神經元的工作原理，這套系統不但具有自學習和自組織的功能，而且還具有預測控制的作用。將人工神經網絡法應用到車門故障的診斷中，首先要選取一定數量的車門故障樣本，并對這些樣本加以訓練，從而得到神經網絡的權值和閾值，并對該數值加以適當修正，進而通過對樣本的識別，來確定車門故障的原因。有學者借助人工神經網絡系統，對地鐵列成的移動軌跡加以分析，從而得到了車門速度以及氣流分布的變化情況，并以此建立模型，根據該模型來分析車門位移時的暫態、頻率等特征，將其與實際測量值加以對比發現。應用人工神經網絡法進行仿真實驗，對上海地鐵站去年發生的150次車門故障加以診斷，結果表明，該方法的診斷準確率超過90%。

結語

本研究首先對車門系統進行概述，然后從電氣故障和機械故障兩個角度，對地鐵列車的車門系統常見故障加以研究，分析其故障發生原因，并提出決策樹法、貝葉斯網絡法以及人工神經網絡法等對車門故障加以診斷，希望本研究能夠為地鐵列車的車門故障分析及診斷，提供全面且充實的依據。

[1]沈碧波，佘維，葉陽東，賈利民.一種基于TC-CPN的城軌列車車門故障溯因診斷方法[J].鐵道學報，2016，04（09）:51-58.

[2]彭松，黃志輝，胡奇宇.基于EMD與SVM的地鐵列車滾動軸承故障診斷方法分析[J].科技創新與應用，2016，23（09）:36.

[3]張亦農.淺析地鐵門控系統的故障樹診斷方法研究[J].工程建設與設計，2016，16（09）:72-73.

[4]徐春華.電動塞拉門控制系統故障分析與診斷方法研究[J].中國高新技術企業，2017，01（09）:106-107+167.