薛 钰，梅 雪，支有冉，许志兴，史 翔

(1.南京工业大学 电气工程与控制科学学院，南京 211816； 2.南京康尼机电股份有限公司，南京 210013)

近年来，城市人口的急剧增加，城市规模的增大，致使城市的交通系统面临严峻的局势。地铁作为公共交通中重要的组成部分，是目前人们主要出行方式之一。列车车门由于其工作环境中经常受到挤压和震动，所以它是整个车辆中故障频发的部分[1]。车门打开和关闭过程中最重要的驱动部件就是电机，其工作状态可以直接或间接反映出车门的工作状态。最近这些年人们提出多种方法用于电机的故障诊断，例如基于神经网络的方法[2]、基于信号处理的方法[3]和基于规则发现的诊断方法[4]等。车门亚健康状态不同于故障，是介于车门正常运行和故障之间的中间状态，对其进行识别存在重要意义。

由于车门电机参数为时间序列相关的数据，故可以利用时间序列数据挖掘算法和技术来对电机的运行状态进行分析。目前，时间序列常用的表示方法有离散小波变换、分段线性表示和符号化方法。文献[5]采用离散小波变换处理地震波时间序列，将转化后小波的系数作为特征，实现对地震信号的跟踪。文献[6]等依据时间序列中斜率的变化，提出了基于一阶滤波的时间序列分段线性表示方法(Piecewise Linear Representation method of time Series based on First-order Filtering, PLR_SFWF)，将时间序列分段线性表示。文献[7]挖掘字符串处理后时间序列中的频繁模式，实现时间序列的聚类以及分类。虽然上述的算法对时间序列处理效果很好，但遗憾的是运算比较复杂，难以应用于地铁车门电机数据处理中。……