(西南交通大学电气工程学院，四川成都，610000)

随着我国高速地铁列车的蓬勃发展，地铁列车运行安全成为人们关注的焦点。地铁塞拉门作为直接关系乘客安全的核心部件，对地铁列车运行安全有着最为直接的影响[1-2]。为提高地铁列车运行的安全性和可靠性，车门预测与健康管理PHM(prognostics health management)日益受到重视。在塞拉门PHM 诊断中，塞拉门开关门过程中的电机电流数据蕴含了丰富信息，是塞拉门PHM相关研究基础。由于采集频率高，开关门过程频繁，产生的海量数据难以直接保存，因此，研究适合于实际工程的数据压缩方法已成为地铁塞拉门PHM的迫切需求[3]。

国内外学者对数据压缩方法进行了大量的研究，涉及多个领域，鉴于目前当前领域相关研究较少，塞拉门开关门过程数据本质仍是电机电流数据，因此，可借鉴电力系统录波、电能质量监测数据和心电图数据等领域的数据压缩方法。黄纯等[4-5]采用FFT 对数据进行压缩，取得了一定效果，但该方法是基于信号平稳、线性的假设，面对非线性平稳信号具有一定局限性。SANTOSO等[6-12]采用基于小波系数阈值压缩方法，将数据分解为小波系数，通过设置阈值，去除冗余数据，实现数据压缩。该方法有效处理了非线性、非平稳信号，展示了小波变换在数据压缩中的优越性。但其难以去除周期性数据周期间的冗余，导致压缩比受到很大限制。赵艳粉等[13-18]将多组周期性的一维数据进行了二维组合，使用二维小波对组合后的二维数据矩阵进行压缩试验，降低了数据周期间的冗余，进而极大提高了数据的整体压缩率，证明了相同条件下二维压缩算法的优越性。……