随着城市化进程的加快,城市人口急剧增长,交通堵塞及环境污染等问题日趋严重。轨道列车作为一种快速、高效、大运量的交通工具在城市交通系统中扮演着越来越重要的角色。然而,随着城市轨道交通的发展,轨道列车结构变得越来越复杂,相应的故障率逐年上升,城市轨道交通安全成为社会关注的热点。车门系统作为城市轨道列车的重要组成部分,其安全性问题的发生不仅影响列车的正常运行,还对乘客的人身安全造成一定的威胁。因此,对轨道列车车门系统进行故障诊断是保证其安全运行的重要一环。在城市轨道列车使用的各种车门中,塞拉门由于具有密封性能好、设计满足车辆在空气动力学方面的要求,因而在国内外得到越来越广泛的应用。本课题拟以城市轨道列车塞拉门为研究对象,针对现有城市轨道列车车门故障诊断方法存在的诊断速度慢以及大量故障检修数据未得到合理利用等问题,提出了基于随机森林的轨道列车车门故障诊断方法。利用该方法建立轨道列车车门故障诊断模型,并通过实例验证了该方法的可行性。由于利用随机森林方法进行故障诊断时,其诊断性能会随着分裂节点选择规则的不同而发生改变。因此,为了优化故障诊断模型、提高故障诊断准确率,本文引入信息增益率对传统随机森林算法进行改进,提出基于信息增益率的改进随机森林故障诊断方法,并通过该方法利用现有故障数据建立轨道列车车门故障诊断模型,对车门故障进行诊断。实例分析结果证明,基于信息增益率的改进随机森林方法对轨道列车车门进行故障诊断时,诊断速率更高、效果更好。最后,为了将改进的随机森林算法更多的应用于实际工程中,本文利用该方法建立了轨道列车车门故障诊断系统,并在系统测试中验证了该系统的稳定性。相关工作主要体现在如下方面:(1)研究了塞拉门的结构和各零部件的工作原理,分析了塞拉门的故障模式及故障原因。采用故障模式、影响分析法(Failure Mode、Effects Analysis,FMEA)对城市轨道列车车门故障数据进行预处理,建立FMEA表和简约决策表,为深入研究车门故障诊断方法奠定基础。(2)提出基于随机森林算法的城市轨道列车车门故障诊断方法。利用随机森林算法对预处理后的简约决策表中的轨道列车车门故障数据进行训练,建立轨道列车车门故障诊断模型。利用所建立的模型对新的轨道列车车门故障数据进行预测和诊断。(3)为了进一步优化轨道列车车门故障诊断模型,将信息增益率引入随机森林中对传统随机森林算法进行改进,提出了基于信息增益率的改进随机森林故障诊断方法。并利用该方法建立轨道列车车门故障诊断模型。通过实例分析,比较了分别利用这两种方法建立的故障诊断模型在轨道列车车门故障诊断中的准确率。最后对随机森林模型的参数进行分析讨论,得出随机森林模型的诊断性能与其所包含的单分类器个数的关系。(4)基于本文所建立的城市轨道列车车门故障诊断模型,选择QT作为系统软件开发平台,Python语言作为系统编程语言,搭建故障诊断系统,从而实现对车门的故障诊断。该系统主要包括数据库模块、知识获取以及故障诊断模块。