本技术实施例涉及屏蔽门，尤其涉及一种轨道交通站台屏蔽门。
背景技术：
1、目前，轨道交通站台屏蔽门在运行过程中，通过控制模块实现屏蔽门门体的自动开启与关闭。在站台屏蔽门的屏蔽门运维场景中，其维护模式主要是通过监视屏蔽门运行状态，进而进行故障维修或检修等操作。其中，为了对屏蔽门故障进行提前预警，会根据屏蔽门的状态信息使用故障预测模型进行设备可靠度分析，当设备可靠度降低到设定值时，进行设备运行故障的预警，及时监视到潜在的运行故障，以保障屏蔽门运行的稳定性。
2、但是，当前屏蔽门简单根据可靠度分析进行故障监视的方式无法准确给出屏蔽门发生故障的时间和类型，导致屏蔽门故障监视存在一定的误差，维修人员无法根据故障预警准确确定故障类型和预防维修的时间节点。其对屏蔽门的维修辅助效果较差，容易导致过度维修或者维修滞后的情况，进而影响屏蔽门运行的可靠性。
技术实现思路
1、本技术实施例提供一种轨道交通站台屏蔽门，能够对自身运行故障进行精准地预测，及时监视潜在的运行故障，解决屏蔽门的故障监视误差问题。
2、在第一方面，本技术实施例提供了一种轨道交通站台屏蔽门包括：
3、控制器，用于控制屏蔽门门体执行开启和关闭操作；
4、监控传感器，用于基于屏蔽门门体的开启和关闭操作采集屏蔽门的实时运行数据；
5、故障预警器，用于获取所述实时运行数据，将所述实时运行数据输入预构建的预测模型中，基于所述预测模型对所述实时运行数据进行多轮循环分段预测，输出目标时段各个时间节点的运行预测结果，在所述多轮循环分段预测过程中，以所述实时运行数据作为所述预测模型初始的模型输入数据，每一轮预测输出所述目标时段的一个分段预测数据，并将已预测到的所述分段预测数据以及所述实时运行数据作为下一轮预测的模型输入数据，将所述运行预测结果输入预构建的故障监视模型，基于所述故障监视模型输出对应时间节点的故障类型监视结果，所述故障监视模型预先基于屏蔽门的故障运行数据进行模型训练，所述故障运行数据预先标注对应的故障类型标签；
6、所述预测模型的训练流程包括：
7、采集屏蔽门的历史运行数据构建训练样本，将所述训练样本按时序拆分为第一序列和第二序列；
8、将所述第一序列输入所述预测模型进行多轮循环分段预测，得到对应的预测序列；
9、根据所述预测序列和所述第二序列的计算损失函数，基于所述损失函数迭代调整所述预测模型的模型参数，直至所述预测模型收敛。
10、进一步地，所述历史运行数据包括不同历史时间节点采集的屏蔽门开关数据、门体位移数据和门体速度数据。
11、进一步地，所述预测模型包括依次连接的第一多层感知模块、解码器网络和第二多层感知模块；
12、所述第一多层感知模块用于将所述预测模型的模型输入数据转换为设定形状的向量；
13、所述解码器网络用于基于所述设定形状的向量生成初始预测序列；
14、所述第二多层感知模块用于依据所述模型输入数据的形状将所述初始预测序列转换为所述分段预测数据。
15、进一步地，所述第一多层感知模块的计算公式表示为：
16、
17、其中， w表示所述第一多层感知模块的隐藏层的权重， b表示隐藏层的偏置项， relu为非线性激活函数， xout为所述第一多层感知模块的输出， x为所述第一多层感知模块的输入。
18、进一步地，在所述将所述实时运行数据输入预构建的预测模型中之前，还包括：
19、对所述实时运行数据进行缺失值填充和异常值筛除处理，对处理后的所述实时运行数据进行标准化处理。
20、进一步地，所述标准化处理用于将所述实时运行数据标准化成均值为0，标准差为1的序列数据。
21、进一步地，所述监控传感器为监控摄像头，所述监控摄像头通过对屏蔽门门体进行目标检测和定位，基于检测到的屏蔽门门体位置确定屏蔽门的实时运行数据。
22、在第二方面，本技术实施例提供了一种屏蔽门的故障监视方法，应用于如第一方面所述的轨道交通站台屏蔽门，包括：
23、获取屏蔽门的实时运行数据，将所述实时运行数据输入预构建的预测模型中；
24、基于所述预测模型对所述实时运行数据进行多轮循环分段预测，输出目标时段各个时间节点的运行预测结果，在所述多轮循环分段预测过程中，以所述实时运行数据作为所述预测模型初始的模型输入数据，每一轮预测输出所述目标时段的一个分段预测数据，并将已预测到的所述分段预测数据以及所述实时运行数据作为下一轮预测的模型输入数据；
25、将所述运行预测结果输入预构建的故障监视模型，基于所述故障监视模型输出对应时间节点的故障类型监视结果，所述故障监视模型预先基于屏蔽门的故障运行数据进行模型训练，所述故障运行数据预先标注对应的故障类型标签；
26、所述预测模型的训练流程包括：
27、采集屏蔽门的历史运行数据构建训练样本，将所述训练样本按时序拆分为第一序列和第二序列；
28、将所述第一序列输入所述预测模型进行多轮循环分段预测，得到对应的预测序列；
29、根据所述预测序列和所述第二序列的计算损失函数，基于所述损失函数迭代调整所述预测模型的模型参数，直至所述预测模型收敛。
30、在第三方面，本技术实施例提供了一种屏蔽门的故障监视装置，包括：
31、输入模块，用于获取屏蔽门实时运行数据，将所述实时运行数据输入预构建的预测模型中；
32、数据预测模块，用于基于所述预测模型对所述实时运行数据进行多轮循环分段预测，输出目标时段各个时间节点的运行预测结果，在所述多轮循环分段预测过程中，以所述实时运行数据作为所述预测模型初始的模型输入数据，每一轮预测输出所述目标时段的一个分段预测数据，并将已预测到的所述分段预测数据以及所述实时运行数据作为下一轮预测的模型输入数据；
33、故障监视模块，用于将所述运行预测结果输入预构建的故障监视模型，基于所述故障监视模型输出对应时间节点的故障类型监视结果，所述故障监视模型预先基于屏蔽门的故障运行数据进行模型训练，所述故障运行数据预先标注对应的故障类型标签；
34、所述预测模型的训练流程包括：
35、采集屏蔽门的历史运行数据构建训练样本，将所述训练样本按时序拆分为第一序列和第二序列；
36、将所述第一序列输入所述预测模型进行多轮循环分段预测，得到对应的预测序列；
37、根据所述预测序列和所述第二序列的计算损失函数，基于所述损失函数迭代调整所述预测模型的模型参数，直至所述预测模型收敛。
38、在第四方面，本技术实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第二方面所述的屏蔽门的故障监视方法。
39、本技术实施例通过设置屏蔽门的监控传感器和故障预警器，获取屏蔽门实时运行数据，将实时运行数据输入预构建的预测模型中；基于预测模型对实时运行数据进行多轮循环分段预测，输出目标时段各个时间节点的运行预测结果，在多轮循环分段预测过程中，以实时运行数据作为预测模型初始的模型输入数据，每一轮预测输出目标时段的一个分段预测数据，并将已预测到的分段预测数据以及实时运行数据作为下一轮预测的模型输入数据；将运行预测结果输入预构建的故障监视模型，基于故障监视模型输出对应时间节点的故障类型监视结果，故障监视模型预先基于屏蔽门的故障运行数据进行模型训练，故障运行数据预先标注对应的故障类型标签。采用上述技术手段，通过循环分段预测屏蔽门在未来目标时段各个时间节点的运行预测结果，进而基于运行预测结果进行故障监视，及时发现对应时间节点潜在的故障类型，实现精准、高效的故障监视，进而提升屏蔽门运行的可靠性和稳定性。
1.一种轨道交通站台屏蔽门，其特征在于，包括：
2.根据权利要求1所述的轨道交通站台屏蔽门，其特征在于，所述历史运行数据包括不同历史时间节点采集的屏蔽门开关数据、门体位移数据和门体速度数据。
3.根据权利要求1所述的轨道交通站台屏蔽门，其特征在于，所述预测模型包括依次连接的第一多层感知模块、解码器网络和第二多层感知模块；
4.根据权利要求3所述的轨道交通站台屏蔽门，其特征在于，所述第一多层感知模块的计算公式表示为：
5.根据权利要求1所述的轨道交通站台屏蔽门，其特征在于，所述故障预警器在将所述实时运行数据输入预构建的预测模型中之前，还包括：
6.根据权利要求5所述的轨道交通站台屏蔽门，其特征在于，所述标准化处理用于将所述实时运行数据标准化成均值为0，标准差为1的序列数据。
7.根据权利要求1所述的轨道交通站台屏蔽门，其特征在于，所述监控传感器为监控摄像头，所述监控摄像头通过对屏蔽门门体进行目标检测和定位，基于检测到的屏蔽门门体位置确定屏蔽门的实时运行数据。
8.一种屏蔽门的故障监视方法，应用于如权利要求1-7任一所述的轨道交通站台屏蔽门，其特征在于，包括：
9.一种屏蔽门的故障监视装置，其特征在于，包括：
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求8所述的屏蔽门的故障监视方法。
