System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于智能交通领域。
技术介绍
1、铁路道岔系统(railwayturnout system,rts)担负着引导列车转向行驶、确保列车平稳安全运行的重要任务,一旦出现故障就会极大程度影响运输效率甚至危及乘客生命安全。目前,国内在日常维护工作上主要根据维修计划进行周期性保养,这种“计划修”模式无法根据道岔剩余使用寿命(remaining useful life,rul)进行“状态修”容易造成“欠维护”和“过维护”。在故障诊断和定位工作中,由于集中监测系统报警准确度难以满足要求,智能诊断算法的应用则一直受限于数据不平衡的问题,因此主要依靠人工进行故障排查。提升道岔转换故障智能诊断系统的诊断能力,保证道岔转换设备正常运行,提高维护维修效率,降低运维成本,对保障列车安全运行和提高运输效率具有十分重要的意义,这些也是目前我国重载铁路亟待解决的问题。
技术实现思路
1、本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此,本专利技术的目的在于提出一种铁路道岔多源数据融合状态预警方法,用于提升道岔转换故障智能诊断系统的诊断能力。
3、为达上述目的,本专利技术第一方面实施例提出了一种铁路道岔多源数据融合状态预警方法,包括:
4、获取铁路道岔的历史多源数据,对所述历史多源数据进行预处理;
5、根据预处理后的历史多源数据生成用于评估道岔的全生命周期剩余使用寿命曲线;
6、获取铁路道岔的实时感知数据,将所述实时感知数据
7、根据不同部件潜在故障具有不同参数变化的原理,对所述实时感知数据通过数据驱动获取实时多源数据;
8、结合所述各部件所处剩余寿命区间、所述实时多源数据综合判断潜在故障。
9、另外,根据本专利技术上述实施例的一种铁路道岔多源数据融合状态预警方法还可以具有以下附加的技术特征:
10、进一步地,在本专利技术的一个实施例中,所述对所述历史多源数据进行预处理,包括:
11、将历史多源数据进行时间戳对齐、曲线平滑、异常值剔除和数据降采样,其中所述多源数据包括定反位表示杆位移、转换力、转辙机电流、定位油压、反位油压、振动三向加速度和温湿度。
12、进一步地,在本专利技术的一个实施例中,所述根据预处理后的历史多源数据生成用于评估道岔的全生命周期剩余使用寿命曲线,包括:
13、将预处理后的历史多源数据映射到特征空间,生成反映道岔系统健康状态的特征向量,使用自适应特征融合算法赋予每个特征在不同时刻的权值,融合生成特征曲线;
14、综合单调性、时间相关性和鲁棒性三个度量指标对所述特征曲线进行重要程度排序,选取冗余度最低的特征组合,作为最佳特征组合;
15、对所述特征组合进行融合,形成与时间有关的数据曲线,所述数据曲线包括每个时刻道岔的综合特征情况;
16、将n组状态变化为由健康到亚健康,再到故障的历史道岔数据进行处理得到n条包含全周期的生命健康曲线,进一步生成全生命周期剩余使用寿命曲线。
17、进一步地,在本专利技术的一个实施例中,所述根据不同部件潜在故障具有不同参数变化的原理,对所述实时感知数据通过数据驱动获取实时多源数据,包括:
18、当实时感知数据异常时,通过阈值健康判定以及标准值偏离程度排序判断出该异常来源道岔部件;其中,
19、对于尖轨部件的潜在故障,其异常值出现在转换力、电流和定反位表示杆位移;
20、对于轨枕部件的潜在故障,其异常值出现在三向加速度、定反位表示杆位移;
21、对于转辙机的潜在故障,其异常值出现在转换力、电流、油压油位和表示杆位移。
22、为达上述目的,本专利技术第二方面实施例提出了一种铁路道岔多源数据融合状态预警装置,包括以下模块:
23、预处理模块,用于获取铁路道岔的历史多源数据,对所述历史多源数据进行预处理;
24、构建模块,用于根据预处理后的历史多源数据生成用于评估道岔的全生命周期剩余使用寿命曲线;
25、评估模块,用于获取铁路道岔的实时感知数据,将所述实时感知数据与所述全生命周期剩余使用寿命曲线进行对比,识别各部件所处剩余寿命区间;
26、识别模块,用于根据不同部件潜在故障具有不同参数变化的原理,对所述实时感知数据通过数据驱动获取实时多源数据;
27、预警模块,用于结合所述各部件所处剩余寿命区间、所述实时多源数据综合判断潜在故障。
28、进一步地,在本专利技术的一个实施例中,所述预处理模块,还用于:
29、将历史多源数据进行时间戳对齐、曲线平滑、异常值剔除和数据降采样,其中所述多源数据包括定反位表示杆位移、转换力、转辙机电流、定位油压、反位油压、振动三向加速度和温湿度。
30、进一步地,在本专利技术的一个实施例中,所述构建模块,还用于:
31、将预处理后的历史多源数据映射到特征空间,生成反映道岔系统健康状态的特征向量,使用自适应特征融合算法赋予每个特征在不同时刻的权值,融合生成特征曲线;
32、综合单调性、时间相关性和鲁棒性三个度量指标对所述特征曲线进行重要程度排序,选取冗余度最低的特征组合,作为最佳特征组合;
33、对所述特征组合进行融合,形成与时间有关的数据曲线,所述数据曲线包括每个时刻道岔的综合特征情况;
34、将n组状态变化为由健康到亚健康,再到故障的历史道岔数据进行处理得到n条包含全周期的生命健康曲线,进一步生成全生命周期剩余使用寿命曲线。
35、进一步地,在本专利技术的一个实施例中,所述根识别模块,还用于:
36、当实时感知数据异常时,通过阈值健康判定以及标准值偏离程度排序判断出该异常来源道岔部件;其中,
37、对于尖轨部件的潜在故障,其异常值出现在转换力、电流和定反位表示杆位移;
38、对于轨枕部件的潜在故障,其异常值出现在三向加速度、定反位表示杆位移;
39、对于转辙机的潜在故障,其异常值出现在转换力、电流、油压油位和表示杆位移。
40、为达上述目的,本专利技术第三方面实施例提出了一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如上所述的一种铁路道岔多源数据融合状态预警方法。
41、为达上述目的,本专利技术第四方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上所述的一种铁路道岔多源数据融合状态预警方法。
42、本专利技术实施例提出的铁路道岔多源数据融合状态预警方法,第一,基于大数据采用智能算法对多源数据进行分析处理,对道岔系统实现整体性检测;第二,通过不断学习更新全生命周期的rul曲线,全方位的掌握系统健康状态,实时提本文档来自技高网...
【技术保护点】
1.一种铁路道岔多源数据融合状态预警方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,对所述历史多源数据进行预处理,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据预处理后的历史多源数据生成用于评估道岔的全生命周期剩余使用寿命曲线,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据不同部件潜在故障具有不同参数变化的原理,对所述实时感知数据通过数据驱动获取实时多源数据,包括:
5.一种铁路道岔多源数据融合状态预警装置,其特征在于,包括以下模块:
6.根据权利要求5所述的方法,其特征在于,所述预处理模块,还用于:
7.根据权利要求5所述的方法,其特征在于,所述构建模块,还用于:
8.根据权利要求5所述的方法,其特征在于,所述根识别模块,还用于:
9.一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-4中任一所述的铁路道岔多源数据融合状态预警方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4任意一项所述的铁路道岔多源数据融合状态预警方法。
...【技术特征摘要】
1.一种铁路道岔多源数据融合状态预警方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,对所述历史多源数据进行预处理,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据预处理后的历史多源数据生成用于评估道岔的全生命周期剩余使用寿命曲线,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据不同部件潜在故障具有不同参数变化的原理,对所述实时感知数据通过数据驱动获取实时多源数据,包括:
5.一种铁路道岔多源数据融合状态预警装置,其特征在于,包括以下模块:
6.根据权利要求5所述的方法,其...
【专利技术属性】
技术研发人员:朱春丽,毛雯婧,王智新,刘振华,史龙,周荣,李继,赵军星,赵子豪,宫殿君,胡纯,郑德智,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。