铁路沿线风速数据配准状态特征识别处理方法及装置制造方法及图纸

本发明专利技术公开了铁路沿线风速数据配准状态特征识别处理方法及装置，通过判别阈值对双冗余系统的两个测风仪所测量的风速序列进行初步判断，对风速序列进行修正，对修正后的风速序列通过实测容差阈值和两个序列同一时刻的风速之差的绝对值的比较、预测容差阈值和实测风速与预测风速之差的绝对值的比较，判断在阈值范围内的相对应的风速为有效风速，同时通过不在预测容差范围内的次数的计数，判定第一测风仪和第二测风仪信息通道是否故障。本发明专利技术的风速判断方法，填补了现有技术中的双冗余结构测风仪系统不能准确判断所测量风速有效性的空白，为大风监测预警系统提供了更准确的有效风速，尤其为列车运行提供更准确的监测和预警。

【技术实现步骤摘要】
铁路沿线风速数据配准状态特征识别处理方法及装置
本专利技术属于轨道交通安全
，具体涉及一种铁路沿线风速数据配准状态特征识别处理方法及装置。
技术介绍
当前，铁路沿线对风速数据配准状态的监测，特别是特征识别，一般采用测风仪来进行，为大风监测预警系统提供数据和信息。测风仪信息通道的误差、故障会造成大风监测预警系统的误报和漏报，严重影响列车调度指挥和行车安全。为提高风速数据配准状态监测的可靠性，大风监测预警系统中的风速风向传感器可采用硬件双冗余结构，来判断测风仪所提供的风速数据的有效性完善对风速的监测，并通过风速数据的有效性来判断测风仪信息通道的状态。在风速监测中利用硬件冗余结构进行风速数据配准状态特征识别的典型方法是表决法，但在标准的表决法中，至少要用三个同类型的风速风向传感器去测量同一个风速，不适合只有两个风速风向传感器的双冗余系统。如何在每个测风点处，通过具有两套测风仪的双冗余性结构判断测风仪所提供的风速数据的配准状态，是现有双冗余结构的大风监测预警系统必须解决的问题。
技术实现思路
本专利技术的目的是提供一种铁路沿线风速数据配准状态特征识别处理方法及装置，在对风速本文档来自技高网...

【技术保护点】
一种铁路沿线风速数据配准状态特征识别处理方法，所述风速为相同时间测量的第一测风仪的测量风速序列{S'}中的风速S'j和第二测风仪的测量风速序列{S}中的风速Sj，其特征在于，所述方法包括：步骤S1：预设第一测风仪的判别阈值D'0和第二测风仪的判别阈值D0；将S'j与判别阈值D'0进行比较，将Sj与判别阈值D0进行比较:当S'j> D'0时，将序列（S'j‑1，…S'j‑h,…）中的风速依次与D'0进行比较,并将第一个小于D'0的序列（S'j‑1，…S'j‑h,…）中的风速值赋予S'j; 当Sj> D0时，将序列（Sj‑1，…Sj‑h,…）中的风速依次与D0进行比较,并将第一个小于D...

【技术特征摘要】
1.一种铁路沿线风速数据配准状态特征识别处理方法，所述风速为相同时间测量的第一测风仪的测量风速序列{S’}中的风速S、和第二测风仪的测量风速序列{S}中的风速Sj，其特征在于，所述方法包括: 步骤S1:预设第一测风仪的判别阈值D’ O和第二测风仪的判别阈值D' ;将S’ J与判别阈值0\进行比较，将S、与判别阈值0〃(|进行比较:当S'_> 0’(|时，将序列(5、1，…S’ j_h,…)中的风速依次与D’。进行比较，并将第一个小于D’。的序列(S’…S’ j_h,…)中的风速值赋予S’j;当S〃」> D〃Q时，将序列(S^1, --?5〃^0中的风速依次与0〃。进行比较，并将第一个小于D'的序列(S^1,…S'._h，...)中的风速值赋予S〃j; 步骤S2:预设实测容差阈值，根据T = I S’-S 〃 I，计算Tj ;当，比较S’」和S 〃」，则两个值中较大的为有效风速；当T」>Dr时，采用基于ARIMA的风速预测方法预测风速X'和X」； 步骤S3:预设第一测风仪的预测容差阈值D’ f和第二测风仪的预测容差阈值Df，根据Y=I S-X I，计算￥ ’」和￥〃」，并比较Y’」和D’f，Y〃jPD〃f:;当Y’」〈D’f，Y〃」〈D〃f时，比较S’ j和S 」，则两个值中较大的为有效风速；当Y’」〈D’ f, Y」>Df时，则S’ j为有效风速；当Y’」>D’ f, Y〃j〈D〃f时，则S」为有效风速；当Y’」>D’ f, Y〃j>D〃f时，执行步骤S4 ;否则，跳过步骤S4 ； 步骤S4:比较S’ j和S〃j;当S’ j< S、时，将S、的值赋予S’ j对{ S’}风速序列进行修正，S」为有效风速；当S’ j> S」时，将S’ j的值赋予S」对{ Si风速序列进行修正，S’ j为有效风速；计数值Q加I ; 步骤S5:读取步骤S4中的Q，若本次读取的Q比上次读取的Q多I，则保存本次读取的Q ;若本次读取的Q与上次读取的Q相同，则Q归零； 步骤S6:当Q大于预设值时，判定第一测风仪和第二测风仪信息通道故障，S’ j和S均为无效风速。2.根据权利要求1所述的方法，其特征在于，所述方法还包括: 步骤S7:当S’ j为有效风速时，输出风速S’ j为当前测量风速；当S」为有效风速时，输出风速S、为当前测量风速。3.根据权利要求1所述的方法，其特征在于，所述采用基于ARIMA的风速预测方法预测风速X’ j和X、进一步包括: 从{S’ }序列中选取(S’ i,…，S’ i+q,…，S’ i+n,其中，0〈q〈n),从{S〃}序列中选取(S',…，S〃i+(1，- 其中，0〈q〈n)为非平稳时间风速序列样本数据； 对(S’ i，…，S’ i+q,…，S’ i+n)和(S'…，S〃i+(1，…，S〃i+n)风速序列进行平稳性检验与预处理； 根据(S’ i，…，S’ i+q,…，S’ i+n)和(S'…，S〃i+q，…，S〃i+n)风速序列中的数据分别建立ARIMA模型I和ARIMA模型2 ； 根据所述ARIMA模型I进行风速超前多步预测迭代计算，迭代计算j-1-n次，所计算的结果为预测的风速X’ j ；根据所述ARIMA模型2进行风速超前多步预测迭代计算，迭代计算j-1-n次，所计算的结果为预测的风速X'.。4.根据权利要求3所述的方法，其特征在于，所述预设第一测风仪的预测容差阈值D’f和第二测风仪的预测容差阈值Df进一步包括:根据所述ARIMA模型I计算第一测风仪的预测风速序列(X’ m，…，X’ ffl+q,…，X’ _，其中，0〈q〈p，m关i);根据所述ARIMA模型2计算第二测风仪的预测风速序列(X〃m，…，X〃m+(1，…，Xm+p,其中，0〈q〈p, m 关 i); 从{S’ }序列中选取测量风速序列(S’m,…，S' m+q,…，S’m+p,其中，0〈q〈p,m关i);从{S〃}序列中选取测量风速序列(S〃m,…，S〃m+(1，…，S〃m+p,其中，0〈q〈p, m ^ i)； 根据Y= I S-X I，计算第一测风仪的预测容差序列(Y’i，…，Y’,，…，Y’p，其中，0〈q〈p，)，计算第二测风仪的预测容差序列(Y'，…，Y'，...，Y〃P，其中，0〈q〈p，)； 根据第一测风仪的预测容差序列(Y’ 1；…，Y’ q,…，Y’ p)，通过均值法或最小二乘法计算第一测风仪的预测容差阈值D’f，根据第二测风仪的预测容差序列(Y，…，Y'，…，Y〃p)，通过均值法或最小二乘法计算第二测风仪的预测容差阈值Df。5.根据权利要求1至4任一项所述的方法，其特征在于，所述步骤S6中的所述预设值为预设时间段内风速测量次数。6.一种铁路沿线风速数据配准状态特征识别处理装置，所述风速为相同时...

【专利技术属性】
技术研发人员：田红旗，许平，梁习锋，刘堂红，高广军，姚松，李志伟，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43