The invention discloses a method for analysis of axle temperature based on the associated data, which comprises the following steps: 1 through the characteristics of the actual data collection, data analysis to get the original post, the original data were collected according to the time sequence, collect a second; then the raw data pretreatment, pre after processing the data preprocessing step to step 2; 1 in the data to find the strong association rules of R, which is to find out the minimum support and minimum confidence Association rules. The invention of the association mining association analysis algorithm Apriori algorithm is applied to the axle temperature data, mining association rules of shaft temperature change with the existing data collected by the change of attributes observation rules, and then judge the fault component aging degree of axle temperature and the other, to provide decision support for anomaly detection and axle early warning.
【技术实现步骤摘要】
本专利技术属于轴温关联分析方法
，具体涉及一种基于数据的轴温关联分析方法。
技术介绍
高速铁路作为国民经济的大动脉，它的延伸带动着经济的发展。多年来，高速列车行车安全的可靠性一直是社会各界关注的重点，其中，列车车轴作为列车运行的主要设备，其实时监控和故障预警是关系到行车安全的一项重要工作，而过高的轴温则是故障的一个重要指标。当车轴故障时，其摩擦加剧，温度突升，达到一定程度便形成热轴，严重者会导致燃轴、切轴、车辆颠覆，若未能提前预报，将导致重大事故。因此，保证车轴的安全运行是保障高速列车安全运行的一个重要课题。但在实际运行中，由于设备受到空气介质、周围环境、车型以及行驶中车体晃动等因素的影响，轴温监测会有误报和漏报。万薇针对多点红外轴温探测器的数据融合处理问题进行了重要探讨；张矢设计了基于无线传感器网络的列车轴温监测系统，能够利用无线传感网络对铁路货运列车轴温进行实时监测；曹源基于DTW算法，提出一种能够实时对列车轴温实现状态监测和故障诊断的方法，有效降低列车轴温探测的误报率。武峥嵘引入一种新型智能线阵式多点红外探头，结合数据融合思想和模式识别技术，探讨了基于四点线阵式轴温探测模型的热轴判别方法。以上这些方法都是对采集过程进行优化，或者直接对轴温的数据进行处理。本专利技术提供了另一种思路，用现有采集到的数据挖掘出影响轴温变化的关联规则，从而保证即便我们采集不到正确的数据，通过观察其它属性的变化，也能够判断轴温的老化程度和其他部件的故障，为车轴的异常发现和预警提供决策支持。
技术实现思路
本专利技术的目的在于提供一种基于数据的轴温关联分析方法，其能够挖掘出...
【技术保护点】
一种基于数据的轴温关联分析方法，其特征在于，具体按照以下步骤实施：步骤1.在通过对实际采集得到的数据进行特征选择，以得到后期分析的原始数据，原始数据按照时间序列进行采集，每秒采集一次；然后将原始数据进行预处理，得到预处理后数据；步骤2.对步骤1中得到的预处理后的数据找出强关联规则R，即找出满足最小支持度和最小置信度的关联规则。
【技术特征摘要】
1.一种基于数据的轴温关联分析方法，其特征在于，具体按照以下步骤实施：步骤1.在通过对实际采集得到的数据进行特征选择，以得到后期分析的原始数据，原始数据按照时间序列进行采集，每秒采集一次；然后将原始数据进行预处理，得到预处理后数据；步骤2.对步骤1中得到的预处理后的数据找出强关联规则R，即找出满足最小支持度和最小置信度的关联规则。2.根据权利要求1所述的一种基于数据的轴温关联分析方法，其特征在于，步骤1中所述的对原始数据的预处理包括以下几步：步骤1.1、采用线性插值法对缺失数据进行处理：针对极少个别点缺失数据的情况，将原始数据进行插值处理之后，得到矩阵Am*n，矩阵Am*n按照时间序列进行采集，Am*n表示的含义为第m个时刻的第n个属性；步骤1.2、利用步骤1.1得到的矩阵Am*n生成0-1矩阵，将该0-1矩阵表示为矩阵D：将第1个时刻的第1个属性(A11)和第2个时刻的第1个属性(A21)的数据进行对比，如果A21大于等于A11，将矩阵D的第1行第1列(D11)标记为1，否则标记为0；然后将第1个时刻的第2个属性(A12)和第2个时刻的第2个属性(A22)的数据进行对比，如果A22大于等于A12，将矩阵D的第1行第2列(D12)标记为1，否则标记为0；以此类推，…，直到将第1个时刻的第n个属性(A1n)和第2个时刻的第n个属性(A2n)的数据进行对比，如果A2n大于等于A1n，将矩阵D的第1行第n列(D1n)标记为1，否则标记为0；然后用同样的方法将第2个时刻的n个属性和第3个时刻的n个属性数据进行对比，将得到的标记存入矩阵D的第2行，以此类推，…，直到将第m-1个时刻的n个属性和第m个时刻...
【专利技术属性】
技术研发人员：黑新宏，柳宇，赵金伟，谢国，马维纲，王彬，王磊，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61
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。