风传感器剩余使用寿命的预测方法、装置及设备制造方法及图纸

本发明专利技术公开了风传感器剩余使用寿命的预测方法、装置及设备。该方法包括：确定待预测风监测点，将所述待预测风监测点中的两个风传感器均作为预测目标；基于设定时间段内两预测目标的监测数据及预训练的目标预测模型，分别获得两预测目标的预估监测数据；根据所述两预测目标的预估监测数据，确定所述两预测目标的剩余使用寿命。利用该方法，实现了对铁路沿线风监测点中两个风传感器的剩余使用寿命的预测，根据预测的剩余使用寿命，能够保证在风传感器损坏前及时进行更换，从而实现风传感器有效不间断的工作，进而达到提高行车安全系数和运行效率的目的。

Prediction method, device and equipment of residual service life of wind sensor

【技术实现步骤摘要】
风传感器剩余使用寿命的预测方法、装置及设备
本专利技术涉及计算机应用
，尤其涉及风传感器剩余使用寿命的预测方法、装置及设备。
技术介绍
在铁路防灾系统中，需要监测铁路沿线的风速风向等信息。因此在实际安装中，沿铁路线间隔数公里就会设立一个风监测点，通过风传感器来监测铁路沿线的风速风向，为了保证监测数据的安全性和准确性，每个风监测点往往配备两个风传感器。这样即使该风监测点有一个传感器出现故障(比如监测数据不能上传时)，依然能正常发送监测信息到综合防灾中心。但是，按照现有双传感器的配置，即使两个风传感器通讯都正常，也有可能存在潜藏的故障。例如：因设备老化，风传感器上报数据误差逐渐变大，最终超过可接受范围。作为一个高效的铁路防灾系统，如果不能够即时发现风传感器具备监测失效的趋势，只在风传感器损坏之后，才对风传感器进行更换，而在更换之前，损坏的风传感器上报的数据有可能对铁路行车的效率和安全性已经造成影响。
技术实现思路
本专利技术实施例提供了风传感器剩余使用寿命的预测方法、装置及设备，能够实现对风传感器剩余使用寿命的有效预测。第一方面，本专利技术实施例提供了一种风传感器剩余使用寿命的预测方法，包括：确定待预测风监测点，将所述待预测风监测点中的两个风传感器均作为预测目标；基于设定时间段内两预测目标的监测数据及预训练的目标预测模型，分别获得两预测目标的预估监测数据；根据所述两预测目标的预估监测数据，确定所述两预测目标的剩余使用寿命。第二方面，本专利技术实施例提供了一种风传感器剩余使用寿命的预测装置，包括：预测目标确定模块，用于确定待预测风监测点，将所述待预测风监测点中的两个风传感器均作为预测目标；预估数据确定模块，用于基于设定时间段内两预测目标的监测数据及预训练的目标预测模型，分别获得两预测目标的预估监测数据；剩余寿命确定模块，用于根据所述两预测目标的预估监测数据，确定所述两预测目标的剩余使用寿命。第三方面，本专利技术实施例提供了一种计算机设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术实施例第一方面所述的风传感器剩余使用寿命的预测方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术实施例第一方面提供的风传感器剩余使用寿命的预测方法。在上述风传感器剩余使用寿命的预测方法、装置及设备中，其预测方法首先确定待预测风监测点，将待预测风监测点中的两个风传感器均作为预测目标；然后根据设定时间段内两预测目标的监测数据及预训练的目标预测模型；最终根据两预测目标的预估监测数据，确定两预测目标的剩余使用寿命。利用该方法，实现了对铁路沿线风监测点中两个风传感器的剩余使用寿命的预测，根据预测的剩余使用寿命，能够保证在风传感器损坏前及时进行更换，从而实现风传感器有效不间断的工作，进而达到提高行车安全系数和运行效率的目的。附图说明图1为本专利技术实施例一提供的一种风传感器剩余使用寿命的预测方法的流程示意图；图2a为本专利技术实施例二提供的一种风传感器剩余使用寿命的预测方法的流程示意图；图2b给出了本专利技术实施例二中风速差控制图的效果展示图；图2c给出了本专利技术实施例二中预测风速差控制图的效果展示图；图3为本专利技术实施例三提供的一种风传感器剩余使用寿命的预测装置的结构框图；图4为本专利技术实施例四提供的一种计算机设备的硬件结构框图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种风传感器剩余使用寿命的预测方法的流程示意图，该方法适用于对风监测点中风传感器的使用寿命进行预测的情况，该方法可以由风传感器剩余使用寿命的预测装置执行，其中，该装置可由软件和/或硬件实现，并一般集成在计算机设备中。如图1所示，本专利技术实施例一提供的一种风传感器剩余使用寿命的预测方法，包括如下操作：S101、确定待预测风监测点，将所述待预测风监测点中的两个风传感器均作为预测目标。一般地，风监测点设置于铁路沿线上，每个风监测点中配置两个风传感器，在本实施例中，因风监测点数量较多，不考虑对所有风监测点中的风传感器均进行使用寿命预测，而只考虑对符合预测条件的风监测点的风传感器进行预测，所述待预测风监测点具体可理解为符合预测条件的风监测点，可以根据一定的方法判定风监测点是否存在监测异常事件，并将存在监测异常事件的风监测点作为待预测风监测点。示例性地，可以根据风监测点中风传感器在一定时间段内所产生风速监测数据的数据发展趋势来确定是否存在监测异常事件，还可以根据风监测点中两风传感器的监测数据差的发展趋势来确定是否存在监测异常事件。可以理解的是，本实施例主要对风传感器的使用寿命进行预测，当一个风监测点为待预测风监测点时，可认为该待预测风监测点中的两个风传感器进行风速监测的监测结果均有可能存在异常，由此，可以将待预测风监测点中的两个风传感器均看作预测目标。S102、基于设定时间段内两预测目标的监测数据及预训练的目标预测模型，分别获得两预测目标的预估监测数据。本实施例中，所述设定时间段具体可以是风传感器当前及其之前连续一定时间的时间段，示例性的，该设定时间段可以是一年。所述监测数据可以是风传感器监测的风速数据，一般地，以秒为单位对风速进行实时监测，考虑以秒为单位在设定时间段内形成的数据规模非常巨大，本实施例考虑将以秒为单位的实时监测数据优化处理成周平均监测数据。所述目标预测模型具体可理解为一个时间序列预测模型，该目标预测模型可以通过一定的训练数据预先进行训练学习获得，该目标预测模型可以通过将历史及当前时间产生的数据作为输入，由此输出预测的后续可能出现的数据。本实施例可以对两个风传感器分别采取本步骤获得相应的预估监测数据。具体地，对于任一预测目标，可以将设定时间段内该预测目标的监测数据(如，可以是该预测目标一年内经过平均处理后得到的周平均监测数据)作为目标预测模型的输入数据，然后输出由当前向后设定时间段的预估监测数据(如，可以是当前向后一年的以周为单位的预估监测数据)。S103、根据所述两预测目标的预估监测数据，确定所述两预测目标的剩余使用寿命。在本实施例中，获得两预测目标在后续时间段对应的预估监测数据后，可以对预估监测数据的分布趋势进行分析，以确定出预估监测数据开始超过铁路相关部分规定误差上限的时间点，由此可将当前时间到所确定时间点的时间差作为预测目标的剩余使用寿命。优选地，也可以根据两预测目标的预估监测数据形成两预测目标的数据差趋势图，通过分析数据差趋势图的发展趋势，同样可以确定预测目标的预估监测数据超过铁路相关部分规定误差上限的时间点，同样可以将该时间点与当前时间的时间差作为两预测目标的剩余使用寿命。本专利技术实施例一提供的一种风传感器剩余使用寿命的预测方法，首先确定待预测风监测点，将待预测风监测点中的两个风传感器均作为预测目标；然后根据设定时间段内两预测目标的监测数据及预训练的目标预测模型；最终根据两预测目标的预估监测数据，确定两预测目标的剩余使用寿命。利用本文档来自技高网...

【技术保护点】
1.一种风传感器剩余使用寿命的预测方法，其特征在于，包括：确定待预测风监测点，将所述待预测风监测点中的两个风传感器均作为预测目标；基于设定时间段内两预测目标的监测数据及预训练的目标预测模型，分别获得两预测目标的预估监测数据；根据所述两预测目标的预估监测数据，确定所述两预测目标的剩余使用寿命。

【技术特征摘要】
1.一种风传感器剩余使用寿命的预测方法，其特征在于，包括：确定待预测风监测点，将所述待预测风监测点中的两个风传感器均作为预测目标；基于设定时间段内两预测目标的监测数据及预训练的目标预测模型，分别获得两预测目标的预估监测数据；根据所述两预测目标的预估监测数据，确定所述两预测目标的剩余使用寿命。2.根据权利要求1所述的方法，其特征在于，所述确定待预测监测点，包括：根据风监测点中两个风传感器的历史监测数据，生成所述风监测点的风速差控制图；如果所述风速差控制图中存在状态异常事件，则将所述风监测点确定为待预测风监测点。3.根据权利要求1所述的方法，其特征在于，还包括：根据所述预测目标的历史监测数据选择并训练目标预测模型。4.根据权利要求3所述的方法，其特征在于，所述根据所述预测目标的历史监测数据选择并训练目标预测模型，包括：基于所述预测目标的历史监测数据，获得所述预测目标的平稳状态数据；根据所述平稳状态数据的自相关系数和偏自相关系数，从给定的时间序列预测模型集合中选择待训练预测模型；以时间顺序将所述平稳状态数据划分为训练集和验证集；基于所述训练集数据训练所述待训练预测模型，并在达到所述验证集数据的评价标准后停止训练，获得目标预测模型。5.根据权利要求4所述的方法，其特征在于，所述评价标准为：预测值与实际值的均方误差小于第一设定阈值，且所述预测值与实际值的平均绝对误差小于第二设定阈值；其中，所述预测值为验证集数据输入所述预测模型后的输出值，所述实际值为所述验证集数据对应的实际结果值。6.根据权利要求1所述的方法...

【专利技术属性】
技术研发人员：张永戌，
申请(专利权)人：北京佳讯飞鸿电气股份有限公司，
类型：发明
国别省市：北京,11