道岔故障检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种道岔故障检测方法、装置、电子设备和存储介质，所述方法包括：将多种不同类型的道岔工况数据分别输入至对应的机器学习模型，输出多种初始故障检测结果；其中，目标道岔工况数据对应的目标机器学习模型是根据目标道岔工况数据的特点预先确定的；目标机器学习模型是利用目标道岔工况数据样本训练之后得到的；根据所有的初始故障检测结果，确定道岔的最终故障检测结果。本发明专利技术实施例提供的道岔故障检测方法、装置、电子设备和存储介质，采用多种不同的机器学习模型分别对不同类型的道岔工况数据进行处理，确定道岔的最终故障检测结果，提高了检测结果的准确性和可靠性，并提升了道岔的运维效率。

Turnout fault detection method, device, electronic equipment and storage medium

【技术实现步骤摘要】
道岔故障检测方法、装置、电子设备及存储介质
本专利技术涉及轨道交通
，尤其涉及一种道岔故障检测方法、装置、电子设备及存储介质。
技术介绍
道岔运营维护一直是轨道交通运维的重要一环，能否及时、可靠地实现道岔状态检测和故障分析关系到行车安全和乘客的生命财产安全。现有技术中，通常利用微机监测系统对采集到的道岔工况数据进行判断，来确定道岔是否发生故障，例如，如果采集到的道岔工况数据超出阈值时，确定道岔发生故障，否则没有发生故障。另外，最新的技术是使用一种机器学习模型对一种道岔工况数据进行分析，确定道岔是否发生故障，由于道岔工况数据包括多种不同类型的数据，为了提高检测结果的准确性，通常使用一种机器学习模型分别对每一类岔工况数据进行分析，再对分析结果进行汇总，得到最终的结果。但是，现有技术中的微机监测系统智能化程度低，没有通用的故障检测原则，经常发生误报。而采用机器学习模型法，无法适应不同类型的道岔工况数据，导致检测结果准确性和可靠性低。
技术实现思路
本专利技术实施例提供一种道岔故障检测方法、装置、电子设本文档来自技高网...

【技术保护点】
1.一种道岔故障检测方法，其特征在于，包括：/n将多种不同类型的道岔工况数据分别输入至对应的机器学习模型，输出多种初始故障检测结果；其中，目标道岔工况数据对应的目标机器学习模型是根据所述目标道岔工况数据的特点预先确定的；所述目标机器学习模型是利用目标道岔工况数据样本训练之后得到的；/n根据所有的初始故障检测结果，确定道岔的最终故障检测结果。/n

【技术特征摘要】
1.一种道岔故障检测方法，其特征在于，包括：
将多种不同类型的道岔工况数据分别输入至对应的机器学习模型，输出多种初始故障检测结果；其中，目标道岔工况数据对应的目标机器学习模型是根据所述目标道岔工况数据的特点预先确定的；所述目标机器学习模型是利用目标道岔工况数据样本训练之后得到的；
根据所有的初始故障检测结果，确定道岔的最终故障检测结果。


2.根据权利要求1所述的道岔故障检测方法，其特征在于，获取所述目标机器学习模型的具体步骤如下：
获取目标道岔工况数据的训练样本集，所述训练样本集中包含若干个已标记了故障编码值的训练样本数据，所述故障编码值用于表征道岔是否存在故障以及故障的类型；
利用所述训练样本集中的训练样本数据，对所述目标机器学习模型进行训练，确定所述目标机器学习模型的参数。


3.根据权利要求2所述的道岔故障检测方法，其特征在于，所述获取目标道岔工况数据的训练样本集，具体包括：
从目标道岔工况数据的原始数据集中有放回地均匀抽样，确定所述训练样本集。


4.根据权利要求1-3任一项所述的道岔故障检测方法，其特征在于，所述道岔工况数据至少包括驱动电流、继电器动作时序、表示电路电流、转辙机功率和尖轨振动信号。


5.根据权利要求4所述的道岔故障检测方法，其特征在于，当所述道岔工况数据包括驱动电流、继电器动作时序、表示电路电流、转辙机功率和尖轨振动信号时，驱动电流对应的机器学习模型为决策树模型，继电器动作时序对应的机器学习模型为动态时间规整模型，表示电路电流对应的机器学习模型为动态时间规整模型，转辙机功率对应的机器学...

【专利技术属性】
技术研发人员：付哲，肖骁，
申请(专利权)人：交控科技股份有限公司，
类型：发明
国别省市：北京;11