弓网接触力非区段异常识别方法及装置制造方法及图纸

本发明专利技术提供了一种弓网接触力非区段异常识别方法及装置，该方法包括：从待分析的弓网接触力检测数据中，筛选出离群值点，确定所述离群值点为单值异常数据；将待分析的弓网接触力检测数据采用移动滑窗的方式处理为时间序列预测集；对时间序列预测集中每个检测数据，将时间序列预测集中该检测数据前预设长度个检测数据输入至训练好的接触力拉直线识别模型中，获得预测值，在所述预测值与该检测数据的差值超过误差阈值后，确定该检测数据为拉直线异常数据，其中该检测数据在时间序列预测集中的序号在预设标记值之后。本发明专利技术可以自动识别弓网接触力非区段异常，准确度高，效率高。效率高。效率高。

【技术实现步骤摘要】
弓网接触力非区段异常识别方法及装置


[0001]本专利技术属于铁路弓网的基础设施检测
，涉及一种弓网接触力非区段异常识别方法和装置。

技术介绍

[0002]电气化铁路接触网状态对于铁路运行车辆安全状态起着至关重要的作用，当电气化铁路接触网状态出现异常时，铁路运行车辆处于危险状态，给人们生命安全带来危险。因此及时有效的对接触网状态进行检测对保障车辆运行安全具有重要意义。特别是在高速线路接触网状态检测中，传统的上道测量、步行巡视已逐步被检测装置的定期检测取代。弓网检测系统通过测量接触网几何参数、弓网接触力、硬点、燃弧等参数，以评价弓网受流性能和接触网状态，指导接触网维修作业。目前，对于高速铁路弓网检测主要依靠高速铁路供电安全检测监测系统(6C系统)的检测数据对接触网进行状态评估。这能够在一定程度上帮助铁路部门及时地掌握接触网的状态，了解接触网状态变化规律，从而合理地制定维修计划，对于保障接触网系统的正常运行以及列车行车安全具有十分重要的意义。
[0003]2016年9月，以6C系统中的高速弓网综合检测装置(1C)的检测数据为依据获得接触网运行质量指数(CQI)在全路范围内使用，该指数作为接触网设备质量的评价依据，服务于供电系统设备管理。CQI充分利用1C装置检测数据，实现了对接触网区段质量的量化描述。
[0004]在CQI计算过程，弓网接触力是一项重要指标，弓网接触力是受电弓与接触线之间相互接触而产生的作用力，是综合反映弓网受流性能的指标，可反映接触网和受电弓机械振荡系统的质量、弹性系数、衰减系数和自然频率。然而，由于检测设备自身以及外部复杂的电磁环境等原因，会导致接触力检测数据出现异常。这对后续的CQI计算将产生严重影响，导致对接触网质量的量化评价出现偏差。
[0005]接触力的异常数据产生原因较为复杂，表现形式多样，目前主要根据专家经验采用人工筛查的方法来剔除异常值。这严重影响了弓网检测数据的分析效率，并且由于对专家经验的依赖性，处理结果存在较大的主观性。因此，找到一种弓网接触力检测数据中异常自动识别、剔除方法，对于接触网检测数据分析和接触网区段质量评价具有重要意义。
[0006]随着各种检测、监测手段和数据分析方法的不断进步，基于检测、监测数据的故障识别和安全预警已经成为保障各类基础设施和装备正常运行的重要方法。然而，由于外部环境变化和检测设备等原因，会出现检测数据不能反应设备真实状态的情况，通常称这类数据为异常数据。在进行后续的数据分析时如果没能及时的剔除异常数据，将会严重影响分析结果的可信度。因此，异常数据识别算法也成为数据分析领域的一个重要研究内容。
[0007]相关异常数据自动识别的研究已有一定的进展，其中信号处理技术是异常数据识别的重要方法。现有技术提出了一种应用于风电机组监测数据中异常识别的方法，针对风电机组监测数据中常出现数据缺失、堆积、越限等异常监测数据，采用了一种基于差分自回归滑动平均、小波分解和隐马尔科夫组合算法对异常风速数据进行识别的方法。现有技术
还指出电机组数据采集与监控系统中采集的风速和功率数据中通常因弃风限电、传感器故障等原因存在异常数据，这些异常数据对风电机组运行状况、功率预测、优化调度等会造成较大的影响，因此提出了一种提出基于Copula理论的风电机组异常数据识别方法，利用Copula函数建立风速和功率间相关关系的概率功率曲线，结合三类异常数据特征得到了相应异常数据识别模型。现有技术还提出了一种热工过程中异常监测数据的识别算法，首先利用经验小波变换方法提取热工过程时间序列的运行趋势，去除序列运行趋势后采用局部离群因子方法对各数据点求取其局部异常值，最后使用箱型图的方法确定序列异常点。为提高现有风电场数据采集系统的准确性和可利用性，现有技术还提出了深层玻尔兹曼机(DBM)、经验模态分解(EMD)和隐马尔科夫(HMM)组合算法处理运行数据含有少量异常风速值的自适应检测方法。现有技术还针对铁路轨道几何检测数据中存在冲击噪声的问题，利用小波分析方法将将检测数据中含有冲击噪声的高频、低频成分分离出来，并使用有序中值法自动识别冲击噪声的位置并滤除。在异常值处理中滤波是一种常用方法，现有技术还提出了一种自适应阈值中值(ASWM)滤波器，用于去除图像中的脉冲噪声。ASWM不需要像传统阈值中值滤波器那样设定先验阈值，而是采用在滑动窗口中根据图像像素的强度值局部计算阈值。现有技术还提出了一种基于模糊逻辑的轨道几何测量数据中脉冲尖峰噪声实时检测与去除算法。通过在模糊系统中加入特定的判断规则能够实现对由外部环境或传输过程中产生的脉冲噪声的去除，避免了错误报警。
[0008]近年来，基于机器学习和深度学习的方法在异常数据识别领域的应用越来越广泛。现有技术还基于深度方法提出一种适用于大型工程结构健康监测数据的中异常数据识别算法，将监测数据转化为可视化图片，然后通过卷积神经网络来进行分类，实现异常识别。
[0009]现有技术还提出一种基于深度学习的心电信号数据预处理方法，首先通过专家知识把数据标记为包含正常心电和异常心电的心电信号作为训练样本，之后利用小波变换去除基线漂移，最后将训练集输入深度学习模型进行训练,利用测试集优化模型参数。该专利技术可以扩增样本数,同时做到样本均衡,使模型更容易训练。
[0010]现有技术还建立了一个具有三个隐含层的深度模型SAE_BP，并与传统的BP模型、SVM模型进行了实验对比分析，结果表明该方法预测精度更高。
[0011]现有技术还在处理风功率预测数据时首先利用拉依达准则去除风速和功率奇异点，再使用优化的一次指数平滑法及最大皮尔逊相关系数对风速进行平滑处理，最后将预处理过后的风速数据作为BP神经网络预测模型的输入，使得风功率的预测精度显著提高。
[0012]根据现有技术，在数据预测处理过程中进行异常数据识别主要可以分为基于信号处理算法和基于机器学习、深度学习算法两个方向。目前对于接触网动态检测中的接触力检测数据的异常识别，尤其是非区段异常识别暂无相关研究。

技术实现思路

[0013]本专利技术实施例提出一种弓网接触力非区段异常识别方法，用以自动识别弓网接触力非区段异常，准确度高，效率高，该方法包括：
[0014]从待分析的弓网接触力检测数据中，筛选出离群值点，确定所述离群值点为单值异常数据；
[0015]将待分析的弓网接触力检测数据采用移动滑窗的方式处理为时间序列预测集；
[0016]对时间序列预测集中每个检测数据，将时间序列预测集中该检测数据前预设长度个检测数据输入至训练好的接触力拉直线识别模型中，获得预测值，在所述预测值与该检测数据的差值超过误差阈值后，确定该检测数据为拉直线异常数据，其中该检测数据在时间序列预测集中的序号在预设标记值之后。
[0017]本专利技术实施例提出一种弓网接触力非区段异常识别装置，用以自动识别弓网接触力非区段异常，准确度高，效率高，该装置包括：
[0018]单值异常数据确定模块，用于从待分析的弓网接触力检测数据中，筛选出离群值点，确定所述离群值点为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种弓网接触力非区段异常识别方法，其特征在于，包括：从待分析的弓网接触力检测数据中，筛选出离群值点，确定所述离群值点为单值异常数据；将待分析的弓网接触力检测数据采用移动滑窗的方式处理为时间序列预测集；对时间序列预测集中每个检测数据，将时间序列预测集中该检测数据前预设长度个检测数据输入至训练好的接触力拉直线识别模型中，获得预测值，在所述预测值与该检测数据的差值超过误差阈值后，确定该检测数据为拉直线异常数据，其中该检测数据在时间序列预测集中的序号在预设标记值之后。2.如权利要求1所述的弓网接触力非区段异常识别方法，其特征在于，从待分析的弓网接触力检测数据中，筛选出离群值点，包括：以待分析的弓网接触力检测数据中每一个检测数据为圆心，根据预设的搜索半径对所述圆心和搜索半径构成的圆圈内的检测数据进行统计，在统计的检测数据的数量超过密度阈值时，将该圆心记为核心点；若待分析的弓网接触力检测数据中一个检测数据的搜索半径邻域内的检测数据的数量小于所述密度阈值，但落入核心点的邻域内，将该检测数据记为边界点；将待分析的弓网接触力检测数据中既不是核心点也不是边界点的检测数据，记为离群值点。3.如权利要求1所述的弓网接触力非区段异常识别方法，其特征在于，所述训练好的接触力拉直线识别模型采用如下步骤进行训练：将历史弓网接触力正常检测数据采用移动滑窗的方式处理为时间序列训练集，所述时间序列训练集包括m+1个正常检测数据，其中m为所述预设标记值；以时间序列训练集中前m个正常检测数据为输入，以时间序列训练集中第m+1个正常检测数据为输出，对接触力拉直线识别模型进行训练，获得训练好的接触力拉直线识别模型。4.如权利要求3所述的弓网接触力非区段异常识别方法，其特征在于，所述接触力拉直线识别模型采用3层LSTM网络结构的LSTM神经网络模型。5.如权利要求3所述的弓网接触力非区段异常识别方法，其特征在于，还包括：在确定该检测数据为拉直线异常数据之后，将所述时间序列预测集中该检测数据替换为所述预测值。6.一种弓网接触力非区段异常识别装置，其特征在于，包括：单值异常数据确定模块，用于从待分析的弓网接触力检测数据中，筛选出离群值点，确定所述离群值点为单值异常数据；数据处理模块，用于将待分析的弓...

【专利技术属性】
技术研发人员：杨劲松，邵奇，刘金朝，陶凯，郭剑峰，杨志鹏，彭楠，
申请(专利权)人：中国铁道科学研究院集团有限公司基础设施检测研究所北京铁科英迈技术有限公司，
类型：发明
国别省市：