【技术实现步骤摘要】
一种基于边缘计算网络架构的道岔智能故障诊断方法
[0001]本专利技术属于轨道交通信息化智能
，具体涉及一种基于边缘计算网络架构的道岔智能故障诊断方法。
技术介绍
[0002]随着5G时代到来，带来的是高密度、高强度、高速度的铁路运行，如何确保列车运行安全与效率已逐渐成为研究热点。道岔作为铁路信号系统的重要组成部分，其主要功能是改变列车的行驶方向。由于道岔使用频繁、工作环境恶劣，因此为易损耗设备，一旦出现故障则严重影响铁路正常运营。目前我国道岔系统的稳定性和安全性主要依靠简单报警阈值装置来实时监测，即在某一时刻的工作电流、功率等参数超过阈值，表明该道岔存在异常。然而这种方式不具备及时性、准确性和智能性，无法及时、准确地发现故障，智能地得出故障类型和解决方案，给维护人员带来诸多不便，给铁路安全运营带来巨大隐患。
[0003]随着现代信号处理技术的不断进步与发展，针对道岔转辙机历史数据和工作状态，一些道岔故障特征提取和诊断方法被提出。从定性和定量两个方面进行处理，利用特征提取，数据量化以及当前比较热门的机器学习、神...
【技术保护点】
【技术特征摘要】
1.一种基于边缘计算网络架构的道岔智能故障诊断方法，其特征在于，具体操作步骤如下：步骤1，该方法总体上将道岔故障诊断网络架构分为三个层次，分别是接入层、边缘云层和中心云层；步骤2，中心云层使用已有的真实数据通过SMOTE和GAN方法进行数据增强，用于初始神经网络模型的训练，并将训练好的模型传输给边缘云层；步骤3，接入层通过微机监测系统采集转辙机启动电流曲线数据，并发送给边缘云层进行数据存储、数据预处理和故障诊断；步骤4，边缘云层将数据预处理后，一方面进行故障诊断，另一方面传输给中心云层进行数据存储和神经网络模型训练，并将诊断不出来的数据传输给中心云层进行备案处理；步骤5，在步骤4的基础上，当中心云层中的真实数据量达到1万条以上时不再接收来自边缘云层的真实数据，只接收来自边缘云层智能诊断后所确定的故障数据和未识别数据；中心云层按时间周期T进行神经网络训练，将得到的神经网络模型传输给边缘云层。2.根据权利要求1所述的一种基于边缘计算网络架构的道岔智能故障诊断方法，其特征在于，所述接入层包含了转辙机、传感器和微机监测系统等；所述边缘云层包含了边缘节点的服务器、数据库；所述中心云层包含了大型服务器和数据库；中心云层相比于边缘云层的服务器具有极强的数据计算能力和数据存储能力。所述边缘云层用于进行数据预处理和基于神经网络模型的故障诊断，在中心云层进行神经网络模型的计算。3.根据权利要求2所述的一种基于边缘计算网络架构的道岔智能故障诊断方法，其特征在于，步骤2具体如下：所述中心云层存储有400条以上历史真实同型号道岔动作电流曲线数据，按正常数据和6种常见故障类型分类，其中6种同类故障电流曲线数据各50条以上，正常数据100条以上；中心云层通过这些数据使用合成少数类过采样技术SMOTE和生成对抗网络GAN方法进行数据增强；将6种同类故障电流曲线数据各增加到500条以上，正常类数据增加到1000条以上，共4000条以上数据；其中，将正常数据类型记为f0；轨间存在异物故障状态类型记为f1；转换阶段波动故障状态类型记为f2；锁闭阶段波动故障状态类型记为f3；启动阶段波动故障状态类型记为f4；锁闭阶段困难故障状态类型记为f5；定、转子混线故障状态类型记为f6。在进行电流曲线数据增强时，对f0，f1，f4和f6四类数据类型使用GAN方法，对f2，f3和f5三种数据类型使用SMOTE方法；通过SMOTE和GAN方法生成的数据用于CNN神经网络训练，生成初始的神经网络模型，用于道岔故障诊断；该模型可以通过给定电流曲线预处理后的数据进行道岔故障诊断，诊断结果分为无故障状态、6种故障状态和未识别状态；中...
【专利技术属性】
技术研发人员：姬文江，李梦阳，黑新宏，程晨，王一川，朱磊，邱原，谢国，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：
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。