一种基于人工智能的跨坐式单轨道岔监测及其维护系统技术方案

本发明专利技术公开了一种基于人工智能的跨坐式单轨道岔监测及其维护系统，包括数据采集交换模块、运营控制显示终端、维保监测显示终端、云数据库、人工智能模块和移动通讯设备。其功能包括道岔机械构件故障与通车区间异常物体干扰迹象的诊断、识别及报警功能，以及运营控制人员对道岔运行状态的实时监控。本发明专利技术通过其自学习能力建立适应单组道岔的运维系统。既利用人工智能模块诊断道岔机械构件故障与通车区间异常物体干扰迹象，并通过运营控制人员与维保人员对报警信息的集中判别和反馈工作，不断丰富人工智能模块的知识库内容，解决知识更新的问题，从而提高道岔故障检测的准确性、及时性。时性。时性。

【技术实现步骤摘要】
一种基于人工智能的跨坐式单轨道岔监测及其维护系统


[0001]本专利技术涉及跨座式单轨交通
，特别是涉及一种基于人工智能的跨坐式单轨道岔监测及其维护系统。

技术介绍

[0002]跨座式单轨交通系统的三大关键技术包括车辆技术、轨道梁技术、道岔技术，其中，跨座式单轨道岔是实现列车安全平稳转线运行的系统设备，道岔的转撤、锁定、线形和承载能力都必须满足列车安全运行的要求。因此对道岔运行进行实时监控，并加强道岔的维护保障能力是确保交通线路安全运营的关键技术。
[0003]在现有的道岔监控技术中，有的道岔监测系统利用专家系统分析与诊断道岔故障，其主要包括知识库、数据库与推理机，知识库是专家领域知识的集合，推理机则利用知识库中的推理规则与信息判断道岔是否存在故障，其知识和经验并不全面，且不具有针对性，遇到模糊问题则无能为力。
[0004]现有技术中国专利CN113094525中公开了一种单轨道岔故障的在线诊断方法，并说明了该在线诊断方法涉及到的装置、设备及可读存储介质。在该技术中，故障诊断方式是将采集数据(包括驱动电机、锁定电机的温度、转速与振幅；道岔梁的振幅和频率等)与预设参考范围进行对比，若超出预设参考范围，则上报异常参数。该诊断方法能够针对性地发现异常的变量，但是，无法准确诊断出故障的具体类型及故障发生的具体位置。例如，道岔驱动电机的转子不平衡、转子不对中、轴承间隙过大或者滚动轴承润滑性能差等故障都会导致电机的不稳定振动和振幅过大；电机电源电压过高、三相电源不平衡、电机过载运行或者拖动的机械负载工作不正常都会导致电机温度过热，从而产生道岔设备的运行故障。因此，需要一种能够精确诊断故障类型及具体故障位置，并能不断丰富知识库内容，解决知识更新问题，从而提高道岔故障检测的准确性、及时性的单轨道岔设备智能监测及维护系统。

技术实现思路

[0005]针对上述现有技术的缺陷或改进需求，本专利技术提供了一种基于人工智能的跨坐式单轨道岔监测及其维护系统，面对不同安装地点和环境的道岔，通过其自学习能力建立适应单组道岔的个性化智能监测及维护系统。既利用所述人工智能模块诊断道岔机械构件故障与通车区间异常物体干扰迹象，并通过运营控制人员与维保人员对报警信息的集中判别和反馈工作，不断丰富人工智能模块的知识库内容，解决知识更新的问题，从而提高道岔故障检测的准确性、及时性。
[0006]为了解决上述技术问题，本专利技术采用了如下的技术方案：
[0007]一种基于人工智能的跨坐式单轨道岔监测及其维护系统，包括数据采集交换模块、运营控制显示终端、维保监测显示终端、人工智能模块和移动通讯设备；所述数据采集交换模块、运营控制显示终端、维保监测显示终端、人工智能模块和移动通讯设备之间通过无线网络或有线网络实现通讯连接；
[0008]所述运营控制显示终端和维保监测显示终端均为人机界面；
[0009]所述运营控制显示终端显示道岔综合数据，运营控制人员通过人机界面实时监控道岔，控制各个道岔的转撤；
[0010]所述维保监测显示终端显示道岔报警信号，维保人员根据人机界面上的报警提示进行巡检或维修；
[0011]所述人工智能模块从所述云数据库中提取道岔数据，并使用相应的数据分析算法诊断道岔机械构件故障与通车区间异常物体干扰迹象，计算结果上传至所述运营控制显示终端与所述维保监测显示终端，当预测值达到报警阀值时触发道岔报警信号，维保人员根据报警指示检修道岔，所述人工智能模块包括机械故障诊断模块和环境干扰监测模块。
[0012]所述机械故障诊断模块用于诊断道岔机械构件的故障，所述机械构件包括驱动装置、定位装置、主结构体和支撑结构，具体的可以根据道岔的类型存在区别，通过采集所述机械构件的运行检查数据，来提取其特征信息数据,并使用预先训练好的AI模型评估道岔机械构件的健康状态指数并诊断机械故障。
[0013]优选的，所述机械故障诊断模块中的AI模型使用人工神经网络中的BP神经网络，所述BP神经网络根据专家系统知识库规则，采用布尔矩阵描述机械故障征兆和故障原因之间的映射关系，将其作为训练样本，通过训练学习获得普适机组的故障识别神经网络，在道岔厂内总装调试环节，将训练好的网络应用于某一具体机组，不断的累积机组各个故障模式样本，加入到训练样本中，通过训练学习得到该机组的故障识别神经网络，在道岔实际运行监控过程中，根据维护人员的反馈信息持续累积机组的故障模式样本，从而在该机组的实际故障诊断中获得较高的识别精度。其中，机械故障诊断模块中的输入数据为所述道岔机械结构数据的运行检查数据。
[0014]进一步地，主结构体的故障诊断具体步骤包括：
[0015]1)利用振动传感器与噪声传感器获取主结构体转撤时和通车时的功能性技术指标参数；其中，所述振动传感器与噪声传感器分布在主结构体的主要承载区域，所述承载区域利用有限元分析算法获得。
[0016]2)读取振动与噪声数据中的特征信息数据,使用预先训练好的AI模型评估主结构体当前健康状态指数并诊断主结构体故障。
[0017]3)通过数据交换模块,将主结构体健康状态指数上传至运营控制显示终端与维保监测显示终端,当诊断出机械故障或者健康状态指数达到报警阀值触发道岔维保报警，维保人员进入道岔场区检查维修主结构体故障。
[0018]4)维保人员确认故障类型，维修处理机械故障后,使用所述移动通讯设备反馈处理结果与故障类型,若与报警信息出入,累积本次故障模式样本为训练样本,用于后期调整隐含层与输出层之间的连接权值，优化模型；若维保人员反馈故障主结构体各部件健康良好，累积本次故障模式样本为训练样本,用于后期调整隐含层与输出层之间的连接权值，优化模型。
[0019]所述环境干扰监测模块从云数据库中读取道岔周边环境视频数据,分帧保存,使用预先训练好的AI模型筛选并标记异常图片,将标记图片集上传至运营控制显示终端,运营控制人员通过人机界面对AI模型识别筛选后的图片进行集中判别处理,确定道岔通车环境是否安全。
[0020]进一步地，所述道岔周边环境视频数据使用视频监控装置采集，所述视频监控装置安装在主结构体中心位置的正上方，其与主结构体的垂直距离大于单轨车辆通行时的高度，此外，道岔区四周装有夜间照明装置便于视频监控装置采集视频图像信号。
[0021]优选地，所述环境干扰监测模块中的AI模型使用Faster R
‑
CNN网络算法识别通车区间异常物体的干扰迹象，在训练Faster R
‑
CNN网络时，通过网络获取、自行采集和相关部门提供的方式获取该类型道岔的俯视图像，随后经过人工筛选和图像标注后获得图像标注数据集。所述图像标注环节将图像中的目标(道岔主结构体、支撑结构、驱动装置和定位装置等，具体视道岔类型而异)选中后可添加其类型标签和四个坐标信息。随后将标定好的图像标注数据集发送至Faster R
‑
CNN网络上进行训练，获得道岔机械构件数据集的网络权重。
[0022]进一步地，所述环境干扰监测模块的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的跨坐式单轨道岔监测及其维护系统，其特征在于，包括数据采集交换模块、运营控制显示终端、维保监测显示终端、人工智能模块和移动通讯设备；所述数据采集交换模块、运营控制显示终端、维保监测显示终端、人工智能模块和移动通讯设备之间通过无线网络或有线网络实现通讯连接；所述运营控制显示终端和维保监测显示终端均为人机界面；所述运营控制显示终端显示道岔综合数据，运营控制人员通过人机界面实时监控道岔，控制各个道岔的转撤；所述维保监测显示终端显示道岔报警信号，维保人员根据人机界面上的报警提示进行巡检或维修；所述人工智能模块从所述云数据库中提取道岔数据，并使用相应的数据分析算法诊断道岔机械构件故障与通车区间异常物体干扰迹象，计算结果上传至所述运营控制显示终端与所述维保监测显示终端，当预测值达到报警阀值时触发道岔报警信号，维保人员根据报警指示检修道岔，所述人工智能模块包括机械故障诊断模块和环境干扰监测模块。2.根据权利要求1所述的一种基于人工智能的跨坐式单轨道岔监测及其维护系统，其特征在于，所述机械故障诊断模块用于诊断道岔机械构件的故障，所述机械构件包括驱动装置、定位装置、主结构体和支撑结构，通过采集所述机械构件的运行检查数据，来提取其特征信息数据,并使用预先训练好的AI模型评估道岔机械构件的健康状态指数并诊断机械故障。3.根据权利要求1所述的一种基于人工智能的跨坐式单轨道岔监测及其维护系统，其特征在于，所述环境干扰监测模块从云数据库中读取道岔周边环境视频数据,分帧保存,使用预先训练好的AI模型筛选并标记异常图片,将标记图片集上传至运营控制显示终端,运营控制人员通过人机界面对AI模型识别筛选后的图片进行集中判别...

【专利技术属性】
技术研发人员：熊康惠，吴宝昌，刘伟，谭凌潇，杨再强，宋小科，
申请(专利权)人：重庆华渝重工机电有限公司，
类型：发明
国别省市：