轨道交通异常检测方法、装置及存储介质制造方法及图纸

本申请提供一种轨道交通异常检测方法、装置及存储介质，其中方法包括：获取轨道交通设备中被监测传感器的时间序列数据；将所述时间序列数据输入至轨道交通异常检测模型，得到所述轨道交通异常检测模型输出的轨道交通异常检测结果；所述轨道交通异常检测模型包括可变形Transformer编码模块、全局特征提取模块和可变形Transformer解码模块，所述可变形Transformer编码模块用于提取所述时间序列数据的多尺度特征，所述全局特征提取模块用于提取所述时间序列数据的全局特征，所述可变形Transformer解码模块用于基于所述时间序列数据的多尺度特征和全局特征生成所述轨道交通异常检测结果。异常检测结果。异常检测结果。

【技术实现步骤摘要】
轨道交通异常检测方法、装置及存储介质


[0001]本申请涉及城市轨道交通
，尤其涉及一种轨道交通异常检测方法、装置及存储介质。

技术介绍

[0002]在城市轨道交通运维的领域中，高速列车的振动数据、轴温数据等，都可以以时间序列的形式进行统计。轨道交通异常检测是指对反常的、与历史行为不同的模式进行识别。
[0003]目前基于时间跨度进行轨道交通异常检测的方法主要有：基于差分整合移动平均自回归模型（Autoregressive Integrated Moving Average model, ARIMA）、循环神经网络（Recurrent Neural Network, RNN）和长短期记忆网络（Long Short
‑
Term Memory, LSTM）进行轨道交通异常检测。
[0004]ARIMA要求时间序列数据具有平稳性，然而城市轨道交通实际获取的数据不具有平稳性的特点，因此，引入了RNN和LSTM来针对非平稳数据建模。但是RNN存在信息传递距离长和效率低下的问题，LSTM只能在一定程度上环节传递间的梯本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨道交通异常检测方法，其特征在于，包括：获取轨道交通设备中被监测传感器的时间序列数据；将所述时间序列数据输入至轨道交通异常检测模型，得到所述轨道交通异常检测模型输出的轨道交通异常检测结果；所述轨道交通异常检测模型包括可变形Transformer编码模块、全局特征提取模块和可变形Transformer解码模块，所述可变形Transformer编码模块用于提取所述时间序列数据的多尺度特征，所述全局特征提取模块用于提取所述时间序列数据的全局特征，所述可变形Transformer解码模块用于基于所述时间序列数据的多尺度特征和全局特征生成所述轨道交通异常检测结果。2.根据权利要求1所述的轨道交通异常检测方法，其特征在于，所述将所述时间序列数据输入至轨道交通异常检测模型，得到所述轨道交通异常检测模型输出的轨道交通异常检测结果，包括：将所述时间序列数据和位置编码相加作为所述可变形Transformer编码模块的输入，得到所述可变形Transformer编码模块输出的所述时间序列数据的多尺度特征；将所述时间序列数据和位置编码相加作为所述全局特征提取模块的输入，得到所述全局特征提取模块输出的所述时间序列数据的全局特征；将所述可变形Transformer编码模块输出的所述时间序列数据的多尺度特征和所述全局特征提取模块输出的所述时间序列数据的全局特征作为所述可变形Transformer解码模块的输入，得到所述可变形Transformer解码模块输出的所述轨道交通异常检测结果。3.根据权利要求2所述的轨道交通异常检测方法，其特征在于，所述可变形Transformer编码模块是通过将多尺度可变形注意力模块替代Transformer中的注意力模块得到的，所述可变形Transformer编码模块的输入和输出是相同分辨率的多尺度特征。4.根据权利要求2所述的轨道交通异常检测方法，其特征在于，所述全局特征提取模块采用卷积神经网络CNN结构。5.根据权利要求2所述的轨道交通异常检测方法，其特征在于，所述...

【专利技术属性】
技术研发人员：刘伟，胡卫明，李兵，原春锋，高晋，王绍儒，杨力，林泽锋，
申请(专利权)人：人民中科北京智能技术有限公司，
类型：发明
国别省市：