一种基于人工智能的轨道交通故障检测系统技术方案

本发明专利技术属于安全监测技术领域，具体的说是一种基于人工智能的轨道交通故障检测系统，包括云端大数据中心、检测单元；所述云端大数据中心包括分析单元、对比单元、处理单元和数据库，所述分析单元用于对检测数据进行分析、归类，所述对比单元对检测数据进行处理与对比，给出检测结果，所述处理单元依据检测结果做出处理动作；所述检测单元包括位移传感器，所述位移传感器沿固定间距安装在轨道上，所述位移传感器用于监测轨道上道钉的位置偏移量；本发明专利技术通过人工智能对检测单元采集到的数据进行处理与对比，及时得出轨道和列车的状态，并通过处理单元通知工作人员进行处理，提升列车行车的安全性和稳定性。车的安全性和稳定性。车的安全性和稳定性。

【技术实现步骤摘要】
一种基于人工智能的轨道交通故障检测系统


[0001]本专利技术属于安全监测
，具体的说是一种基于人工智能的轨道交通故障检测系统。

技术介绍

[0002]随着经济的不断发展，轨道交通的运营形式也越来越丰富，轨道交通也逐渐成为了人们出行的优先选择，由于轨道交通具有承载力较大的特点，轨道交通运营安全的监测也愈发重要。
[0003]中国专利CN201510230665.6公开了一种轨道交通中驱动板故障检测装置，包括计算机，计算机的输出端与PLC工控板的输入端连接，PLC工控板的输出端分别与第二继电器的输入端和第三继电器的输入端连接，第二继电器的输出端与第二开关电源的输入端连接，第二开关电源的输出端与接口板的输入端连接；第三继电器的输出端与脉冲触发主板的输入端连接；脉冲触发主板的输出端与接口板输入端连接；接口板输出端与霍尔电压电流传感器输入端连接，霍尔电压电流传感器输出端与USB数据采集卡输入端连接，USB数据采集卡输入端与计算机输入端连接，克服了现有的客车驱动板故障检修为人工判断，费时费力，工作效率低下的问题；
[0004]但是上述专利并没有考虑到，现有的轨道交通运行安全监测主要集中于对轨道列车行车状态、轨道变形等方面进行安全监测，很显然，现有的轨道交通运行安全监测还存在一定的弊端，一方面，现有的轨道交通运行安全监测的内容具有局限性，无法对轨道运行安全进行综合监测和分析，另一方面，现有的轨道交通运行安全监测无法有效的保障列车行驶的安全性和稳定性。
[0005]鉴于此，本专利技术通过提出了一种基于人工智能的轨道交通故障检测系统，以解决上述技术问题。

技术实现思路

[0006]为了弥补现有技术的不足，解决无法对轨道故障进行智能监测分析，保证列车行驶安全性和稳定性的问题，本专利技术提出一种基于人工智能的轨道交通故障检测系统。
[0007]本专利技术解决其技术问题所采用的技术方案是：本专利技术所述一种基于人工智能的轨道交通故障检测系统，包括云端大数据中心、检测单元；
[0008]所述云端大数据中心包括分析单元、对比单元、处理单元和数据库，所述分析单元用于接收检测单元上传的数据并对数据进行分析、归类，所述对比单元为深度学习神经网络，所述对比单元对分析单元进行分析，并对归类后的数据进行处理与对比，给出检测结果，所述检测结果同步发送到处理单元，所述处理单元依据检测结果做出处理动作；
[0009]所述检测单元安装在轨道和/或车辆上，所述检测单元通过有线网络和/或5G网络与云端大数据中心交换数据；
[0010]所述检测单元包括位移传感器，所述位移传感器沿固定间距安装在轨道上，所述
位移传感器用于监测轨道上道钉的位置偏移量。
[0011]优选的，所述云端大数据中心还包括决策单元，所述对比单元中深度学习神经网络包括但不限于BP(back propagation)神经网络、RBF(Radial basis function)神经网络、遗传算法神经网络中的任一种，所述对比单元中具有奇数个结构相同的并行深度学习神经网络，所述分析单元经过分析、归类得到的数据同时传递到对比单元中的多个深度学习神经网络中进行处理与对比，所述对比单元中多个深度学习神经网络得出的结果输出到决策单元中，所述决策单元采用多数服从少数原则对各个深度学习神经网络得出的结果进行综合，给出最终检测结果。
[0012]优选的，所述检测单元还包括检测无人机，所述检测结果表明存在异常，则处理单元向检测无人机发出检测命令，所述检测无人机依据规划好的路径，对轨道进行巡视和拍照，并将拍摄的照片和视频发送到云端大数据中心，所述云端大数据中心接收到的检测无人上传的照片和视频，先通过分析单元的分析、归类，再通过对比单元中的深度学习神经网络进行处理，得出轨道存在异常的处理优先级，所述处理单元依据处理优先级做出报警提醒。
[0013]优选的，所述轨道上设置有定位标记，所述检测无人机在有定位标记处进行拍摄，所述定位标记位于轨道上的道钉处，所述检测无人机将定位标记与道钉同时拍摄到照片或视频中。
[0014]优选的，所述检测无人机在拍摄照片或视频时，处于固定高度，所述检测无人机拍摄时将轨道的两条铁轨同时拍摄进入一张照片中，所述定位标记也存在与轨道内侧与道钉相对应的位置，所述检测无人机将轨道内侧的定位标记一同拍摄进入到存在两条铁轨的照片中。
[0015]优选的，所述检测单元还包括振动传感器一，所述振动传感器沿固定间距固定安装在轨道上，任意两个所述振动传感器之间的间距大于轨道上行驶的列车的长度，所述振动传感器在上传数据时将自身的位置数据同步上传到云端大数据中心。
[0016]优选的，所述轨道上行驶的列车的齿轮箱上安装有振动传感器二。
[0017]优选的，所述振动传感器二共有多组，所述振动传感器二以列车的齿轮箱中心为原点沿分别X轴、Y轴、Z轴的轴向方向等距分布，所述振动传感器二在各个轴向方向上的数量相同。
[0018]优选的，所述检测单元还包括光栅传感器，所述光栅传感器沿固定间距固定安装在轨道上，所述光栅传感器用于检测轨道在竖直方向上的弯曲变形数据，所述光栅传感器将检测到的弯曲变形数据上传到云端大数据中心。
[0019]优选的，所述光栅传感器和位移传感器通过MEMS技术整合成为具有检测位移和弯曲变形的MEMS传感器。
[0020]本专利技术的有益效果如下：
[0021]1.本专利技术所述一种基于人工智能的轨道交通故障检测系统，通过设置检测单元采集轨道和列车在运行时不同的数据，之后，通过网络将采集到的检测数据发送到分析单元中进行初步处理与归类，去除数据中无效或冗余的数据，以方便数据在后续的对比单元中被深度学习神经网络进行处理与对比，最终得出检测结果，最后通过处理单元对不同的检测结果进行处理，及时的在检测结果异常的情况下通知工作人员对轨道或列车进行检修处
basis function)神经网络、遗传算法神经网络中的任一种，所述对比单元中具有奇数个结构相同的并行深度学习神经网络，所述分析单元经过分析、归类得到的数据同时传递到对比单元中的多个深度学习神经网络中进行处理与对比，所述对比单元中多个深度学习神经网络得出的结果输出到决策单元中，所述决策单元采用多数服从少数原则对各个深度学习神经网络得出的结果进行综合，给出最终检测结果；
[0030]在工作过程中，对比单元中设置的并行深度学习神经网络的数量最少为3个，从而保证能够在采用多数服从少数原则下，以大多数的深度学习神经网络输出的结果作为最终的检测结果，从而提升对比单元的判断准确度，避免对比单元中只有一个深度学习神经网络且该深度学习神经网络受到干扰时，对比单元给出的错误的检测结果，影响到列车的行车安全；同时，对比单元中使用到的深度学习神经网络可以是BP神经网络、RBF神经网络、遗传算法神经网络中的任一种，也可以是其他的开源深度学习神经网络，以获得更准确的对比结果、更高的对比效率，从而提升对比单元的性能。
[0031]作为本专利技术的一种具体实施方式，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的轨道交通故障检测系统，其特征在于：包括云端大数据中心、检测单元；所述云端大数据中心包括分析单元、对比单元、处理单元和数据库，所述分析单元用于接收检测单元上传的数据并对数据进行分析、归类，所述对比单元为深度学习神经网络，所述对比单元对分析单元分析、归类的后的数据进行处理与对比，给出检测结果，所述检测结果同步发送到处理单元，所述处理单元依据检测结果做出处理动作；所述检测单元安装在轨道和/或车辆上，所述检测单元通过有线网络和/或5G网络与云端大数据中心交换数据；所述检测单元包括位移传感器，所述位移传感器沿固定间距安装在轨道上，所述位移传感器用于监测轨道上道钉的位置偏移量。2.根据权利要求1所述一种基于人工智能的轨道交通故障检测系统，其特征在于：所述云端大数据中心还包括决策单元，所述对比单元中深度学习神经网络包括但不限于BP(back propagation)神经网络、RBF(Radial basis function)神经网络、遗传算法神经网络中的任一种，所述对比单元中具有奇数个结构相同的并行深度学习神经网络，所述分析单元经过分析、归类得到的数据同时传递到对比单元中的多个深度学习神经网络中进行处理与对比，所述对比单元中多个深度学习神经网络得出的结果输出到决策单元中，所述决策单元采用多数服从少数原则对各个深度学习神经网络得出的结果进行综合，给出最终检测结果。3.根据权利要求1所述一种基于人工智能的轨道交通故障检测系统，其特征在于：所述检测单元还包括检测无人机，所述检测结果表明存在异常，则处理单元向检测无人机发出检测命令，所述检测无人机依据规划好的路径，对轨道进行巡视和拍照，并将拍摄的照片和视频发送到云端大数据中心，所述云端大数据中心接收到的检测无人上传的照片和视频，先通过分析单元的分析、归类，再通过对比单元中的深度学习神经网络进行处理，得出轨道存在异常的处理优先级，所述处理单元依据处...

【专利技术属性】
技术研发人员：赵铁柱，徐永钊，张福勇，
申请(专利权)人：东莞理工学院，
类型：发明
国别省市：