【技术实现步骤摘要】
一种基于人工智能和大数据的工务断轨风险预测方法
[0001]本专利技术涉及探伤
,特别涉及一种基于人工智能和大数据的工务断轨风险预测方法。
技术介绍
[0002]断轨是指构成轨道电路必要的电流通路的钢轨,由于机械损伤或者应力积累等原因,发生断裂且处于完全电气断离的状态。断轨对列车的行车安全构成极大威胁,是造成多次客货列车脱轨事故的直接原因。因此,对断轨的预警与实时检查成为必要的监测内容。
[0003]目前,无论计轴系统、还是基于卫星定位的系统还是基于通信的定位,均无法实时反映线路是否完整的特性,轨道检查车辆根据特定周期检查,不具备实时性。而轨道电路利用钢轨作为其电流通路,发生在钢轨上的电路结构变化,如分路、断裂等,将实时影响接收器的接收电压,正是基于这一特点,轨道电路成为目前几乎唯一有可能实时断轨检查的工具。无论是自然衰耗式还是电气隔离式的无绝缘轨道电路,均是利用断轨时轨道电路接收器接收的电压发生跌落的原理。在发生断轨之前,钢轨作为电信号的良好传导体,可将发送器发出的信号有效传导至接收器,当钢轨某处断离时,钢轨中电流发生中断,由发送器送出的电流只能绕过断轨点才能到达接收器。通常,电流还可以经由钢轨
‑
道砟电阻
‑
大地
‑
道砟电阻
‑
钢轨的通路流向接收器,但与作为良导体的钢轨相比,上述绕道通路的阻抗大大增加,导致能到达接收器的电流在断轨后大大减少,接收电压发生跌落。
[0004]然而,为保障铁道钢轨、道床人员的人身安全,钢轨一 ...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能和大数据的工务断轨风险预测方法,其特征在于:1)根据历史伤损数据中的位置坐标使用基于K
‑
means的局类模型对伤损数据进行聚类,获取伤损数据在空间上的分布区域{(x
i
,y
i
,r
i
,n
i
)},其中(x
i
,y
i
)为聚类区域的中心坐标,r
i
为聚类区域的半径,n
i
为聚类区域中点的数量;2)对任一个聚类区域(x
i
,y
i
,r
i
,n
i
),获取每一个数据的时间特征t
j
,j=1,...,n
i
,获取时间特征t
j
大于设定的第一判断阈值ts1的数据个数m1,获取时间特征t
j
大于设定的第二判断阈值ts2的数据个数m2,计算得到聚类区域的趋势得分其中c1为历史数据训练的第一修正常数,c2为历史数据训练的第二修正常数;3)获取任一个聚类区域(x
i
,y
i
,r
i
,n
i
)的近两次换轨年份的时间特征ye
i
,ya
i
,获取区域内时间特征在[ye
i
,ya
i
]区间内的数据个数m3,在[0,ye
i
]区间内的数据个数m4,计算得到聚类区域的换轨得分其中c3为历史数据训练的第三修正常数;4)获取每一个聚类区域(x
i
,y
i
,r
i
,n
i
)断轨前的垂磨、侧磨、维护次数,并根据断轨区域的轨型...
【专利技术属性】
技术研发人员:梁帆,黄彩明,黄俊,刘勇,徐应立,高麟,唐军,李峰立,龙尚荣,付川,张刚,袁言,郝俊,鞠醒,刘大鹏,余旸,
申请(专利权)人:成都铁路科创有限责任公司,
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。