一种基于异常检测的高铁故障预警方法技术

本发明专利技术公开了一种基于异常检测的高铁故障预警方法，涉及高铁故障检测技术领域，具体检测的方法包括以下步骤：S1、图像预处理，选定特定的图像，对选定的图像进行预处理，将受电弓所在位置的图像进行切割，预处理完场后，原来的彩色图像就变成了一个新的图像；S2、图像语义分割；S3、图像DAD检测；S4、图像火花检测；S5、多帧图像综合判定。该基于异常检测的高铁故障预警方法，本发明专利技术针对受电弓数据的这个特性，设计该基于异常检测的高铁故障预警方法，弥补了异常数据的不足问题，并且本发明专利技术可以在实时的方式下提供预警，能有效的给受电弓提供预警，同时利于排除大量的干扰，从而达到提高检测效率的目的。检测效率的目的。检测效率的目的。

【技术实现步骤摘要】
一种基于异常检测的高铁故障预警方法


[0001]本专利技术涉及高铁故障检测
，具体为一种基于异常检测的高铁故障预警方法。

技术介绍

[0002]近年来，随着高铁技术的不断发展，给人的出行带来了极大的便利，然而高铁需要极大的人力物力来维护其安全运行，需要在多个方面提前或者实时的检测其状态，以便其安全运行，然后对于某些特殊的场景，我们很难提供人为的实时观测，需要通过智能的方式来辅助观测，比如高铁的受电弓模块，它提供整个高铁的动力系统，对于整个高铁的安全运行起着非常关键的作用，需要在运行中实时观测其状态的变化，所以本专利技术中对高铁的受电弓，提出一种实时的故障检测方式。
[0003]然而由于受电弓可能有多种损坏方式，并且很难收集其损坏的视频，相反，只有大量的正常运行的视频，所以本方案针对受电弓数据的这个特性，提出一种基于一类问题的受电弓异常检测方式。
[0004]因此，针对现有技术的不足，本专利技术提供了一种基于异常检测的受电弓检测方式，弥补了异常数据的不足问题，并且本方式可以在实时的方式下提供预警，能有效的给受电弓提供预警。

技术实现思路

[0005]针对现有技术的不足，本专利技术提供了一种基于异常检测的高铁故障预警方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于异常检测的高铁故障预警方法，包括以下步骤：
[0007]S1、图像预处理：选定特定的图像，对选定的图像进行预处理，将受电弓所在位置的图像进行切割，预处理完场后，原来的彩色图像就变成了一个新的图像；
[0008]S2、图像语义分割：根据步骤S1中获得的图像进行语义分割来提取出受电弓的具体形状信息；
[0009]S3、图像DAD检测：将步骤S2获得的图像放入DAD检测模块，此处主要是通过异常检测来检测出异常视频，所用的异常视频检测方式是基于自监督的异常视频检测方式，具体检测方式是将图像旋转0度、90度、180度和270度后然后训练一个区分这四个旋转角度的分类器，具体可以直接通过多分类的方式训练一个分类器；
[0010]S4、图像火花检测：根据步骤S1中获得的灰度图像，然后通过一个阈值模块来检测出是否有火花，由于火花出现后，整个图像的像素值会出现一个明显的变化，会超过一个设定的阈值，所以可以通过这个信息来检测出是否有火花；
[0011]S5、多帧图像综合判定：根据步骤S3和步骤S4结果，并结合多帧图像的信息，给出综合判定受电弓的状态信息，并给出相应的判定。
[0012]进一步优化本技术方案，所述步骤S1中，选定特定的图像为设其宽为2048，高为1536，通道数为3。
[0013]进一步优化本技术方案，所述步骤S1中，将受电弓所在位置的图像进行切割时：此处可以使用目标检测的方式来确定受电弓的位置，也可以根据安装设备的信息来确定受电弓的具体位置。
[0014]进一步优化本技术方案，所述步骤S1中，新的图像其宽为640，高为256，通道数为1。
[0015]进一步优化本技术方案，所述步骤S2中，做语义分割的一个重要原因是由于高铁在运行过程中会有大量的场景，从而导致会有大量的干扰，通过语义分割可以排除大量的干扰。
[0016]进一步优化本技术方案，所述步骤S2中，语义分割采用监督的方式，专门用于受电弓的语义提取。
[0017]进一步优化本技术方案，所述步骤S3中，检测公式如下：
[0018][0019]进一步优化本技术方案，其中，N为正常图像样本的数量，f
θ
为最终的模型，其相应的参数为θ，而one_hot代表将相应的数字转化为one_hot编码标签，通过自监督的方式训练一个分类器后，对于新来的样本，可以进行4个不同角度的旋转变化，然后将四个相应的图像送入网络后计算出每张图像的得分，来最终判定其是否异常。
[0020]进一步优化本技术方案，所述步骤S5中，由于受电弓会收到相应干扰，设计了基于多帧信息融合的检测逻辑进行判定。
[0021]与现有技术相比，本专利技术提供了一种基于异常检测的高铁故障预警方法，具备以下有益效果：
[0022]该基于异常检测的高铁故障预警方法，本专利技术针对受电弓数据的这个特性，设计该基于异常检测的高铁故障预警方法，弥补了异常数据的不足问题，并且本专利技术可以在实时的方式下提供预警，能有效的给受电弓提供预警，同时利于排除大量的干扰，从而达到提高检测效率的目的。
附图说明
[0023]图1为本专利技术提出的一种基于异常检测的高铁故障预警方法的流程步骤示意图；
[0024]图2为本专利技术提出的一种基于异常检测的高铁故障预警方法的流程模块示意图；
[0025]图3为本专利技术提出的一种基于异常检测的高铁故障预警方法的不同场景和车型的正常和异常判定效果示意图。
具体实施方式
[0026]下面将结合本专利技术的实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施
例，都属于本专利技术保护的范围。
[0027]实施例：
[0028]请参考图1
‑
3所示，本专利技术公开了一种基于异常检测的高铁故障预警方法，具体检测的方法包括以下步骤：
[0029]S1、图像预处理：给定特定的图像(设其宽为2048，高为1536，通道数为3)，首先进行图像预处理，将受电弓所在位置的图像进行切割(此处可以使用目标检测的方式来确定受电弓的位置，也可以根据安装设备的信息来确定受电弓的具体位置)，预处理完场后，原来的彩色图像就变成了一个新的图像(其宽为640，高为256，通道数为1)，此处为了节约计算资源，提高运算速度，将彩色图像变成了灰度图像。
[0030]S2、图像语义分割：根据步骤S1中获得的图像，进行语义分割来提取出受电弓的具体形状信息，同时做语义分割的一个重要原因是由于高铁在运行过程中会有大量的场景，从而导致会有大量的干扰，通过语义分割我们可以排除大量的干扰，从而达到提高检测效率的目的，(此处语义分割采用监督的方式，专门用于受电弓的语义提取)。
[0031]S3、图像DAD检测：将步骤S2获得的图像放入DAD检测模块，此处主要是通过异常检测来检测出异常视频，此处所用的异常视频检测方式是基于自监督的异常视频检测方式，具体检测方式是将图像旋转0度、90度、180度和270度后然后训练一个区分这四个旋转角度的分类器，具体可以直接通过多分类的方式训练一个分类器，公式如下:
[0032][0033]其中，N为正常图像样本的数量，f
θ
为最终的模型，其相应的参数为θ，而one_hot代表将相应的数字转化为one_hot编码标签，通过自监督的方式训练一个分类器后，对于新来的样本，可以进行4个不同角度的旋转变化，然后将四个相应的图像送入网络后计算出每张图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异常检测的高铁故障预警方法，其特征在于，包括以下步骤：S1、图像预处理：选定特定的图像，对选定的图像进行预处理，将受电弓所在位置的图像进行切割，预处理完场后，原来的彩色图像就变成了一个新的图像；S2、图像语义分割：根据步骤S1中获得的图像进行语义分割来提取出受电弓的具体形状信息；S3、图像DAD检测：将步骤S2获得的图像放入DAD检测模块，此处主要是通过异常检测来检测出异常视频，所用的异常视频检测方式是基于自监督的异常视频检测方式，具体检测方式是将图像旋转0度、90度、180度和270度后然后训练一个区分这四个旋转角度的分类器，具体可以直接通过多分类的方式训练一个分类器；S4、图像火花检测：根据步骤S1中获得的灰度图像，然后通过一个阈值模块来检测出是否有火花，由于火花出现后，整个图像的像素值会出现一个明显的变化，会超过一个设定的阈值，所以可以通过这个信息来检测出是否有火花；S5、多帧图像综合判定：根据步骤S3和步骤S4结果，并结合多帧图像的信息，给出综合判定受电弓的状态信息，并给出相应的判定。2.根据权利要求1所述的一种基于异常检测的高铁故障预警方法，其特征在于，所述步骤S1中，选定特定的图像为设其宽为2048，高为1536，通道数为3。3.根据权利要求1所述的一种基于异常检测的高铁故障预警方法，其特征在于，所述步骤S1中，将受电弓所在位置的图像进行切割时：此处可以使用目标检测...

【专利技术属性】
技术研发人员：齐志泉，刘佳斌，
申请(专利权)人：无锡市妙图科技有限公司，
类型：发明
国别省市：