一种基于多头CNN-RNN的轨道电路故障检测方法技术

本发明专利技术提供一种基于多头CNN

【技术实现步骤摘要】
一种基于多头CNN
‑
RNN的轨道电路故障检测方法


[0001]本专利技术涉及轨道交通故障处理的
，特别是一种基于多头CNN
‑
RNN的轨道电路故障检测方法。

技术介绍

[0002]轨道电路在铁路信号系统中承担着检查区间闭塞、传递行车信息以及实现断轨检查等功能，其设备群规模大，单个设备测量点多，数据采样频率高，监测持续时间长，可以获得海量数据，从而将设备故障诊断领域推进到大数据时代。虽然这些数据包含轨道电路运维的整个过程，有价值的故障数据密度较低，但其包含了装备故障演化的机理和本质的各种信息，推动轨道电路故障诊断技术在现有基础上的发展。
[0003]轨道电路的故障诊断历经故障事后维修、故障预防维修、故障状态监测以及智能管理等阶段。由于轨道电路的故障导向安全原则，在实际中对新技术的应用程度较少，轨道电路的智能化水平相对较低，影响轨道电路向“状态修”的迈进。对于故障的判断和识别是智能管理阶段的面临的主要问题，将深度学习等相关知识和系统学习算法应用于轨道电路的故障诊断，对提高轨道电路的运行质量、降低维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多头CNN
‑
RNN的轨道电路故障检测方法，包括收集ZPW
‑
2000A系列轨道电路系统中的电路特征信号，其特征在于，还包括以下步骤：步骤1：对收集到的轨道电路不同位置的信号进行独立处理，采用多头CNN实现对不同类型数据的处理；步骤2：采用RNN检测窗口提取的特征中找到隐藏的时间模式，按时间顺序处理与每个窗口对应的所有提取特征；步骤3：对窗口处理结果进行分类，根据所有检测设备在特定事件中表现出的时间行为给出最终结果。2.如权利要求1所述的基于多头CNN
‑
RNN的轨道电路故障检测方法，其特征在于，所述多头CNN使用具有单个通道的多个一维卷积，每个通道使用不同的过滤器集。3.如权利要求2所述的基于多头CNN
‑
RNN的轨道电路故障检测方法，其特征在于，在所述步骤2中，时间序列以基于窗口的方式进行处理，所有时间序列都被划分为相同数量的段，窗口的数量为其中，W
N
表示窗口数量，S
L
表示时间序列中的序列长度，W
L
表示窗口长度，W
S
表示窗口步长。4.如权利要求3所述的基于多头CNN
‑
RNN的轨道电路故障检测方法，其特征在于，每个卷积头逐窗口处理其对应的所述时间序列，每个窗口和传感器数据都会得到一个特征图其中，n为去记录检测位置，w为记录窗口编号。5.如权利要求4所述的基于多头CNN
‑
RNN的轨道电路故障检测方法，其特征在于，所述多头CNN的输入数据，每个旋转头需要一个四维输入input_cnn，公式为其中，n_samples表示样本数量，n_channels表示通道数量。6.如权利要求5所述的基于多头CNN

【专利技术属性】
技术研发人员：饶志强，李益晨，李子仡，丁璐，张秋实，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：