基于云数据分析的铁路锚固检测及预警方法、系统及设备技术方案

本发明专利技术属于铁路锚固监测技术领域，具体涉及了一种基于云数据分析的铁路锚固检测及预警方法、系统及设备，旨在解决现有锚固检测及预警不全面，无法实现数据追溯且监测分析结果准确性不高的问题。本发明专利技术包括：检测锚固件检测拉力值、安装扭力值，实时轴向力、几何形变角度、温度及运行中的剪切力；通过云端数据处理平台进行数据预处理及归一化；结合锚固件可追溯检测数据生成当前时刻锚固质量预判结果；结合锚固件历史数据生成锚固质量延伸曲线；将锚固质量延伸曲线与预生成锚固件质量曲线的变化趋势进行相似度匹配，获得锚固件潜在风险信息。本发明专利技术预判结果的准确性和精度高，有效保证了工程质量，降低了工程的故障率。降低了工程的故障率。降低了工程的故障率。

【技术实现步骤摘要】
基于云数据分析的铁路锚固检测及预警方法、系统及设备


[0001]本专利技术属于铁路锚固检测及预警
，具体涉及了一种基于云数据分析的铁路锚固检测及预警方法、系统及设备。

技术介绍

[0002]接触网是给铁路机车运行提供电能的网络，接触网在隧道中依靠锚固技术安装在混凝土中。锚固质量是接触网几何图形在正常运行范围的保证，而传统锚固方法存在因施工及混凝土随时间出现性能变化，导致的锚固点错动与滑移引起测量精度降低甚至锚固作用失效的问题。

技术实现思路

[0003]为了解决现有技术中的上述问题，即现有锚固检测及预警不全面，无法实现数据追溯且监测分析结果准确性不高的问题，本专利技术提供了一种基于云数据分析的铁路锚固检测及预警方法，所述检测及预警方法包括：步骤S10，在锚固件上设置RFID电子标签，并为各锚固件编码；步骤S20，基于锚固件编码，通过RFID电子标签读写终端获取当前待检测锚固件的检测拉力值、锚固件安装扭力值，以及在线检测的锚固件轴向力、几何形变角度、温度以及运行中的剪切力；步骤S30，RFID电子标签读写终端将检测到的数据传输至云端数据处理平台，并通过云端数据处理平台进行数据的预处理及归一化；步骤S40，基于预处理及归一化的数据，结合当前待检测锚固件可追溯检测数据，通过锚固质量监测模型生成当前时刻的当前待检测锚固件锚固质量预判结果；步骤S50，基于所述当前时刻的当前待检测锚固件锚固质量预判结果，以及云端数据处理平台中当前待检测锚固件设定历史时刻到当前时刻的锚固质量预判结果，生成当前待检测锚固件锚固质量延伸曲线；步骤S60，将所述当前待检测锚固件锚固质量延伸曲线与预生成锚固件质量曲线的变化趋势进行相似度匹配，获得当前待检测锚固件潜在风险信息并进行锚固件质量预警。
[0004]在一些优选的实施例中，所述锚固件的检测拉力值、锚固件安装扭力值，通过低功率近距离通信方式传输至云端数据处理平台；所述锚固件的轴向力、几何形变角度、温度以及运行中的剪切力，通过无线接受单元或移动巡检方式传输至云端数据处理平台。
[0005]在一些优选的实施例中，所述可追溯检测数据包括锚固件的额定承载拉力值、锚固件检测拉力值以及检测阈值；设定所述额定承载拉力值为锚固件最大动态载荷的a倍，设定所述检测阈值为所述额定承载拉力值的b倍，进行设定时长的锚固件拉拔检测，并采集锚固件检测拉力值，所
述锚固件检测拉力值不低于所述检测阈值，其中，a、b为预设的阈值。阈值a，b值可在软件中根据不同工况进行灵活设置。
[0006]在一些优选的实施例中，所述锚固件安装扭力值为锚固件安装时的螺母扭矩预紧力。
[0007]在一些优选的实施例中，所述锚固质量监测模型基于深度神经网络构建，包括：特征提取网络，用于通过不同的特征提取分支分别进行预处理及归一化的数据以及归一化的锚固件可追溯检测数据的特征提取；特征融合网络，用于将特征提取网络提取的各特征进行自适应权重的特征融合，获得融合特征；分类网络，用于进行所述融合特征的分类，获得锚固质量预判结果。
[0008]在一些优选的实施例中，所述特征提取网络包括N个特征提取分支，N为待特征提取的数据的类别数；每一个所述特征提取分支包括顺次连接的卷积层conv1、最大池化层maxpool1、fire1、fire2、fire3、最大池化层maxpool2、fire4、fire5、fire6、fire7、最大池化层maxpool3、fire8、卷积层conv2、全局平均池化层global avgpool以及全连接层FC1；所述最大池化层maxpool1的输出与所述最大池化层maxpool2的输入之间设置顺次连接的卷积层conv3和全连接层FC2；所述最大池化层maxpool2的输出与所述最大池化层maxpool3的输入之间设置顺次连接的卷积层conv4和全连接层FC3；所述最大池化层maxpool3的输出与所述全局平均池化层global avgpool的输入之间设置顺次连接的卷积层conv5和全连接层FC4；所述最大池化层maxpool1的输出连接至所述fire2的输入，所述fire1的输出连接至所述fire3的输入，所述最大池化层maxpool2的输出连接至所述fire5的输入，所述fire4的输出连接至所述fire6的输入，所述fire5的输出连接至所述fire7的输入，所述最大池化层maxpool3的输出连接至所述卷积层conv2的输入。
[0009]在一些优选的实施例中，所述将特征提取网络提取的各特征进行自适应权重的特征融合，获得融合特征，其方法为：将锚固件检测拉力值、检测阈值、锚固件安装扭力值对应的特征的权重分别设置为固定权重、和；锚固件的轴向力、几何形变角度、温度以及运行中的剪切力对应的特征的权重分别设置为、、和，并结合专家先验知识，分别进行、、和的自适应调整；基于所述固定权重、和，以及自适应调整后的权重、、和，进行对应的特征的加权融合，获得融合特征。
[0010]在一些优选的实施例中，所述结合专家先验知识，分别进行、、和的自适应调整，其方法为：
基于专家先验知识为、、和赋予初始值；构建包含N个粒子的粒子群，并将每个粒子的4维目标搜索空间位置参数设定为待调整的、、和的值；随机初始化每一个粒子的初始飞行速度，将每一个粒子对应的待调整的、、和的值代入铁路锚固的力学分析模型，构建铁路锚固的受力及变形力学分析函数；在第个粒子由第t代向第t+1代进化时，以粒子适应度小为更优，最小化所述受力及变形力学分析函数，并更新粒子的位置向量；迭代进行每一个粒子的适应度寻优，直至达到设定的结束条件，获得调整好的、、和。
[0011]本专利技术的另一方面，提出了一种基于云数据分析的铁路锚固检测及预警系统，所述检测及预警系统包括：标签设定模块，配置为在锚固件上设置RFID电子标签，并为各锚固件编码；数据采集模块，配置为基于锚固件编码，通过RFID电子标签读写终端获取当前待检测锚固件的检测拉力值、锚固件安装扭力值，在线检测锚固件的轴向力、几何形变角度、温度以及运行中的剪切力；数据预处理及归一化模块，配置为RFID电子标签读写终端将检测到的数据传输至云端数据处理平台，并通过云端数据处理平台进行数据的预处理及归一化；质量预判模块，配置为基于预处理及归一化的数据，结合当前待检测锚固件可追溯检测数据，通过锚固质量监测模型生成当前时刻的当前待检测锚固件锚固质量预判结果；质量延伸曲线生成模块，配置为基于所述当前时刻的当前待检测锚固件锚固质量预判结果，以及云端数据处理平台中当前待检测锚固件设定历史时刻到当前时刻的锚固质量预判结果，生成当前待检测锚固件锚固质量延伸曲线；潜在风险评判模块，配置为将所述当前待检测锚固件锚固质量延伸曲线与预生成锚固件质量曲线的变化趋势进行相似度匹配，获得当前待检测锚固件潜在风险信息；预警模块，配置为基于所述当前待检测锚固件潜在风险信息进行锚固件的潜在风险的预警。
[0012]本专利技术的第三方面，提出了一种电子设备，包括：至少一个处理器；以及与至少一个所述处理器通信连接的存储器；其中，所述存储器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云数据分析的铁路锚固检测及预警方法，其特征在于，所述检测及预警方法包括：步骤S10，在锚固件上设置RFID电子标签，并为各锚固件编码；步骤S20，基于锚固件编码，通过RFID电子标签读写终端获取当前待检测锚固件的检测拉力值、锚固件安装扭力值，以及在线检测的锚固件轴向力、几何形变角度、温度以及运行中的剪切力；步骤S30，RFID电子标签读写终端将检测到的数据传输至云端数据处理平台，并通过云端数据处理平台进行数据的预处理及归一化；步骤S40，基于预处理及归一化的数据，结合当前待检测锚固件可追溯检测数据，通过锚固质量监测模型生成当前时刻的当前待检测锚固件锚固质量预判结果；步骤S50，基于所述当前时刻的当前待检测锚固件锚固质量预判结果，以及云端数据处理平台中当前待检测锚固件设定历史时刻到当前时刻的锚固质量预判结果，生成当前待检测锚固件锚固质量延伸曲线；步骤S60，将所述当前待检测锚固件锚固质量延伸曲线与预生成锚固件质量曲线的变化趋势进行相似度匹配，获得当前待检测锚固件潜在风险信息并进行锚固件质量预警。2.根据权利要求1所述的基于云数据分析的铁路锚固检测及预警方法，其特征在于，所述锚固件的检测拉力值、锚固件安装扭力值，通过低功率近距离通信方式传输至云端数据处理平台；所述锚固件的轴向力、几何形变角度、温度以及运行中的剪切力，通过无线接受单元或移动巡检方式传输至云端数据处理平台。3.根据权利要求1所述的基于云数据分析的铁路锚固检测及预警方法，其特征在于，所述可追溯检测数据包括锚固件的额定承载拉力值、锚固件检测拉力值以及检测阈值；设定所述额定承载拉力值为锚固件最大动态载荷的a倍，设定所述检测阈值为所述额定承载拉力值的b倍，进行设定时长的锚固件拉拔检测，并采集锚固件检测拉力值，所述锚固件检测拉力值不低于所述检测阈值，其中，a、b为预设的阈值。4.根据权利要求1所述的基于云数据分析的铁路锚固检测及预警方法，其特征在于，所述锚固件安装扭力值为锚固件安装时的螺母扭矩预紧力。5.根据权利要求1所述的基于云数据分析的铁路锚固检测及预警方法，其特征在于，所述锚固质量监测模型基于深度神经网络构建，包括：特征提取网络，用于通过不同的特征提取分支分别进行预处理及归一化的数据以及归一化的锚固件可追溯检测数据的特征提取；特征融合网络，用于将特征提取网络提取的各特征进行自适应权重的特征融合，获得融合特征；分类网络，用于进行所述融合特征的分类，获得锚固质量预判结果。6.根据权利要求5所述的基于云数据分析的铁路锚固检测及预警方法，其特征在于，所述特征提取网络包括N个特征提取分支，N为待特征提取的数据的类别数；每一个所述特征提取分支包括顺次连接的卷积层conv1、最大池化层maxpool1、fire1、fire2、fire3、最大池化层maxpool2、fire4、fire5、fire6、fire7、最大池化层maxpool3、fire8、卷积层conv2、全局平均池化层global avgpool以及全连接层FC1；
所述最大池化层maxpool1的输出与所述最大池化层maxpool2的输入之间设置顺次连接的卷积层conv3和全连接层FC2；所述最大池化层maxpool2的输出与所述最大池化层maxpool3的输入之间设置顺次连接的卷积层conv4和全连接层FC3；所述最大池化层maxpool3的输出与所述全局平均池化层global avgpool的输入之间设置顺次连接的卷积层conv5和全连接层FC4；所述最大池化...

【专利技术属性】
技术研发人员：蒋先国，何常红，刘平原，韩凌青，罗健，多俊军，邓洪，方怡，田红芬，宋新江，郑军，刘军财，亢佳增，赵志伟，郭晓霏，陈伟，李少鹏，魏博，李洪生，李佳俊，
申请(专利权)人：中国铁路设计集团有限公司，
类型：发明
国别省市：