轨道车辆预警方法及装置制造方法及图纸

本公开提供了一种轨道车辆预警方法及装置

【技术实现步骤摘要】
轨道车辆预警方法及装置、电子设备、存储介质


[0001]本公开涉及但不限于轨道交通
，尤其涉及一种轨道车辆预警方法及装置
、
电子设备
、
存储介质
。

技术介绍

[0002]轨道车辆制动系统作为轨道车辆的重要组成部分，其在轨道车辆的运行过程中可以进行车速控制，以保证轨道车辆的行车安全
。
轨道车辆制动系统的常见故障多表现为制动空转
、
滑行
、
轮轴抱死
、
传感器故障等
。
其中，传感器的常见故障主要由传感器内部线路短路
、
连接线路短路或者松动等因素引起
。
因此，如何对轨道车辆进行故障检测的问题备受关注
。

技术实现思路

[0003]有鉴于此，本公开实施例期望提供一种轨道车辆预警方法及装置
、
计算机设备
、
存储介质
。
[0004]第一方面，本公开实施例提供一种轨道车辆预警方法，所述方法包括：
[0005]获取所述轨道车辆的传感器在预设时长内的传感数据；
[0006]利用预设的异常检测模型对所述预设时长内的传感数据进行异常检测，得到所述异常检测模型对应的异常检测结果；
[0007]根据异常检测结果表征异常的发生频率，确定所述传感器是否异常；
[0008]响应于所述传感器异常，输出预警信息
。
[0009]在一些实施例中，所述方法还包括：
[0010]按时间窗将所述预设时长内的传感数据进行划分，得到多个时间窗对应的传感数据；
[0011]所述利用预设的异常检测模型对所述预设时长内的传感数据进行异常检测，得到所述异常检测模型对应的异常检测结果，包括：
[0012]利用所述异常检测模型对所述多个时间窗对应的传感数据进行异常检测，得到所述异常检测模型对应的异常检测结果
。
[0013]在一些实施例中，所述方法还包括：
[0014]获取所述传感器的历史传感数据；
[0015]根据所述历史传感数据，确定所述异常检测模型对应的表征异常的阈值范围；
[0016]所述利用所述异常检测模型对所述多个时间窗对应的传感数据进行异常检测，得到所述异常检测模型对应的异常检测结果，包括：
[0017]根据所述异常检测模型对应的表征异常的阈值范围与所述多个时间窗对应的传感数据，确定所述异常检测模型对应的异常检测结果
。
[0018]在一些实施例中，所述异常检测模型包括传感器断开检测子模型；
[0019]所述根据所述异常检测模型对应的表征异常的阈值范围与所述多个时间窗对应
的传感数据，确定所述异常检测模型对应的异常检测结果，包括：
[0020]针对每一时间窗对应的传感数据，确定所述时间窗内相邻传感数据维持一致的最大时长；
[0021]根据所述最大时长与所述时间窗对应的时长的比值，确定所述时间窗对应的断开率值；
[0022]根据各时间窗对应的断开率值，确定所述预设时长对应的断开率值；
[0023]响应于所述预设时长的断开率值在所述传感器断开检测子模型对应的表征异常的阈值范围内，确定所述传感器断开检测子模型对应的检测结果表征异常；其中，所述传感器断开检测子模型对应的表征异常的阈值范围为基于历史断开率值的均值确定的范围
。
[0024]在一些实施例中，所述异常检测模型还包括极值检测子模型；
[0025]所述根据所述异常检测模型对应的表征异常的阈值范围与所述多个时间窗对应的传感数据，确定所述异常检测模型对应的异常检测结果，包括：
[0026]针对每一时间窗对应的传感数据，确定所述时间窗内传感数据不在预设极值阈值范围的极值异常数据量；
[0027]根据各时间窗对应的所述极值异常数据量与所述时间窗对应的传感数据总量，确定所述时间窗对应的极值异常率值；
[0028]根据各时间窗对应的极值异常率值，确定所述预设时长对应的极值异常率值；
[0029]响应于所述预设时长对应的极值异常率值在所述极值检测子模型对应的表征异常的阈值范围内，确定所述极值检测子模型对应的检测结果表征异常；其中，所述极值检测子模型对应的表征异常的阈值范围为基于历史极值异常率值的均值确定的范围
。
[0030]在一些实施例中，所述异常检测模型还包括离群检测子模型；
[0031]所述根据所述异常检测模型对应的表征异常的阈值范围与所述多个时间窗对应的传感数据，确定所述异常检测模型对应的异常检测结果，包括：
[0032]针对每一时间窗对应的传感数据，确定所述时间窗内每一传感数据与预设传感数据中位值的差异值，并确定差异值不在预设差异阈值范围内的传感数据的离群数据量；
[0033]根据时间窗对应的离群数据量与所述时间窗对应的传感数据总量，确定所述时间窗对应的离群率值；
[0034]根据各时间窗对应的离群率值，确定所述预设时长对应的离群率值；
[0035]响应于所述预设时长对应的离群率值在所述离群检测子模型对应的表征异常的阈值范围内，确定所述离群检测子模型对应的检测结果表征异常；其中，所述离群检测子模型对应的表征异常的阈值范围为基于历史离群率值的均值确定的范围
。
[0036]在一些实施例中，所述异常检测模型还包括跳变检测子模型；
[0037]所述根据所述异常检测模型对应的表征异常的阈值范围与所述多个时间窗对应的传感数据，确定所述异常检测模型对应的异常检测结果，包括：
[0038]针对每一时间窗对应的传感数据，确定所述时间窗内相邻传感数据的差分值，并确定差分值不在预设差分阈值范围内的跳变数据量；
[0039]根据时间窗对应的跳变数据量与所述时间窗对应的差分数据总量，确定所述时间窗对应的跳变率值；
[0040]根据各时间窗对应的跳变率值，确定所述预设时长对应的跳变率值；
[0041]响应于所述预设时长对应的跳变率值在所述跳变检测子模型对应的表征异常的阈值范围内，确定所述跳变检测子模型对应的检测结果表征异常；其中，所述跳变检测子模型对应的表征异常的阈值范围为基于历史跳变率值的均值确定的范围
。
[0042]在一些实施例中，所述方法还包括：
[0043]确定预设周期内根据多个预设时长内的传感数据得到的多个异常检测结果中，异常检测结果表征异常的异常次数；
[0044]根据所述异常次数与所述预设周期内异常检测总次数的比值，确定所述异常检测模型对应的异常的发生频率；
[0045]所述根据异常检测结果表征异常的发生频率，确定所述传感器是否异常，包括：
[0046]响应于所述异常检测模型对应的异常的发生频率在预设的异常率阈值范围内，确定所述传感器异常
。
[0047]在一些实施例中，所述方法还包括：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种轨道车辆预警方法，其特征在于，所述方法包括：获取所述轨道车辆的传感器在预设时长内的传感数据；利用预设的异常检测模型对所述预设时长内的传感数据进行异常检测，得到所述异常检测模型对应的异常检测结果；根据异常检测结果表征异常的发生频率，确定所述传感器是否异常；响应于所述传感器异常，输出预警信息
。2.
根据权利要求1所述的方法，其特征在于，所述方法还包括：按时间窗将所述预设时长内的传感数据进行划分，得到多个时间窗对应的传感数据；所述利用预设的异常检测模型对所述预设时长内的传感数据进行异常检测，得到所述异常检测模型对应的异常检测结果，包括：利用所述异常检测模型对所述多个时间窗对应的传感数据进行异常检测，得到所述异常检测模型对应的异常检测结果
。3.
根据权利要求2所述的方法，其特征在于，所述方法还包括：获取所述传感器的历史传感数据；根据所述历史传感数据，确定所述异常检测模型对应的表征异常的阈值范围；所述利用所述异常检测模型对所述多个时间窗对应的传感数据进行异常检测，得到所述异常检测模型对应的异常检测结果，包括：根据所述异常检测模型对应的表征异常的阈值范围与所述多个时间窗对应的传感数据，确定所述异常检测模型对应的异常检测结果
。4.
根据权利要求3所述的方法，其特征在于，所述异常检测模型包括传感器断开检测子模型；所述根据所述异常检测模型对应的表征异常的阈值范围与所述多个时间窗对应的传感数据，确定所述异常检测模型对应的异常检测结果，包括：针对每一时间窗对应的传感数据，确定所述时间窗内相邻传感数据维持一致的最大时长；根据所述最大时长与所述时间窗对应的时长的比值，确定所述时间窗对应的断开率值；根据各时间窗对应的断开率值，确定所述预设时长对应的断开率值；响应于所述预设时长的断开率值在所述传感器断开检测子模型对应的表征异常的阈值范围内，确定所述传感器断开检测子模型对应的检测结果表征异常；其中，所述传感器断开检测子模型对应的表征异常的阈值范围为基于历史断开率值的均值确定的范围
。5.
根据权利要求3所述的方法，其特征在于，所述异常检测模型还包括极值检测子模型；所述根据所述异常检测模型对应的表征异常的阈值范围与所述多个时间窗对应的传感数据，确定所述异常检测模型对应的异常检测结果，包括：针对每一时间窗对应的传感数据，确定所述时间窗内传感数据不在预设极值阈值范围的极值异常数据量；根据各时间窗对应的所述极值异常数据量与所述时间窗对应的传感数据总量，确定所述时间窗对应的极值异常率值；
根据各时间窗对应的极值异常率值，确定所述预设时长对应的极值异常率值；响应于所述预设时长对应的极值异常率值在所述极值检测子模型对应的表征异常的阈值范围内，确定所述极值检测子模型对应的检测结果表征异常；其中，所述极值检测子模型对应的表征异常的阈值范围为基于历史极值异常率值的均值确定的范围
。6.
根据权利要求3所述的方法，其特征在于，所述异常检测模型还包括离群检测子模型；所述根据所述异常检测模型对应的表征异常的阈值范围与所述多个时间窗对应的传感数据，确定所述异常检测模型对应的异常检测结果，包括：针对每一时间窗对应的传感数据，确定所述时间窗内每一传感数据与预设传感数据中位值的差异值，并确定差异值不在预设差异阈值范围内的传感数据的离群数据量；根据时间窗对应的离群数据量与所述时间窗对应的传感数据总量，确定所述时间窗对应的离群率值；根...

【专利技术属性】
技术研发人员：陈美霞，张金磊，滑瑾，吕红强，黄涛，齐玉玲，黄盼，
申请(专利权)人：中车南京浦镇车辆有限公司，
类型：发明
国别省市：