【技术实现步骤摘要】
本专利技术属于城市轨道交通智能运维，尤其涉及一种轨道车辆碳滑板磨损预测方法、系统、模型、设备及终端。
技术介绍
1、目前，城市轨道交通行业都在加快自身从传统运维向智能运维模式转变的步伐，传统运维是靠经验和制度规章趋动的模糊静态决策，智能运维则是数据趋动的精准动态决策，而要实现转变的关键就是模型和算法。碳滑板是轨道车辆受电弓设备上最重要引导电流部件，由于长期与接触网摩擦导致其更换频繁，轨道公司每年投入碳滑板的采购耗资近千万元。
2、从目前城市轨道交通智能运维系统架构可以看出，中间层是感知层和应用层的纽带，中间层的核心包括数据和模型算法，目前大多数企业在中间层只做了数据采集这一方面的工作，模型和算法只做了简单的统计分析和可视化，并没有深层次挖掘数据信息并设计针对本地化的决策优化模型和算法，因此从行业宏观层面看，对轨道车辆碳滑板磨损进行预测有着重要的意义。
3、碳滑板是受电弓引流的最重要部件，磨耗到限或故障后只能更换，无法维修，而且其因正常磨耗和故障更换的频率很快，因此其智能运维过程就是根据正常磨耗和故障状况，对更换、采购和仓储环节给出最佳决策，最终目标是提高列车运行可靠性，提高碳滑板利用率，降低采购和仓储费用支出。针对碳滑板摩擦的研究主要有两方面：一方面是碳滑板摩擦特性分析，并且在此基础上建立回归模型对碳滑板的磨耗进行建模分析。另一方面的研究是运用机器视觉或者红外传感器技术监测碳滑板厚度变化和故障情况，并以此开发算法对其健康状况进行评估。针对碳滑板寿命预测的研究主要还是通过数据统计得到寿命分布规律，在此基础上
4、通过上述分析，现有技术存在的问题及缺陷为：
5、(1)现有城市轨道交通智能运维系统在中间层仅仅进行了数据采集工作，模型和算法只进行了简单的统计分析和可视化，并没有深层次挖掘数据信息并设计针对本地化的决策优化模型和算法。
6、(2)已有的碳滑板厚度预测以人工神经网络模型为主流，但是该模型的超参数调节限制了模型的泛化能力，并且人工神经网络的训练耗时极大，因此需要开发泛化能力强的高效的数据自适应模型和算法。
7、(3)企业现有碳滑板的更换依靠工人经验判断下一次测量时厚度是否低于25mm，更换决策不准确，导致碳滑板厚度检测时发现厚度已经磨耗到25mm以下，使得列车在之前时间段的运行过程中可靠性降低。
8、(4)根据对往年碳滑板的消耗量预估，并且在预估量中加入余量的做法，企业以年为时间单位采购碳滑板，采购数量远大于需求，导致仓储的管理成本和设备折旧成本增加，造成财力资源的严重浪费。
9、(5)现有针对碳滑板运维管理的技术方案都是从单一视角对碳滑板进行分析，并没有将碳滑板寿命预测、更换、采购和仓储作为整体进行优化决策。
10、针对现有技术存在的问题，本专利技术提供了一种轨道车辆碳滑板磨损预测方法、系统、模型、设备及终端。
11、本专利技术是这样实现的，系统通过与企业数据库接口采集碳滑板统计数据；进行原始数据的标准化结构处理；进行碳滑板寿命预测建模以及求解算法设计；进行碳滑板更换优化建模以及求解算法设计；进行碳滑板更换、采购和仓储协同优化建模以及求解算法设计；基于matlab程序对碳滑板寿命预测模型、碳滑板更换优化模型、协同优化模型和求解算法的有效性进行验证，若验证通过，则执行基于python的应用程序平台开发，并进行企业运维系统数据接口融合验证；若验证不通过，则返回原始数据标准化结构处理，调整模型和算法。
12、进一步，轨道车辆碳滑板磨损预测方法包括以下步骤：
技术实现思路
1、步骤一，根据企业碳滑板数据测量记录，编写数据标准化处理程序，该程序作用将每个碳滑板时间(t)、走行里程(s)和厚度(y)3个特征数据转化为：(t,s)和(t,y)两组时间序列表示。
2、步骤二，使用dynamic time warping(dtw)算法计算任意两个碳滑板的area-based shape distance,得到d1和d2两个距离，将两个距离合并为一个欧几里德距离作为两个碳滑板相似度的度量标准。
3、步骤三，使用hierarchical clustering聚类算法对所有碳滑板聚类，聚类最佳数量以silhouette index指标确定。
4、步骤四，对属于一类的碳滑板厚度变化过程，构建8个gamma process退化模型候选集，然后采用基于后验分布最大的多元假设检验从中选出最优模型，利用并行计算确定测试碳滑板所属类别。
5、步骤五，结合碳滑板历史数据和待测数据，利用贝叶斯推断技术构建碳滑板剩余寿命实时计算模型。
6、步骤六，模型采用markov chain monte carlo算法求解；
7、步骤七，基于碳滑板剩余寿命预测，结合碳滑板故障统计数据，采用随机优化理论构建碳滑板更换优化模型，并采用拉格朗日松弛算法求解；
8、步骤八，基于寿命预测和碳滑板更换优化，将碳滑板更换、采购和仓储作为整体分析对象，建立协同多目标混合整数优化模型，利用线性化技术将模型转化为单目标线性混合整数优化模型，直接采用imb开发的cplex求解得到最优解。
9、进一步，轨道车辆碳滑板磨损预测方法还包括：
10、利用matlab软件对碳滑板剩余寿命预测模型、更换优化模型、协同多目标混合整数优化模型和求解算法进行有效性验证，在验证通过后基于python语言架构开发用于实际环境的应用程序，并和城市轨道交通运维平台数据接口对接。
11、本专利技术的另一目的在于提供一种应用所述的轨道车辆碳滑板磨损预测方法的轨道车辆碳滑板磨损预测系统，轨道车辆碳滑板磨损预测系统包括：
12、碳滑板剩余寿命预测模块，用于确定碳滑板磨损的随机过程，构建碳滑板剩余寿命预测模型，并采用马尔夫链蒙特卡洛算法求解模型；
13、碳滑板更换优化模块，用于结合碳滑板剩余寿命预测和故障统计数据，采用随机优化理论构建碳滑板更换优化模型，并采用拉格朗日松弛算法进行模型求解；
14、碳滑板协同优化模块，用于将碳滑板更换、采购和仓储作为整体分析对象，建立协同多目标混合整数优化模型并求解，得到针对碳滑板整体最优的更换、采购和仓储管理决策。
15、本专利技术的另一目的在于提供一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的轨道车辆碳滑板磨损预测方法的步骤。
16本文档来自技高网...
【技术保护点】
1.一种轨道车辆碳滑板磨损预测方法，其特征在于，包括：
2.如权利要求1所述轨道车辆碳滑板磨损预测方法，其特征在于，轨道车辆碳滑板磨损预测方法包括以下步骤：
3.如权利要求2所述轨道车辆碳滑板磨损预测方法，其特征在于，聚类最佳数量以Silhouetteindex指标确定。
4.如权利要求2所述轨道车辆碳滑板磨损预测方法，其特征在于，轨道车辆碳滑板磨损预测方法还包括：
5.一种应用如权利要求1～4任意一项所述轨道车辆碳滑板磨损预测方法的轨道车辆碳滑板磨损预测系统，其特征在于，轨道车辆碳滑板磨损预测系统，包括：
6.一种计算机设备，其特征在于，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1～4任意一项所述轨道车辆碳滑板磨损预测方法的步骤。
7.一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1～4任意一项所述轨道车辆碳滑板磨损预测方法的步骤。
8.一种信息数据处理终端，其特征在于，信息数据处理终端用
...【技术特征摘要】
1.一种轨道车辆碳滑板磨损预测方法，其特征在于，包括：
2.如权利要求1所述轨道车辆碳滑板磨损预测方法，其特征在于，轨道车辆碳滑板磨损预测方法包括以下步骤：
3.如权利要求2所述轨道车辆碳滑板磨损预测方法，其特征在于，聚类最佳数量以silhouetteindex指标确定。
4.如权利要求2所述轨道车辆碳滑板磨损预测方法，其特征在于，轨道车辆碳滑板磨损预测方法还包括：
5.一种应用如权利要求1～4任意一项所述轨道车辆碳滑板磨损预测方法的轨道车辆碳滑板磨损预测系统，其特征在...
【专利技术属性】
技术研发人员：刘杰，
申请(专利权)人：重庆工程职业技术学院，
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。