[發明專利]一種基于SVM的軌道交通故障診斷方法及系統

在審

• 申請號: 201410009600.4
• 申請日: 2014-01-09
• 公開（公告）號: CN103745229A
• 公開（公告）日: 2014-04-23
• 發明（設計）人: 鮑俠
• 申請（專利權）人: 北京泰樂德信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京君尚知識產權代理事務所(普通合伙) 11200
• 代理人: 余長江

技術領域

本發明提供一種基于SVM的軌道交通故障診斷方法及系統，涉及鐵路信號數據、鐵路通信數據、鐵路知識數據、系統報警數據、機器學習、SVM（支持向量機）、等技術領域，用以解決軌道交通監測數據的數據分析問題。

背景技術

目前,軌道交通(國有鐵路、企業鐵路和城市軌道交通)領域、監測維護產品主要有三類：CSM(信號集中監測系統)、各設備維護機、通信網管系統。為了提高我國鐵路信號系統設備的現代化維修水平，從90年代開始，先后自主研制了TJWX-I型和TJWX-2000型等不斷升級中的信號集中監測CSM系統。目前大部分車站都采用了計算機監測系統，實現了對車站信號設備狀態的實時監測，并通過監測與記錄信號設備的主要運行狀態，為電務部門掌握設備的當前狀態和進行事故分析提供了基本依據，發揮了重要作用。并且，對城市軌道交通信號設備，集中監測CSM系統也被廣泛部署在城軌集中站/車輛段等處，供城軌運維使用。此外，伴隨我國高速鐵路的建設發展，高鐵特有的RBC系統、TSRS系統、ATP系統，也面臨著納入信號集中監測系統的需求，也面臨著提高其監測能力、運維能力，以及設備自診斷能力的需求。

數據挖掘分析是利用統計分析的數學知識，分析文本、圖像、數值等數據，發現數據的隱含規則、關系，建立數據模型，用于對數據進行分類、聚類、統計等操作。SVM是非常成熟的數據分類算法，支持二類分類和多類分類。SVM的主要思想為：它是針對線性可分情況進行分析，對于線性不可分的情況，通過使用非線性映射算法將低維輸入空間線性不可分的樣本轉化為高維特征空間使其線性可分，從而使得高維特征空間采用線性算法對樣本的非線性特征進行線性分析成為可能。

軌道交通監測數據的挖掘分析，對于判斷和分析軌道交通的技術故障具有重要的意義。目前多是靠人工在海量的監測數據中進行故障的判斷和分析，需要大量的人力成本以及故障原因分析的時間，從而難以為后續的維修、救援等工作提供時間保障，因而需要研究更高效的軌道交通監測數據分析和故障分析方法。隨著軌道交通監測技術的不斷發展，越來越多的監測設備被安裝使用，采集得到的監測數據的種類和數量也越來越多，使用算法在一定程度上替代人工分析是一個必然的趨勢。

發明內容

本發明的目的是針對軌道交通監測數據進行數據分析，利用SVM對監測數據進行分類，可以顯示故障原因分類等操作。通過自動化的監測手段來代替人工在海量的監測數據中進行故障的判斷和分析，大量節約的人力成本以及故障原因分析的時間，為后續的維修、救援等工作提供時間保障。

為實現上述目的，本發明采用的技術方案如下：

一種基于SVM的軌道交通故障診斷方法，其步驟包括：

1）通過數據歸集組件采集軌道交通的歷史監測數據及實時監測數據，并將這些數據傳輸到數據分析服務器中；

2）數據分析服務器存儲各類監測數據，并對其進行預處理以將其規范化；

3）數據分析服務器分析具體的故障以及故障產生的原因，對監測數據進行特征選擇，映射出與故障問題相關的監測數據；

4）數據分析服務器對特征數據進行向量化，將其轉換為可被SVM處理的空間向量模型數據；

5）數據分析服務器根據空間向量模型對歷史監測數據進行模型訓練，產生對應的問題分類模型；

6）數據分析服務器根據由歷史監測數據得到的分類模型，對實時監測數據進行計算分析和分類，判斷是否有故障并得出故障產生的原因。

進一步地，步驟1）所述數據歸集組件包括歷史監測數據歸集和實時數據歸集，并與運維部門如車站、電務段的集中監測系統（CSM）連接。歷史數據可以從歷史數據庫中獲取，實時監測數據則需要與相應的數據采集設備進行交互。

進一步地，步驟2）中數據分析服務器在存儲監測數據時，將格式化的監測數據以文本的格式存儲在本地文件系統之中，如存儲到Excel或者文本中，這樣更有助于數據的處理，并對數據預處理步驟提供數據支撐。

進一步地，步驟2）中數據分析服務器對監測數據進行的預處理，包括檢查并處理得到的監測數據中的異常點，檢查數據的完整性，對不同車站、電務段的監測數據進行融合，對監測數據進行變換、歸一化等操作，以統一數據的格式和取值范圍。對歷史監測數據進行預處理，包括數據的清洗、數據轉換、數據規范化等步驟，去掉噪音數據、不完整的數據等，將監測數據規范化。