[發明專利]一種基于機器學習的道岔轉轍機異常診斷方法及系統

在審

• 申請號: 202011578819.8
• 申請日: 2020-12-28
• 公開（公告）號: CN112668715A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 朱存仁;胡恩華;涂鵬飛;魏盛昕
• 申請（專利權）人: 卡斯柯信號有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06F16/248;B61L5/06
• 代理公司: 上海元好知識產權代理有限公司 31323
• 代理人: 張靜潔;徐雯瓊

本發明提供一種基于機器學習的道岔轉轍機異常診斷方法，包含步驟：多次采集道岔轉轍機動作時的多類工作特性曲線建立多個工作特性曲線組，基于選取的參考工作特性曲線組為每組工作特性曲線生成對應的曲線數據；基于為曲線數據設置的標簽將曲線數據放入正常數據池或故障數據池；采樣正常、故障數據池中的曲線數據建立訓練數據集和測試數據集；通過訓練數據集、測試數據集預訓練卷積神經網絡模型，該模型用于識別道岔轉轍機動作時是否出現故障及故障類型；處理需要診斷的工作特性曲線組獲取其曲線數據，將該曲線數據輸入至訓練好的卷積神經網絡模型中，得到對應的道岔轉轍機故障判斷結果。本發明還提供一種基于機器學習的道岔轉轍機異常診斷系統。

技術領域

本發明涉及軌道交通轉轍機設備檢測技術領域，特別涉及一種基于機器學習的道岔轉轍機異常診斷方法及系統。

背景技術

隨著我國鐵路的快速發展，對鐵路信號設備的安全性和可靠性提出了更高的要求。道岔是鐵路信號設備的關鍵組成部分，其狀態直接影響著鐵路運輸的安全和效率。道岔使列車從一股軌道轉到另一股軌道，是排列列車進路和實現進路轉換的關鍵設備。轉轍機是道岔的轉換設備，用來實現轉換道岔、鎖閉道岔及反映道岔尖軌所處位置。其故障是造成鐵路重大事故的主要原因之一。

目前，通過將微機監測系統監測道岔的動作狀態及人工定期排查這兩種方式相結合來檢修道岔。微機監測系統采集了道岔的動作電壓和動作電流等數據，并在系統中顯示出道岔的動作電流曲線和功率曲線。通過個別有經驗的工作人員主動調取微機監測系統中的道岔轉轍機的動作電流曲線和功率曲線，并對調取的曲線進行分析,判斷轉轍機是否故障或存在安全隱患。

現有技術中的微機監測系統并不能夠提前預測道岔轉轍機的故障，而基于定期排查和工作人員分析微機監測系統中存儲的曲線信息的故障診斷及預測方法，非常依賴于工作人員的經驗知識和專業水平。工作人員一般只有在采集的轉轍機電壓、電流、功率曲線與參考曲線的差異比較明顯的情況下(如轉轍機電流曲線斜率陡增)，才有可能識別道岔故障。而往往采集的同一種曲線對于不同的設備來說可能表示不同的運行狀況，尤其對于識別特殊工況與環境下的轉轍機故障，依賴于個人經驗往往出現錯判。工作人員寶貴的處理經驗只能孤立地存在于某一運維單位內部或只是被某些人知曉，道岔故障可能在以往的其他線路發生并得到了解決，當問題再次發生時，由于人員流動或其他原因，以往的知識無法被有效地利用起來，形成了重復故障及故障延時，從而耽誤了乘客的出行效率。

綜上所述，現有技術中的道岔轉轍機異常診斷方法不僅工作量大、效率低，且對道岔轉轍機故障判斷可靠性不高，已無法滿足現有高速鐵路對運行安全和效率的要求。

發明內容

本發明的目的是提供一種基于機器學習的道岔轉轍機異常診斷方法及系統，能夠基于卷積神經網絡模型對采集的道岔轉轍機動作時的三相電流特性曲線、功率特性曲線進行智能分析，自動識別出轉轍機的故障及隱患，極大地提高了道岔轉轍機異常診斷的效率及診斷結果的正確率。

為了達到上述目的，本發明提供一種基于機器學習的道岔轉轍機異常診斷方法，包含步驟：

多次采集道岔轉轍機動作時的多類工作特性曲線，一次采集的多類工作特性曲線作為一個工作特性曲線組；基于轉轍機的動作類型，選取一組工作特性曲線作為與該動作類型對應的參考工作特性曲線組；歸一化所述工作特性曲線；基于轉轍機的動作類型、對應的參考工作特性曲線組預處理每組工作特性曲線為矩陣形式的曲線數據；

通過人工為所述曲線數據設置標簽，所述標簽用于指示道岔轉轍機是否故障及故障類型；基于所述標簽，將曲線數據放入正常數據池或故障數據池；

采樣所述正常、故障數據池中的曲線數據建立訓練數據集和測試數據集；

通過所述訓練數據集、測試數據集預訓練卷積神經網絡模型，所述卷積神經網絡模型用于識別道岔轉轍機動作時是否出現故障及故障類型；