[發明專利]一種基于自適應深層特征提取的道岔剩余壽命預測方法

在審

• 申請號: 202110253530.7
• 申請日: 2021-03-09
• 公開（公告）號: CN112785092A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 李波;徐田華;王昕煜;張瑤;邢垚;付裕靜;許金華
• 申請（專利權）人: 中鐵電氣化局集團有限公司;中鐵電化（西安）通號設備有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/00;G06N3/04
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

本發明涉及高速鐵路信號設備智能維護領域，尤其涉及一種基于自適應深層特征提取的道岔剩余壽命預測方法，包括如下步驟：步驟1，深層特征提取和平滑，步驟2，特征選擇，步驟3，特征融合，步驟4，將道岔健康指標輸入到門控循環單元網格，進行道岔剩余壽命預測。本發明提出了一種基于改進稀疏自編碼器的道岔劣化深層特征自適應提取技術，與現有技術利用統計學知識進行時域和頻域特征手動提取方式相比，該方法能夠通過網絡結構中的反向傳播進行迭代尋優，從而尋找到能夠最大程度上表達劣化過程的特征，且特征個數可以通過網絡參數進行調整，適應性更高。

技術領域

本發明涉及高速鐵路信號設備智能維護領域，尤其涉及一種基于自適應深層特征提取的道岔剩余壽命預測方法。

背景技術

鐵路大提速給鐵路信號系統的安全性帶來了不小的挑戰，也給現場工作人員帶來了巨大的壓力。鐵路道岔是控制列車轉向、保證列車安全運行的重要設備。道岔轉換設備常年工作于室外，自然環境如雨雪、風沙等對其正常工作有著一定的影響。此外，列車經過時所帶來的巨大沖擊力也影響著它的健康狀況。

在目前的道岔系統現場維護工作當中，主要依靠人工瀏覽信號集中監測系統中的道岔動作電流、電壓曲線來進行系統健康狀態判別，這種方式對現場人員的經驗和水平要求較高，維護方式主要為定期維護，無法根據系統實時健康狀態確定維護計劃，容易造成“淺維護”和“過維護”。近年來，道岔剩余壽命(Remaining Useful Life，RUL)預測技術一直是研究熱點，科學有效的預測技術有助于實現設備的智能化維護，對于避免非計劃停運、確保運行安全具有非常重要的意義?，F有技術存在的明顯不足是在特征提取任務中大多依賴統計學知識，采用時域和頻域分析進行劣化特征提取，這種方式提取的特征維數較低且往往只停留在表層，無法挖掘道岔劣化的深層特征，因而很難取得較為精確的預測結果。近年來，深度學習算法憑借其強大的非線性學習能力在高維數據特征提取領域的應用越來越廣泛，為道岔剩余壽命預測提供了一種新思路。

發明內容

本發明的目的在于提供一種基于自適應深層特征提取的道岔剩余壽命預測方法，以克服現有技術的問題。

本發明的實現過程如下：

一種基于自適應深層特征提取的道岔剩余壽命預測方法，包括如下步驟：

步驟1，深層特征提取和平滑

利用道岔動作功率采集模塊獲取道岔功率數據，對曲線進行分段處理，選取轉換階段數據作為樣本輸入到改進的稀疏自編碼器網絡輸入層，通過編碼和解碼過程以及反向傳播迭代尋優，將誤差最小時的隱藏層表達式輸出為道劣化深層特征，利用局部加權回歸算法對深層特征進行平滑處理，消除噪聲干擾；

步驟2，特征選擇

對平滑處理之后的深層特征進行單調性、趨勢性和魯棒性分析，對特征進行排序，選出與道岔劣化過程高度相關的特征組合，然后利用距離相關系數對特征之間的相關性進行量化，從而選取出冗余度最小的特征組合作為最佳特征組合；

步驟3，特征融合

將最佳特征組合中的所有特征作為輸入向量，選取道岔前期轉換過程數據作為健康數據空間，將整個生命周期的數據映射到健康空間得到預期健康向量，利用原始空間和預期健康空間之間的歐氏距離進行計算得到道岔健康指標；

步驟4，壽命預測

將道岔健康指標輸入到門控循環單元網格，進行道岔剩余壽命預測。

進一步，步驟1的具體過程為：