[發明專利]一種軌道交通設備的大數據診斷方法

在審

• 申請號: 202110276824.1
• 申請日: 2021-03-15
• 公開（公告）號: CN112861799A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 李昊;胡旭泉;杜廣東
• 申請（專利權）人: 深圳市創捷科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08;G06N3/04
• 代理公司: 深圳市合道英聯專利事務所(普通合伙) 44309
• 代理人: 廉紅果

1.一種軌道交通設備的大數據診斷方法，包括：

獲取交通設備的至少兩組設備信號；

對所述設備信號進行特征提取，利用提取的特征生成特征集；

篩選出所述特征集內滿足所述預設條件的優質特征，得到優質特征集合；

對所述優質特征集合進行智能故障識別，得到識別結果；

將各組設備信號對應的的所述識別結果進行集成，生成所述交通設備的最終診斷數據。

2.根據權利要求1所述的一種軌道交通設備的大數據診斷方法，其特征在于，篩選出所述特征集內滿足所述預設條件的優質特征，得到優質特征集合，包括：

對所述特征集內的子特征進行距離評估分析，得到所述子特征的距離評估值；

篩選出所述距離評估值大于預設評估值的所述子特征，作為優質特征；

利用多個所述優質特征生成優質特征集合。

3.根據權利要求2所述的一種軌道交通設備的大數據診斷方法，其特征在于，對所述特征集內的所述子特征進行距離評估分析，得到各個所述子特征的距離評估值，包括：

獲取特征集，{q_m,c,j|m＝1,2,…,M_c；c＝1,2,…,C；j＝1,2,…,J},其中M_c為第c類的所述子特征的樣本數，C為所述子特征的種類，J為每一類的所述子特征個數；q_m,c,j是第c類的第m個樣本的第j個特征；

計算第c類中第j個特征的類內距離d_c,j，和第c類M_c個樣本第j個特征的平均值u_c,j；

根據所述類內距離d_c,j計算得到d_c,j的平均類內距離根據所述平均值u_c,j計算得到第j個特征的平均類間距離

根據所述平均類內距離和所述平均類間距離計算第j個特征的距離評估值α_j。

4.根據權利要求1所述的一種軌道交通設備的大數據診斷方法，其特征在于，對所述優質特征集合進行智能故障識別，得到識別結果，包括：

針對每組的所述設備信號，分別構建深度ReSNet模型；

將所述優質特征集合內的所述優質特征作為對應的所述深度ReSNet模型的輸入進行智能故障識別，輸出識別結果。

5.根據權利要求4所述的一種軌道交通設備的大數據診斷方法，其特征在于，所述深度ReSNet模型至少包括兩個殘差學習單元，所述殘差學習單元包括卷積結構。

6.根據權利要求5所述的一種軌道交通設備的大數據診斷方法，其特征在于，所述方法還包括：

通過所述卷積結構中的卷積層對輸入的所述優質特征進行卷積操作，得到卷積結果；

通過所述卷積結構中的池化層對所述卷積結果進行下采樣池化操作，通過所述池化操作對所述卷積結果內的所述優質特征進行降維。

7.根據權利要求6所述的一種軌道交通設備的大數據診斷方法，其特征在于，所述深度ReSNet模型至少還包括兩層全連接層；

所述方法還包括，將降維后的所述優質特征輸入全連接層；

在所述全連接層內通過激活函數對輸入的所述優質特征進行激活，得到輸出結果，將所述輸出結果傳遞到下一所述全連接層；

所述全連接層的最后一層的所述輸出結果為模式分類結果，作為所述識別結果。

8.根據權利要求7所述的一種軌道交通設備的大數據診斷方法，其特征在于，將各組設備信號對應的的所述識別結果進行集成，生成所述交通設備的最終診斷數據，計算公式為：

式中，為第n組對應的最后一層所述全連接層的輸出，的表達式為式中，Q為健康狀態數；

label表示算法識別的設備健康狀態標簽，MaxL(·)輸出向量最大值所在的位置編號，N為所述設備信號的組的數量。