[發(fā)明專利]鐵路故障處理運(yùn)維決策建議方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202210029155.2
• 申請(qǐng)日: 2022-01-12
• 公開(kāi)（公告）號(hào): CN114048882B
• 公開(kāi)（公告）日: 2022-05-03
• 發(fā)明（設(shè)計(jì)）人: 宋健;傅衛(wèi)國(guó)
• 申請(qǐng)（專利權(quán)）人: 北京鼎興達(dá)信息科技股份有限公司
• 主分類號(hào): G06Q10/00
• 分類號(hào): G06Q10/00;G06Q50/26;G06Q50/30;G06F16/903;G06K9/62
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 謝明暉

本公開(kāi)的實(shí)施例提供了鐵路故障處理運(yùn)維決策建議方法、裝置、設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。所述方法包括獲取狀態(tài)數(shù)據(jù)；將所述狀態(tài)數(shù)據(jù)輸入至故障檢測(cè)模型，得到所述狀態(tài)數(shù)據(jù)中的故障數(shù)據(jù)；基于所述故障數(shù)據(jù)，生成與其對(duì)應(yīng)的場(chǎng)景圖特征；將所述故障數(shù)據(jù)和與其對(duì)應(yīng)的場(chǎng)景圖特征進(jìn)行融合，得到融合特征；將所述融合特征和運(yùn)維方案數(shù)據(jù)庫(kù)中的運(yùn)維決策建議模板進(jìn)行匹配，得到與其對(duì)應(yīng)的運(yùn)維決策建議。以此方式，提高了軌道交通數(shù)據(jù)分析和故障診斷的效率和準(zhǔn)確性。

技術(shù)領(lǐng)域

本公開(kāi)的實(shí)施例一般涉及軌道數(shù)據(jù)處理領(lǐng)域，并且更具體地，涉及鐵路故障處理運(yùn)維決策建議方法、裝置、設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著我國(guó)鐵路運(yùn)輸?shù)母咚侔l(fā)展，高速鐵路、普速鐵路、貨運(yùn)鐵路、重載鐵路、城市軌道交通等鐵路運(yùn)輸?shù)倪\(yùn)營(yíng)里程也在飛速增長(zhǎng)中，各類鐵路的正常運(yùn)營(yíng)與鐵路日常維護(hù)維修的矛盾也越來(lái)越突出。如何在故障發(fā)生時(shí)，合理的調(diào)配人力、物資、時(shí)間等資源，成為鐵路日常運(yùn)維中提高管理水平和運(yùn)維決策能力重要課題。

目前，鐵路日常運(yùn)營(yíng)中，針對(duì)工務(wù)、電務(wù)、供電專業(yè)的基礎(chǔ)設(shè)施故障處理的流程是：通過(guò)監(jiān)測(cè)、檢測(cè)、人工巡檢等方式發(fā)現(xiàn)設(shè)施設(shè)備出現(xiàn)的故障，利用鐵路專業(yè)系統(tǒng)或者鐵路專業(yè)專家分析故障的原因，根據(jù)故障原因，依據(jù)鐵路各級(jí)單位制定的鐵路維修作業(yè)指導(dǎo)書(shū)、鐵路維修作業(yè)安全管理實(shí)施細(xì)則等各類規(guī)章制度，以及相關(guān)鐵路專業(yè)的專家經(jīng)驗(yàn)，制定故障維修計(jì)劃、安排維修作業(yè)人員、安排維修使用的工器具和物料、安排維修故障維修時(shí)間，鐵路運(yùn)維人員根據(jù)故障維修計(jì)劃上線進(jìn)行故障維修，最終使得故障問(wèn)題得以處理解決。

發(fā)明內(nèi)容

根據(jù)本公開(kāi)的實(shí)施例，提供了一種鐵路故障處理運(yùn)維決策建議方案。

在本公開(kāi)的第一方面，提供了一種鐵路故障處理運(yùn)維決策建議方法。該方法包括：

獲取狀態(tài)數(shù)據(jù)；

將所述狀態(tài)數(shù)據(jù)輸入至故障檢測(cè)模型，得到所述狀態(tài)數(shù)據(jù)中的故障數(shù)據(jù)；基于所述故障數(shù)據(jù)，生成與其對(duì)應(yīng)的場(chǎng)景圖特征；

將所述故障數(shù)據(jù)和與其對(duì)應(yīng)的場(chǎng)景圖特征進(jìn)行融合，得到融合特征；

將所述融合特征和運(yùn)維方案數(shù)據(jù)庫(kù)中的運(yùn)維決策建議模板進(jìn)行匹配，得到與其對(duì)應(yīng)的運(yùn)維決策建議。

進(jìn)一步地，所述故障檢測(cè)模型通過(guò)如下方式進(jìn)行訓(xùn)練：

生成訓(xùn)練樣本集合，其中，訓(xùn)練樣本包括帶有標(biāo)注信息的狀態(tài)數(shù)據(jù)；所述標(biāo)注信息包括故障數(shù)據(jù)；

利用所述訓(xùn)練樣本集合中的樣本對(duì)故障檢測(cè)模型進(jìn)行訓(xùn)練，以所述狀態(tài)數(shù)據(jù)作為輸入，以故障數(shù)據(jù)作為輸出，當(dāng)輸出的故障數(shù)據(jù)與標(biāo)注的故障數(shù)據(jù)的統(tǒng)一率滿足預(yù)設(shè)閾值時(shí)，完成對(duì)故障檢測(cè)模型的訓(xùn)練。

進(jìn)一步地，所述基于所述故障數(shù)據(jù)，生成與其對(duì)應(yīng)的場(chǎng)景圖特征包括：

將所述故障數(shù)據(jù)轉(zhuǎn)化成場(chǎng)景圖，場(chǎng)景圖是一種數(shù)據(jù)結(jié)構(gòu)，其中每個(gè)節(jié)點(diǎn)代表一個(gè)對(duì)象，連接對(duì)象之間的邊代表所屬關(guān)系，使用詞嵌入技術(shù)Skip-Gram網(wǎng)絡(luò)將場(chǎng)景圖中的所有對(duì)象以及對(duì)象之間的所屬關(guān)系轉(zhuǎn)換為嵌入向量。

進(jìn)一步地，還包括：

通過(guò)CBOW模型提取所述嵌入向量的對(duì)象與對(duì)象之間的注意力系數(shù)，定義為：

其中，所述H_ij(H_ij∈s×t)表示，場(chǎng)景圖的任意邊()中對(duì)象對(duì)對(duì)象的貢獻(xiàn)率；

所述矩陣f，用于將場(chǎng)景圖中所有對(duì)象及關(guān)系向量集轉(zhuǎn)換為更高級(jí)的特征向量，使其具有更強(qiáng)的表達(dá)能力；

所述，[]是對(duì)進(jìn)行拼接處理的操作，每個(gè)對(duì)象節(jié)點(diǎn)的輸出描述為其與其他對(duì)象的加權(quán)和的形式：

進(jìn)一步地，所述運(yùn)維方案數(shù)據(jù)庫(kù)通過(guò)如下方式進(jìn)行構(gòu)建：