一種列車軸溫異常的檢測(cè)方法、裝置以及列車的制作方法
【專利摘要】本發(fā)明公開(kāi)了一種列車軸溫異常的檢測(cè)方法及裝置，通過(guò)實(shí)時(shí)采集列車軸溫的當(dāng)前數(shù)據(jù)；將當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)，溫度分布模型為通過(guò)對(duì)正常工況下的歷史軸溫?cái)?shù)據(jù)進(jìn)行建模分析，提取相應(yīng)數(shù)據(jù)特征，確定列車軸溫異常判斷閾值的模型；在當(dāng)前數(shù)據(jù)超過(guò)列車軸溫異常判斷閾值時(shí)，生成判定當(dāng)前軸溫為異常狀態(tài)的結(jié)果信息。本申請(qǐng)通過(guò)對(duì)歷史軸溫?cái)?shù)據(jù)進(jìn)行全面的分析，深度挖掘數(shù)據(jù)特征，解析日常軸溫分布情況以及異常情況，推斷軸溫異常的可能性，找出識(shí)別軸溫異常的規(guī)則，基于數(shù)據(jù)分析結(jié)果和專家知識(shí)設(shè)定軸溫異常與否的判斷閾值，提高了軸溫異常檢測(cè)的準(zhǔn)確性，確保列車的安全運(yùn)行。此外，本發(fā)明還提供了一種具有上述技術(shù)效果的列車。
【專利說(shuō)明】
一種列車軸溫異常的檢測(cè)方法、裝置以及列車
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及軌道交通技術(shù)領(lǐng)域，特別是涉及一種列車軸溫異常的檢測(cè)方法、裝置 以及列車。
【背景技術(shù)】
[0002] 火車是現(xiàn)代主要交通工具之一，在旅客及貨物運(yùn)輸方面發(fā)揮了極大的作用，其安 全問(wèn)題一直受到各界人士的重點(diǎn)關(guān)注。列車為了防止輪對(duì)軸承內(nèi)部故障，造成燃軸、切軸、 甚至甩車等事故的發(fā)生，在各軸箱體的側(cè)面安裝了對(duì)軸箱軸承狀態(tài)進(jìn)行監(jiān)視的軸承溫度傳 感器，并將此溫度數(shù)據(jù)傳遞給列車網(wǎng)絡(luò)控制系統(tǒng)，當(dāng)發(fā)現(xiàn)軸溫異常時(shí)，列車網(wǎng)絡(luò)控制系統(tǒng)通 過(guò)司機(jī)室顯示屏顯示相應(yīng)信息，提醒司機(jī)采取減速、限速處理，必要時(shí)停車，確保列車的安 全運(yùn)行。
[0003] 目前，已有的軸溫異?；旧鲜腔趯＜医?jīng)驗(yàn)進(jìn)行定性的判斷，主要靠檢修經(jīng)驗(yàn) 和業(yè)務(wù)知識(shí)做定性的判斷處理。采用這種方法，一方面檢測(cè)人員勞動(dòng)強(qiáng)度大、效率低；另一 方面檢測(cè)人員的經(jīng)驗(yàn)知識(shí)存在差異，導(dǎo)致許多判斷帶有主觀性，不能很好的揭示客觀事物 內(nèi)在的本質(zhì)區(qū)別和聯(lián)系，缺少?gòu)膶?shí)際數(shù)據(jù)方面定量的統(tǒng)計(jì)分析與檢驗(yàn)，未形成完善的、統(tǒng)一 的軸溫異常判斷標(biāo)準(zhǔn)。
[0004] 各類異常情況判斷的準(zhǔn)確度不高，會(huì)導(dǎo)致列車運(yùn)行過(guò)程中產(chǎn)生誤報(bào)或者漏報(bào)的問(wèn) 題。頻繁的誤報(bào)會(huì)影響列車的正常運(yùn)行，但漏報(bào)又可能導(dǎo)致列車異常情況的進(jìn)一步演變，誤 報(bào)率與漏報(bào)率之間的平衡點(diǎn)依據(jù)經(jīng)驗(yàn)無(wú)法準(zhǔn)確定位。因此，迫切需要一種提高判斷軸溫異 常準(zhǔn)確性的方法。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種列車軸溫異常的檢測(cè)方法、裝置以及列車，以解決現(xiàn)有 判斷軸溫異常的方法準(zhǔn)確性不高的問(wèn)題。
[0006] 為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種列車軸溫異常的檢測(cè)方法，包括：
[0007] 實(shí)時(shí)采集列車軸溫的當(dāng)前數(shù)據(jù)；
[0008] 將所述當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)，所述溫度分布模型為通過(guò) 對(duì)正常工況下的歷史軸溫?cái)?shù)據(jù)進(jìn)行建模分析，提取相應(yīng)數(shù)據(jù)特征，確定列車軸溫異常判斷 閾值的模型；
[0009] 當(dāng)所述當(dāng)前數(shù)據(jù)超過(guò)所述列車軸溫異常判斷閾值時(shí)，生成判定當(dāng)前軸溫為異常狀 態(tài)的結(jié)果信息。
[0010] 可選地，所述溫度分布模型的建立過(guò)程為：
[0011] 獲取列車歷史軸溫?cái)?shù)據(jù)；
[0012] 對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行預(yù)處理，輸出降噪后的數(shù)據(jù)；
[0013] 采用凝聚的層次聚類方法對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行分析，對(duì)數(shù)據(jù)進(jìn)行分類與特征 提取，確定軸溫異常判斷第一閾值；
[0014] 對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行主成分分析，將第一主成分貢獻(xiàn)率與對(duì)應(yīng)的第一特征向 量作為特征指標(biāo)，確定軸溫異常判斷第二閾值；
[0015] 對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行斜率分析，統(tǒng)計(jì)預(yù)設(shè)時(shí)間內(nèi)的毛刺數(shù)量分布情況，確定 軸溫異常判斷第三閾值。
[0016] 可選地，在所述將所述當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)之前還包 括：
[0017] 對(duì)所述當(dāng)前數(shù)據(jù)進(jìn)行預(yù)處理，輸出降噪后的數(shù)據(jù)。
[0018] 可選地，所述將所述當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)包括：
[0019]通過(guò)聚類分析提取特征，將提取到的特征與所述軸溫異常判斷第一閾值進(jìn)行比 較，以判斷軸溫是否出現(xiàn)異常；
[0020] 當(dāng)判斷當(dāng)前軸溫為正常狀態(tài)時(shí)，采用主成分分析方法提取指標(biāo)，將提取到的指標(biāo) 與所述軸溫異常判斷第二閾值進(jìn)行比較，以判斷軸溫是否出現(xiàn)異常；
[0021] 當(dāng)判斷當(dāng)前軸溫為正常狀態(tài)時(shí)，計(jì)算所述預(yù)設(shè)時(shí)間內(nèi)的毛刺數(shù)量，將所述毛刺數(shù) 量與所述軸溫異常判斷第三閾值進(jìn)行比較，以判斷軸溫是否出現(xiàn)異常。
[0022] 可選地，還包括：
[0023] 當(dāng)判定當(dāng)前軸溫為異常狀態(tài)時(shí)，生成軸溫異常的報(bào)警信息。
[0024] 可選地，對(duì)所述歷史軸溫?cái)?shù)據(jù)、當(dāng)前數(shù)據(jù)進(jìn)行預(yù)處理，輸出降噪后的數(shù)據(jù)包括：
[0025] 對(duì)所述歷史軸溫?cái)?shù)據(jù)、當(dāng)前數(shù)據(jù)進(jìn)行離群點(diǎn)檢測(cè)，采用插值對(duì)異常數(shù)據(jù)進(jìn)行修正， 輸出降噪后的數(shù)據(jù)。
[0026] 可選地，對(duì)所述歷史軸溫?cái)?shù)據(jù)、當(dāng)前數(shù)據(jù)進(jìn)行預(yù)處理，輸出降噪后的數(shù)據(jù)包括：
[0027] 對(duì)所述歷史軸溫?cái)?shù)據(jù)、當(dāng)前數(shù)據(jù)進(jìn)行方差檢測(cè)或峰值檢測(cè)，對(duì)異常數(shù)據(jù)進(jìn)行修正， 輸出降噪后的數(shù)據(jù)。
[0028] 可選地，在所述生成判定當(dāng)前軸溫為異常狀態(tài)的結(jié)果信息之后還包括：
[0029]對(duì)所述結(jié)果信息進(jìn)行實(shí)時(shí)顯示。
[0030]本發(fā)明還提供了一種列車軸溫異常的檢測(cè)裝置，包括：
[0031 ]采集模塊，用于實(shí)時(shí)采集列車軸溫的當(dāng)前數(shù)據(jù)；
[0032] 比對(duì)模塊，用于將所述當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)，所述溫度 分布模型為通過(guò)對(duì)正常工況下的歷史軸溫?cái)?shù)據(jù)進(jìn)行建模分析，提取相應(yīng)數(shù)據(jù)特征，確定列 車軸溫異常判斷閾值的模型；
[0033] 生成模塊，用于當(dāng)所述當(dāng)前數(shù)據(jù)超過(guò)所述列車軸溫異常判斷閾值時(shí)，生成判定當(dāng) 前軸溫為異常狀態(tài)的結(jié)果信息。
[0034] 本發(fā)明還提供了一種列車，包括上述列車軸溫異常的檢測(cè)裝置。
[0035] 本發(fā)明所提供的列車軸溫異常的檢測(cè)方法及裝置，通過(guò)實(shí)時(shí)采集列車軸溫的當(dāng)前 數(shù)據(jù);將當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)，溫度分布模型為通過(guò)對(duì)正常工況 下的歷史軸溫?cái)?shù)據(jù)進(jìn)行建模分析，提取相應(yīng)數(shù)據(jù)特征，確定列車軸溫異常判斷閾值的模型； 在當(dāng)前數(shù)據(jù)超過(guò)列車軸溫異常判斷閾值時(shí)，生成判定當(dāng)前軸溫為異常狀態(tài)的結(jié)果信息。本 申請(qǐng)通過(guò)對(duì)歷史軸溫?cái)?shù)據(jù)進(jìn)行全面的分析，深度挖掘數(shù)據(jù)特征，解析日常軸溫分布情況以 及異常情況，推斷軸溫異常的可能性，找出識(shí)別軸溫異常的規(guī)則，基于數(shù)據(jù)分析結(jié)果和專家 知識(shí)設(shè)定軸溫異常與否的判斷閾值，提高了軸溫異常檢測(cè)的準(zhǔn)確性，確保列車的安全運(yùn)行。 此外，本發(fā)明還提供了一種具有上述技術(shù)效果的列車。
【附圖說(shuō)明】
[0036] 為了更清楚的說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有 技術(shù)描述中所需要使用的附圖作簡(jiǎn)單的介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā) 明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根 據(jù)這些附圖獲得其他的附圖。
[0037] 圖1為本發(fā)明所提供的列車軸溫異常的檢測(cè)方法的一種【具體實(shí)施方式】的流程圖；
[0038] 圖2為本發(fā)明所提供的列車軸溫異常的檢測(cè)方法的另一種【具體實(shí)施方式】的溫度分 布模型的建立過(guò)程示意圖；
[0039] 圖3為本發(fā)明所提供的列車軸溫異常的檢測(cè)方法的另一種【具體實(shí)施方式】的流程 圖；
[0040] 圖4為本發(fā)明實(shí)施例所提供的數(shù)據(jù)預(yù)處理流程圖；
[0041] 圖5為本發(fā)明實(shí)施例提供的列車軸溫異常的檢測(cè)裝置的結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0042]為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面結(jié)合附圖和【具體實(shí)施方式】 對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是 全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提 下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0043] 本發(fā)明所提供的列車軸溫異常的檢測(cè)方法的一種【具體實(shí)施方式】的流程圖如圖1所 示，該方法包括：
[0044] 步驟S101:實(shí)時(shí)采集列車軸溫的當(dāng)前數(shù)據(jù)；
[0045] 步驟S102:將所述當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)，所述溫度分布 模型為通過(guò)對(duì)正常工況下的歷史軸溫?cái)?shù)據(jù)進(jìn)行建模分析，提取相應(yīng)數(shù)據(jù)特征，確定列車軸 溫異常判斷閾值的模型；
[0046] 具體地，可以基于列車的歷史軸溫?cái)?shù)據(jù)，采用層次聚類分析、主成分分析以及斜率 分析建立正常工況下的溫度分布模型，對(duì)數(shù)據(jù)進(jìn)行定量的統(tǒng)計(jì)分析與檢驗(yàn)。
[0047]步驟S103:當(dāng)所述當(dāng)前數(shù)據(jù)超過(guò)所述列車軸溫異常判斷閾值時(shí)，生成判定當(dāng)前軸 溫為異常狀態(tài)的結(jié)果信息。
[0048] 本發(fā)明所提供的列車軸溫異常的檢測(cè)方法，通過(guò)實(shí)時(shí)采集列車軸溫的當(dāng)前數(shù)據(jù)； 將當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)，溫度分布模型為通過(guò)對(duì)正常工況下的歷 史軸溫?cái)?shù)據(jù)進(jìn)行建模分析，提取相應(yīng)數(shù)據(jù)特征，確定列車軸溫異常判斷閾值的模型;在當(dāng)前 數(shù)據(jù)超過(guò)列車軸溫異常判斷閾值時(shí)，生成判定當(dāng)前軸溫為異常狀態(tài)的結(jié)果信息。本申請(qǐng)通 過(guò)對(duì)歷史軸溫?cái)?shù)據(jù)進(jìn)行全面的分析，深度挖掘數(shù)據(jù)特征，解析日常軸溫分布情況以及異常 情況，推斷軸溫異常的可能性，找出識(shí)別軸溫異常的規(guī)則，基于數(shù)據(jù)分析結(jié)果和專家知識(shí)設(shè) 定軸溫異常與否的判斷閾值，提高了軸溫異常檢測(cè)的準(zhǔn)確性，確保列車的安全運(yùn)行。
[0049] 在上述實(shí)施例的基礎(chǔ)上，本申請(qǐng)可以基于列車的歷史軸溫?cái)?shù)據(jù)，采用層次聚類分 析、主成分分析以及斜率分析建立正常工況下的溫度分布模型，對(duì)數(shù)據(jù)進(jìn)行定量的統(tǒng)計(jì)分 析與檢驗(yàn)，提取相應(yīng)數(shù)據(jù)特征并與業(yè)務(wù)知識(shí)相結(jié)合，通過(guò)平衡熱軸的誤報(bào)及漏報(bào)率設(shè)定軸 溫異常與否的判斷閾值，進(jìn)而確保列車安全、正常的運(yùn)行。
[0050]請(qǐng)參照?qǐng)D2本發(fā)明所提供的列車軸溫異常的檢測(cè)方法的另一種【具體實(shí)施方式】的溫 度分布模型的建立過(guò)程示意圖，該過(guò)程包括：
[0051 ]步驟S201:獲取列車歷史軸溫?cái)?shù)據(jù)；
[0052]步驟S202:對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行預(yù)處理，輸出降噪后的數(shù)據(jù)；
[0053]步驟S203:采用凝聚的層次聚類方法對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行分析，對(duì)數(shù)據(jù)進(jìn)行 分類與特征提取，確定軸溫異常判斷第一閾值；
[0054]聚類分析起源于分類學(xué)，它是研究(樣品或指標(biāo))分類問(wèn)題的一種統(tǒng)計(jì)分析方法， 在分類的過(guò)程中，人們不必事先給出一個(gè)分類的標(biāo)準(zhǔn)，聚類分析能夠從樣本數(shù)據(jù)出發(fā)，根據(jù) 數(shù)據(jù)特征自動(dòng)對(duì)樣本進(jìn)行分類。聚類分析是數(shù)據(jù)挖掘的主要任務(wù)之一，聚類能夠作為一個(gè) 獨(dú)立的工具獲得數(shù)據(jù)的分布狀況，通過(guò)觀察每一簇?cái)?shù)據(jù)的特征，對(duì)特定的簇集作進(jìn)一步分 析。聚類分析是通過(guò)數(shù)據(jù)建模簡(jiǎn)化數(shù)據(jù)的一種方法，是一個(gè)無(wú)監(jiān)督學(xué)習(xí)的過(guò)程，在商業(yè)、地 理、保險(xiǎn)、生物學(xué)、經(jīng)濟(jì)學(xué)、電子商務(wù)等多方面有著非常廣泛的應(yīng)用。
[0055] 基于數(shù)據(jù)的相似性出發(fā)，采用凝聚的層次聚類方法對(duì)歷史軸溫?cái)?shù)據(jù)進(jìn)行分析，完 成數(shù)據(jù)的分類與特征提取，并結(jié)合業(yè)務(wù)知識(shí)設(shè)定軸溫異常判斷第一閾值Q〇。
[0056] 步驟S204:對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行主成分分析，將第一主成分貢獻(xiàn)率與對(duì)應(yīng)的 第一特征向量作為特征指標(biāo)，確定軸溫異常判斷第二閾值；
[0057] 主成分分析(Principal Component Analysis)也稱主分量分析，是由皮爾遜于 1901年引入，旨在利用降維的思想，把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)(即主成分），其中每 個(gè)主成分都能夠反映原始變量的大部分信息，且所含信息互不重復(fù)。主成分分析使得問(wèn)題 簡(jiǎn)單化，同時(shí)得到的結(jié)果包含更加科學(xué)有效的數(shù)據(jù)信息。主成分分析作為基礎(chǔ)的數(shù)學(xué)分析 方法，在很多領(lǐng)域的應(yīng)用十分廣泛，比如人口統(tǒng)計(jì)學(xué)、數(shù)量地理學(xué)、分子動(dòng)力學(xué)模擬、數(shù)學(xué)建 模、數(shù)理分析等問(wèn)題中均有應(yīng)用，是一種常用的多變量分析方法。
[0058] 基于數(shù)據(jù)波動(dòng)一致性考慮，對(duì)歷史軸溫?cái)?shù)據(jù)進(jìn)行主成分分析，利用數(shù)據(jù)自身的相 關(guān)性對(duì)數(shù)據(jù)降維，以便抓住數(shù)據(jù)的主要特征。本發(fā)明實(shí)施例以第一主成分貢獻(xiàn)率和第一特 征向量作為特征指標(biāo)，結(jié)合歷史軸溫出現(xiàn)異常的概率設(shè)定軸溫異常判斷第二閾值(P〇，Vo);
[0059] 步驟S205:對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行斜率分析，統(tǒng)計(jì)預(yù)設(shè)時(shí)間內(nèi)的毛刺數(shù)量分布 情況，確定軸溫異常判斷第三閾值。
[0060] 基于短時(shí)間內(nèi)溫度不會(huì)急劇變化，對(duì)歷史軸溫?cái)?shù)據(jù)進(jìn)行斜率分析，通過(guò)檢查數(shù)據(jù) 的波動(dòng)頻率和幅值發(fā)現(xiàn)數(shù)據(jù)中的突變、毛刺等現(xiàn)象，統(tǒng)計(jì)時(shí)間T內(nèi)的毛刺數(shù)量分布情況，并 結(jié)合業(yè)務(wù)知識(shí)設(shè)定軸溫異常判斷第三閾值So。
[0061 ]在所述將所述當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)之前還包括：
[0062] 對(duì)所述當(dāng)前數(shù)據(jù)進(jìn)行預(yù)處理，輸出降噪后的數(shù)據(jù)。
[0063] 在上述實(shí)施例的基礎(chǔ)上，本發(fā)明所提供的列車軸溫異常的檢測(cè)方法的另一種具體 實(shí)施方式的流程圖如圖3所示，該方法包括：
[0064]步驟S301:實(shí)時(shí)采集列車軸溫的當(dāng)前數(shù)據(jù)；
[0065]步驟S302:對(duì)所述當(dāng)前數(shù)據(jù)進(jìn)行預(yù)處理，輸出降噪后的數(shù)據(jù)；
[0066]步驟S303:通過(guò)聚類分析提取特征Q，將提取到的特征Q與所述軸溫異常判斷第一 閾值Qo進(jìn)行比較，以判斷軸溫是否出現(xiàn)異常;如果出現(xiàn)異常，軸溫監(jiān)測(cè)報(bào)警系統(tǒng)報(bào)出相應(yīng)的 軸溫信息，判斷流程結(jié)束，否則進(jìn)行下一步判斷；
[0067]步驟S304:當(dāng)判斷當(dāng)前軸溫為正常狀態(tài)時(shí)，采用主成分分析方法提取指標(biāo)(P，V)， 將提取到的指標(biāo)(P，v)與所述軸溫異常判斷第二閾值(Po，Vo)進(jìn)行比較，以判斷軸溫是否出 現(xiàn)異常；如果出現(xiàn)異常，軸溫監(jiān)測(cè)報(bào)警系統(tǒng)報(bào)出相應(yīng)的軸溫信息，判斷流程結(jié)束，否則進(jìn)行 下一步判斷；
[0068] 步驟S305:當(dāng)判斷當(dāng)前軸溫為正常狀態(tài)時(shí)，計(jì)算所述預(yù)設(shè)時(shí)間T內(nèi)的毛刺數(shù)量S，將 所述毛刺數(shù)量S與所述軸溫異常判斷第三閾值So進(jìn)行比較，以判斷軸溫是否出現(xiàn)異常;如果 出現(xiàn)異常，軸溫監(jiān)測(cè)報(bào)警系統(tǒng)報(bào)出相應(yīng)的軸溫信息，否則軸溫正常，軸溫監(jiān)測(cè)報(bào)警系統(tǒng)正常 運(yùn)行。
[0069] 優(yōu)選地，在上述任一實(shí)施例的基礎(chǔ)上，本發(fā)明還可以進(jìn)一步包括：
[0070] 當(dāng)判定當(dāng)前軸溫為異常狀態(tài)時(shí)，生成軸溫異常的報(bào)警信息；以及對(duì)結(jié)果信息進(jìn)行 實(shí)時(shí)顯不。
[0071] 本實(shí)施例基于數(shù)據(jù)驅(qū)動(dòng)，采用層次聚類分析、主成分分析、斜率分析的統(tǒng)計(jì)分析方 法對(duì)列車實(shí)時(shí)軸溫?cái)?shù)據(jù)進(jìn)行分析獲取列車運(yùn)行時(shí)的溫度變化情況，通過(guò)上述三種分析方法 計(jì)算對(duì)應(yīng)的特征指標(biāo)，并利用相關(guān)指標(biāo)實(shí)時(shí)檢測(cè)軸溫異常與否，使得分析結(jié)果更加可靠，進(jìn) 而提高軸溫異常情況的識(shí)別率，從而提高列車運(yùn)行的安全性。
[0072] 需要指出的是，本實(shí)施例中基于數(shù)據(jù)驅(qū)動(dòng)的分析方法采用的是聚類分析完成數(shù)據(jù) 的分類，并進(jìn)行特征提取，可選地，利用相關(guān)系數(shù)進(jìn)行分析也可以達(dá)到相應(yīng)的目的。本實(shí)施 例采用主成分分析的方法對(duì)數(shù)據(jù)進(jìn)行降維和提取數(shù)據(jù)特征，也可以用因子分析替代完成相 應(yīng)的降維處理和特征提取。此外，本實(shí)施例采用斜率分析的方法檢測(cè)數(shù)據(jù)中的毛刺現(xiàn)象，也 可以用方差檢測(cè)替代完成毛刺現(xiàn)象的檢測(cè)。
[0073] 本申請(qǐng)中，為了保證數(shù)據(jù)的有效性，提高結(jié)果的準(zhǔn)確性，優(yōu)選地，可以對(duì)所述列車 歷史軸溫?cái)?shù)據(jù)、當(dāng)前數(shù)據(jù)進(jìn)行預(yù)處理。預(yù)處理以輸出降噪后的數(shù)據(jù)的過(guò)程可以包括：
[0074] 對(duì)所述列車歷史軸溫?cái)?shù)據(jù)、當(dāng)前數(shù)據(jù)進(jìn)行離群點(diǎn)檢測(cè)，采用插值對(duì)異常數(shù)據(jù)進(jìn)行 修正，輸出降噪后的數(shù)據(jù)。
[0075] 對(duì)于數(shù)據(jù)集D，令r (r彡0)是距離閾值，δ (〇〈δ彡1)是分?jǐn)?shù)閾值，對(duì)象〇是一個(gè)DB (r， S)離群點(diǎn)，如果
[0077]其中dist( ·，·）是距離度量，I I · I I表示數(shù)據(jù)個(gè)數(shù)。
[0078]如圖4本發(fā)明實(shí)施例所提供的數(shù)據(jù)預(yù)處理流程圖所示，該過(guò)程包括：
[0079]步驟S401:輸入采樣數(shù)據(jù)集D;
[0080]步驟S402:進(jìn)行離群點(diǎn)檢測(cè)；
[0081]步驟S403:當(dāng)檢測(cè)到離群點(diǎn)時(shí)，采樣插值對(duì)異常數(shù)據(jù)進(jìn)行修正，輸出降噪后的數(shù)據(jù) 集D〇
[0082]本實(shí)施例通過(guò)DB(rJ)離群點(diǎn)檢測(cè)方法降低了軸溫?cái)?shù)據(jù)在采集和傳輸過(guò)程中由于 電磁干擾等原因產(chǎn)生的噪聲，提高了數(shù)據(jù)的魯棒性，使得分析結(jié)果更加可靠。
[0083] 可選地，還可以對(duì)所述列車歷史軸溫?cái)?shù)據(jù)、當(dāng)前數(shù)據(jù)進(jìn)行方差檢測(cè)或峰值檢測(cè)，對(duì) 異常數(shù)據(jù)進(jìn)行修正，輸出降噪后的數(shù)據(jù)。其他能夠?qū)崿F(xiàn)數(shù)據(jù)降噪的方法均可，并不限于這幾 種。
[0084] 下面對(duì)本發(fā)明實(shí)施例提供的列車軸溫異常的檢測(cè)裝置進(jìn)行介紹，下文描述的列車 軸溫異常的檢測(cè)裝置與上文描述的列車軸溫異常的檢測(cè)方法可相互對(duì)應(yīng)參照。
[0085] 圖5為本發(fā)明實(shí)施例提供的列車軸溫異常的檢測(cè)裝置的結(jié)構(gòu)框圖，參照?qǐng)D5列車軸 溫異常的檢測(cè)裝置可以包括：
[0086] 采集模塊100,用于實(shí)時(shí)采集列車軸溫的當(dāng)前數(shù)據(jù)；
[0087]比對(duì)模塊200,用于將所述當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)，所述溫 度分布模型為通過(guò)對(duì)正常工況下的歷史軸溫?cái)?shù)據(jù)進(jìn)行建模分析，提取相應(yīng)數(shù)據(jù)特征，確定 列車軸溫異常判斷閾值的模型；
[0088]生成模塊300,用于當(dāng)所述當(dāng)前數(shù)據(jù)超過(guò)所述列車軸溫異常判斷閾值時(shí)，生成判定 當(dāng)前軸溫為異常狀態(tài)的結(jié)果信息。
[0089] 本發(fā)明所提供的列車軸溫異常的檢測(cè)裝置，通過(guò)對(duì)歷史軸溫?cái)?shù)據(jù)進(jìn)行全面的分 析，深度挖掘數(shù)據(jù)特征，解析日常軸溫分布情況以及異常情況，推斷軸溫異常的可能性，找 出識(shí)別軸溫異常的規(guī)則，基于數(shù)據(jù)分析結(jié)果和專家知識(shí)設(shè)定軸溫異常與否的判斷閾值，提 高了軸溫異常檢測(cè)的準(zhǔn)確性，確保列車的安全運(yùn)行。
[0090] 此外，本發(fā)明還提供了一種列車，包括上述列車軸溫異常的檢測(cè)裝置，具有上述相 同的技術(shù)效果。
[0091] 本說(shuō)明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其它 實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同或相似部分互相參見(jiàn)即可。對(duì)于實(shí)施例公開(kāi)的裝 置而言，由于其與實(shí)施例公開(kāi)的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法部分 說(shuō)明即可。
[0092] 專業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的單元 及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明硬件和 軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些 功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè) 技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng) 認(rèn)為超出本發(fā)明的范圍。
[0093] 結(jié)合本文中所公開(kāi)的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí) 行的軟件模塊，或者二者的結(jié)合來(lái)實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(RAM)、內(nèi)存、只讀存 儲(chǔ)器(R0M)、電可編程R0M、電可擦除可編程R0M、寄存器、硬盤、可移動(dòng)磁盤、CD-ROM、或技術(shù) 領(lǐng)域內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。
[0094] 以上對(duì)本發(fā)明所提供的列車軸溫異常的檢測(cè)方法、裝置以及列車進(jìn)行了詳細(xì)介 紹。本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說(shuō)明只 是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員 來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以對(duì)本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修 飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種列車軸溫異常的檢測(cè)方法，其特征在于，包括： 實(shí)時(shí)采集列車軸溫的當(dāng)前數(shù)據(jù)； 將所述當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)，所述溫度分布模型為通過(guò)對(duì)正 常工況下的歷史軸溫?cái)?shù)據(jù)進(jìn)行建模分析，提取相應(yīng)數(shù)據(jù)特征，確定列車軸溫異常判斷閾值 的模型； 當(dāng)所述當(dāng)前數(shù)據(jù)超過(guò)所述列車軸溫異常判斷閾值時(shí)，生成判定當(dāng)前軸溫為異常狀態(tài)的 結(jié)果?§息。2. 如權(quán)利要求1所述的列車軸溫異常的檢測(cè)方法，其特征在于，所述溫度分布模型的建 立過(guò)程為： 獲取列車歷史軸溫?cái)?shù)據(jù)； 對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行預(yù)處理，輸出降噪后的數(shù)據(jù)； 采用凝聚的層次聚類方法對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行分析，對(duì)數(shù)據(jù)進(jìn)行分類與特征提 取，確定軸溫異常判斷第一閾值； 對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行主成分分析，將第一主成分貢獻(xiàn)率與對(duì)應(yīng)的第一特征向量作 為特征指標(biāo)，確定軸溫異常判斷第二閾值； 對(duì)所述歷史軸溫?cái)?shù)據(jù)進(jìn)行斜率分析，統(tǒng)計(jì)預(yù)設(shè)時(shí)間內(nèi)的毛刺數(shù)量分布情況，確定軸溫 異常判斷第三閾值。3. 如權(quán)利要求2所述的列車軸溫異常的檢測(cè)方法，其特征在于，在所述將所述當(dāng)前數(shù)據(jù) 與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)之前還包括： 對(duì)所述當(dāng)前數(shù)據(jù)進(jìn)行預(yù)處理，輸出降噪后的數(shù)據(jù)。4. 如權(quán)利要求3所述的列車軸溫異常的檢測(cè)方法，其特征在于，所述將所述當(dāng)前數(shù)據(jù)與 預(yù)先建立的溫度分布模型進(jìn)行比對(duì)包括： 通過(guò)聚類分析提取特征，將提取到的特征與所述軸溫異常判斷第一閾值進(jìn)行比較，以 判斷軸溫是否出現(xiàn)異常； 當(dāng)判斷當(dāng)前軸溫為正常狀態(tài)時(shí)，采用主成分分析方法提取指標(biāo)，將提取到的指標(biāo)與所 述軸溫異常判斷第二閾值進(jìn)行比較，以判斷軸溫是否出現(xiàn)異常； 當(dāng)判斷當(dāng)前軸溫為正常狀態(tài)時(shí)，計(jì)算所述預(yù)設(shè)時(shí)間內(nèi)的毛刺數(shù)量，將所述毛刺數(shù)量與 所述軸溫異常判斷第三閾值進(jìn)行比較，以判斷軸溫是否出現(xiàn)異常。5. 如權(quán)利要求4所述的列車軸溫異常的檢測(cè)方法，其特征在于，還包括： 當(dāng)判定當(dāng)前軸溫為異常狀態(tài)時(shí)，生成軸溫異常的報(bào)警信息。6. 如權(quán)利要求3至5任一項(xiàng)所述的列車軸溫異常的檢測(cè)方法，其特征在于，對(duì)所述歷史 軸溫?cái)?shù)據(jù)、當(dāng)前數(shù)據(jù)進(jìn)行預(yù)處理，輸出降噪后的數(shù)據(jù)包括： 對(duì)所述歷史軸溫?cái)?shù)據(jù)、當(dāng)前數(shù)據(jù)進(jìn)行離群點(diǎn)檢測(cè)，采用插值對(duì)異常數(shù)據(jù)進(jìn)行修正，輸出 降噪后的數(shù)據(jù)。7. 如權(quán)利要求3至5任一項(xiàng)所述的列車軸溫異常的檢測(cè)方法，其特征在于，對(duì)所述歷史 軸溫?cái)?shù)據(jù)、當(dāng)前數(shù)據(jù)進(jìn)行預(yù)處理，輸出降噪后的數(shù)據(jù)包括： 對(duì)所述歷史軸溫?cái)?shù)據(jù)、當(dāng)前數(shù)據(jù)進(jìn)行方差檢測(cè)或峰值檢測(cè)，對(duì)異常數(shù)據(jù)進(jìn)行修正，輸出 降噪后的數(shù)據(jù)。8. 如權(quán)利要求1至5任一項(xiàng)所述的列車軸溫異常的檢測(cè)方法，其特征在于，在所述生成 判定當(dāng)前軸溫為異常狀態(tài)的結(jié)果信息之后還包括： 對(duì)所述結(jié)果信息進(jìn)行實(shí)時(shí)顯示。9. 一種列車軸溫異常的檢測(cè)裝置，其特征在于，包括： 采集模塊，用于實(shí)時(shí)采集列車軸溫的當(dāng)前數(shù)據(jù)； 比對(duì)模塊，用于將所述當(dāng)前數(shù)據(jù)與預(yù)先建立的溫度分布模型進(jìn)行比對(duì)，所述溫度分布 模型為通過(guò)對(duì)正常工況下的歷史軸溫?cái)?shù)據(jù)進(jìn)行建模分析，提取相應(yīng)數(shù)據(jù)特征，確定列車軸 溫異常判斷閾值的模型； 生成模塊，用于當(dāng)所述當(dāng)前數(shù)據(jù)超過(guò)所述列車軸溫異常判斷閾值時(shí)，生成判定當(dāng)前軸 溫為異常狀態(tài)的結(jié)果信息。10. -種列車，其特征在于，包括如權(quán)利要求9所述的列車軸溫異常的檢測(cè)裝置。
【文檔編號(hào)】B61K9/04GK106080655SQ201610720000
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年8月24日
【發(fā)明人】劉邦繁, 褚金鵬, 戴計(jì)生, 肖家博, 張慧源, 王同輝, 孫木蘭, 李晨
【申請(qǐng)人】中車株洲電力機(jī)車研究所有限公司