一种道岔转辙机故障诊断方法及系统技术方案

本发明专利技术实施例提供一种道岔转辙机故障诊断方法及系统，包括：获取道岔转辙机的电流曲线；基于预设长度对所述电流曲线进行采样，获取电流曲线数据；将所述电流曲线数据输入至故障分析网络模型，以根据所述故障分析网络模型的输出结果，获取所述电流曲线对应的故障诊断结果；其中，所述故障分析网络模型为具有残差结构的深度卷积神经网络。本发明专利技术实施例提供的道岔转辙机故障诊断方法及系统，通过构建残差结构的深度卷积神经网络，获取的概率最高的故障类别对应的故障原因，能够更好的抽取电流曲线的不同相位之间的交互信息，并且得益于残差结构与层级归一化，网络结构可以做到尽量的深，从而更好的学习正常与故障样本之间的区别信息，提高预测精度。提高预测精度。提高预测精度。

【技术实现步骤摘要】
一种道岔转辙机故障诊断方法及系统


[0001]本专利技术涉及轨道交通
，尤其涉及一种道岔转辙机故障诊断方法及系统。

技术介绍

[0002]道岔转辙机是道岔的转换装置，可用来转换道岔或锁闭道岔。转辙机的故障可能会导致在轨列车的出轨，从而导致巨大的经济损失与人员伤亡。道岔转辙机的电流时序，可以被用来判断道岔转辙机所处的工作状态，例如是否处于正常工作状态，如果处于异常工作状态，则用于判断具体处于哪一种异常的工作状态。
[0003]依据道岔电流时序判断道岔工作状态的核心，是基于历史的道岔电流曲线数据，来对判断当前的道岔电流曲线是够为正常还是异常电流曲线。目前的道岔转辙机电流时序故障诊断模型主要分为两种类型：
[0004]第一种是基于匹配的故障诊断方法。该方法通过对比当前待评估样本与历史数据库中的故障样本的相似性来进行故障诊断。该方法首先搜集大量的故障样本实例，随后对于待评估的样本，计算该样本与故障样本数据库中每一个样本的指定距离度量，一般为动态时间归整度量(DynamicTimeWarping，DTW)，以找到最相似的故障曲线，判别其可能的故障类型。该方法不能对故障的样本特征进行抽象，当面对故障数据库中没有的样本时，不能进行正确的故障诊断。
[0005]第二种是基于统计机器学习与深度学习的故障诊断方法。该类方法通过抽取故障样本的深层特征，训练分类器，随后对待评估样本进行分类。该类方法需要实现抽取故障样本与正常样本的相关特征，进行学习。但是该方法单纯依靠深度神经网络不能有效的获取时序数据的局部特性，导致预测精度差。
[0006]有鉴于此，亟需改进现有的道岔转辙机故障诊断方法，以提高故障预测的精度和鲁棒性。

技术实现思路

[0007]本专利技术实施例提供一种道岔转辙机故障诊断方法及系统，用以解决现有技术中在进行道岔转辙机故障诊断时，不能有效的获取时序数据的局部特性，导致预测精度差的缺陷。
[0008]第一方面，本专利技术实施例提供一种道岔转辙机故障诊断方法，主要包括：
[0009]获取道岔转辙机的电流曲线；基于预设长度对所述电流曲线进行采样，获取电流曲线数据；将所述电流曲线数据输入至故障分析网络模型，以根据所述故障分析网络模型的输出结果，获取所述电流曲线对应的故障诊断结果；其中，所述故障分析网络模型为具有残差结构的深度卷积神经网络。
[0010]可选地，所述基于预设长度对所述电流曲线进行采样，获取电流曲线数据，主要包括：在所述电流曲线的长度大于所述预设长度的情况下，对所述电流曲线进行下采样，获取所述电流曲线数据；在所述电流曲线的长度小于所述预设长度的情况下，对所述电流曲线
进行上采样插值，获取所述电流曲线数据。
[0011]可选地，在将所述电流曲线数据输入至故障分析网络模型之前，还可以包括：
[0012]获取正常的电流曲线样本和异常的电流曲线样本，构建电流曲线样本集；对所述电流曲线样本集中的每个样本进行采样，获取电流曲线数据样本集；对所述电流曲线数据样本集进行分层采样，获取电流曲线数据训练样本集；基于滑动窗口法对所述电流曲线数据训练样本集进行增强处理，获取增强电流曲线数据训练样本集；将所述增强电流曲线数据训练样本集与所述电流曲线数据训练样本集共同组成模型训练样本集；利用所述模型训练样本集以及与所述模型训练样本集中的各样本对应的诊断标签，对所述故障分析网络模型进行预训练。
[0013]可选地，所述基于滑动窗口法对所述电流曲线数据训练样本集进行增强处理，获取增强电流曲线数据训练样本集，主要包括：
[0014]确定滑动窗口的大小和滑动步长；基于所述滑动窗口的大小和所述滑动步长，对所述电流曲线数据训练样本集中的任一电流曲线数据进行取样，获取多个增强样本以构建局部样本集；所述局部样本集中的每个所述增强样本的长度为所述滑动窗口的大小；对每个所述增强样本进行向后补0至所述增强样本的长度为所述预设长度后，获取所述增强电流曲线数据训练样本集。
[0015]可选地，所述在对所述故障分析网络模型进行预训练之后，还包括：利用电流曲线数据验证集对预训练后的所述故障分析网络模型进行验证；所述电流曲线数据验证集是对所述电流曲线数据样本集进行分层采样后获取的。
[0016]可选地，所述故障分析网络模型的结构具体包括：依次连接的总输入层、第一一维残差块、最大值池化层、一维Spatial Dropout层、第二一维残差块、全局平均池化层、Softmax函数层和总输出层；所述第一一维残差块和所述第二一维残差块的结构相同。
[0017]可选地，所述第一一维残差块和所述第二一维残差块的结构具体包括：依次连接的层间输入层、第一一维Layer Normailzation层、第二一维Layer Normailzation层、第三一维Layer Normailzation层、Add Layer Normailzation层和层间输出层。
[0018]第二方面，本专利技术实施例还提供一种道岔转辙机故障诊断系统，主要包括数据获取单元、数据预处理单元和数据分析单元，其中：
[0019]数据获取单元，用于获取道岔转辙机的电流曲线；
[0020]数据预处理单元，用于基于预设长度对所述电流曲线进行采样，获取电流曲线数据；
[0021]数据分析单元，用于将所述电流曲线数据输入至故障分析网络模型，以根据所述故障分析网络模型的输出结果，获取所述电流曲线对应的故障诊断结果；
[0022]其中，所述故障分析网络模型为具有残差结构的深度卷积神经网络。
[0023]第三方面，本专利技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述道岔转辙机故障诊断方法的步骤。
[0024]第四方面，本专利技术实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述道岔转辙机故障诊断方法的步骤。
[0025]本专利技术实施例提供的道岔转辙机故障诊断方法及系统，通过构建残差结构的深度卷积神经网络，获取的概率最高的故障类别对应的故障原因，能够更好的抽取电流曲线的不同相位之间的交互信息，并且得益于残差结构与层级归一化，网络结构可以做到尽量的深，从而更好的学习正常与故障样本之间的区别信息，提高预测精度。
附图说明
[0026]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0027]图1是本专利技术实施例提供的一种道岔转辙机故障诊断方法的流程示意图；
[0028]图2是本专利技术实施例提供的一种道岔转辙机三相电流曲线时序示意图；
[0029]图3是本专利技术实施例提供的一种对电流曲线数据训练样本集进行增强处理的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道岔转辙机故障诊断方法，其特征在于，包括：获取道岔转辙机的电流曲线；基于预设长度对所述电流曲线进行采样，获取电流曲线数据；将所述电流曲线数据输入至故障分析网络模型，以根据所述故障分析网络模型的输出结果，获取所述电流曲线对应的故障诊断结果；其中，所述故障分析网络模型为具有残差结构的深度卷积神经网络。2.根据权利要求1所述的道岔转辙机故障诊断方法，其特征在于，所述基于预设长度对所述电流曲线进行采样，获取电流曲线数据，包括：在所述电流曲线的长度大于所述预设长度的情况下，对所述电流曲线进行下采样，获取所述电流曲线数据；在所述电流曲线的长度小于所述预设长度的情况下，对所述电流曲线进行上采样插值，获取所述电流曲线数据。3.根据权利要求2所述的道岔转辙机故障诊断方法，其特征在于，在将所述电流曲线数据输入至故障分析网络模型之前，还包括：获取正常的电流曲线样本和异常的电流曲线样本，构建电流曲线样本集；对所述电流曲线样本集中的每个样本进行采样，获取电流曲线数据样本集；对所述电流曲线数据样本集进行分层采样，获取电流曲线数据训练样本集；基于滑动窗口法对所述电流曲线数据训练样本集进行增强处理，获取增强电流曲线数据训练样本集；将所述增强电流曲线数据训练样本集与所述电流曲线数据训练样本集共同组成模型训练样本集；利用所述模型训练样本集以及与所述模型训练样本集中的各样本对应的诊断标签，对所述故障分析网络模型进行预训练。4.根据权利要求3所述的道岔转辙机故障诊断方法，其特征在于，所述基于滑动窗口法对所述电流曲线数据训练样本集进行增强处理，获取增强电流曲线数据训练样本集，包括：确定滑动窗口的大小和滑动步长；基于所述滑动窗口的大小和所述滑动步长，对所述电流曲线数据训练样本集中的任一电流曲线数据进行取样，获取多个增强样本以构建局部样本集；所述局部样本集中的每个所述增强样本的长度为所述滑动窗口的大小；对每个所述增强样本进行向后补0至所述增强样本的长度为所述预设...

【专利技术属性】
技术研发人员：王殿文，付哲，
申请(专利权)人：交控科技股份有限公司，
类型：发明
国别省市：