一种提取一维时序检测数据中异常形状特征的方法及系统技术方案

本发明专利技术公开了一种提取一维时序检测数据中异常形状特征的方法及系统，属于物联网技术领域。本发明专利技术方法，包括：采集列车行驶过程中的多组一维时序检测数据，对每组一维检测数据进行分段处理，获取多段检测数据，使用多段检测数据与多个特征模型建立特征对集合；根据特征对集合，建立每个特征的图谱集；针对图谱集进行特征计算，并提取多组一维时序检测数据中的异常形状特征。本发明专利技术将多路数据与多个特征提取进行归类并行处理，提高了异常数据提取的效率，且稳定可靠。且稳定可靠。且稳定可靠。

【技术实现步骤摘要】
一种提取一维时序检测数据中异常形状特征的方法及系统


[0001]本专利技术涉及物联网
，并且更具体地，涉及一种提取一维时序检测数据中异常形状特征的方法及系统。

技术介绍

[0002]轨道高速列车与高速铁路近年来在我国迅猛发展，其中商业运行的高速列车正常运行时速早已超过350km/h。每列列车驱动设备中包含了许多套驱动组件，例如列车车轴，车轴温度检测是监测列车车轴状态的重要手段，在列车超高速运行下，列车每个车轴同一位置的温度变化曲线几乎相同或者相似，如果某个车轴温曲线与其他轴温曲线相比出现异常，可能某个车轴出现故障，则会有列车运行安全隐患。因此，多路一维时序检测数据中异常形状特征提取对列车安全运行具有重要的意义。
[0003]列车运行时，多路检测信息是实时数据，将多路数据同时同时对比以及特征提取有一定的挑战，另外，该多路数据是实时数据，如何使得实时数据正好与先验特征数据集中的数据进行特征对比也是一个比较大的挑战。

技术实现思路

[0004]针对上述问题，本专利技术提供了一种提取一维时序检测数据中异常形状特征的方法，包括：
[0005]采集列车行驶过程中的多组一维时序检测数据，对每组一维检测数据进行分段处理，获取多段检测数据，使用多段检测数据与多个特征模型建立特征对集合；
[0006]根据特征对集合，建立每个特征的图谱集；
[0007]针对图谱集进行特征计算，并提取多组一维时序检测数据中的异常形状特征。
[0008]可选的，一维时序检测数据为传感器采集的车轴温度数据。
[0009]可选的，多段检测数据中的每段检测数据包含前一段检测数据的k个时刻的检测数据。
[0010]可选的，根据特征对集合，建立每个特征的图谱集，具体为：
[0011]针对特征对集合中的任一元素，确定元素的一维曲线；
[0012]确定一维曲线中的离散数据点，将离散数据点组成向量；
[0013]根据向量建立元素的特征图谱，并将每个元素的特征图谱构成图谱集。
[0014]可选的，还包括：
[0015]判断提取的异常形状特征是否满足故障数据特征，若否，对异常形状特征进行汇总存储，若是，确定列车出现故障，并根据异常形状特征确定异常形状特征出现的区域及区域内的车轴，对区域及车轴进行标记，且发出报警。
[0016]本专利技术还提出了一种提取一维时序检测数据中异常形状特征的系统，包括：
[0017]数据采集单元，采集列车行驶过程中的多组一维时序检测数据，对每组一维检测数据进行分段处理，获取多段检测数据，使用多段检测数据与多个特征模型建立特征对集
合；
[0018]图谱建立单元，根据特征对集合，建立每个特征的图谱集；
[0019]特征提取单元，针对图谱集进行特征计算，并提取多组一维时序检测数据中的异常形状特征。
[0020]可选的，一维时序检测数据为传感器采集的车轴温度数据。
[0021]可选的，多段检测数据中的每段检测数据包含前一段检测数据的k个时刻的检测数据。
[0022]可选的，根据特征对集合，建立每个特征的图谱集，具体为：
[0023]针对特征对集合中的任一元素，确定元素的一维曲线；
[0024]确定一维曲线中的离散数据点，将离散数据点组成向量；
[0025]根据向量建立元素的特征图谱，并将每个元素的特征图谱构成图谱集。
[0026]可选的，特征提取单元还用于：
[0027]判断提取的异常形状特征是否满足故障数据特征，若否，对异常形状特征进行汇总存储，若是，确定列车出现故障，并根据异常形状特征确定异常形状特征出现的区域及区域内的车轴，对区域及车轴进行标记，且发出报警。
[0028]本专利技术将多路数据与多个特征提取进行归类并行处理，提高了异常数据提取的效率，且稳定可靠。
附图说明
[0029]图1为本专利技术方法的流程图；
[0030]图2为本专利技术系统的结构图。
具体实施方式
[0031]现在参考附图介绍本专利技术的示例性实施方式，然而，本专利技术可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本专利技术，并且向所属
的技术人员充分传达本专利技术的范围。对于表示在附图中的示例性实施方式中的术语并不是对本专利技术的限定。在附图中，相同的单元/元件使用相同的附图标记。
[0032]除非另有说明，此处使用的术语(包括科技术语)对所属
的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
[0033]下面结合实施例及附图对本专利技术进行进一步说明：
[0034]本专利技术提供了一种提取一维时序检测数据中异常形状特征的方法，如图1所示，包括：
[0035]步骤1：输入传感器网采集高速行驶列车m组车轴温度数据，这些数据都是一维时序数据。
[0036]步骤2：对接收到的m组数按组进行拆分，针对第每组数据依次进行处理。
[0037]步骤3：将每组数据均等的分成n段，即针对第i组数据，可分成数据段L
Di1
，数据段L
Di1
，
…
，数据段L
Di1
。每段数据包含前一段数据k个时刻，这是保证数据具有更好的连续性。
[0038]步骤4：针对特征模型F1，F2，
…
，F
m(1)
以及第i组数据的数据段L
Di1
，数据段L
Di1
，
…
，数据段L
Di1
，构建特征数据对{F1,[L
Di1
,L
Di2
,
…
,L
Din
]}，{F2,[L
Di1
,L
Di2
,
…
,L
Din
]}，
…
，{F
m(1)
,[L
Di1
,L
Di2
,
…
,L
Din
]}。
[0039]步骤5：基于所有组的数据，针对特征F
j
，构建F
j
的特征数据集{F
j
,[L
D11
,L
D21
,
…
,L
Dm1
],[L
D12
,L
D22
,
…
,L
Dm2
],
…
,[L
D1n
,L
D2n
,
…
,L
Dmn
]}。
[0040]步骤6：基于针对上一步骤中的特征数据集中的[L
D1i<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提取一维时序检测数据中异常形状特征的方法，所述方法包括：采集列车行驶过程中的多组一维时序检测数据，对每组一维检测数据进行分段处理，获取多段检测数据，使用多段检测数据与多个特征模型建立特征对集合；根据特征对集合，建立每个特征的图谱集；针对图谱集进行特征计算，并提取多组一维时序检测数据中的异常形状特征。2.根据权利要求1所述的方法，所述一维时序检测数据为传感器采集的车轴温度数据。3.根据权利要求1所述的方法，所述多段检测数据中的每段检测数据包含前一段检测数据的k个时刻的检测数据。4.根据权利要求1所述的方法，所述根据特征对集合，建立每个特征的图谱集，具体为：针对特征对集合中的任一元素，确定元素的一维曲线；确定一维曲线中的离散数据点，将离散数据点组成向量；根据向量建立元素的特征图谱，并将每个元素的特征图谱构成图谱集。5.根据权利要求1所述的方法，所述方法还包括：判断提取的异常形状特征是否满足故障数据特征，若否，对异常形状特征进行汇总存储，若是，确定列车出现故障，并根据异常形状特征确定异常形状特征出现的区域及区域内的车轴，对区域及车轴进行标记，且发出报警。6.一种提取一维时序检测数据中异...

【专利技术属性】
技术研发人员：王涛，何善宝，刘云超，公延飞，李振华，
申请(专利权)人：广东中发星通技术有限公司，
类型：发明
国别省市：