一种车载ATP通信信号综合监测系统及方法技术方案

本发明专利技术公开了一种车载ATP通信信号综合监测系统及方法，涉及轨道交通技术领域，在数据收集和处理阶段，收集车载ATP系统的运行参数，通过LSTM和GNN进行处理和预测；损失函数计算通过预测参数向量与实际参数向量间的加权均方误差实现；当损失函数值超过设定阈值时，风险评估和参数调整模块会自动调整系统参数，以最小化损失；同时，利用生成对抗网络GAN生成可能的故障模式，进行故障预测并生成报告；通过引入车辆类型和路线类型等条件变量，以生成更具针对性的可能故障模式；本发明专利技术利用LSTM处理序列数据，GNN捕捉和建模参数间的依赖关系，从而提前预测和解决可能出现的问题，有效提高了车载ATP系统的安全性和稳定性。车载ATP系统的安全性和稳定性。车载ATP系统的安全性和稳定性。

【技术实现步骤摘要】
一种车载ATP通信信号综合监测系统及方法


[0001]本专利技术涉及轨道交通
，更具体地说，涉及一种车载ATP通信信号综合监测系统及方法。

技术介绍

[0002]车载自动列车保护(ATP)系统是一种用于监控和控制列车运行的关键系统，它确保列车在规定的速度和距离限制内安全运行。ATP系统是一个动态且高度复杂的系统，它包含多个参数，如列车速度、位置、制动力等，这些参数在运行过程中会持续变化，并且它们之间存在着复杂的相互关系。此外，由于各种原因（如技术故障、环境变化等），ATP系统可能会出现故障或异常，这需要进行实时且准确的监测和处理。

技术实现思路

[0003]本专利技术要解决的技术问题是提供一种车载ATP通信信号综合监测系统及方法，以解决
技术介绍
中提到的问题。
[0004]为了达到上述目的，本专利技术采取以下技术方案：
[0005]一种车载ATP通信信号综合监测方法，包括如下步骤：
[0006]S1：收集车载ATP系统运行参数，包括但不限于列车速度v(t)，位置p(t)，制动力b(t)，组合这些参数形成输入数据向量X(t) = [v(t), p(t), b(t), ...]，并在滑动时间窗口W内组成输入数据矩阵X[N][M]，其中N为时间窗口内的采样数，M为每个样本的特征数；同时进行数据预处理和增强；
[0007]S2：将输入数据矩阵X[N][M]输入到长短期记忆神经网络LSTM中，将LSTM网络输出的隐藏状态输入到图神经网络GNN中进行处理；其中，LSTM用于处理序列数据，GNN用于捕捉和建模参数间的依赖关系；通过LSTM和GNN的联合作用，进一步预测下一个时间步的参数向量Xp(t+1)；
[0008]LSTM网络和GNN的参数优化通过Adam优化算法和反向传播算法进行；
[0009]S3：计算预测参数向量Xp(t+1)与实际参数向量X(t+1)间的加权均方误差（MSE）作为损失函数，损失函数L的计算公式为：
[0010][0011]其中L 是损失函数，N 是在滑动时间窗口内的采样数，Xp(i) 是预测的参数向量，X(i) 是实际的参数向量，wi 是给定样本的权重；
[0012]S4：设定阈值θ，当损失函数L的值大于阈值θ时，认定ATP系统存在故障风险；
[0013]S5：当损失函数L的值大于阈值θ时，系统自动调整车载ATP的操作参数，采用强化学习算法通过与列车的运行状态交互，寻找最佳的操作参数调整策略以最小化损失函数L，包括但不限于调整制动力的大小、改变列车速度，以期达到预测的参数状态Xp(t+1)；
[0014]S6：利用生成对抗网络GAN生成可能的故障模式，训练监测系统识别这些模式，当损失函数L的值超过了设定的更高阈值θ'，系统自动生成包括故障发生的时间、位置以及相关参数值信息的故障报告，并发送至维护人员；在生成可能的故障模式时，引入条件变量，包括车辆类型和路线类型，以生成更具针对性的可能故障模式。
[0015]优选的，当系统检测到车载ATP系统可能存在异常时，自动缩短滑动时间窗口W，以加快系统对异常的反应速度；当系统检测到车载ATP系统运行正常时，自动延长滑动时间窗口W，以降低系统的误报率。
[0016]优选的，所述强化学习算法采用深度Q网络进行。
[0017]优选的，当损失函数L的值超过了设定的更高阈值θ'后，除了生成故障报告外，系统还会触发自动停车程序，以防止可能的事故。
[0018]本专利技术还公开一种车载ATP通信信号综合监测系统，包括：
[0019]数据收集和处理模块，用于收集车载ATP系统运行参数，包括但不限于列车速度v(t)，位置p(t)，制动力b(t)，组合这些参数形成输入数据向量X(t) = [v(t), p(t), b(t), ...]，并在滑动时间窗口W内组成输入数据矩阵X[N][M]，其中N为时间窗口内的采样数，M为每个样本的特征数；该模块同时负责数据的预处理和增强；
[0020]长短期记忆神经网络LSTM和图神经网络GNN；LSTM网络用于接收来自数据收集和处理模块的输入数据矩阵X[N][M]，并将LSTM网络输出的隐藏状态输入到图神经网络GNN中进行处理；其中，LSTM用于处理序列数据，GNN用于捕捉和建模参数间的依赖关系；通过LSTM和GNN的联合作用，进一步预测下一个时间步的参数向量Xp(t+1)；LSTM网络和GNN的参数优化通过Adam优化算法和反向传播算法进行；
[0021]损失计算模块，用于计算预测参数向量Xp(t+1)与实际参数向量X(t+1)间的加权均方误差（MSE）作为损失函数，损失函数L的计算公式为：
[0022][0023]其中L 是损失函数，N 是在滑动时间窗口内的采样数，Xp(i) 是预测的参数向量，X(i) 是实际的参数向量，wi 是给定样本的权重；
[0024]风险评估和参数调整模块，用于设定阈值θ，当损失函数L的值大于阈值θ时，认定ATP系统存在故障风险；当损失函数L的值大于阈值θ时，该模块自动调整车载ATP的操作参数，采用强化学习算法通过与列车的运行状态交互，寻找最佳的操作参数调整策略以最小化损失函数L，包括但不限于调整制动力的大小、改变列车速度，以期达到预测的参数状态Xp(t+1)；
[0025]故障预测和报告模块，用于利用生成对抗网络GAN生成可能的故障模式，训练监测系统识别这些模式，当损失函数L的值超过了设定的更高阈值θ'，系统自动生成包括故障发生的时间、位置以及相关参数值信息的故障报告，并发送至维护人员；在生成可能的故障模式时，引入条件变量，包括车辆类型和路线类型，以生成更具针对性的可能故障模式。
[0026]优选的，当系统检测到车载ATP系统可能存在异常时，自动缩短滑动时间窗口W，以加快系统对异常的反应速度；当系统检测到车载ATP系统运行正常时，自动延长滑动时间窗口W，以降低系统的误报率。
[0027]优选的，所述强化学习算法采用深度Q网络进行。
[0028]优选的，当损失函数L的值超过了设定的更高阈值θ'后，除了生成故障报告外，系统还会触发自动停车程序，以防止可能的事故。
[0029]本专利技术相对于现有技术的优点在于：
[0030]1、本专利技术采用了长短期记忆神经网络(LSTM)和图神经网络(GNN)的联合应用。其中，LSTM用于处理序列数据，例如列车速度、位置和制动力等参数的时间序列，这种处理方法有助于捕捉这些参数随时间变化的趋势和模式；GNN用于捕捉和建模参数间的依赖关系，通过处理LSTM网络的隐藏状态，GNN能够理解不同参数间的内在联系。这种联动方式可以有效地预测下一个时间步的参数向量，从而提前发现可能出现的问题。
[0031]2、当监测系统检测到可能的问题时，强化学习算法会自动调整车载ATP的操作参数。这个自动调整过程会通过与列车的运行状态交互，寻找最佳的操作参数调整策略以最小化损失函数，从而尽可能地避免或者缓解故障。在这个过程中，采用深度Q网络进行的强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车载ATP通信信号综合监测方法，其特征在于，包括如下步骤：S1：收集车载ATP系统运行参数，所述参数包括列车速度v(t)、位置p(t)、制动力b(t)，组合所述参数形成输入数据向量X(t)，并在滑动时间窗口W内组成输入数据矩阵X[N][M]，其中N为时间窗口内的采样数，M为每个样本的特征数；同时进行数据预处理和增强；S2：将输入数据矩阵X[N][M]输入到长短期记忆神经网络LSTM中，将LSTM网络输出的隐藏状态输入到图神经网络GNN中进行处理；其中，LSTM用于处理序列数据，GNN用于捕捉和建模参数间的依赖关系；通过LSTM和GNN的联合作用，进一步预测下一个时间步的参数向量Xp(t+1)；LSTM和GNN的参数优化通过Adam优化算法和反向传播算法进行；S3：计算预测参数向量Xp(t+1)与实际参数向量X(t+1)间的加权均方误差MSE作为损失函数L，损失函数L的计算公式为：，其中L 是损失函数，N 是在滑动时间窗口内的采样数，Xp(i) 是预测的参数向量，X(i) 是实际的参数向量，w
i 是给定样本的权重；S4：设定阈值θ，当损失函数L的值大于阈值θ时，认定ATP系统存在故障风险；S5：当损失函数L的值大于阈值θ时，系统自动调整车载ATP的操作参数，采用强化学习算法通过与列车的运行状态交互，寻找最佳的操作参数调整策略以最小化损失函数L，包括调整制动力的大小、改变列车速度，以期达到预测的参数状态Xp(t+1)；S6：利用生成对抗网络GAN生成可能的故障模式，训练监测系统识别这些模式，当损失函数L的值超过了设定的更高阈值θ'，系统自动生成包括故障发生的时间、位置以及相关参数值信息的故障报告，并发送至维护人员；在生成可能的故障模式时，引入条件变量，包括车辆类型和路线类型，以生成更具针对性的可能故障模式。2.根据权利要求1所述车载ATP通信信号综合监测方法，其特征在于，当系统检测到车载ATP系统可能存在异常时，自动缩短滑动时间窗口W，以加快系统对异常的反应速度；当系统检测到车载ATP系统运行正常时，自动延长滑动时间窗口W，以降低系统的误报率。3.根据权利要求1所述车载ATP通信信号综合监测方法，其特征在于，所述强化学习算法采用深度Q网络进行。4.根据权利要求1所述车载ATP通信信号综合监测方法，其特征在于，当损失函数L的值超过了设定的更高阈值θ'后，除了生成故障报告外，系统还会触发自动停车程序，以防止可能的事故。5.一种车载ATP通信信号综合监测系统，其特征在于，包括：数据收集和处...

【专利技术属性】
技术研发人员：刘君，李永，李静林，
申请(专利权)人：北京圣传创世科技发展有限公司，
类型：发明
国别省市：