【技术实现步骤摘要】
本专利技术涉及基于轮轨关系的列车轮对尺寸测量校正预测方法及系统，属于轨道交通安全检测监测设备。
技术介绍
1、列车轮对几何尺寸检测是轨道交通安全运行的关键环节之一，检测结果直接反映了列车车轮磨损及运行状态，目前轮对尺寸检测设备多采用视觉测量技术，采用多组视觉传感器进行组合测量，容易受到外界环境的影响，特别是重载货运铁路强振动干扰，会导致视觉测量系统精度下降。这类影响轮对尺寸检测系统测量精度和可靠性的环境因素中，轮轨和检测系统之间的空间位置关系是重要因素之一，道砟的松紧密实程度、轨道的高度和平整度等，都会直接影响列车通过时的振动强度和车轮与检测系统的位置，造成测量数据出现误差。
2、当安全检测设备得到的测量数据误差较大时，将对轨道交通运维工作产生一定影响，误报会引起非必要人工复核复验，造成人力浪费，漏报则无法发现车轮磨损超限状况，形成安全隐患。
3、视觉测量系统通常利用相机作为传感器，通过获取被测对象的图像或者被测对象上特征目标(例如结构光光条)图像，根据成型模型来计算被测对象特征的三维数据，实现三维测量。在系统测量过程中，相机光学系统相对测量对象的位置关系需尽量保持不变，特别是多个相机光学系统进行组合测量时尤为关键。由于铁轨和车轮均随时间存在不断磨损的情况，导致轮对尺寸检测系统中的相机以及光源等成像模块与被测对象车轮的相对位置关系不固定，形成测量误差的变化。另外，铁路工作人员会在工务作业过程中会进行清筛、捣固和钢轨打磨操作，道砟和铁轨的变化会影响被测对象车轮的相对位置和测量环境的振动情况，形成测量误差的变
4、列车轮对尺寸的测量值精度为亚毫米级，测量值的数值范围通常较大，超限安全界限也存在多个等级，而我国铁路线路众多，运行环境存在一定的差异，车型和用途也有不同，铁轨和车轮磨损情况差别较大，数据测量误差的影响因素复杂，常规的大数据分析和数据预测方法难以建立一个通用的稳定预测模型，来实现测量数据的有效可靠判断和校正。
技术实现思路
1、本专利技术的目的在于克服现有技术中的不足，提供基于轮轨关系的列车轮对尺寸测量校正预测方法及系统，基于训练好的误差校正模型和在线预测模型，提升了轮对尺寸测量的可靠性，特别是货车重载正线动态测量，使其在复杂恶劣环境下长期运行过程中保持较高的测量精度，并提供对未来轮对尺寸变化趋势预测的功能。
2、为达到上述目的，本专利技术是采用下述技术方案实现的：
3、一方面，本专利技术公开了基于轮轨关系的列车轮对尺寸测量校正预测方法，包括如下步骤：
4、获取列车车辆的实时检测状态数据及对应线路；
5、根据所述实时检测状态数据，基于对应线路的训练好的误差校正模型，得到所述列车车辆的轮对尺寸的校正后的测量值；
6、根据所述实时检测状态数据中的状态信息，基于对应线路的列车车轮的训练好的在线预测模型，得到所述列车车辆的每个车轮的尺寸的预测值；
7、所述误差校正模型和在线预测模型的训练步骤如下：
8、针对任一条线路，获取校正训练集，并预构建对应的误差校正模型；
9、使用所述校正训练集对预构建的误差校正模型进行训练，得到训练好的误差校正模型；
10、针对任一条线路上的列车的车轮，基于训练好的误差校正模型，获取预测训练集，并构建对应的在线预测模型；
11、使用所述预测训练集对预构建的在线预测模型进行训练，得到训练好的在线预测模型。
12、进一步的，所述校正训练集的获取步骤如下：
13、获取校正数据集，所述校正数据集包括针对选定线路的多次的现场轮对尺寸的检测状态数据，每一次检测状态数据包括该次轮对检测设备的几何尺寸的测量值、对应的人工的复核值及相关的状态信息，检测状态数据y的表达式为：
14、
15、式中，y表示轮对检测设备的几何尺寸的测量值；ym表示该次几何尺寸检测对应的人工的复核值；dy表示测量时列车轮对的行驶里程数；表示测量的时间点距系统安装所在的线路最近一次清筛作业的时间间距；表示测量的时间点距系统安装所在的线路最近一次捣固作业的时间间距；表示测量的时间点距系统安装所在的线路最近一次钢轨打磨作业的时间间距；
16、响应于检测状态数据y中的测量值与对应的复核值的偏差小于预设的第一阈值时，则将所述检测状态数据放入校正训练集；反之则认定所述检测状态数据是错误数据，进行舍弃，不放入校正训练集。
17、进一步的，使用所述校正训练集对预构建的误差校正模型进行训练，包括如下步骤：
18、根据校正训练集，对预构建的误差校正模型进行训练，得到训练后的误差校正模型；
19、基于训练后的误差校正模型，对校正训练集的每次的检测状态数据的测量值进行校正，得到校正后的测量值；
20、响应于校正后的测量值与对应的复核值的偏差大于预设的第二阈值，则增加对应的检测状态数据的权重，进而得到更新权重后的校正训练集；
21、根据更新权重后的校正训练集，对训练后的误差校正模型进行优化训练，得到训练好的误差校正模型。
22、进一步的，所述误差校正模型的训练步骤如下：
23、将检测状态数据的指定参数输入误差校正模型中，得到轮对尺寸测量值的误差预测值ey；
24、计算所述误差预测值对应的真值e′y；
25、根据所述误差预测值ey及对应的真值e′y，对误差校正模型进行训练；
26、其中，所述误差校正模型的表达式如下：
27、
28、式中，ey表示轮对尺寸测量值的误差预测值，f(*)表示误差校正模型；
29、所述真值e′y的表达式为：e′y＝ym-y；
30、所述校正后的测量值yj的表达式为：yj＝ey+y。
31、进一步的，所述预测训练集的获取步骤如下：
32、获取针对选定线路的列车车轮的多次的轮对检测设备的几何尺寸的测量值及对应的状态信息；
33、基于训练好的误差校正模型，对每一次的测量值进行校正，得到校正后的测量值；
34、根据校正后的测量值和对应的状态信息，得到一次的校正数据；所述校正数据的集合即为预测训练集。
35、进一步的，使用所述预测训练集对预构建的在线预测模型进行训练，包括如下步骤：
36、根据预测训练集，对预构建的在线预测模型进行训练，得到训练后的在线预测模型；
37、基于训练后的在线预测模型，对任一次的校正数据中的校正后的测量值进行预测，得到预测值；
38、响应于所述预测值与对应的校正后的测量值的偏差大于预设的第三阈值时，则增加该次对应的校正数据作为训练数据的权重，进而得到更新权重后的预测训练集；
39、根据更新权重后的本文档来自技高网...
【技术保护点】
1.基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，包括如下步骤：
2.根据权利要求1所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，所述校正训练集的获取步骤如下：
3.根据权利要求2所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，使用所述校正训练集对预构建的误差校正模型进行训练，包括如下步骤：
4.根据权利要求3所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，所述误差校正模型的训练步骤如下：
5.根据权利要求1所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，所述预测训练集的获取步骤如下：
6.根据权利要求5所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，使用所述预测训练集对预构建的在线预测模型进行训练，包括如下步骤：
7.根据权利要求6所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，所述在线预测模型的训练步骤如下：
8.根据权利要求1所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，所述误差校正模型包括时间序
9.根据权利要求1所述的基于轮轨关系的列车轮对尺寸测量校正方法，其特征是，响应于所述实时检测状态数据中的测量值存在对应的复核值，且满足测量值与对应的复核值的偏差小于预设的第一阈值时，则将所述实时检测状态数据放入校正训练集，以实现对训练好的误差校正模型的训练更新；
10.基于轮轨关系的列车轮对尺寸测量校正预测系统，其特征是，包括：
...【技术特征摘要】
1.基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，包括如下步骤：
2.根据权利要求1所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，所述校正训练集的获取步骤如下：
3.根据权利要求2所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，使用所述校正训练集对预构建的误差校正模型进行训练，包括如下步骤：
4.根据权利要求3所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，所述误差校正模型的训练步骤如下：
5.根据权利要求1所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，所述预测训练集的获取步骤如下：
6.根据权利要求5所述的基于轮轨关系的列车轮对尺寸测量校正预测方法，其特征是，使用所述预测训练集对预构建的在线预测模型进行训练，包括如下步骤...
【专利技术属性】
技术研发人员：李苏祺，黄磊，刘浩，陆晓隽，陶佳，
申请(专利权)人：江苏集萃智能光电系统研究所有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。