【技术实现步骤摘要】
本申请涉及轨道交通，尤其涉及一种道岔风险实时评估方法、设备、存储介质。
技术介绍
1、随着新建线路的不断增加，轨道交通逐渐呈现出网络化运营的趋势。共线跨线运营可以减少换乘次数，提高人们的出行效率，但同时也对运营组织能力和线路通过能力提出了更多的要求。为应对未来更加灵活、高效的运营组织需求，提高运力运量的匹配度，“虚拟编组”成为轨道交通领域的研究热点。
2、在虚拟编组模式下，两个列车单元的追踪间隔大大减小，通过在y型线路进行灵活解编和灵活编组，实现不同线路列车的跨线共线运营。道岔的转动效率和安全性是制约跨线列车通过效率的重要因素。道岔的转动速度越快，虚拟编组列车单元能够以更小的追踪间隔通过，线路通过能力更强。不过一旦道岔转动出现故障或不到位，就会对虚拟编组运行效率和安全造成较大影响。
3、道岔设备在信号设备中是故障率较高的设备之一，约占信号故障总数的30％左右。目前道岔的检测和维护主要采用周期修、计划修的方式，检修效率低且具有盲目性，检修质量难以保证。道岔的健康状态缺少实时的、科学的监测管理手段，对列车运行风险有较大影响。
技术实现思路
1、为了解决上述技术缺陷之一，本申请提供了一种道岔风险实时评估方法、设备、存储介质。
2、本申请第一个方面，提供了一种道岔风险实时评估方法，方法包括：
3、获取道岔三相电流曲线，获取温度特征和湿度特征；
4、基于道岔三相电流曲线，获取时域特征；基于道岔三相电流曲线的值域投影，获取值域特征；基
5、基于时域特征、值域特征、频域特征、温度特征和湿度特征，通过预先训练的bp神经网络预测模型，预测道岔发生各种故障类型的故障概率；
6、根据所有故障类型的故障概率评估道岔风险指数。
7、可选地，基于道岔三相电流曲线，获取时域特征，包括：
8、根据道岔一个动作周期的特点将道岔三相电流曲线划分为时域的解锁阶段、时域的动作阶段、时域的缓放阶段；
9、获取时域各阶段的开始时刻、时域各阶段的持续时间、缓放阶段的结束时刻、时域各阶段的电流值变化趋势、各阶段的电流值波动、时域各阶段平均电流值、时域各阶段电流值的均方根、时域各阶段电流值的方差、时域各阶段电流值的差分和、时域各阶段电流值对冲击信号的敏感程度、时域各阶段电流值中是否存在冲击信号、时域各阶段的波动趋势、时域各阶段的峰值与绝对均值的比值。
10、可选地，基于道岔三相电流曲线的值域投影，获取值域特征，包括：
11、根据电流值将道岔三相电流曲线的值域投影划分为值域投影的解锁阶段、值域投影的动作阶段、值域投影的缓放阶段；其中，值域投影的解锁阶段中电流值大于或等于0安培a且小于或等于1a，值域投影的动作阶段中电流值大于1a且小于或等于2a，值域投影的缓放阶段中电流值大于2a；
12、获取值域投影各阶段的电流值均值、值域投影各阶段的电流值总数、值域投影各阶段的电流值波动、值域投影各阶段的电流值中位数、值域投影各阶段的电流值最大值、值域投影各阶段的电流值众数。
13、可选地，基于道岔三相电流曲线的频谱图，获取频域特征，包括：
14、基于道岔三相电流曲线的频谱图，获取重心频率、平均频率、均方根频率和频率标准差。
15、可选地，基于时域特征、值域特征、频域特征、温度特征和湿度特征，通过预先训练的bp神经网络预测模型，预测道岔发生各种故障类型的故障概率之前，还包括：
16、将时域特征、值域特征、频域特征形成特征矩阵d；
17、确定协方差矩阵其中，m为道岔三相电流曲线的数量；
18、计算g的特征值和特征向量；
19、将特征向量按对应特征值从大到小排列，将前a行组成矩阵p，其中，a为预设数值；
20、确定降维后的特征矩阵q＝pd；
21、基于时域特征、值域特征、频域特征、温度特征和湿度特征，通过预先训练的bp神经网络预测模型，预测道岔发生各种故障类型的故障概率，包括：
22、基于q、温度特征和湿度特征，通过预先训练的bp神经网络预测模型，预测道岔发生各种故障类型的故障概率。
23、可选地，基于道岔三相电流曲线的特征、温度特征和湿度特征，通过预先训练的bp神经网络预测模型，预测道岔发生各种故障类型的故障概率之前，还包括：
24、随机生成初始的连接权重矩阵w，其中，w中的任一元素为wij，j为隐含层标识，j＝1,2,…,j，j为隐含层节点总数，i为输入层节点标识，i＝1,2,…,i，i为输入层节点总数，wij为隐含层j到输出层i的权重；
25、通过训练样本，训练bp神经网络预测模型，获得bp神经网络预测模型的当前输出误差值；其中，bp神经网络预测模型的隐含层的输出hj＝bj为隐含层j的偏置，xi为输入层i的变量，g(x)为激励函数，x为变量，输出层的输出k为输出层节点标识，k＝1,2,…,k，k为输出层节点总数，ok为输出层k的输出，hj为隐含层j的神经元，bk为输出层k的偏置，当前输出误差值f为输出层标识，f＝1,2,…,k，ef为输出层f的期望输出；
26、根据当前输出误差调整权重矩阵和偏置矩阵b+＝b-其中，为当前输出误差对连接权重矩阵的偏导，η为学习速率，b为偏置矩阵，b由所有输出层的偏置构成，w+为调整后的权重矩阵，b+为调整后的偏置矩阵；
27、重复执行通过训练样本，训练bp神经网络预测模型，获得bp神经网络预测模型的当前输出误差值的步骤及后续步骤，直至相邻两次的当前输出误差值的差值小于预设阈值。
28、可选地，根据所有故障类型的故障概率评估道岔风险指数，包括：
29、将所有故障类型的故障概率与对应的后果严重程度系数之积的总和确定为道岔风险指数。
30、可选地，故障类型包括：无故障、转换过程卡阻、励磁电路故障，解锁不良、转换过程阻力异常、表示电路异常、道岔四开状态；
31、无故障对应的后果严重程度系数为0；
32、转换过程卡阻对应的后果严重程度系数为0.3；
33、励磁电路故障，解锁不良对应的后果严重程度系数为0.6；
34、转换过程阻力异常对应的后果严重程度系数为0.6；
35、表示电路异常对应的后果严重程度系数为0.6；
36、道岔四开状态对应的后果严重程度系数为1。
37、本申请第二个方面，提供了一种电子设备，包括：
38、存储器；
39、处理器；以及
40、计算机程序；
41、其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上述第一个方面所述的方法。
42、本申请第三个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行以实现如上述第一个方面所述的本文档来自技高网...
【技术保护点】
1.一种道岔风险实时评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述道岔三相电流曲线，获取时域特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述道岔三相电流曲线的值域投影，获取值域特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述道岔三相电流曲线的频谱图，获取频域特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述时域特征、值域特征、频域特征、温度特征和湿度特征，通过预先训练的BP神经网络预测模型，预测道岔发生各种故障类型的故障概率之前，还包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述道岔三相电流曲线的特征、温度特征和湿度特征，通过预先训练的BP神经网络预测模型，预测道岔发生各种故障类型的故障概率之前，还包括：
7.根据权利要求1所述的方法，其特征在于，所述根据所有故障类型的故障概率评估道岔风险指数，包括：
8.根据权利要求7所述的方法，其特征在于，所述故障类型包括：无故障、转换过程卡阻
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；所述计算机程序被处理器执行以实现如权利要求1-8任一项所述的方法。
...【技术特征摘要】
1.一种道岔风险实时评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述道岔三相电流曲线，获取时域特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述道岔三相电流曲线的值域投影，获取值域特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述道岔三相电流曲线的频谱图，获取频域特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述时域特征、值域特征、频域特征、温度特征和湿度特征，通过预先训练的bp神经网络预测模型，预测道岔发生各种故障类型的故障概率之前，还包括：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：孔德浩，张蕾，肖骁，王伟，
申请(专利权)人：交控科技股份有限公司，
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。