CN103792915B - 一种道床数据采集方法 - Google Patents

一种道床数据采集方法 Download PDF

Info

Publication number
CN103792915B
CN103792915B CN201410008887.9A CN201410008887A CN103792915B CN 103792915 B CN103792915 B CN 103792915B CN 201410008887 A CN201410008887 A CN 201410008887A CN 103792915 B CN103792915 B CN 103792915B
Authority
CN
China
Prior art keywords
data
railway roadbed
parameter
error correction
initial
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410008887.9A
Other languages
English (en)
Other versions
CN103792915A (zh
Inventor
郭平
王智博
栾长文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Tongxi Electronic Technology Co ltd
Original Assignee
SHANGHAI TONGXI ELECTRONIC TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SHANGHAI TONGXI ELECTRONIC TECHNOLOGY Co Ltd filed Critical SHANGHAI TONGXI ELECTRONIC TECHNOLOGY Co Ltd
Priority to CN201410008887.9A priority Critical patent/CN103792915B/zh
Publication of CN103792915A publication Critical patent/CN103792915A/zh
Application granted granted Critical
Publication of CN103792915B publication Critical patent/CN103792915B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Machines For Laying And Maintaining Railways (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种道床数据采集方法,包括如下步骤:系统自动采集数据并生成初始参数;对初始参数进行计算,并将结果保存为初始的道床参数;定时采集道床的数据,所述数据进行数字滤波后保存;系统对保存的数据和初始的道床参数进行计算得到道床参数。采用本发明所述的道床数据采集方法可以长期现场采集道床现场参数、自动采集和处理数据、成本低。

Description

一种道床数据采集方法
技术领域
本发明涉及铁路技术领域,尤其涉及一种道床数据采集方法。
背景技术
目前铁路工务系统针对道床的参数采集主要包括道床电阻、温度、湿度,通过测量这些道床的参数来为指导维修提供依据,在铁路专用的轨道电路,断轨监测等系统中道床参数非常重要。
但当前对道床数据采集处理方法比较单一,仅限于单次测量,或多次测量后对数据进行求平均值,划差平均或均方根等数学分析方法来处理,但对长时期道床的参数变化则无能为力;另外,铁路设备一旦安装到现场,则会经历夏天、冬天、晴天、雨天、高温、低温等气候变化,尤其一年中夏天和冬天参数差别很大,目前的解决方法只能是季节变化后到现场测量,然后改变系统参数设置以便系统适用于不同的气候条件。这种气候变化——测量参数——更改设置然后再气候变化——测量参数——更改设置周而复始,每年夏天和冬天都要这样工作,给工务系统增加了非常大的工作量,产生了极大的人力、物力、财力的损失,成本比较高,同时对铁路运行产生消极影响。
发明内容
鉴于目前道床数据采集方法存在的上述不足,本发明提供一种长期现场采集道床现场参数、自动采集和处理数据、成本低的道床数据采集方法。
为达到上述目的,本发明的实施例采用如下技术方案:
一种道床数据采集方法,包括如下步骤:
系统自动采集数据并生成初始参数;
对初始参数进行计算,并将结果保存为初始的道床参数;
定时采集道床的数据,所述数据进行数字滤波后保存;
系统对保存的数据和初始的道床参数进行计算得到道床参数。
依照本发明的一个方面,所述数字滤波具体为:将分析的数据与保存的数据进行对比,如果对比后发现分析的数据产生跳变,对分析的数据做出相应标识,待下一个数据加入后与前两次的数据进行对比,所述前两次的数据包括分析的数据,对比后判断分析的数据为异常情况,则剔除分析的数据,并由纠错数据进行代替。
依照本发明的一个方面,所述系统对保存的数据和初始的道床参数进行蚁群算法计算得到道床参数。
依照本发明的一个方面,所述纠错数据得到的方法为:连续采集三次数据,其中两次数据正常情况,一次数据异常情况,则纠错数据为正常情况下的数据。
依照本发明的一个方面,所述纠错数据进行数字滤波后判断为异常情况,则剔除纠错数据,并由该纠错数据前面的两个正常数据和后面的两个正常数据的平均值进行代替。
依照本发明的一个方面,所述数据包括电容数据、温度数据、电阻数据和电感数据。
本发明实施的优点:本发明的道床数据采集方法能自动采集数据并生成初始参数,根据初始参数计算出初始的道床参数,然后定时采集道床的数据,数据进行数字滤波后保存,将保存的数据和初始的道床参数进行计算得到道床参数,因此本发明的道床数据采集方法能实现长期现场采集道床现场参数、自动采集和处理数据、成本低。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。
图1为本发明所述的一种道床数据采集方法的示意图;
图2为本发明所述的道床电阻的简化模型;
图3为本发明所述的道床任意一个断点简化后道床电阻的测量电路。
具体实施方式
下面将结合图对本发明作进一步说明。
如图1所示,一种道床数据采集方法,包括如下步骤:
系统自动采集数据并生成初始参数;
对初始参数进行计算,并将结果保存为初始的道床参数;
定时采集道床的数据,所述数据进行数字滤波后保存;
系统对保存的数据和初始的道床参数进行计算得到道床参数。
下面通过实施例作进一步说明:
一种道床数据采集方法,包括如下步骤:
步骤S1:系统自动采集数据并生成初始参数;
由于本发明采用了自适应算法,在系统安装后不需要对现场参数进行设定,一旦设备开机,设备即对监测对象——道床进行数据分析,自动生成初始参数,节省了大量的测量和调试工作量。数据包括电容数据、温度数据、电阻数据和电感数据,每一个类型的数据对应一个计算器。
步骤S2:对初始参数进行计算,并将结果保存为初始的道床参数;
系统接收到初始数据后,立即进行计算,并将结果保存为初始的道床参数,是计算任意时间点的道床参数的必备数据之一。
步骤S3:定时采集道床的数据,所述数据进行数字滤波后保存;
采用了本发明的道床数据采集方法,采集的道床数据不是一成不变,而是随着环境变化而变化,因而定时采集的数据是最真实的实时数据,而不是历史数据,采用实时数据能避免用历史数据作为依据带来的逻辑错误。系统接收到采集的数据后,对数据进行数字滤波,数字滤波具体为:将分析的数据与保存的数据进行对比,如果对比后发现分析的数据产生跳变,对分析的数据做出相应标识,待下一个数据加入后与前两次的数据进行对比,所述前两次的数据包括分析的数据,对比后判断分析的数据为异常情况,则剔除分析的数据,并由纠错数据进行代替。纠错数据得到的方法为:连续采集三次数据,其中两次数据正常情况,一次数据异常情况,则纠错数据为正常情况下的数据,如果纠错数据进行数字滤波后判断为异常情况,则剔除纠错数据,并由该纠错数据前面的两个正常数据和后面的两个正常数据的平均值进行代替。
步骤S4:系统对保存的数据和初始的道床参数进行计算得到道床参数。
系统对保存的数据和初始的道床参数进行蚁群算法计算得到道床参数,数据包括电容数据、温度数据、电阻数据和电感数据,每一个类型的数据对应一个计算器。道床参数受季节、天气等因素影响,它是在不断波动的,影响道床参数的因素比较多,在单个影响道床参数的因素中,比如道床电阻,道床电阻是一个变化值,除此之外还有电容等都在变化,所以任何一个因素的变化都会导致道床参数变化,如此多的因素掺杂在一起,导致监测系统设计非常复杂。比较直接的想法就是设计一个道床参数模型,该模型的输入变量包含上述各个因素,显然,这个数学模型难度太大,在工程实施中实现的可能性太低。
由于道床的不可选择性和天气的不可抗拒性,作为监测系统必须能适应上述各种因素。从蚁群算法的特点分析,采用它来确定整体道床参数是一个比较可行的方法。
从道床实际情况看,初始的道床参数未知,因而需要一种自组织的算法,而断轨监测的分段测试也需要并行处理,我们虽然已经知道了受控对象的特点,但由于实际运用中存在种种不确定因素,考虑到实际应用,需要具有较强的鲁棒性算法,这也是采用蚁群算法的原因。
在断轨监测系统的程序设计中,用蚁群算法来确定道床参数,具体思路是:在一定时间段内将特定区段的道床参数设为一个基本信息元,多个时间段的基本信息元构成“蚁群”,通过下文的算法,得到特定区段的道床参数,作为程序判断断轨的一个入口参数。
由于钢轨间存在电容、电阻、电感等参数,下面就道床电阻作为本方法的一个参数代表来对本方法实现进行举例,先针对道床电阻做一个数学模型:
计算道床电阻的简化模型为:在工程实现中把钢轨看做无穷个电阻串联,同时钢轨对地的漏泄电阻对地也有无限个电阻并联到地,而把道床作为均压的“地”来考虑。
这样一来我们就得到道床电阻一个简化模型如图2:
针对道床任意一个断点,可以将道床电阻的测量电路简化为图3:
在参数测量发送端,将数字信号调制成模拟信号,通过钢轨发送载波信号,在接收端接收载波,一方面进行信号解调,另一方面进行波形匹配。道床参数信息包含在调制信息中。以下为截取原始载波信号的一部分数据域:
X原始数据={ffa82a00010301ffc3d802ac30da03b130e204b631db05b731dc06ac30d407aa30dd08a830e209ad2fddeeffffa82a00010301ffc3d802aa30da03b130e204b631db05b831dc06ac30d507ab30dd08a830e209ae2fddf0ffffa82a00010301ffc3d802ac30da03b030e204b631db05b831dc06ac30d507ab30dd08a830e209af2fddf2ffffa82a00010301ffc3d802ac30da03b130e204b631db05b731dc06ac30d407a930dd08a830e209af2fddefff……}
以上为9个监测点的4帧测试数据,实际应用中为每秒一帧。把数据帧的帧头、帧尾及校验信息过滤后,得到以下数据串:
X实际数据={01ffc3d802ac30da03b130e204b631db05b731dc06ac30d407aa30dd08a830e209ad2fdd01ffc3d802aa30da03b130e204b631db05b831dc06ac30d507ab30dd08a830e209ae2fdd01ffc3d802ac30da03b030e204b631db05b831dc06ac30d507ab30dd08a830e209af2fdd01ffc3d802ac30da03b130e204b631db05b731dc06ac30d407a930dd08a830e209af2fdd……}
每帧数据中1个断轨监测点用4个Byte表示,道床参数描述字节在第4个Byte,把上述道床参数取出来得到如下阵列:
d8dae2dbdcd4dde2dd
d8dae2dbdcd5dde2dd
X道床数据=d8dae2dbdcd5dde2dd
d8dae2dbdcd4dde2dd
……
由于每个群的总长度是无穷尽的,群的数据长度无限长对应于监测时间无限长。在数据处理中用一个有限长的游动标尺n在群中取数据进行滑差。取得的有限长的群分别是:
X1={XmXm+1Xm+2…Xm+n}
X2={Xm+1Xm+2Xm+3…Xm+n+1}
XN={Xm+N-1Xm+NXm+N+1…Xm+N+n}
其中m为起始时间点,可以为系统工作中的任意时间点,n为有限时长的标尺。这个群代表的是特定公里标范围内和特定时间内的道床整体参数。
接下来进行平移,标准差变换:
其中:
x ij ′ = x ij - x ‾ j S j ( i = 1,2 , . . . , n , j = 1,2 , . . . , m ) x ‾ j = 1 n Σ i = 1 n x ij , S j 1 n Σ i = 1 n ( x ij - x ‾ j ) 2
这样就得到了断轨监测点的道床参数蚁群,共9个蚁群。每个蚁群代表一个监测点的道床特征参数,作为断轨判断的依据之一。
通过这一算法,可以得出任意时间点的道床参数,而这个参数可以随季节的变化而变化。
本发明的优点:
1)采用本发明的道床数据采集方法,可以长期现场采集道床现场参数,不需要整修道床,工务部门长期以来通过捣固、清洗、干燥、更换道渣等工作来处理道床,以达到道床参数满足比如轨道电路,断轨监测系统等对道床的要求。
2)由于采用了自适应算法,在系统安装后不需要对现场参数进行标定,设备开机后,设备马上对监测对象——道床参数进行数据分析,自动采集和处理数据,系统计算后生成初始参数,节省了大量的测量和调试工作量,降低了成本。
3)采用本发明的道床数据采集方法,采集的道床参数不是一成不变,而是随着环境变化而变化,因而采集的数据是最真实的实时数据,而不是历史数据,采用实时数据能避免用历史数据作为依据带来的逻辑错误。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域技术的技术人员在本发明公开的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (4)

1.一种道床数据采集方法,包括如下步骤:
系统自动采集数据并生成初始数据;
对初始数据进行计算,并将结果保存为初始的道床参数;
定时采集道床的数据,所述数据进行数字滤波后保存;
系统对保存的数据和初始的道床参数进行计算得到实时道床参数;
其特征在于,所述数字滤波具体为:将实时采集的道床数据与在前滤波保存的道床数据进行对比,如果对比后发现道床数据产生跳变,对道床数据做出相应标识,待下一个道床数据加入后与前两次的道床数据进行对比,对比后判断道床数据为异常情况,则剔除异常的道床数据,并由纠错数据进行代替;
所述纠错数据得到的方法为:连续采集三次道床数据,其中两次道床数据正常情况,一次道床数据异常情况,则纠错数据为两次正常情况下任意一次采集的道床数据。
2.按照权利要求1所述道床数据采集方法,其特征在于,所述系统对保存的数据和初始的道床参数进行蚁群算法计算得到道床参数。
3.按照权利要求1所述道床数据采集方法,其特征在于,所述采集方法还包括:
对纠错数据进行数字滤波,所述纠错数据进行数字滤波后判断为异常情况,则剔除纠错数据,并由该纠错数据前面的两个正常数据和后面的两个正常数据的平均值进行代替。
4.按照权利要求1至3任一所述道床数据采集方法,其特征在于,所述系统自动采集的数据包括电容数据、温度数据、电阻数据和电感数据。
CN201410008887.9A 2014-01-08 2014-01-08 一种道床数据采集方法 Active CN103792915B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410008887.9A CN103792915B (zh) 2014-01-08 2014-01-08 一种道床数据采集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410008887.9A CN103792915B (zh) 2014-01-08 2014-01-08 一种道床数据采集方法

Publications (2)

Publication Number Publication Date
CN103792915A CN103792915A (zh) 2014-05-14
CN103792915B true CN103792915B (zh) 2017-01-25

Family

ID=50668703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410008887.9A Active CN103792915B (zh) 2014-01-08 2014-01-08 一种道床数据采集方法

Country Status (1)

Country Link
CN (1) CN103792915B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102661821A (zh) * 2012-05-15 2012-09-12 中铁第五勘察设计院集团有限公司 道床动态监测仪及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4338273B2 (ja) * 1999-12-15 2009-10-07 東日本旅客鉄道株式会社 道床沈下検知方法、道床沈下検知器及び道床沈下監視装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102661821A (zh) * 2012-05-15 2012-09-12 中铁第五勘察设计院集团有限公司 道床动态监测仪及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《蚁群算法在智能断轨监测系统中的应用》;祁新等;《城市轨道交通研究》;20120810;第15卷(第8期);第149-151、154页 *

Also Published As

Publication number Publication date
CN103792915A (zh) 2014-05-14

Similar Documents

Publication Publication Date Title
CN110533258B (zh) 一种稻麦轮作农田涝渍预警评估方法及系统
CN102651053A (zh) 基于贝叶斯网络模型的泥石流灾害危险性评价方法
CN107071053A (zh) 一种基于wsan的道路积水监控系统
CN109977109A (zh) 一种轨迹数据清洗方法及伴随分析方法
CN102185731B (zh) 网络健康度测试方法及系统
CN104318717A (zh) 一种历史数据短缺条件下的暴雨泥石流预警方法
US11694005B2 (en) Method, system and equipment for vegetation restoration or rehabilitation based on machine learning
CN108269016A (zh) 一种基于信息扩散的小流域山洪灾害风险分析方法
CN104182803A (zh) 风电数据预处理方法及风电功率预测方法和系统
CN104281776A (zh) 一种人类活动对河川径流过程显著影响期的判断方法
DE102017129299A1 (de) Verfahren zur lokalen Wetterprognose
CN109947758A (zh) 一种基于行为轨迹库的路线碰撞分析方法
CN110019175A (zh) 一种基于行为轨迹库的区域碰撞分析方法
CN115761514A (zh) 一种农田交替灌溉方法及系统
Brar et al. GIS-based investigations on ground water behavior in Indian Punjab
CN103792915B (zh) 一种道床数据采集方法
Kaplan et al. Groundwater salinity in a floodplain forest impacted by saltwater intrusion
CN117520796A (zh) 一种基于知识图谱的公路路基水毁评估方法及系统
CN103955743A (zh) 一种超高压水射流清除道路标线效果预测方法及装置
CN104618133A (zh) 一种电网电压质量监测数据采集方法及系统
CN110610187A (zh) 一种基于贝叶斯网络的土质边坡坍塌事故诊断方法
CN115344999A (zh) 渠系的智能化管控方法和装置
CN106022546A (zh) 一种基于居民小区负荷成长周期的负荷预测方法
CN108629475A (zh) 一种基于宏观经济数据的经营信息分析系统的交互方法
Karimi et al. A wavelet and neuro-fuzzy conjunction model to forecast air temperature variations at coastal sites

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CP03 Change of name, title or address

Address after: Room 1190, Building 4, No. 2666 Panjing Road, Baoshan District, Shanghai, 2019

Patentee after: Shanghai Tongxi Electronic Technology Co.,Ltd.

Address before: Room 2068, Building 1, No. 1696 Jiahao Road, Jiading District, Shanghai, 201802

Patentee before: SHANGHAI TONGXI ELECTRONICS TECHNOLOGY CO.,LTD.

CP03 Change of name, title or address