CN109903420A - 一种铁路运输车载多源感知动态检测方法 - Google Patents
一种铁路运输车载多源感知动态检测方法 Download PDFInfo
- Publication number
- CN109903420A CN109903420A CN201910109061.4A CN201910109061A CN109903420A CN 109903420 A CN109903420 A CN 109903420A CN 201910109061 A CN201910109061 A CN 201910109061A CN 109903420 A CN109903420 A CN 109903420A
- Authority
- CN
- China
- Prior art keywords
- data
- subsequence
- rule
- railway transportation
- sequence
- 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.)
- Pending
Links
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Abstract
发明公开了一种铁路运输车载多源感知动态检测方法,主要包含以下步骤:数据采集模块,其通过guss接收机,IMU惯性传感器及状态监测传感器采集列车列首及列尾的运行状态数据;无线通讯模块将采集的状态数据进行传输于数据融合模块;数据融合模块定义铁路运输在线数据的语法异常规则,根据语法异常规则对所述数据采集模块采集的在线数据进行异常检测,得到检测结果序列集;管理应用模块根据异常程度对所述检测结果序列集排序,得到最终检测结果,并发出警报。
Description
技术领域
本发明属于铁道运输的检测技术领域,特别涉及一种铁路运输车载多源感知动态检测方法。
背景技术
列车运行状态的监测可以提高列车维修的效率,保证列车的运行安全。国内外的大量学者都对列车运行状态监测进行了大量研究,界上大多数国家采用几何状态监测,主要监测高低、水平、轨向、轨距等,并且该监测技术正在向高精度、高速率、数字化、综合化方向发展,但这些检测技术都是对轨道静态检测,无法对列车的运行状态实时在线监测,为提高铁路运输的管理质量水平和安全防护水平,亟需建立基于车载多源感知的动态监测方法。
发明内容
本发明的目的是为克服已有技术的不足,设计出一种铁路运输车载多源感知动态检测方法。
其主要包含以下步骤:1)数据采集模块,其通过guss接收机,IMU惯性传感器及状态监测传感器采集列车列首及列尾的运行状态数据;
2)、无线通讯模块将采集的状态数据进行传输于数据融合模块;
3)、数据融合模块定义铁路运输在线数据的语法异常规则,根据语法异常规则对所述数据采集模块采集的在线数据进行异常检测,得到检测结果序列集;
4)、管理应用模块根据异常程度对所述检测结果序列集排序,得到最终检测结果,并发出警报。
优选的,guss接收机采集列车的运行里程、经度、纬度、速度数据;IMU惯性传感器采集列车的加速度、角速度数据;状态监测传感器采集列车供电、制动气压、列车油温、列车水温监测数据。
优选的,所述的数据融合模块定义铁路运输在线数据的语法异常规则,其语法异常规则为包括一个或多个规则集合的序列,每个所述规则集合均对应时间序列中的一个时序点;所述规则集合的形式为:<规则元组>={<数值下限>,<数值上限>,<方向>};
其中,<数值下限>和<数值上限>为已定义的参数、具体的值或者表达式;<方向>为up、dw、eq、ud或数值,其中,up表示下一个值比当前值大,dw表示下一个值比当前值小,eq表示下一个值等于当前值,ud表示下一个值与当前值无关,数值表示以当前所述时序点为起点的序列段的斜率。
作为优选的,所述步骤3)对所述数据采集模块采集的在线数据进行异常检测包含以下过程;
4-1.根据所述语法规则,进行时间序列异常模式检测,得到检测的初始结果;
4-2.将测试时间序列分成若干序列段,并指定初始均值和标准差;
4-3.在一个所述序列段中,对于所述初始结果中的每一条规则,分别判断所有长度与所述规则相同的子序列是否满足这条规则;若不满足,则继续对下一条规则进行判断;若满足,则输出这个子序列为异常子序列,直到判断完所述初始结果中的全部规则;
4-4.全部的所述异常子序列组成所述检测结果序列集。
作为优选的,所述步骤4)所述检测结果序列集排序的排序原则为:
a.所述检测结果序列集中的子序列的异常程度是该子序列中每个点的异常程度的平均值;
b.所述子序列中每个点的异常程度与该点被判定为异常的规则的数量呈正相关的关系;
c.所述子序列中每个点的异常程度与该点被判定为异常的相同规则的数量呈负相关的关系;
6.根据权利要求4所述的一种铁路运输车载多源感知动态检测方法,其特征在于:步骤4)所述检测结果序列集排序的排序实现方式为:
6-1、定义一个监测频率矩阵F
其中,F中的每一个元素fij表示序列中的第j个点被第i条规则检测出的次数,n为子序列的总数,m为规则的总数;
6-2、得到序列点Pj的分数的计算公式为:
6-3、分别算出所述检测结果序列集中的每一条子序列的分数;所述子序列<P1,P2,···Pn>的分数的计算公式为:
6-4、再按照每一条子序列的分数的降序对所述子序列进行排序,得到最终检测结果。
本发明与现有技术相比,其有益的技术效果为:
1、能够高效率、实时且灵活地对铁路运输在线数据进行异常检测,进而提升了铁路运输列车在线监测数据质量,实现了从海量列车运行在线数据中快速地找到异常数据,提高了铁路运输列车状态的仿真计算和状态监测等工作结果的精确度。
2、本发明所提供的技术方案设计了异常结果的排序方法,可以对检测出的异常序列按照异常程度进行排序,方便了用户对异常结果的筛选。
附图说明
图1是本发明的结构流程图。
具体实施方式
一种铁路运输车载多源感知动态检测方法,其主要包含以下步骤:1)数据采集模块,其通过guss接收机,IMU惯性传感器及状态监测传感器采集列车列首及列尾的运行状态数据;
2)、无线通讯模块将采集的状态数据进行传输于数据融合模块;
3)、数据融合模块定义铁路运输在线数据的语法异常规则,根据语法异常规则对所述数据采集模块采集的在线数据进行异常检测,得到检测结果序列集;
4)、管理应用模块根据异常程度对所述检测结果序列集排序,得到最终检测结果,并发出警报。
优选的,guss接收机采集列车的运行里程、经度、纬度、速度数据;IMU惯性传感器采集列车的加速度、角速度数据;状态监测传感器采集列车供电、制动气压、列车油温、列车水温监测数据。
优选的,所述的数据融合模块定义铁路运输在线数据的语法异常规则,其语法异常规则为包括一个或多个规则集合的序列,每个所述规则集合均对应时间序列中的一个时序点;所述规则集合的形式为:<规则元组>={<数值下限>,<数值上限>,<方向>};
其中,<数值下限>和<数值上限>为已定义的参数、具体的值或者表达式;<方向>为up、dw、eq、ud或数值,其中,up表示下一个值比当前值大,dw表示下一个值比当前值小,eq表示下一个值等于当前值,ud表示下一个值与当前值无关,数值表示以当前所述时序点为起点的序列段的斜率。
作为优选的,所述步骤3)对所述数据采集模块采集的在线数据进行异常检测包含以下过程;
4-1.根据所述语法规则,进行时间序列异常模式检测,得到检测的初始结果;
4-2.将测试时间序列分成若干序列段,并指定初始均值和标准差;
4-3.在一个所述序列段中,对于所述初始结果中的每一条规则,分别判断所有长度与所述规则相同的子序列是否满足这条规则;若不满足,则继续对下一条规则进行判断;若满足,则输出这个子序列为异常子序列,直到判断完所述初始结果中的全部规则;
4-4.全部的所述异常子序列组成所述检测结果序列集。
作为优选的,所述步骤4)所述检测结果序列集排序的排序原则为:
a.所述检测结果序列集中的子序列的异常程度是该子序列中每个点的异常程度的平均值;
b.所述子序列中每个点的异常程度与该点被判定为异常的规则的数量呈正相关的关系;
c.所述子序列中每个点的异常程度与该点被判定为异常的相同规则的数量呈负相关的关系;
6.根据权利要求4所述的一种铁路运输车载多源感知动态检测方法,其特征在于:步骤4)所述检测结果序列集排序的排序实现方式为:
6-1、定义一个监测频率矩阵F
其中,F中的每一个元素fij表示序列中的第j个点被第i条规则检测出的次数,n为子序列的总数,m为规则的总数;
6-2、得到序列点Pj的分数的计算公式为:
6-3、分别算出所述检测结果序列集中的每一条子序列的分数;所述子序列<P1,P2,···Pn>的分数的计算公式为:
6-4、再按照每一条子序列的分数的降序对所述子序列进行排序,得到最终检测结果。
以上对本发明进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种铁路运输车载多源感知动态检测方法,其特征在于主要包含以下步骤:1)数据采集模块,其通过guss接收机,IMU惯性传感器及状态监测传感器采集列车列首及列尾的运行状态数据;
2)、无线通讯模块将采集的状态数据进行传输于数据融合模块;
3)、数据融合模块定义铁路运输在线数据的语法异常规则,根据语法异常规则对所述数据采集模块采集的在线数据进行异常检测,得到检测结果序列集;
4)、管理应用模块根据异常程度对所述检测结果序列集排序,得到最终检测结果,并发出警报。
2.根据权利要求1所述的一种铁路运输车载多源感知动态检测方法,其特征在于:guss接收机采集列车的运行里程、经度、纬度、速度数据;IMU惯性传感器采集列车的加速度、角速度数据;状态监测传感器采集列车供电、制动气压、列车油温、列车水温监测数据。
3.根据权利要求1所述的一种铁路运输车载多源感知动态检测方法,其特征在于:
所述的数据融合模块定义铁路运输在线数据的语法异常规则,其语法异常规则为包括一个或多个规则集合的序列,每个所述规则集合均对应时间序列中的一个时序点;所述规则集合的形式为:<规则元组>={<数值下限>,<数值上限>,<方向>};
其中,<数值下限>和<数值上限>为已定义的参数、具体的值或者表达式;<方向>为up、dw、eq、ud或数值,其中,up表示下一个值比当前值大,dw表示下一个值比当前值小,eq表示下一个值等于当前值,ud表示下一个值与当前值无关,数值表示以当前所述时序点为起点的序列段的斜率。
4.根据权利要求1所述的一种铁路运输车载多源感知动态检测方法,其特征在于:所述步骤3)对所述数据采集模块采集的在线数据进行异常检测包含以下过程;
4-1.根据所述语法规则,进行时间序列异常模式检测,得到检测的初始结果;
4-2.将测试时间序列分成若干序列段,并指定初始均值和标准差;
4-3.在一个所述序列段中,对于所述初始结果中的每一条规则,分别判断所有长度与所述规则相同的子序列是否满足这条规则;若不满足,则继续对下一条规则进行判断;若满足,则输出这个子序列为异常子序列,直到判断完所述初始结果中的全部规则;
4-4.全部的所述异常子序列组成所述检测结果序列集。
5.根据权利要求4所述的一种铁路运输车载多源感知动态检测方法,其特征在于:步骤4)所述检测结果序列集排序的排序原则为:
a.所述检测结果序列集中的子序列的异常程度是该子序列中每个点的异常程度的平均值;
b.所述子序列中每个点的异常程度与该点被判定为异常的规则的数量呈正相关的关系;
c.所述子序列中每个点的异常程度与该点被判定为异常的相同规则的数量呈负相关的关系。
6.根据权利要求4所述的一种铁路运输车载多源感知动态检测方法,其特征在于:步骤4)所述检测结果序列集排序的排序实现方式为:
6-1、定义一个监测频率矩阵F
其中,F中的每一个元素fij表示序列中的第j个点被第i条规则检测出的次数,n为子序列的总数,m为规则的总数;
6-2、得到序列点Pj的分数的计算公式为:
6-3、分别算出所述检测结果序列集中的每一条子序列的分数;所述子序列<P1,P2,···Pn>的分数的计算公式为:
6-4、再按照每一条子序列的分数的降序对所述子序列进行排序,得到最终检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910109061.4A CN109903420A (zh) | 2019-02-03 | 2019-02-03 | 一种铁路运输车载多源感知动态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910109061.4A CN109903420A (zh) | 2019-02-03 | 2019-02-03 | 一种铁路运输车载多源感知动态检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109903420A true CN109903420A (zh) | 2019-06-18 |
Family
ID=66944717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910109061.4A Pending CN109903420A (zh) | 2019-02-03 | 2019-02-03 | 一种铁路运输车载多源感知动态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903420A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113607441A (zh) * | 2021-08-24 | 2021-11-05 | 湖南工业大学 | 高速列车柔性可变检修工艺通用智能运维系统、方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014093670A1 (en) * | 2012-12-12 | 2014-06-19 | University Of North Dakota | Analyzing flight data using predictive models |
CN105138413A (zh) * | 2015-08-19 | 2015-12-09 | 中国电力科学研究院 | 一种配电网在线数据异常检测方法 |
US20170330392A1 (en) * | 2016-05-16 | 2017-11-16 | Wi-Tronix, Llc | Real-Time Data Acquisition and Recording System |
US20180004197A1 (en) * | 2016-06-30 | 2018-01-04 | Ge Aviation Systems Llc | In-Situ Measurement Logging by Wireless Communication Unit for Communicating Engine Data |
CN107703920A (zh) * | 2017-10-25 | 2018-02-16 | 北京交通大学 | 基于多元时间序列的列车制动系统的故障检测方法 |
CN108860223A (zh) * | 2018-05-31 | 2018-11-23 | 北京全路通信信号研究设计院集团有限公司 | 一种数据处理系统及方法 |
CN109094420A (zh) * | 2018-08-06 | 2018-12-28 | 江西理工大学 | 基于物联网的悬挂式磁悬浮列车控制方法 |
CN109115213A (zh) * | 2017-06-21 | 2019-01-01 | 卡特彼勒公司 | 用于利用传感器融合来确定机器状态的系统和方法 |
-
2019
- 2019-02-03 CN CN201910109061.4A patent/CN109903420A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014093670A1 (en) * | 2012-12-12 | 2014-06-19 | University Of North Dakota | Analyzing flight data using predictive models |
CN105138413A (zh) * | 2015-08-19 | 2015-12-09 | 中国电力科学研究院 | 一种配电网在线数据异常检测方法 |
US20170330392A1 (en) * | 2016-05-16 | 2017-11-16 | Wi-Tronix, Llc | Real-Time Data Acquisition and Recording System |
US20180004197A1 (en) * | 2016-06-30 | 2018-01-04 | Ge Aviation Systems Llc | In-Situ Measurement Logging by Wireless Communication Unit for Communicating Engine Data |
CN109115213A (zh) * | 2017-06-21 | 2019-01-01 | 卡特彼勒公司 | 用于利用传感器融合来确定机器状态的系统和方法 |
CN107703920A (zh) * | 2017-10-25 | 2018-02-16 | 北京交通大学 | 基于多元时间序列的列车制动系统的故障检测方法 |
CN108860223A (zh) * | 2018-05-31 | 2018-11-23 | 北京全路通信信号研究设计院集团有限公司 | 一种数据处理系统及方法 |
CN109094420A (zh) * | 2018-08-06 | 2018-12-28 | 江西理工大学 | 基于物联网的悬挂式磁悬浮列车控制方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113607441A (zh) * | 2021-08-24 | 2021-11-05 | 湖南工业大学 | 高速列车柔性可变检修工艺通用智能运维系统、方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107036581B (zh) | 基于mems陀螺仪的桥梁变形在线监测系统及方法 | |
CN105160872B (zh) | 一种gps轨迹数据智能采集方法 | |
CN105206057B (zh) | 基于浮动车居民出行热点区域的检测方法及系统 | |
CN103895649B (zh) | 一种驾驶员安全驾驶预警方法 | |
CN106897826A (zh) | 一种交通事故风险评估方法及系统 | |
Kingsy et al. | Air pollution analysis using enhanced K-Means clustering algorithm for real time sensor data | |
CN106121622B (zh) | 一种基于示功图的有杆泵抽油井的多故障诊断方法 | |
CN104714997B (zh) | 提取装置、数据处理系统和提取方法 | |
CN109493617A (zh) | 一种交通信号优化控制方法及装置 | |
CN105869398B (zh) | 一种基于K-means聚类的道路交通畅通度判断方法 | |
CN103278343B (zh) | 一种结构关键疲劳构件的识别方法 | |
CN105717888B (zh) | 一种智能预警系统 | |
CN107180534B (zh) | 支持向量回归机融合的高速公路路段平均速度估计方法 | |
CN111582580A (zh) | 一种考虑人群污染物暴露的出行路径规划方法 | |
CN106959422B (zh) | 一种电池寿命预警装置的检测方法 | |
CN109002961A (zh) | 一种基于网络数据的跨区域文化景观间功能结构规划方法 | |
CN106530704A (zh) | 一种基于多元数据融合的浮动车聚集检测方法 | |
CN110136442A (zh) | 基于共享单车gps轨迹数据的行人侵占道路行为识别方法 | |
CN110570675A (zh) | 一种车路协同环境下高速公路施工区的路侧控制系统 | |
CN103606247B (zh) | 利用车况和驾驶员生理参数进行交通预警的方法及系统 | |
CN109903420A (zh) | 一种铁路运输车载多源感知动态检测方法 | |
CN106980029B (zh) | 车辆超速判断方法及其系统 | |
CN107765617B (zh) | 列车轴温数据处理方法及装置 | |
CN104359689A (zh) | 动车组制动性能测试方法和测试装置 | |
CN100446015C (zh) | 一种可用于地面道路网交通状况测定的方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |