CN110766034A - 一种通过大数据进行轨道形变预测的方法 - Google Patents
一种通过大数据进行轨道形变预测的方法 Download PDFInfo
- Publication number
- CN110766034A CN110766034A CN201910730540.8A CN201910730540A CN110766034A CN 110766034 A CN110766034 A CN 110766034A CN 201910730540 A CN201910730540 A CN 201910730540A CN 110766034 A CN110766034 A CN 110766034A
- Authority
- CN
- China
- Prior art keywords
- data
- deformation
- track
- period
- fiber bragg
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000009499 grossing Methods 0.000 claims abstract description 16
- 238000010801 machine learning Methods 0.000 claims abstract description 4
- 239000000835 fiber Substances 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 239000013307 optical fiber Substances 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 241001669679 Eleotris Species 0.000 description 2
- 238000011425 standardization method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
- G01B11/165—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge by means of a grating deformed by the object
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Machines For Laying And Maintaining Railways (AREA)
Abstract
本发明涉及轨道交通维护技术领域,尤其是一种通过大数据进行轨道形变预测的方法;一种通过大数据进行轨道形变预测的方法,它包括以下步骤:s1数据获取及整理步骤,获取并整理与形变预测相关的数据;s2数据无量纲统一;s3机器学习建模;由于形变数据距离当前时间比较远,显而易见其参考意义肯定没有距离较近的数据大,故通过指数平滑来提高模型的适应性。
Description
技术领域
本发明涉及轨道交通维护技术领域,尤其是一种通过大数据进行轨道形变预测的方法。
背景技术
在轨道交通(火车、地铁、高铁、轻轨等)的日常运营中,轨道的维护是一个涉及旅客人生安全的重大项目。现在轨道的形变检测大致分为两种方式,一是通过工人手持各式工具对沿路轨道进行检测,如有发现异常则上报管理部门并安排检修;二是通过安装在轨道、枕木或者龙门架等固定位置的位移传感器实时监控位移,当位移超过设定值时进行报警。
现有技术无法实现对未来一定时间内出现涉及行车安全的形变进行预测。
发明内容
针对现有技术的不足,本发明提供一种通过大数据进行轨道形变预测的方法。
本发明的技术方案为:
一种通过大数据进行轨道形变预测的方法,其特征在于:它包括以下步骤:
s1数据获取及整理步骤,获取并整理与形变预测相关的数据;
在数据整理步骤中,采集并整理与形变预测相关的数据,以便于通过算法预测相应的形变情况。
具体而言,在所述数据获取和整理步骤中包括如下过程:
s101数据准备步骤,获取与轨道使用相关的数据;
在本步骤中,所述形变数据包括监控数据,监控数据每秒采集一次;所述监控数据为安装在轨道上的传感光纤以及FBG采集到的形变数据、安装在道床上光纤光栅角度计采集到的形变数据、安装在道床上光纤光栅高差计采集到的形变数据。
s102数据整理步骤,对所述形变相关的数据进行清洗并将清洗后的所述形变相关的数据基于时间单元进行数据构建;清理规则包括:空余赋值、错值去除、交叉检验;清洗数据之后,基于时间单元进行数据构建,即按照时间的顺序将搜集到的数据进行整合;时间单元可以基于毫秒、秒、分钟等。
s2数据无量纲统一;
这里需要指出,上述矩阵数据实际上来自不同学科、不同观测技术(安装在轨道上的传感光纤以及FBG采集到的形变数据、安装在道床上光纤光栅角度计采集到的形变数据、安装在道床上光纤光栅高差计采集到的形变数据),因而量纲不同,必须进行一定的变换(平移或旋转)使之成为无量纲矩阵,全部各类数据均处于无量纲的统一坐标尺度下,利于融合分析;具体应用需结合实际情况而定,本文主要采用改进标准化法进行原始数据预处理。
变换后的矩阵合成为:
X=(xk ij)n×m
其中n为样品总数、m为变量总数、k为样品分段数、p为变量分类数。
s3机器学习建模;
由于形变数据距离当前时间比较远,显而易见其参考意义肯定没有距离较近的数据大,故通过指数平滑来提高模型的适应性;
线性二次指数平滑法公式:
St (1)=aYt-1+(1-a)St-1 (1)
St (2)=aSt (1)-(1-a)St-1 (2)
其中,St,St-1分别为t期和t-1期的累计形变数据二次指数平滑值,a为平滑系数,Yt-1为t期前一期的单期形变值,在St(1)和St(2)已知的条件下,二次指数平滑法的预测模型为:
Ft+T=at+btT
at=2St (1)-St (2)
bt=a(St (1)-St (2))/(1-a)
其中,T为预测超前期数,Ft-T为t-T期的形变累计预测值,at、bt是T期数据的参数。
本发明的有益效果为:将安装在轨道上的传感光纤以及FBG采集到的形变数据、安装在道床上光纤光栅角度计采集到的形变数据、安装在道床上光纤光栅高差计采集到的形变数据全部各类数据均处于无量纲的统一坐标尺度下,利于融合分析;通过指数平滑法快速建立预测模型。
附图说明
图1为本发明的结构示意图;
图2为轨道上安装传感光纤和FBG的示意图;
图3为道床上安装角度计的示意图;
图4为道床上安装高差计的示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明:
如图2-4所示,对轨道交通中的轨道及其附属结构进行数据采集相关设备的安装。
其中,轨道上需要在铁轨的侧壁上通过粘合剂固定两条传感光纤和FBG传感器,FBG传感器位于两个传感光纤之间。
其中,道床两侧的连地墙侧壁上通过螺栓安装光纤光栅角度计,由于光纤光栅角度计是一种长条形物体,故尽量与车辆行进方向平行。
其中,道床上且位于轨道两侧均安装有光纤光栅高差计,它的一端连接道床另一端连接轨道,可有效监控轨道在枕木或者路基上的高度变化。
如图1所示,一种通过大数据进行轨道形变预测的方法,其特征在于:它包括以下步骤:
s1数据获取及整理步骤,获取并整理与形变预测相关的数据;
在数据整理步骤中,采集并整理与形变预测相关的数据,以便于通过算法预测相应的形变情况。
具体而言,在所述数据获取和整理步骤中包括如下过程:
s101数据准备步骤,获取与轨道使用相关的数据;
在本步骤中,所述形变数据包括监控数据,监控数据每秒采集一次;所述监控数据为安装在轨道上的传感光纤以及FBG采集到的形变数据、安装在道床上光纤光栅角度计采集到的形变数据、安装在道床上光纤光栅高差计采集到的形变数据。
s102数据整理步骤,对所述形变相关的数据进行清洗并将清洗后的所述形变相关的数据基于时间单元进行数据构建;清理规则包括:空余赋值、错值去除、交叉检验;清洗数据之后,基于时间单元进行数据构建,即按照时间的顺序将搜集到的数据进行整合;时间单元可以基于毫秒、秒、分钟等。
s2数据无量纲统一;
这里需要指出,上述矩阵数据实际上来自不同学科、不同观测技术(安装在轨道上的传感光纤以及FBG采集到的形变数据、安装在道床上光纤光栅角度计采集到的形变数据、安装在道床上光纤光栅高差计采集到的形变数据),因而量纲不同,必须进行一定的变换(平移或旋转)使之成为无量纲矩阵,全部各类数据均处于无量纲的统一坐标尺度下,利于融合分析;具体应用需结合实际情况而定,本文主要采用改进标准化法进行原始数据预处理。
变换后的矩阵合成为:
X=(xk ij)n×m
其中n为样品总数、m为变量总数、k为样品分段数、p为变量分类数。
s3机器学习建模;
由于形变数据距离当前时间比较远,显而易见其参考意义肯定没有距离较近的数据大,故通过指数平滑来提高模型的适应性;
线性二次指数平滑法公式:
St (1)=aYt-1+(1-a)St-1 (1)
St (2)=aSt (1)-(1-a)St-1 (2)
其中,St,St-1分别为t期和t-1期的累计形变数据二次指数平滑值,a为平滑系数,Yt-1为t期前一期的单期形变值,在St(1)和St(2)已知的条件下,二次指数平滑法的预测模型为:
Ft+T=at+btT
at=2St (1)-St (2)
bt=a(St (1)-St (2))/(1-a)
其中,T为预测超前期数,Ft-T为t-T期的形变累计预测值,at、bt是T期数据的参数。
上述实施例和说明书中描述的只是说明本发明的原理和最佳实施例,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (3)
1.一种通过大数据进行轨道形变预测的方法,其特征在于:它包括以下步骤:
s1数据获取及整理步骤,获取并整理与形变预测相关的数据;
在数据整理步骤中,采集并整理与形变预测相关的数据,以便于通过算法预测相应的形变情况;
s2数据无量纲统一;
变换后的矩阵合成为:
X=(xk ij)n×m
其中n为样品总数、m为变量总数、k为样品分段数、p为变量分类数;
s3机器学习建模;
线性二次指数平滑法公式:
St (1)=aYt-1+(1-a)St-1 (1)
St (2)=aSt (1)-(1-a)St-1 (2)
其中,St,St-1分别为t期和t-1期的累计形变数据二次指数平滑值,a为平滑系数,Yt-1为t期前一期的单期形变值,在St(1)和St(2)已知的条件下,二次指数平滑法的预测模型为:
Ft+T=at+btT
at=2St (1)-St (2)
bt=a(St (1)-St (2))/(1-a)
其中,T为预测超前期数,Ft-T为t-T期的形变累计预测值,at、bt是T期数据的参数。
2.根据权利要求1所述的通过大数据进行轨道形变预测的方法,其特征在于:
在所述数据获取和整理步骤中包括如下过程:
s101数据准备步骤,获取与轨道使用相关的数据;
所述形变数据包括监控数据,监控数据每秒采集一次;所述监控数据为安装在轨道上的传感光纤以及FBG采集到的形变数据、安装在道床上光纤光栅角度计采集到的形变数据、安装在道床上光纤光栅高差计采集到的形变数据。
s102数据整理步骤,对所述形变相关的数据进行清洗并将清洗后的所述形变相关的数据基于时间单元进行数据构建;清理规则包括:空余赋值、错值去除、交叉检验;清洗数据之后,基于时间单元进行数据构建,即按照时间的顺序将搜集到的数据进行整合;时间单元可以基于毫秒、秒、分钟等。
3.根据权利要求2述的通过大数据进行轨道形变预测的方法,其特征在于:
所述矩阵数据包括安装在轨道上的传感光纤以及FBG采集到的形变数据、安装在道床上光纤光栅角度计采集到的形变数据、安装在道床上光纤光栅高差计采集到的形变数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910730540.8A CN110766034A (zh) | 2019-08-08 | 2019-08-08 | 一种通过大数据进行轨道形变预测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910730540.8A CN110766034A (zh) | 2019-08-08 | 2019-08-08 | 一种通过大数据进行轨道形变预测的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110766034A true CN110766034A (zh) | 2020-02-07 |
Family
ID=69329684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910730540.8A Pending CN110766034A (zh) | 2019-08-08 | 2019-08-08 | 一种通过大数据进行轨道形变预测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110766034A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106809251A (zh) * | 2015-12-02 | 2017-06-09 | 北京控股磁悬浮技术发展有限公司 | 磁悬浮列车轨道不平顺的监测及预测方法、装置和系统 |
CN107273985A (zh) * | 2017-05-04 | 2017-10-20 | 吉林大学 | 一种地质体的数字特征度量方法及系统 |
CN107453396A (zh) * | 2017-08-02 | 2017-12-08 | 安徽理工大学 | 一种分布式光伏电源出力的多目标优化调度方法 |
CN107858883A (zh) * | 2017-11-29 | 2018-03-30 | 北京交通大学 | 一种轨道系统安全状态综合监测及智能分析方法 |
-
2019
- 2019-08-08 CN CN201910730540.8A patent/CN110766034A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106809251A (zh) * | 2015-12-02 | 2017-06-09 | 北京控股磁悬浮技术发展有限公司 | 磁悬浮列车轨道不平顺的监测及预测方法、装置和系统 |
CN107273985A (zh) * | 2017-05-04 | 2017-10-20 | 吉林大学 | 一种地质体的数字特征度量方法及系统 |
CN107453396A (zh) * | 2017-08-02 | 2017-12-08 | 安徽理工大学 | 一种分布式光伏电源出力的多目标优化调度方法 |
CN107858883A (zh) * | 2017-11-29 | 2018-03-30 | 北京交通大学 | 一种轨道系统安全状态综合监测及智能分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109910947B (zh) | 搭载式轨道健康状态动态监测与智慧分析系统及方法 | |
CN104364629B (zh) | 基于共振信号分析的轨道部件检查 | |
CN107609304B (zh) | 大跨度铁路桥梁的基于phm的故障诊断预测系统及方法 | |
Wang et al. | Real-time defect detection of high-speed train wheels by using Bayesian forecasting and dynamic model | |
CN111401583A (zh) | 基于预测性维护的自动扶梯全生命周期健康管理系统 | |
Bocciolone et al. | Pantograph–catenary monitoring by means of fibre Bragg grating sensors: Results from tests in an underground line | |
US20220355839A1 (en) | Monitoring, predicting and maintaining the condition of railroad elements with digital twins | |
JP2008148466A (ja) | 軌道系交通システムの異常診断方法及び異常診断システム | |
KR102140365B1 (ko) | 지상 차량 작동 탐지 정보 처리 시스템 | |
Hoelzl et al. | On-board monitoring for smart assessment of railway infrastructure: A systematic review | |
Liu et al. | Wheel tread defect detection for high-speed trains using FBG-based online monitoring techniques | |
CN111516727A (zh) | 一种基于双测振传感器的高铁钢轨缺陷异常智能诊断检测系统及方法 | |
Jovanović et al. | Railway infrastructure condition-monitoring and analysis as a basis for maintenance management | |
JP7477489B2 (ja) | レール健全度の評価方法及びレール健全度の評価システム | |
RU2754286C1 (ru) | Способ сенсорного анализа, система контроля, содержащая компьютерный программный продукт для сенсорного анализа, система подсчета пассажиров и транспортное средство для перевозки пассажиров, в частности, в рельсовом и дорожном сообщении | |
CN110766034A (zh) | 一种通过大数据进行轨道形变预测的方法 | |
CN113804242A (zh) | 路面监测系统、传感器布设位置的确定方法以及装置 | |
CN117740280A (zh) | 一种基于时间序列的桥梁检测方法及控制系统 | |
CN110346601A (zh) | 预制道床姿态监测系统及监测方法 | |
CN115389143A (zh) | 大跨度轨道专用桥结构状态监测与评价方法 | |
AT518759A1 (de) | Verfahren und Vorrichtung zur Überwachung zumindest einer im Bahnbau verlegten Fahrwegkomponente | |
DE102016223230A1 (de) | Überwachungsanordnung für Kraftfahrzeuge, Überwachungsverfahren und Kraftfahrzeug | |
CN203144853U (zh) | 全自动精密监测轨道几何参数变化的装置 | |
CN110608711A (zh) | 一种通过大数据进行轨交隧道形变预测的方法 | |
CN110059403A (zh) | 轨道梁群体的疲劳检测评估分析系统 |
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: 20200207 |