CN110824280B - 基于特征相似度的道岔健康状态的诊断方法与可视化方法 - Google Patents

Abstract

本发明公开了一种基于特征相似度的道岔健康状态的诊断方法与可视化方法，诊断方法包括首先对转辙机电流监测数据进行补齐、归一化和合并预处理，然后提取其四阶累积量特征并采用主成分分析法进行降维，计算降维特征与健康特征模板之间的调整余弦相似度作为道岔健康状态的定量评价指标，可视化方法包括根据健康状态从动作次数、动作时间等多个维度对道岔动作时的健康状态进行可视化展示。本发明从宏观及微观角度对道岔的健康状态进行了可视化展示，不仅能够直观地展现道岔的历史健康状态信息，还能为道岔智能运维的故障分析、维修养护决策提供直观的参考依据。

Description

基于特征相似度的道岔健康状态的诊断方法与可视化方法

技术领域

本发明涉及轨道交通智能运维领域，具体涉及一种基于特征相似度的道岔健康状态的诊断方法与可视化方法。

背景技术

在数据可视化领域中，数据可视化技术旨在利用计算机图形学的相关理论与方法，将潜藏于众多数据中的现象和规律转化为视觉感知的图形、图像表达出来，帮助人们更直观、有效地理解和分析数据，创造价值。

道岔作为铁路信号系统的重要基础设备，是轨道的薄弱环节之一，对铁路列车行车安全与运输效率有决定性意义。目前，各铁路运营单位、集中监测系统厂家都积累了大量道岔动作时的转辙机监测数据，围绕如何利用监测数据准确评价道岔的工作状态，诊断和预测设备故障等问题做了许多研究，但很少在面向智能运维的道岔健康状态可视化方面进行研究。

目前，集中监测系统能实时监测并展示道岔转动时的转辙机动作电流曲线，对于道岔故障诊断的结果需由人工凭经验对动作曲线进行定性诊断和复核。

实际工作中，一个车站有多组道岔，一组道岔每天有多次动作，电务运维人员难以对每次道岔动作的三相电流进行一一查看，应用最多的超限报警只能在故障发生后才了解道岔的工作状态。对于多个道岔和道岔多次动作产生的大量动作曲线，人工逐条分析的时效性差，也难以集中在一个界面上可视化展示，并且采用人工逐条诊断的方法无法快速和直观地掌握所有道岔的健康状态。

此外，对于存在大量的道岔历史监测数据，目前基于动作曲线展示方法难以直观体现不同道岔在不同动作时间的健康状态，也无法可视化展示道岔每次动作时的健康状态的连续变化过程。目前的曲线展示和健康状态分析方法不适应智能运维的可视化需求。

发明内容

本发明针对现有技术中的上述不足，提供了一种能够解决现有技术中道岔工作状态诊断准确性不足的问题的基于特征相似度的道岔健康状态的诊断方法与可视化方法。

为解决上述技术问题，本发明采用了下列技术方案：

提供了一种基于特征相似度的道岔健康状态的诊断方法，其包括以下步骤：

S1、采集转辙机在目标道岔的完成一次转换动作时的三相交流电，并对三相交流电进行处理后作为目标道岔的运行状态特征值；

S2、对运行状态特征值进行主成分分析，得到目标道岔的降维特征值；

S3、根据目标道岔的历史转换动作数据，计算其历史降维特征值，并采用历史降维特征值计算目标道岔的健康特征模板；

S4、计算目标道岔的降维特征值和健康特征模板间的调整余弦相似度；

S5、根据调整余弦相似度，评价目标道岔本次动作时的健康状态。

进一步地，处理得到目标道岔的运行状态特征值的方法为：

S1、当道岔完成一次转换动作时，采集转辙机的三相动作电流，分别记为i_A、i_B、i_C，其中下标A、B和C分别表示三相交流电的相序；

S2、采用末尾补零方法将三相动作电流分别补齐为包含设定长度的数据序列；

S3、对三相动作电流的数据序列作归一化处理，然后将其合并成一个电流序列I＝(I_A、I_B、I_C)；

S4、计算I的设定阶的高阶累计量，作为目标道岔的运行状态特征值。

进一步地，数据序列的长度为包含230个数据点的序列。

进一步地，高阶累计量的阶数为四阶。

进一步地，计算目标道岔的健康特征模板的方法为：

S1、获取道岔完成转换动作时，转辙机三相交流电信息的历史记录，并计算历史记录对应的降维特征值；

S2、采用自适应K-means聚类算法对历史记录对应的降维特征值进行聚类，得到两个聚类中心c₁、c₂，其中c₁为道岔从定位到反位时的聚类中心，c₂为道岔从反位到定位时的聚类中心；

S3、取两个聚类中心c₁、c₂所对应的降维特征值作为目标道岔的健康特征模板。

进一步地，计算调整余弦相似度ACS的公式为：

其中，A_i为电流序列I的第i维降维特征值，B_i为健康特征模板的第i维降维特征值，n为常参数，n取15。

进一步地，健康状态包括健康、亚健康、故障。

进一步地，道岔健康状态的评价方法为：

当ACS≥高设定值时，道岔处于健康状态；

当低设定值≤ACS＜高设定值时，道岔处于亚健康状态；

当ACS＜低设定值时，道岔处于故障状态。

进一步地，高设定值取0.9，所述低设定值取0.6。

本发明还提供了一种基于上述道岔健康状态的诊断方法的可视化方法，其包括如下步骤：

S1、根据目标道岔健康状态的评价结果，分别采用三种不同的颜色表示目标道岔的健康状态；

S2、制作基于动作次数的条形图以表示目标道岔每次动作时的健康状态；

S3、制作基于动作时间的条形图以表示目标道岔在每个时段内动作次数与健康状态的关系，其中，条形图的主纵轴表示目标道岔每个时间段内健康状态的总体情况，并由ACS的平均值表示，条形图的副纵轴表示目标道岔每个时间段内的动作次数；

S4、制作基于动作次数和动作时间的热力图以表示目标道岔在每个时间段的动作的健康状态，其中，热力图的横坐标表示时间段，纵坐标代表动作次数，每个小方格代表某时间段某次动作时目标道岔的健康状态；

S5、制作基于统计的堆积条形图以表示目标各道岔的健康状态时间占比，纵坐标代表道岔序号，横坐标代表动作次数。

本发明提供的上述基于特征相似度的道岔健康状态的诊断方法主要有益效果在于：

将道岔动作时的三项电流数据重构为一个电流序列，充分利用了三项电流包含的状态信息；对电流序列归一化后采用四阶累积量法提取的道岔状态特征稳定性好，正常与故障状态的区分度高；采用调整余弦相似度对道岔健康状态进行定量诊断评价，不依赖人工经验且诊断实时性高。

本发明提供的上述基于特征相似度的道岔健康状态的诊断方法的可视化方法的主要有益效果在于：

采用三种颜色对量化后的健康状态进行展示，更直观地表示道岔健康、亚健康、故障状态；基于动作时间和动作次数的健康状态多维度可视化，从宏观及微观上对道岔的健康状态进行展示，可以进一步为智能运维中的设备故障分析、故障预警、维修决策提供更直观的依据。

附图说明

图1为基于特征相似度的道岔健康状态的诊断方法流程示意图。

图2为道岔完成一次动作时转辙机的A、B、C三相电流曲线。

图3为基于动作次数的道岔健康状态可视化结果。

图4为基于动作时间的道岔健康状态可视化结果。

图5为基于动作次数和动作时间的道岔健康状态可视化结果。

图6为多个道岔的健康状态的集中可视化展示结果。

具体实施方式

下面结合附图对本发明作进一步说明：

如图1所示，其为基于特征相似度的道岔健康状态的诊断方法的流程图。

本发明提供的基于特征相似度的道岔健康状态的诊断方法，包括以下步骤：

S1、采集转辙机在目标道岔的完成一次转换动作时的三相交流电，并对三相交流电进行处理后作为目标道岔的运行状态特征值。

进一步地，处理得到目标道岔的运行状态特征值的方法为：

S1-1、当道岔完成一次转换动作时，采集转辙机的三相动作电流，分别记为i_A、i_B、i_C，其中下标A、B和C分别表示三相交流电的相序。

S1-2、将三相动作电流通过末尾补零方法，分别补齐为包含设定长度的数据序列。

优选的，数据序列的长度为包含230个数据点的序列。通过将三相动作电流的相序补起为相同长度的数据序列，以保证其精度和相互间的权重关系，方便进一步处理。

S1-3、对三相动作电流的数据序列作归一化处理，然后将其合并成一个电流序列，记为I＝(I_A、I_B、I_C)。

S1-4、计算I的设定阶的高阶累计量，作为目标道岔的运行状态特征值。

优选的，高阶累计量的阶数为四阶，以保证计算效率和数据精度。

S2、对得到的运行状态特征值进行主成分分析，得到目标道岔的降维特征值。

S3、根据目标道岔的历史转换动作数据，计算其历史降维特征值，进而计算目标道岔的健康特征模板。

进一步地，计算目标道岔的健康特征模板的方法为：

S3-1、获取道岔完成转换动作时，转辙机三相交流电信息的历史记录，并计算历史记录对应的降维特征值。

S3-2、采用自适应K-means聚类算法对历史记录对应的降维特征值进行聚类，得到两个聚类中心c₁、c₂，其中c₁为道岔从定位到反位时的聚类中心，c₂为道岔从反位到定位时的聚类中心。

S3-3、取两个聚类中心c₁、c₂所对应的降维特征值作为目标道岔的健康特征模板。

S4、计算目标道岔的降维特征值和健康特征模板间的调整余弦相似度。

进一步地，计算调整余弦相似度ACS的公式为：

其中，A_i为电流序列I的第i维降维特征值，B_i为健康特征模板的第i维降维特征值，n为常参数，n取15。

S5、根据计算得到的调整余弦相似度，评价目标道岔本次动作时的健康状态。

健康状态包括健康、亚健康、故障三种状态，其评价方法为：

当ACS≥高设定值时，道岔处于健康状态；

当低设定值≤ACS＜高设定值时，道岔处于亚健康状态；

当ACS＜低设定值时，道岔处于故障状态。

优选的，高设定值取0.9，低设定值取0.6。

本方法通过计算监测数据与健康模板的四阶累计量特征的调整余弦相似度，对道岔健康状态进行了定量评价，不依赖人工经验且诊断实时性高，可靠性强。

本发明还提供了一种基于上述道岔健康状态的诊断方法的可视化方法，其包括如下步骤：

S1、根据目标道岔健康状态的评价结果，分别采用三种不同的颜色表示目标道岔的健康状态；

S2、制作基于动作次数的条形图以表示目标道岔每次动作时的健康状态；

S3、制作基于动作时间的条形图以表示目标道岔在每个时段内动作次数与健康状态的关系，其中，条形图的主纵轴表示目标道岔每个时间段内健康状态的总体情况，并由ACS的平均值表示，条形图的副纵轴表示目标道岔每个时间段内的动作次数；

S4、制作基于动作次数和动作时间的热力图以表示目标道岔在每个时间段的动作的健康状态，其中，热力图的横坐标表示时间段，纵坐标代表动作次数，每个小方格代表某时间段某次动作时目标道岔的健康状态；

S5、制作基于统计的堆积条形图以表示目标各道岔的健康状态时间占比，纵坐标代表道岔序号，横坐标代表动作次数。

下面是应用上述方法进行道岔健康状态诊断和可视化的实施例：

下面是某站的道岔监测日志中2017年6月25日至2017年7月25日的28个道岔的三相电流数据。

以1号道岔为例，道岔完成一次转换时转辙机的A、B、C三相动作电流如图2所示，仅由人工经验定性地判断道岔的健康状态，存在时效性差、集中可视化困难等问题。

利用本发明提供的诊断方法，对历史健康数据的四阶累积量降维特征进行聚类分析，选出最终的聚类中心所对应的降维特征作为目标道岔工作状态的健康特征模板，并通过计算监测数据特征与健康特征模板的相似度作为健康状态评价指标。

图3为基于动作次数的条形图，其显示了在一个月内道岔每次动作时的健康状态。如图3所示，1号道岔在第90和第130次动作附近的状态都是故障的，对于现场运维人员来说，可以非常直观地观察到目标道岔的健康状态，一旦目标道岔的状态为亚健康或故障时，可以及时安排维护人员对道岔加以维护。

由于道岔动作次数随列车运行计划的不同而变化，可以采用时间信息进一步分析这些数据，如图4所示，其为基于动作时间的条形图。其中，条形图的主纵轴表示道岔每个时间段内健康状态的总体情况，副纵轴表示道岔每个时间段内的动作次数。

进一步还可以直观地观察到目标道岔从7月9日到7月13日发生的健康状态恶化情况。

图5以热力图的方式将日期、动作次数和健康状态三方面信息融合在一起，集中展现了一个道岔在各时间段内每次工作时的健康状态，并通过颜色渐变直观地展示了道岔工况的细微渐变情况，能够为道岔设备故障分析、维修养护决策提供参考。

图6以堆积图方式汇总了车站所有道岔的健康状态的统计信息，集中展现了所有道岔在一个月内各健康状态的占比情况，同时示出了每个道岔的健康、亚健康和故障发生次数，为不同道岔的运维决策提供了依据。

通过采用三种不同颜色分别表示道岔的不同健康状态，更直观地显示道岔的健康状态；基于动作次数的条形图进行道岔健康状态的可视化，展示道岔每次动作时的健康状态，呈现出设备工况渐变的过程；基于动作时间的条形图进行道岔健康状态的可视化，通过主副纵轴表示健康状态及动作次数，可以观测到每个时间段内道岔的劣化趋势；基于动作次数和动作时间的热力图进行道岔健康状态的可视化，有效地显示出某时间段内道岔每次动作时的健康状态；基于统计的堆积图进行道岔健康状态的可视化，有效地显示各个道岔的健康状态的占比情况。最终实现从宏观及微观角度对道岔健康状态的可视化展示，为智能运维设备故障分析、维修决策提供直观参考。

上面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (9)

1.一种基于特征相似度的道岔健康状态的诊断方法，其特征在于，其包括如下步骤：

S1、采集转辙机在目标道岔的完成一次转换动作时的三相交流电，并对三相交流电进行处理后作为目标道岔的运行状态特征值；所述处理得到目标道岔的运行状态特征值的方法为：

S11、当道岔完成一次转换动作时，采集转辙机的三相动作电流，分别记为i_A、i_B、i_C，其中下标A、B和C分别表示三相交流电的相序；

S12、采用末尾补零方法将三相动作电流分别补齐为包含设定长度的数据序列；

S13、对三相动作电流的数据序列作归一化处理，然后将其合并成一个电流序列I＝(I_A、I_B、I_C)；

S14、计算I的设定阶的高阶累计量，作为目标道岔的运行状态特征值；

S2、对运行状态特征值进行主成分分析，得到目标道岔的降维特征值；

S3、根据目标道岔的历史转换动作数据，计算其历史降维特征值，并采用历史降维特征值计算目标道岔的健康特征模板；

S4、计算目标道岔的降维特征值和健康特征模板间的调整余弦相似度ACS；

S5、根据调整余弦相似度ACS，评价目标道岔本次动作时的健康状态。

2.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述数据序列的长度为230个数据点。

3.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述高阶累计量的阶数为四阶。

4.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述计算目标道岔的健康特征模板的方法为：

S31、获取道岔完成转换动作时，转辙机三相交流电信息的历史记录，并计算历史记录对应的降维特征值；

S32、采用自适应K-means聚类算法对历史记录对应的降维特征值进行聚类，得到两个聚类中心c₁、c₂，其中c₁为道岔从定位到反位时的聚类中心，c₂为道岔从反位到定位时的聚类中心；

S33、取两个聚类中心c₁、c₂所对应的降维特征值作为目标道岔的健康特征模板。

5.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述计算调整余弦相似度调整余弦相似度ACS的公式为：

其中，A_i为电流序列I的第i维降维特征值，B_i为健康特征模板的第i维降维特征值，n为常参数，n取15。

6.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述健康状态包括健康、亚健康和故障。

7.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述道岔健康状态的评价方法为：

当ACS≥高设定值时，道岔处于健康状态；

当低设定值≤ACS＜高设定值时，道岔处于亚健康状态；

当ACS＜低设定值时，道岔处于故障状态。

8.根据权利要求7所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述高设定值取0.9，所述低设定值取0.6。

9.一种根据权利要求1至8任一所述的基于特征相似度的道岔健康状态诊断方法的可视化方法，其特征在于，其包括如下步骤：

S1、根据目标道岔健康状态的评价结果，分别采用三种不同的颜色表示目标道岔的健康状态；

S2、制作基于动作次数的条形图以表示目标道岔每次动作时的健康状态；

S3、制作基于动作时间的条形图以表示目标道岔在每个时段内动作次数与健康状态的关系，其中，条形图的主纵轴表示目标道岔每个时间段内健康状态的总体情况，并由ACS的平均值表示，条形图的副纵轴表示目标道岔每个时间段内的动作次数；

S4、制作基于动作次数和动作时间的热力图以表示目标道岔在每个时间段的动作的健康状态，其中，热力图的横坐标表示时间段，纵坐标代表动作次数，每个小方格代表某时间段某次动作时目标道岔的健康状态；

S5、制作基于统计的堆积条形图以表示各目标道岔的健康状态时间占比，纵坐标代表道岔序号，横坐标代表动作次数。

Images