CN113589159A - 一种用于铁路信号继电器多维度特征参数相关性分析方法 - Google Patents

Abstract

本发明公开一种用于铁路信号继电器多维度特征参数相关性分析方法，步骤为：整理通过电寿命试验得到的实时测量参数序列，进行异常值处理，制作多维度参数折线图；求取多维度参数折线图之间用于表示各个参数之间的关系强弱的结构相似度指数；通过多维度参数之间结构相似度指数判断两两参数之间的相关性，将相关性极强的参数对即相关性在0.8‑1.0的参数对筛选出来，保留筛选出来的各个参数对中的一个参数序列，将其余参数剔除；各个参数对中的一个参数序列的保留方式采用拟合曲线方法求解曲线趋势，得到最终保留的特征参数。本发明利用图像相似度求解方式求取多维度参数的相关系数法，解决了利用传统方法无法求取不同维度参数的相似性的问题。

Description

一种用于铁路信号继电器多维度特征参数相关性分析方法

技术领域

本发明涉及一种继电器参数处理技术，具体为一种用于铁路信号继电器多维度特征参数相关性分析方法。

背景技术

铁路信号继电器是实现控制目标、信号传递、电路隔离的关键设备，在铁路系统中发挥着重要的作用，它的可靠性能影响整个系统的稳定和安全，因此对铁路信号继电器参数进行有效分析是十分必要的。

随着铁路继电器试验的进行，各种类型、不同维度、不同数量的参数也与之增加，面对海量、复杂的数据，有效的数据分析和挖掘将推动铁路继电器寿命预测领域的高效、可持续发展。继电器的多维度参数是反映其工作特性及可靠性的重要指标，对多维度参数的有效分析，不仅有助于分析继电器失效的机理，还可为其性能分析和寿命预测提供重要数据支持。

目前对于相同维度的参数相关性分析方法相对简单，比如求参数之间的皮尔逊相关系数，通过皮尔逊相关系数得到参数之间的相关系数热力图，以此得到相同维度参数之间的相关性。

经过电寿命实验测量得到的部分多维度参数共3个维度，包括实时测量参数：吸合时间、释放时间、动合超程时间、动断超程时间等；每500次测试参数：吸合电压、释放电压等；每20万次测试参数：工作值、释放值、动合接点电阻、释放接点电阻等。这些多维度参数的变化反映了继电器运行状态的变化，但是对于这些不同维度的参数如何得到它们之间的相关性利用传统方式是无法得到的，但是对于多维度的参数相关性分析方法相对较少，而且分析起来较为困难。

因此，如何对铁路信号继电器的多维度参数进行合理地相关性分析，已经成为本领域技术人员亟待解决的问题之一。

发明内容

针对现有技术中对铁路信号继电器于多维度的参数相关性分析方法实施较为困难等不足，本发明提供一种用于铁路信号继电器多维度特征参数相关性分析方法，解决传统方法无法求取不同维度参数的相似性的问题。

为解决上述技术问题，本发明采用的技术方案是：

本发明提供一种用于铁路信号继电器多维度特征参数相关性分析方法，包括以下步骤：

1)整理通过电寿命试验得到的实时测量参数序列，对各个实时测量参数序列利用改进的拉以达准则进行异常值处理，制作多维度参数折线图；

2)求取多维度参数折线图之间用于表示各个参数之间的关系强弱的结构相似度指数；

3)通过多维度参数之间结构相似度指数判断两两参数之间的相关性，将相关性极强的参数对即相关性在0.8-1.0的参数对筛选出来，保留筛选出来的各个参数对中的一个参数序列，将其余参数剔除；

4)各个参数对中的一个参数序列的保留方式采用拟合曲线方法求解曲线趋势，得到最终保留的特征参数。

步骤1)中，利用改进的拉以达准则进行异常值处理，包括以下步骤：

101)利用改进的拉依达准则对实时测量参数的原始数据进行异常值识别，通过下式求参数序列的标准差σ：

其中，x(i)为实时测量参数序列的第i个参数，i为参数动作次数，n为参数总动作次数，

为实时测量参数序列均值；

102)拉依达准则判别依据如下：

其中，x(t)为实时测量参数序列，

为参数序列估计值，Rn(t)为残差，残差在数理统计中是指实际观测值与估计值之间的差，即误差的观测值；

103)若残差大于3.7σ，则x(t)为一具有粗大误差的参数值，被舍弃或补偿；

104)采取补偿方式将具有粗大误差的参数值利用其均值替代；

105)若残差小于或等于3.7σ，则x(t)为正常数据，予以保留。

步骤2)中，求取多维度参数折线图之间用于表示各个参数之间的关系强弱的结构相似度指数包括以下步骤：

201)在进行结构相似度指数即SSIM指数求解时，对多维度参数折线图进行结构对比，考虑到图例和坐标轴的影响，输入的两张参数序列折线图只保留折线进行结构相似度指数的求解；

202)SSIM指数建模公式如下：

SSIM指数建模公式中：

其中，x、y分别为不同参数数据折线图，l(x，y)为亮度比较函数，c(x，y)为对比度比较函数，s(x，y)为结构对比函数，μ_x、μ_y为两参数折线图的亮度均值，σ_x、σ_y为两参数折线图的标准差，σ_xy是两参数折线图的相关度，c₁、c₂、c₃为常数，作用是为了避免分母为零而维持稳定，

v、γ分别为亮度比较函数、对比度比较函数以及结构对比函数所占权重。

步骤3)具体为：

301)对求得的多维度参数的SSIM指数作出其相关系数表，筛选出SSIM指数绝对值在0.8-1.0之间的参数对；

302)对所求得的多维度参数之间的SSIM指数得到具有强相关性的参数对，将SSIM指数取绝对值在0.8-1.0之间的数据假定为极强相关关系，只保留一组具有代表性的参数，其余与它相关的全部删除。

步骤302)中只保留一组具有代表性的参数，具体为：

对于相关性极强的参数对保留方式采用趋势分析方法，首先将需要处理的参数序列分别进行归一化处理，使所有参数的纵坐标在同一水平内，使得到的各参数曲线的斜率具有比较性，归一化处理后对参数曲线进行线性拟合，得到其拟合曲线的斜率；

对所有参数的拟合曲线斜率绝对值排序，得到参数的重要度排序，保留具有强相关关系的参数对中重要度高即拟合曲线斜率绝对值最大的参数。

本发明具有以下有益效果及优点：

1.本发明提出一种用于铁路信号继电器多维度特征参数相关性分析方法，利用图像相似度求解方式求取多维度参数的相关系数法，解决了利用传统方法无法求取不同维度参数的相似性的问题。

2.本发明利用改进的拉依达准则对铁路信号继电器实时测量参数异常值进行处理的方法，改进后的异常值处理方式更加适合铁路信号继电器参数的处理，通过对多维度参数进行相关性分析，可以明确地展示出本发明的优势，即可以对不限数量、不限参数的数据进行相关性分析，以得到不同维度参数的相关性。

附图说明

图1为本发明用于铁路信号继电器多维度特征参数相关性分析方法的总体流程图；

图2A为修正系数为3σ的拉依达准则方法对动合超程时间进行异常值识别的结果图；

图2B为修正系数为3.7σ的拉依达准则方法对动合超程时间进行异常值识别的结果图；

图3A为吸合时间实时测量参数异常值处理后的参数折线图；

图3B为释放时间实时测量参数异常值处理后的参数折线图；

图3C为动断超程时间实时测量参数异常值处理后的参数折线图；

图3D为动合超程时间实时测量参数异常值处理后的参数折线图；

图4A为吸合电压每500次测试参数折线图；

图4B为释放电压每500次测试参数折线图；

图5A为工作值每20万次测试参数折线图；

图5B为释放值每20万次测试参数折线图；

图5C为动合接点电阻值每20万次测试参数折线图；

图5D为动断接点电阻值每20万次测试参数折线图。

具体实施方式

下面结合说明书附图对本发明作进一步阐述。

本发明提供一种用于铁路信号继电器多维度特征参数相关性分析方法，用于解决铁路信号继电器多维度参数的相关性分析问题。

本实施例分别选取实时测量数据：吸合时间、释放时间、动合超程时间和动断超程时间的400万次参数数据，每500次测试数据：吸合电压、释放电压的8000次数据，以及每20万次测试数据：工作值、释放值、动断接点电阻、动合接点电阻的20次数据。

如图1所示，本发明方法包括以下步骤：

1)整理通过电寿命试验得到的实时测量参数序列，对各个实时测量参数序列利用改进的拉以达准则进行异常值处理，制作多维度参数折线图；

步骤1)中，利用改进的拉以达准则进行异常值处理，包括以下步骤：

101)利用改进的拉依达准则对实时测量参数的原始数据进行异常值识别，通过下式求参数序列的标准差σ：

其中，x(i)为实时测量参数序列的第i个参数，i为参数动作次数，n为参数总动作次数，

为实时测量参数序列均值；

102)拉依达准则判别依据如下：

其中，x(t)为实时测量参数序列，

为参数序列估计值，Rn(t)为残差，残差在数理统计中是指实际观测值与估计值之间的差，即误差的观测值；

103)若残差大于3.7σ，则x(t)为一具有粗大误差的参数值，被舍弃或补偿；

104)采取补偿方式将具有粗大误差的参数值利用其均值替代；

105)若残差小于或等于3.7σ，则x(t)为正常数据，予以保留。

拉以达准则为：

(1)原则：σ为实验标准偏差，认定偏差超过σ的数值为异常值，应当剔除；

(2)具体方法：将实验所得n大数据，分别算出其残差Rn(t)和标准偏差σ，然后把其残差与3倍的实验标准偏差进行对比，如果最大偏差大于3σ，则对应的最大测量值即为需剔除的异常数据；

(3)需要进行反复的计算和审查，直到数据的偏差全部小于3σ为止；

改进的拉依达准则为：

由于实际参数的异常值与正常参数值的差距较大，在进行异常值识别时会使未偏离正常范围内的参数作为异常值处理，对正常数据造成污染，为此将拉依达准则中的3σ修正为3.7σ，使用3.7σ作为阈值进行异常值识别可改善由于阈值较小带来的正常参数污染问题。

如图2A～2B所示，为两种修正系数识别出来的异常值对比图像(所识别的参数为动合超程时间序列)。

残差在数理统计中是指实际观测值与估计值之间的差，即误差的观测值。若残差大于3.7σ，则x(t)为具有粗大误差的参数值，应被舍弃或补偿，本发明采取补偿方式将具有粗大误差的参数值利用其均值替代，若残差小于或等于3.7σ，则x(t)为正常数据，予以保留。

将所有实时测量参数进行如上所述的方式进行异常值处理，处理后的结果如图3A～3D所示。并将每500次测试数据以及每20万次测试数据作折线图，如图4A～4B和图5A～5D所示。

2)求取多维度参数折线图之间用于表示各个参数之间的关系强弱的结构相似度(SSIM)指数；

图像的结构携带了图像最主要的信息，结构相似度(SSIM)从图像组成的角度解释结构信息，图像的结构信息由亮度、对比度和结构度3个要素组成。SSIM指数在[0，1]范围内，指数越大的两个图像越相似。

步骤2)中，求取多维度参数折线图之间用于表示各个参数之间的关系强弱的结构相似度指数包括以下步骤：

201)在进行结构相似度指数即SSIM指数求解时，对多维度参数折线图进行结构对比，考虑到图例和坐标轴的影响，输入的两张参数序列折线图只保留折线进行结构相似度指数的求解；

202)SSIM指数建模公式如下：

SSIM指数建模公式中：

其中，x、y分别为不同参数数据折线图，l(x，y)为亮度比较函数，c(x，y)为对比度比较函数，s(x，y)为结构对比函数，μ_x、μ_y为两参数折线图的亮度均值，σ_x、σ_y为两参数折线图的标准差，σ_xy是两参数折线图的相关度，c₁、c₂、c₃为常数，作用是为了避免分母为零而维持稳定，

ν、γ分别为亮度比较函数、对比度比较函数以及结构对比函数所占权重。

在进行SSIM指数求解时，主要对多维度参数的折线图进行结构对比，考虑到图例和坐标轴等内容的影响，输入的两张图像只保留折线进行SSIM指数的求解。

利用表1的SSIM相关指数的取值范围对表2中求得的各参数之间的相关性进行等级划分，对具有极强相关关系即SSIM相关指数在0.8-1.0之间的参数对进行筛选，保留其中之一。

表1 SSIM相关指数的取值范围

3)通过多维度参数之间结构相似度指数判断两两参数之间的相关性，将相关性极强的参数对即相关性在0.8-1.0的参数对筛选出来，保留筛选出来的各个参数对中的一个参数序列，将其余参数剔除；具体为：

301)对求得的多维度参数的SSIM指数作出其相关系数表，筛选出SSIM指数绝对值在0.8-1.0之间的参数对；

302)对所求得的多维度参数之间的SSIM指数得到具有强相关性的参数对，将SSIM指数取绝对值在0.8-1.0之间的数据假定为极强相关关系，只保留一组具有代表性的参数，其余与它相关的全部删除。

表2 基于SSIM指数的多维度参数相似性

根据表2得到具有极强相关关系的参数对分别为：吸合时间——动合超程时间，释放时间——动断超程时间，工作值——动合接点电阻，释放值——动断接点电阻。对于这些参数对选择其中一个参数保留，其余的剔除。

步骤302)中只保留一组具有代表性的参数，具体为：

对于相关性极强的参数对保留方式采用趋势分析方法，首先将需要处理的参数序列分别进行归一化处理，使所有参数的纵坐标在同一水平内，使得到的各参数曲线的斜率具有比较性，归一化处理后对参数曲线进行线性拟合，得到其拟合曲线的斜率；

对所有参数的拟合曲线斜率绝对值排序，得到参数的重要度排序，保留具有强相关关系的参数对中重要度高即拟合曲线斜率绝对值最大的参数。

4)各个参数对中的一个参数序列的保留方式采用拟合曲线方法求解曲线趋势，得到最终保留的特征参数。

根据表3的各参数拟合曲线斜率绝对值及其排序，发现吸合时间、动合超程时间中吸合时间的拟合曲线斜率绝对值较大，所以两者中保留吸合时间参数；释放时间、动断超程时间中动断超程时间的拟合曲线斜率绝对值较大，所以两者中保留动断超程时间参数；工作值、动合接点电阻中工作值的拟合曲线斜率绝对值较大，所以两者中保留工作值参数；释放值、动断接点电阻中动断接点电阻的拟合曲线斜率绝对值较大，所以两者中保留动断接点电阻参数。

综上，经相关性分析后剩余参数分别为吸合时间、动断超程时间、吸合电压、释放电压、工作值、动断接点电阻。其重要度排序按照表3中的重要度排序从高到低依次为：动断接点电阻、吸合电压、动断超程时间、工作值、释放电压、吸合时间。

表3 各参数拟合曲线斜率绝对值及排序

Claims (5)

1.一种用于铁路信号继电器多维度特征参数相关性分析方法，其特征在于包括以下步骤：

1)整理通过电寿命试验得到的实时测量参数序列，对各个实时测量参数序列利用改进的拉以达准则进行异常值处理，制作多维度参数折线图；

2)求取多维度参数折线图之间用于表示各个参数之间的关系强弱的结构相似度指数；

3)通过多维度参数之间结构相似度指数判断两两参数之间的相关性，将相关性极强的参数对即相关性在0.8-1.0的参数对筛选出来，保留筛选出来的各个参数对中的一个参数序列，将其余参数剔除；

4)各个参数对中的一个参数序列的保留方式采用拟合曲线方法求解曲线趋势，得到最终保留的特征参数。

2.根据权利要求1所述的用于铁路信号继电器多维度特征参数相关性分析方法，其特征在于，步骤1)中，利用改进的拉以达准则进行异常值处理，包括以下步骤：

101)利用改进的拉依达准则对实时测量参数的原始数据进行异常值识别，通过下式求参数序列的标准差σ：

其中，x(i)为实时测量参数序列的第i个参数，i为参数动作次数，n为参数总动作次数，

为实时测量参数序列均值；

102)拉依达准则判别依据如下：

其中，x(t)为实时测量参数序列，

为参数序列估计值，Rn(t)为残差，残差在数理统计中是指实际观测值与估计值之间的差，即误差的观测值；

103)若残差大于3.7σ，则x(t)为一具有粗大误差的参数值，被舍弃或补偿；

104)采取补偿方式将具有粗大误差的参数值利用其均值替代；

105)若残差小于或等于3.7σ，则x(t)为正常数据，予以保留。

3.根据权利要求1所述的用于铁路信号继电器多维度特征参数相关性分析方法，其特征在于步骤2)中，求取多维度参数折线图之间用于表示各个参数之间的关系强弱的结构相似度指数包括以下步骤：

201)在进行结构相似度指数即SSIM指数求解时，对多维度参数折线图进行结构对比，考虑到图例和坐标轴的影响，输入的两张参数序列折线图只保留折线进行结构相似度指数的求解；

202)SSIM指数建模公式如下：

SSIM指数建模公式中：

其中，x、y分别为不同参数数据折线图，l(x,y)为亮度比较函数，c(x,y)为对比度比较函数，s(x,y)为结构对比函数，μ_x、μ_y为两参数折线图的亮度均值，σ_x、σ_y为两参数折线图的标准差，σ_xy是两参数折线图的相关度，c₁、c₂、c₃为常数，作用是为了避免分母为零而维持稳定，

v、γ分别为亮度比较函数、对比度比较函数以及结构对比函数所占权重。

4.根据权利要求1所述的用于铁路信号继电器多维度特征参数相关性分析方法，其特征在于步骤3)具体为：

301)对求得的多维度参数的SSIM指数作出其相关系数表，筛选出SSIM指数绝对值在0.8-1.0之间的参数对；

302)对所求得的多维度参数之间的SSIM指数得到具有强相关性的参数对，将SSIM指数取绝对值在0.8-1.0之间的数据假定为极强相关关系，只保留一组具有代表性的参数，其余与它相关的全部删除。

5.根据权利要求4所述的用于铁路信号继电器多维度特征参数相关性分析方法，其特征在于步骤302)中只保留一组具有代表性的参数，具体为：

对于相关性极强的参数对保留方式采用趋势分析方法，首先将需要处理的参数序列分别进行归一化处理，使所有参数的纵坐标在同一水平内，使得到的各参数曲线的斜率具有比较性，归一化处理后对参数曲线进行线性拟合，得到其拟合曲线的斜率；

对所有参数的拟合曲线斜率绝对值排序，得到参数的重要度排序，保留具有强相关关系的参数对中重要度高即拟合曲线斜率绝对值最大的参数。

Images