CN115292872A - 一种过山车轨道缺陷定位方法、系统、介质及设备 - Google Patents
一种过山车轨道缺陷定位方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN115292872A CN115292872A CN202210600797.3A CN202210600797A CN115292872A CN 115292872 A CN115292872 A CN 115292872A CN 202210600797 A CN202210600797 A CN 202210600797A CN 115292872 A CN115292872 A CN 115292872A
- Authority
- CN
- China
- Prior art keywords
- time sequence
- time
- real
- simulation
- actual measurement
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明属于缺陷定位领域,尤其涉及一种过山车轨道缺陷定位方法、系统、介质及设备。该方法包括:步骤1,基于获取到的过山车的实时加速度以及实时角速度确定时间序列;步骤2,基于所述时间序列的极值点对所述时间序列进行分段划分,得到时序段集合;步骤3,基于DTW算法对所述时序段集合进行重组配对,得到u组匹配段;步骤4,在每组匹配段中进行DTW计算,并将每组计算结果进行整合,得到完整轨道实测仿真匹配路径,根据所述完整轨道实测仿真匹配路径,确定实测中存在异常的角速度或异常的加速度对应的轨道位置。通过本发明能够达到快速准确定位过山车的轨道缺陷位置的效果。
Description
技术领域
本发明属于缺陷定位领域,尤其涉及一种过山车轨道缺陷定位方法、系统、介质及设备。
背景技术
在大型游乐设施的检验、检测工作中,其加速度、角速度、振动等测试数据异常往往意味着设备存在设计或制造缺陷。这些缺陷轻则降低乘坐体验,造成乘客身体不适,重则会对乘客造成不可逆的损伤。
以过山车为例,其车速快、轨道通常1km以上,当以上测试数据出现异常时,缺陷位置往往难以准确定位。行业里相关研究还是空白。
目前为止只能通过传统人工方法查找缺陷位置,即请专业维修人员攀爬轨道,近距离凭借肉眼查找。这种方法对维修人员要求高,工作量大、需长时间登高攀爬,且有很大危险性,针对性不强,无法第一时间准确找到缺陷位置。
发明内容
本发明所要解决的技术问题是提供一种过山车轨道缺陷定位方法、系统、介质及设备。
本发明解决上述技术问题的技术方案如下:一种过山车轨道缺陷定位方法,包括:
步骤1,基于获取到的过山车的实时加速度以及实时角速度确定时间序列,所述时间序列包括:实时加速度对应的第一实测时间序列以及所述第一实测时间序列对应的第一仿真时间序列,或者包括实时角速度对应的第二实测时间序列以及所述第二实测时间序列对应的第二仿真时间序列;
步骤2,基于所述时间序列的极值点对所述时间序列进行分段划分,得到时序段集合;
步骤3,基于DTW算法对所述时序段集合进行重组配对,得到u组匹配段;
步骤4,在每组匹配段中进行DTW计算,并将每组计算结果进行整合,得到完整轨道实测仿真匹配路径,根据所述完整轨道实测仿真匹配路径,确定实测中存在异常的角速度和/或异常的加速度对应的轨道位置。
本发明的有益效果是:通过时间序列可以将实测数据与仿真数据相融合,便于后续计算以及对应查找。此外,本申请将传统DTW算法进行了改良,不仅仅局限于点对点之间的数据计算,将其扩展成先进行时序段之间的重组匹配,再进行点对点之间的匹配,一方面能快速、准确地定位过山车轨道缺陷位置,另一方面大大降低维修人员的工作强度和危险性且成本低廉,只需要准确数据,就能实现快速定位。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述步骤1具体包括:
通过安装在过山车上的加速度计获取所述第一实测时间序列,通过安装在过山车上的陀螺仪获取所述第二实测时间序列,获取仿真系统中计算得出加速度对应的第一仿真时间序列以及角速度对应的第二仿真时间序列,将相似度最大的第一仿真时间序列以及其对应的第一实测时间序列,或者将相似度最大的第二仿真时间序列以及其对应的第二实测时间序列通过低通巴特沃斯四阶滤波器进行滤波处理,得到所述时间序列;
其中,所述实时加速度包括:X轴方向的实时加速度、Y轴方向的实时加速度以及Z轴方向的实时加速度,所述实时角速度包括:X轴方向的实时角速度、Y轴方向的实时角速度以及Z轴方向的实时角速度,所述相似度最大的第一仿真时间序列为:相同方向上与所述实时加速度相似度最大的第一仿真时间序列,所述相似度最大的第二仿真时间序列为:相同方向上与所述实时角速度相似度最大的第二仿真时间序列。
进一步,所述步骤2具体为:
令所述时间序列中的每个序列的极值点作为断点,每个序列根据所述断点进行分段划分,得到第一时序段集合以及第二时序段集合,所述第一时序段集合以及所述第二时序段集合组成所述时序段集合。
进一步,所述步骤3具体为:
对所述时序段集合中的任意一个时序段分别进行r种配对方式的距离计算,得到r个段距离计算结果,历遍所述时序段集合中的所有时序段,基于DTW算法将所有时序段得到的段距离计算结果进行累加处理,得到r个配对方式下的累计段距离计算结果,将数值最小的累计段距离计算结果对应的每个时序段的配对方式作为重组配对的配对方式,基于所述配对方式得到u组匹配段。
进一步,所述得到完整轨道实测仿真匹配路径的过程具体为:
通过DTW算法,结合全局惩罚系数和导数欧氏距离计算每组匹配段中不同序列的数据点之间的距离,得到点距离计算结果,历遍所述匹配段中的所有数据点,结合局部惩罚系数将所有数据点极端得到的点距离计算结果进行累加处理,得到累计点距离计算结果,将数值最小的累计点距离计算结果对应的数据点进行整合,得到完整轨道实测仿真匹配路径。
本发明解决上述技术问题的另一种技术方案如下:一种过山车轨道缺陷定位系统,包括:
获取模块,用于基于获取到的过山车的实时加速度以及实时角速度确定时间序列,所述时间序列包括:实时加速度对应的第一实测时间序列以及所述第一实测时间序列对应的第一仿真时间序列,或者包括实时角速度对应的第二实测时间序列以及所述第二实测时间序列对应的第二仿真时间序列;
分段模块,用于基于所述实测时间序列的极值点对所述实测时间序列进行分段划分,得到时序段集合;
重组模块,用于基于DTW算法对所述时序段集合进行重组配对,得到u组匹配段;
生成模块,用于在每组匹配段中进行DTW计算,并将每组计算结果进行整合,得到完整轨道实测仿真匹配路径,根据所述完整轨道实测仿真匹配路径,确定实测中存在异常的角速度和/或异常的加速度对应的轨道位置。
本发明的有益效果是:通过时间序列可以将实测数据与仿真数据相融合,便于后续计算以及对应查找。此外,本申请将传统DTW算法进行了改良,不仅仅局限于点对点之间的数据计算,将其扩展成先进行时序段之间的重组匹配,再进行点对点之间的匹配,一方面能快速、准确地定位过山车轨道缺陷位置,另一方面大大降低维修人员的工作强度和危险性且成本低廉,只需要准确数据,就能实现快速定位。
进一步,获取模块具体用于:
通过安装在过山车上的加速度计获取所述第一实测时间序列,通过安装在过山车上的陀螺仪获取所述第二实测时间序列,获取仿真系统中计算得出加速度对应的第一仿真时间序列以及角速度对应的第二仿真时间序列,将相似度最大的第一仿真时间序列以及其对应的第一实测时间序列,或者将相似度最大的第二仿真时间序列以及其对应的第二实测时间序列通过低通巴特沃斯四阶滤波器进行滤波处理,得到所述时间序列;
其中,所述实时加速度包括:X轴方向的实时加速度、Y轴方向的实时加速度以及Z轴方向的实时加速度,所述实时角速度包括:X轴方向的实时角速度、Y轴方向的实时角速度以及Z轴方向的实时角速度,所述相似度最大的第一仿真时间序列为:相同方向上与所述实时加速度相似度最大的第一仿真时间序列,所述相似度最大的第二仿真时间序列为:相同方向上与所述实时角速度相似度最大的第二仿真时间序列。
进一步,所述分段模块具体用于:
令所述实测时间序列中的每个序列的极值点作为断点,每个序列根据所述断点进行分段划分,得到第一时序段集合以及第二时序段集合,所述第一时序段集合以及所述第二时序段集合组成所述时序段集合。
进一步,所述重组模块具体用于:
对所述时序段集合中的任意一个时序段分别进行r种配对方式的距离计算,得到r个段距离计算结果,历遍所述时序段集合中的所有时序段,基于DTW算法将所有时序段得到的段距离计算结果进行累加处理,得到r个配对方式下的累计段距离计算结果,将数值最小的累计段距离计算结果对应的每个时序段的配对方式作为重组配对的配对方式,基于所述配对方式得到u组匹配段。
进一步,所述得到完整轨道实测仿真匹配路径的过程具体为:
通过DTW算法,结合全局惩罚系数和导数欧氏距离计算每组匹配段中不同序列的数据点之间的距离,得到点距离计算结果,历遍所述匹配段中的所有数据点,结合局部惩罚系数将所有数据点极端得到的点距离计算结果进行累加处理,得到累计点距离计算结果,将数值最小的累计点距离计算结果对应的数据点进行整合,得到完整轨道实测仿真匹配路径。
本发明解决上述技术问题的另一种技术方案如下:一种存储介质,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如上述任一项所述的一种过山车轨道缺陷定位方法。
本发明的有益效果是:通过时间序列可以将实测数据与仿真数据相融合,便于后续计算以及对应查找。此外,本申请将传统DTW算法进行了改良,不仅仅局限于点对点之间的数据计算,将其扩展成先进行时序段之间的重组匹配,再进行点对点之间的匹配,一方面能快速、准确地定位过山车轨道缺陷位置,另一方面大大降低维修人员的工作强度和危险性且成本低廉,只需要准确数据,就能实现快速定位。
本发明解决上述技术问题的另一种技术方案如下:一种电子设备,包括上述存储介质、执行上述存储介质内的指令的处理器。
本发明的有益效果是:通过时间序列可以将实测数据与仿真数据相融合,便于后续计算以及对应查找。此外,本申请将传统DTW算法进行了改良,不仅仅局限于点对点之间的数据计算,将其扩展成先进行时序段之间的重组匹配,再进行点对点之间的匹配,一方面能快速、准确地定位过山车轨道缺陷位置,另一方面大大降低维修人员的工作强度和危险性且成本低廉,只需要准确数据,就能实现快速定位。
附图说明
图1为本发明一种过山车轨道缺陷定位方法的实施例提供的流程示意图;
图2为本发明一种过山车轨道缺陷定位系统的实施例提供的结构框架图;
图3为本发明一种过山车轨道缺陷定位方法的实施例提供的极值点分段示意图;
图4为本发明一种过山车轨道缺陷定位方法的实施例提供的段段匹配示意图;
图5为本发明一种过山车轨道缺陷定位方法的实施例提供的重组匹配示意图;
图6为本发明一种过山车轨道缺陷定位方法的实施例提供的点点匹配示意图;
图7为本发明一种过山车轨道缺陷定位方法的实施例提供的全局匹配路径示意图。
具体实施方式
以下对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种过山车轨道缺陷定位方法,包括:
步骤1,基于获取到的过山车的实时加速度以及实时角速度确定时间序列,所述时间序列包括:实时加速度对应的第一实测时间序列以及所述第一实测时间序列对应的第一仿真时间序列,或者包括实时角速度对应的第二实测时间序列以及所述第二实测时间序列对应的第二仿真时间序列;
步骤2,基于所述时间序列的极值点对所述时间序列进行分段划分,得到时序段集合;
步骤3,基于DTW算法对所述时序段集合进行重组配对,得到u组匹配段;
步骤4,在每组匹配段中进行DTW计算,并将每组计算结果进行整合,得到完整轨道实测仿真匹配路径,根据所述完整轨道实测仿真匹配路径,确定实测中存在异常的角速度和/或异常的加速度对应的轨道位置。
在一些可能的实施方式中,通过时间序列可以将实测数据与仿真数据相融合,便于后续计算以及对应查找。此外,本申请将传统DTW算法进行了改良,不仅仅局限于点对点之间的数据计算,将其扩展成先进行时序段之间的重组匹配,再进行点对点之间的匹配,一方面能快速、准确地定位过山车轨道缺陷位置,另一方面大大降低维修人员的工作强度和危险性且成本低廉,只需要准确数据,就能实现快速定位。
需要说明的是,完整轨道实测仿真匹配路径具体为:一串一一对应的数据组,数据组包括了每一刻实测的实时角速度或实时加速度以及其对应的仿真数据。
步骤1,基于获取到的过山车的实时加速度以及实时角速度确定时间序列,所述时间序列包括:实时加速度对应的第一实测时间序列以及所述第一实测时间序列对应的第一仿真时间序列,或者包括实时角速度对应的第二实测时间序列以及所述第二实测时间序列对应的第二仿真时间序列。该部分的具体解释可参考如下示例:
获取同一物理量的实测值和仿真值:使用加速度计和陀螺仪测量过山车的加速度和角速度,得到实测时间序列,包括X、Y、Z向加速度Ax,m、Ay,m和Az,m,以及X、Y、Z向角速度Gx,m、Gy,m和Gz,m;在仿真系统中计算相应物理量的仿真时间序列,包括X、Y、Z向加速度Ax,s、Ay,s和Az,s,以及X、Y、Z向角速度Gx,s、Gy,s和Gz,s。从中择优选取相似度最大的物理量,进行接下来的运算。运算之前,使用低通巴特沃斯四阶滤波器对上述时间序列进行滤波,使其平滑。其中,物理量:一共有6种物理量可以作为分析对象:X、Y、Z加速度和X、Y、Z角速度。根据实际情况选用其中的某一种或者某几种进行分析。同一物理量指的是,对于任何一种所选物理量,实测值和仿真值必须同时具备。比如:仅获取Z向加速度仿真值和Y向加速度实测值,就没有意义。应该获取Z向加速度实测、仿真值和Y向加速度实测、仿真值。选取相似度最大的物理量具体为:比如获取了Z向加速度的实测、仿真值和Y向加速度的实测、仿真值,发现Z向加速度的实测值和仿真值非常相似,而Y向加速度的实测值和仿真值差距较大,选择Z向加速度,不用Y向加速度。需注意,这里“相似”的可以是数值大小、曲线形状等,需要综合判断。
步骤2,基于所述时间序列的极值点对所述时间序列进行分段划分,得到时序段集合。该部分的具体解释可参考如下示例:
如图3所示,按照极值点将时间序列分段。将物理量的实测时间序列与仿真时间序列,记为时间序列A和时间序列B。以极值点为断点,将两序列分别划分为由段组成的集合Az,m=(A1,A2,...Am)与Bz,s=(B1,B2,...Bn)。
由于过山车的实测值和仿真值往往十分相似,在理想情况下,两时间序列会被分成相同的段数并一一对应。但是大多数情况下,两时间序列的形状存在差异,除理想情况外,在局部往往会发生1段对应3段、2段对应4段的情况,如图4所示,(例:[A2]对应[B2,B3,B4];[A3,A4,A5,A6]对应[B5,B6])。因此,算法需要对这些复杂的情况进行自动匹配。
步骤3,基于SRDTW算法对所述时序段集合进行重组配对,得到u组匹配段。该部分的具体解释可参考如下示例:
1、计算段-段的距离矩阵
段-段匹配实现方法如下:在Ai与Bj分段的断点处,规定其可能存在的配对方式有五类,分别为1对1、1对3、3对1、2对4、4对2。除第1类配对方式外,后4类都需要Ai与Bj的前序分段参与(前序分段不存在,则忽略此次配对)。这五种配对的距离计算公式为:
1对1:dist1(A,B)i,j=DTW(A{i},B{j}),i∈[1,m],j∈[1,n]
1对3:dist2(A,B)i,j=DTW(A{i},B{j-2,j-1,j}),i∈[1,m],j∈[3,n]
3对1:dist3(A,B)i,j=DTW(A{i-2,i-1,i},B{j)},i∈[3,m],j∈[1,n]
2对4:dist4(A,B)i,j=DTW(A{i-1,i},B{j-3,j-2,j-1,j}),i∈[2,m],j∈[4,n]
4对2:dist5(A,B)i,j=DTW(A{i-3,i-2,i-1,i},B{j-1,j}),i∈[4,m],j∈[2,n]
其中,A{i},B{j}为A数列中i段与B数列中j段;
DTW(A{i},B{j})为A{i},B{j}两段时间序列的相似度;DTW(A{i},B{j-2,j-1,j})为一段A{i}与B{j-2,j-1,j}三段时间序列的相似度,DTW(A{i-2,i-1,i},B{j})为A{i-2,i-1,i}三段时间序列与B{j}一段时间序列的相似度,DTW(A{i-1,i},B{j-3,j-2,j-1,j})为A{i-1,i}两段时间序列与B{j-3,j-2,j-1,j}四段时间序列的相似度,DTW(A{i-3,i-2,i-1,i},B{j-1,j})为A{i-3,i-2,i-1,i}四段时间序列与B{j-1,j}两段时间序列的相似度。
2、计算段-段的累计距离矩阵
在上文的基础上,计算累计距离矩阵的公式如下:
Dsr(A,B)0,0=0
该公式计算了在当前断点,五类配对的局部距离与前序断点累计距离之和,其值越小说明局部分段在该类配对方式下越相似。因此,算法选择最小值作为当前断点的累计距离,并将其分段配对方式记录为一个重组配对。将累计矩阵中每一个断点的累计距离都算出来,进行后续操作。
3、确定最优段-段匹配组合:通过以上2步骤,确定最优段-段匹配组合,形成段组-段组匹配,如图5所示,匹配如下:
段组[A1]对应段组[B1];
段组[A2]对应段组[B2,B3,B4];
段组[A3,A4,A5,A6]对应段组[B5,B6]。
步骤4,在每组匹配段中进行距离计算,并将每组计算结果进行整合,得到完整轨道实测仿真匹配路径,根据所述完整轨道实测仿真匹配路径,确定实测中存在异常的角速度或异常的加速度对应的轨道位置。该部分的具体解释可参考如下示例:
在每一个匹配段中进行点-点匹配,对段组内的点进行配对如图6所示,
对于任一段组,记其实测序列时间段的起点和终点分别为t1,t2,仿真序列时间段的起点和终点分别为t3,t4。取t1至t2部分和仿真数据的t3至t4部分,进行后续运算。
1、计算点-点的距离矩阵
对于每一种物理量,分别计算其距离矩阵。在计算距离矩阵时,有以下2点创新:
(1)不仅计算两点的欧氏距离,还计算两点导数的欧氏距离,用于体现数据点附近的形状结构信息,使计算结果更精准。
(2)引入了全局惩罚系数,使得点与最短规整路径的距离越远,距离值就越大。以此来限制规整路径的过度扭曲。
单一物理量x的距离矩阵计算公式为:
其中P、Q为两时间序列,kadv是导数距离的权重系数,kglocal为全局惩罚系数。
2、计算点-点的累计距离矩阵
计算累计距离矩阵时,创新点为:使用局部惩罚系数限制规整路径向单一方向生长,防止其形成大型奇点造成匹配失真。这样做的原因是,当规整路径长时间向一个方向发展时,会产生大型奇点,导致匹配的严重失真。局部惩罚系数会随着路径向单一方向前进呈指数增长,使得累计路径不断加大,引导算法选择不重复的方向。累计距离计算公式为:
Dadv(p,Q)1,1=dadv(P,Q)1,1
其中,klocal为局部惩罚系数,k1,k2∈[1,2,3,...]
k1为路径在此点之前连续向(0,1)前进的步数;
k2为路径在此点之前连续向(1,0)前进的步数;
如果中途两方向转换,则k1,k2重新计数。
3段组内最优点-点匹配路径
段组的累计距离计算完毕后,从终点处逆向查找其累加路径至点(1,1),得到段组内的规整路径。
4、合成全局匹配路径
将各个重组配对的段组匹配路径首尾相连,得到全局匹配路径,如图7所示。需注意,此处所述的全局匹配路径是实测与仿真点点对应的匹配关系组成的完整路径,即,给出任意一点实测点均可以在仿真路径上找到对应位置。
当遇到实测值如角速度或加速度瞬时值过大、变化规律异常、数值和持续时间与设计值明显不符时,轨道可能存在轨面异物、对接不平、表面损伤、轨距突变、曲率异常等缺陷。可根据异常点在实测时间序列中的位置,在全局匹配路径中寻找该点在仿真时间序列中的位置,从而在仿真系统中寻找该点所对应的具体位置,以便于缺陷的定位。
优选地,在上述任意实施例中,所述步骤1具体包括:
通过安装在过山车上的加速度计获取所述第一实测时间序列,通过安装在过山车上的陀螺仪获取所述第二实测时间序列,获取仿真系统中计算得出加速度对应的第一仿真时间序列以及角速度对应的第二仿真时间序列,将相似度最大的第一仿真时间序列以及其对应的第一实测时间序列,或者将相似度最大的第二仿真时间序列以及其对应的第二实测时间序列通过低通巴特沃斯四阶滤波器进行滤波处理,得到所述时间序列;
其中,所述实时加速度包括:X轴方向的实时加速度、Y轴方向的实时加速度以及Z轴方向的实时加速度,所述实时角速度包括:X轴方向的实时角速度、Y轴方向的实时角速度以及Z轴方向的实时角速度,所述相似度最大的第一仿真时间序列为:相同方向上与所述实时加速度相似度最大的第一仿真时间序列,所述相似度最大的第二仿真时间序列为:相同方向上与所述实时角速度相似度最大的第二仿真时间序列。
优选地,在上述任意实施例中,所述步骤2具体为:
令所述时间序列中的每个序列的极值点作为断点,每个序列根据所述断点进行分段划分,得到第一时序段集合以及第二时序段集合,所述第一时序段集合以及所述第二时序段集合组成所述时序段集合。
优选地,在上述任意实施例中,所述步骤3具体为:
对所述时序段集合中的任意一个时序段分别进行r种配对方式的距离计算,得到r个段距离计算结果,历遍所述时序段集合中的所有时序段,基于DTW算法将所有时序段得到的段距离计算结果进行累加处理,得到r个配对方式下的累计段距离计算结果,将数值最小的累计段距离计算结果对应的每个时序段的配对方式作为重组配对的配对方式,基于所述配对方式得到u组匹配段。
优选地,在上述任意实施例中,所述得到完整轨道实测仿真匹配路径的过程具体为:
通过DTW算法,结合全局惩罚系数和导数欧氏距离计算每组匹配段中不同序列的数据点之间的距离,得到点距离计算结果,历遍所述匹配段中的所有数据点,结合局部惩罚系数将所有数据点极端得到的点距离计算结果进行累加处理,得到累计点距离计算结果,将数值最小的累计点距离计算结果对应的数据点进行整合,得到完整轨道实测仿真匹配路径。
如图2所示,一种过山车轨道缺陷定位系统,包括:
获取模块100,用于基于获取到的过山车的实时加速度以及实时角速度确定时间序列,所述时间序列包括:实时加速度对应的第一实测时间序列以及所述第一实测时间序列对应的第一仿真时间序列,或者包括实时角速度对应的第二实测时间序列以及所述第二实测时间序列对应的第二仿真时间序列;
分段模块200,用于基于所述实测时间序列的极值点对所述实测时间序列进行分段划分,得到时序段集合;
重组模块300,用于基于DTW算法对所述时序段集合进行重组配对,得到u组匹配段;
生成模块400,用于在每组匹配段中进行DTW计算,并将每组计算结果进行整合,得到完整轨道实测仿真匹配路径,根据所述完整轨道实测仿真匹配路径,确定实测中存在异常的角速度和/或异常的加速度对应的轨道位置。
在一些可能的实施方式中,通过时间序列可以将实测数据与仿真数据相融合,便于后续计算以及对应查找。此外,本申请将传统DTW算法进行了改良,不仅仅局限于点对点之间的数据计算,将其扩展成先进行时序段之间的重组匹配,再进行点对点之间的匹配,一方面能快速、准确地定位过山车轨道缺陷位置,另一方面大大降低维修人员的工作强度和危险性且成本低廉,只需要准确数据,就能实现快速定位。
优选地,在上述任意实施例中,获取模块100具体用于:
通过安装在过山车上的加速度计获取所述第一实测时间序列,通过安装在过山车上的陀螺仪获取所述第二实测时间序列,获取仿真系统中计算得出加速度对应的第一仿真时间序列以及角速度对应的第二仿真时间序列,将相似度最大的第一仿真时间序列以及其对应的第一实测时间序列,或者将相似度最大的第二仿真时间序列以及其对应的第二实测时间序列通过低通巴特沃斯四阶滤波器进行滤波处理,得到所述时间序列;
其中,所述实时加速度包括:X轴方向的实时加速度、Y轴方向的实时加速度以及Z轴方向的实时加速度,所述实时角速度包括:X轴方向的实时角速度、Y轴方向的实时角速度以及Z轴方向的实时角速度,所述相似度最大的第一仿真时间序列为:相同方向上与所述实时加速度相似度最大的第一仿真时间序列,所述相似度最大的第二仿真时间序列为:相同方向上与所述实时角速度相似度最大的第二仿真时间序列。
优选地,在上述任意实施例中,所述分段模块200具体用于:
令所述实测时间序列中的每个序列的极值点作为断点,每个序列根据所述断点进行分段划分,得到第一时序段集合以及第二时序段集合,所述第一时序段集合以及所述第二时序段集合组成所述时序段集合。
优选地,在上述任意实施例中,所述重组模块300具体用于:
对所述时序段集合中的任意一个时序段分别进行r种配对方式的距离计算,得到r个段距离计算结果,历遍所述时序段集合中的所有时序段,基于DTW算法将所有时序段得到的段距离计算结果进行累加处理,得到r个配对方式下的累计段距离计算结果,将数值最小的累计段距离计算结果对应的每个时序段的配对方式作为重组配对的配对方式,基于所述配对方式得到u组匹配段。
优选地,在上述任意实施例中,所述得到完整轨道实测仿真匹配路径的过程具体为:
通过DTW算法,结合全局惩罚系数和导数欧氏距离计算每组匹配段中不同序列的数据点之间的距离,得到点距离计算结果,历遍所述匹配段中的所有数据点,结合局部惩罚系数将所有数据点极端得到的点距离计算结果进行累加处理,得到累计点距离计算结果,将数值最小的累计点距离计算结果对应的数据点进行整合,得到完整轨道实测仿真匹配路径。
本发明解决上述技术问题的另一种技术方案如下:一种存储介质,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如上述任一项所述的一种过山车轨道缺陷定位方法。
在一些可能的实施方式中,通过时间序列可以将实测数据与仿真数据相融合,便于后续计算以及对应查找。此外,本申请将传统DTW算法进行了改良,不仅仅局限于点对点之间的数据计算,将其扩展成先进行时序段之间的重组匹配,再进行点对点之间的匹配,一方面能快速、准确地定位过山车轨道缺陷位置,另一方面大大降低维修人员的工作强度和危险性且成本低廉,只需要准确数据,就能实现快速定位。
本发明解决上述技术问题的另一种技术方案如下:一种电子设备,包括上述存储介质、执行上述存储介质内的指令的处理器。
在一些可能的实施方式中,通过时间序列可以将实测数据与仿真数据相融合,便于后续计算以及对应查找。此外,本申请将传统DTW算法进行了改良,不仅仅局限于点对点之间的数据计算,将其扩展成先进行时序段之间的重组匹配,再进行点对点之间的匹配,一方面能快速、准确地定位过山车轨道缺陷位置,另一方面大大降低维修人员的工作强度和危险性且成本低廉,只需要准确数据,就能实现快速定位。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的方法实施例仅仅是示意性的,例如,步骤的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个步骤可以结合或者可以集成到另一个步骤,或一些特征可以忽略,或不执行。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,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,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改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权利要求的保护范围为准。
Claims (10)
1.一种过山车轨道缺陷定位方法,其特征在于,包括:
步骤1,基于获取到的过山车的实时加速度以及实时角速度确定时间序列,所述时间序列包括:实时加速度对应的第一实测时间序列以及所述第一实测时间序列对应的第一仿真时间序列,或者包括实时角速度对应的第二实测时间序列以及所述第二实测时间序列对应的第二仿真时间序列;
步骤2,基于所述时间序列的极值点对所述时间序列进行分段划分,得到时序段集合;
步骤3,基于DTW算法对所述时序段集合进行重组配对,得到u组匹配段;
步骤4,在每组匹配段中进行DTW计算,并将每组计算结果进行整合,得到完整轨道实测仿真匹配路径,根据所述完整轨道实测仿真匹配路径,确定实测中存在异常的角速度和/或异常的加速度对应的轨道位置。
2.根据权利要求1所述的一种过山车轨道缺陷定位方法,其特征在于,所述步骤1具体包括:
通过安装在过山车上的加速度计获取所述第一实测时间序列,通过安装在过山车上的陀螺仪获取所述第二实测时间序列,获取仿真系统中计算得出加速度对应的第一仿真时间序列以及角速度对应的第二仿真时间序列,将相似度最大的第一仿真时间序列以及其对应的第一实测时间序列,或者将相似度最大的第二仿真时间序列以及其对应的第二实测时间序列通过低通巴特沃斯四阶滤波器进行滤波处理,得到所述时间序列;
其中,所述实时加速度包括:X轴方向的实时加速度、Y轴方向的实时加速度以及Z轴方向的实时加速度,所述实时角速度包括:X轴方向的实时角速度、Y轴方向的实时角速度以及Z轴方向的实时角速度,所述相似度最大的第一仿真时间序列为:相同方向上与所述实时加速度相似度最大的第一仿真时间序列,所述相似度最大的第二仿真时间序列为:相同方向上与所述实时角速度相似度最大的第二仿真时间序列。
3.根据权利要求2所述的一种过山车轨道缺陷定位方法,其特征在于,所述步骤2具体为:
令所述时间序列中的每个序列的极值点作为断点,每个序列根据所述断点进行分段划分,得到第一时序段集合以及第二时序段集合,所述第一时序段集合以及所述第二时序段集合组成所述时序段集合。
4.根据权利要求3所述的一种过山车轨道缺陷定位方法,其特征在于,所述步骤3具体为:
对所述时序段集合中的任意一个时序段分别进行r种配对方式的距离计算,得到r个段距离计算结果,历遍所述时序段集合中的所有时序段,基于DTW算法将所有时序段得到的段距离计算结果进行累加处理,得到r个配对方式下的累计段距离计算结果,将数值最小的累计段距离计算结果对应的每个时序段的配对方式作为重组配对的配对方式,基于所述配对方式得到u组匹配段。
5.根据权利要求4所述的一种过山车轨道缺陷定位方法,其特征在于,所述得到完整轨道实测仿真匹配路径的过程具体为:
通过DTW算法,结合全局惩罚系数和导数欧氏距离计算每组匹配段中不同序列的数据点之间的距离,得到点距离计算结果,历遍所述匹配段中的所有数据点,结合局部惩罚系数将所有数据点极端得到的点距离计算结果进行累加处理,得到累计点距离计算结果,将数值最小的累计点距离计算结果对应的数据点进行整合,得到完整轨道实测仿真匹配路径。
6.一种过山车轨道缺陷定位系统,其特征在于,包括:
获取模块,用于基于获取到的过山车的实时加速度以及实时角速度确定时间序列,所述时间序列包括:实时加速度对应的第一实测时间序列以及所述第一实测时间序列对应的第一仿真时间序列,或者包括实时角速度对应的第二实测时间序列以及所述第二实测时间序列对应的第二仿真时间序列;
分段模块,用于基于所述实测时间序列的极值点对所述实测时间序列进行分段划分,得到时序段集合;
重组模块,用于基于DTW算法对所述时序段集合进行重组配对,得到u组匹配段;
生成模块,用于在每组匹配段中进行DTW计算,并将每组计算结果进行整合,得到完整轨道实测仿真匹配路径,根据所述完整轨道实测仿真匹配路径,确定实测中存在异常的角速度和/或异常的加速度对应的轨道位置。
7.根据权利要求6所述的一种过山车轨道缺陷定位系统,其特征在于,获取模块具体用于:
通过安装在过山车上的加速度计获取所述第一实测时间序列,通过安装在过山车上的陀螺仪获取所述第二实测时间序列,获取仿真系统中计算得出加速度对应的第一仿真时间序列以及角速度对应的第二仿真时间序列,将相似度最大的第一仿真时间序列以及其对应的第一实测时间序列,或者将相似度最大的第二仿真时间序列以及其对应的第二实测时间序列通过低通巴特沃斯四阶滤波器进行滤波处理,得到所述时间序列;
其中,所述实时加速度包括:X轴方向的实时加速度、Y轴方向的实时加速度以及Z轴方向的实时加速度,所述实时角速度包括:X轴方向的实时角速度、Y轴方向的实时角速度以及Z轴方向的实时角速度,所述相似度最大的第一仿真时间序列为:相同方向上与所述实时加速度相似度最大的第一仿真时间序列,所述相似度最大的第二仿真时间序列为:相同方向上与所述实时角速度相似度最大的第二仿真时间序列。
8.根据权利要求7所述的一种过山车轨道缺陷定位系统,其特征在于,所述分段模块具体用于:
令所述实测时间序列中的每个序列的极值点作为断点,每个序列根据所述断点进行分段划分,得到第一时序段集合以及第二时序段集合,所述第一时序段集合以及所述第二时序段集合组成所述时序段集合。
9.一种介质,其特征在于,所述介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如权利要求1至5中任一项所述的一种过山车轨道缺陷定位方法。
10.一种设备,其特征在于,包括权利要求9所述的存储介质、执行所述存储介质内的指令的处理器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210600797.3A CN115292872B (zh) | 2022-05-30 | 2022-05-30 | 一种过山车轨道缺陷定位方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210600797.3A CN115292872B (zh) | 2022-05-30 | 2022-05-30 | 一种过山车轨道缺陷定位方法、系统、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115292872A true CN115292872A (zh) | 2022-11-04 |
CN115292872B CN115292872B (zh) | 2023-04-07 |
Family
ID=83819835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210600797.3A Active CN115292872B (zh) | 2022-05-30 | 2022-05-30 | 一种过山车轨道缺陷定位方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115292872B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116256054A (zh) * | 2023-05-15 | 2023-06-13 | 广东电网有限责任公司阳江供电局 | 一种桥臂电抗器的故障监测方法、系统、设备和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794286A (zh) * | 2015-04-22 | 2015-07-22 | 杭州映墨科技有限公司 | 一种用于虚拟现实过山车场景的轨道构建和运动计算方法 |
CN111222270A (zh) * | 2019-12-25 | 2020-06-02 | 华东理工大学 | 一种基于轮轨耦合的过山车轨道振动响应测试方法及应用 |
JP2020107016A (ja) * | 2018-12-27 | 2020-07-09 | 三菱電機株式会社 | 類似度判定装置および異常検出装置 |
WO2021012315A1 (zh) * | 2019-07-24 | 2021-01-28 | 清华大学 | 基于模糊匹配的时间序列异常模式识别方法及装置 |
CN112949696A (zh) * | 2021-02-07 | 2021-06-11 | 江西科技学院 | 基于dtw与稳健估计的轨道静态检查历史数据匹配方法 |
CN113567163A (zh) * | 2021-07-16 | 2021-10-29 | 北京新典恒益科技有限公司 | 过山车运行检测、分析及异常预警的方法 |
-
2022
- 2022-05-30 CN CN202210600797.3A patent/CN115292872B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794286A (zh) * | 2015-04-22 | 2015-07-22 | 杭州映墨科技有限公司 | 一种用于虚拟现实过山车场景的轨道构建和运动计算方法 |
JP2020107016A (ja) * | 2018-12-27 | 2020-07-09 | 三菱電機株式会社 | 類似度判定装置および異常検出装置 |
WO2021012315A1 (zh) * | 2019-07-24 | 2021-01-28 | 清华大学 | 基于模糊匹配的时间序列异常模式识别方法及装置 |
CN111222270A (zh) * | 2019-12-25 | 2020-06-02 | 华东理工大学 | 一种基于轮轨耦合的过山车轨道振动响应测试方法及应用 |
CN112949696A (zh) * | 2021-02-07 | 2021-06-11 | 江西科技学院 | 基于dtw与稳健估计的轨道静态检查历史数据匹配方法 |
CN113567163A (zh) * | 2021-07-16 | 2021-10-29 | 北京新典恒益科技有限公司 | 过山车运行检测、分析及异常预警的方法 |
Non-Patent Citations (1)
Title |
---|
陈卫卫等: "无线加速度测试技术在过山车检测中的应用", 《中国特种设备安全》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116256054A (zh) * | 2023-05-15 | 2023-06-13 | 广东电网有限责任公司阳江供电局 | 一种桥臂电抗器的故障监测方法、系统、设备和介质 |
CN116256054B (zh) * | 2023-05-15 | 2023-08-04 | 广东电网有限责任公司阳江供电局 | 一种桥臂电抗器的故障监测方法、系统、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115292872B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105034366B (zh) | 一种3d打印机及其打印还原度的检测方法 | |
CN115292872B (zh) | 一种过山车轨道缺陷定位方法、系统、介质及设备 | |
CN103674062B (zh) | 基于Allan方差与ARMA模型分析提高陀螺仪测量精度的方法 | |
CN110110094A (zh) | 基于社交网络知识图谱的跨网络人物关联方法 | |
CN110688921A (zh) | 一种基于人体动作识别技术的驾驶员抽烟行为检测方法 | |
CN109887015A (zh) | 一种基于局部曲面特征直方图的点云自动配准方法 | |
CN108415910B (zh) | 基于时间序列的话题发展聚类分析系统和方法 | |
CN111583300B (zh) | 一种基于富集目标形态变化更新模板的目标跟踪方法 | |
CN111898443B (zh) | 一种fdm型3d打印机送丝机构流量监测方法 | |
CN109635200B (zh) | 一种基于中介真值程度度量和用户的协同过滤推荐方法 | |
CN108667684A (zh) | 一种基于局部向量点积密度的数据流异常检测方法 | |
CN107091627A (zh) | 一种多表面系统的综合测量与评估方法 | |
CN110084137A (zh) | 基于驾驶场景的数据处理方法、装置和计算机设备 | |
CN113521749A (zh) | 异常账号检测模型训练方法和异常账号检测方法 | |
CN104197932A (zh) | 基于人类行为学的位置跟踪方法 | |
CN113639757A (zh) | 基于双向评分模型和回溯校正机制的地图匹配方法及系统 | |
CN109063313B (zh) | 基于机器学习的列车牵引能耗计算方法 | |
CN107492148B (zh) | 基于SVM与K‑Means的大规模无标定曲面点云重建圆柱面方法 | |
CN101013022A (zh) | 一种消除光学元件干涉采样数据中随机误差的方法 | |
CN110440826B (zh) | 一种位置姿态测量系统里程计数据处理方法 | |
CN113689081A (zh) | 基于正态云模型的自动驾驶道路测试数据质量确定方法 | |
CN112633592A (zh) | 基于机器学习聚类算法的车辆常跑路线计算方法及系统 | |
CN116714021B (zh) | 基于数据分析的单轨吊巡检机器人智能测试方法 | |
CN105160586B (zh) | 电力系统失稳模式易变性的快速评估方法 | |
CN116086486A (zh) | 多通道轨检数据自适应里程修正及评价方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |