CN116228839A - 列车轮对尺寸检测大数据校正装置及其方法、存储介质 - Google Patents
列车轮对尺寸检测大数据校正装置及其方法、存储介质 Download PDFInfo
- Publication number
- CN116228839A CN116228839A CN202211671284.8A CN202211671284A CN116228839A CN 116228839 A CN116228839 A CN 116228839A CN 202211671284 A CN202211671284 A CN 202211671284A CN 116228839 A CN116228839 A CN 116228839A
- Authority
- CN
- China
- Prior art keywords
- data
- wheel set
- set size
- prediction model
- value
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供一种列车轮对尺寸检测大数据校正装置及其方法、存储介质,包括以下步骤:基于积累数据集离线训练轮对尺寸检测的系统误差预测模型;按照各个现场设备的实时测量数据,分别迭代训练轮对尺寸的在线预测模型以能够实现测量值的校正和未来趋势的预测;针对不同类别的测量误差,根据其共性和特性的数据特点,选取不同数据,分步分别进行建模训练,能够提升列车轮对尺寸检测的可靠性,降低误报率、提高检出率。
Description
技术领域
本发明涉及轨道交通安全监测设备技术领域,具体涉及一种列车轮对尺寸检测大数据校正装置及其方法、存储介质。
背景技术
列车轮对几何尺寸检测是轨道交通安全运行的关键环节之一,检测结果直接反映了列车车轮磨损及运行状态,目前轮对尺寸检测设备多采用视觉测量技术,视觉传感器容易受到外界环境的影响,特别是在铁路复杂恶劣的户外环境下,列车高速运动、振动冲击、强杂弱复杂光线、雨雪雾气候干扰,这些因素都会影响传感器成像,导致视觉测量系统精度下降。另外,由于铁轨和车轮均随时间存在不断磨损的情况,导致视觉测量系统的被测对象相对测量系统并不固定,同时安装在轨旁特别是正线上的视觉测量系统无法经常标定系统参数,测量系统在运行一段时间后会存在系统误差。
当安全检测设备得到的测量数据出现较大误差时,将对轨道交通运维工作产生一定影响,误报会引起非必要人工复核复验,造成人力浪费,漏报则无法发现车轮磨损超限状况,形成安全隐患。
视觉测量系统通常利用相机作为传感器,通过获取被测对象的图像或者被测对象上特征目标(例如结构光光条)图像,根据成型模型来计算被测对象特征的三维数据,实现三维测量。在系统测量过程中,相机光学系统形成的非线性误差可通过相机标定进行校正,由于列车轮对尺寸检测系统通常安装在轨旁,在列车通过时完成每个车轮的尺寸测量,无法像其他视觉测量系统一样经常主动进行标定,特别是安装在正线上的动态测量系统,只能在天窗点短暂时间内进行系统维护,常常是几个月甚至半年才能标定一次,因此,列车轮对尺寸检测系统随着系统运行会出现系统误差逐渐变化的情况,将影响测量精度。同时,由于铁轨和车轮均随时间存在不断磨损的情况,导致轮对尺寸检测系统中的相机以及光源等成像模块与被测对象车轮的相对位置关系不固定,将影响测量图像特别是特征图像的质量,也会形成测量系统误差的变化。另外,由于列车运行时轮对测量环境复杂,视觉测量系统受到干扰往往会出现测量值偶尔误差较大,且存在一定波动的情况。同时,车轮上的污渍或异物也会影响测量结果,造成测量值不稳定的问题,这些都属于随机误差。
列车轮对尺寸的测量值精度为亚毫米级,测量值的数值范围通常较大,超限安全界限也存在多个等级,而我国铁路线路众多,运行环境存在一定的差异,车型和用途也有不同,铁轨和车轮磨损情况差别较大,数据测量误差的影响因素复杂,常规的大数据分析和数据预测方法难以建立一个通用的稳定预测模型,来实现测量数据的有效可靠判断和校正。
发明内容
为了解决上述技术问题,本发明提供一种列车轮对尺寸检测大数据校正装置及其方法、存储介质,针对不同类别的测量误差,根据其共性和特性的数据特点,选取不同数据,分步分别进行建模训练,能够提升列车轮对尺寸检测的可靠性,降低误报率、提高检出率。
为了达到上述目的,本发明的技术方案如下:
本发明提供一种列车轮对尺寸检测大数据校正方法,包括以下步骤:基于积累数据集离线训练轮对尺寸检测的系统误差预测模型;按照各个现场设备的实时测量数据,分别迭代训练轮对尺寸的在线预测模型以能够实现测量值的校正和未来趋势的预测。
本发明提供一种列车轮对尺寸检测大数据校正装置及其方法、存储介质,针对不同类别的测量误差,根据其共性和特性的数据特点,选取不同数据,分步分别进行建模训练,能够提升列车轮对尺寸检测的可靠性,降低误报率、提高检出率。
作为优选技术方案,具体包括以下步骤:
S1建立系统误差预测模型;
S2根据实时测量数据建立并更新轮对尺寸测量值在线预测模型;
S3测量值对比校正,将当前测量值的行驶里程数数据输入上述在线预测模型,得到在线预测结果,比较预测结果与测量值之间的偏差,当预测结果与测量值之间的偏差大于设定的阈值时,则将该测量值修正为预测值;
S4预测未来结果,将未来行驶里程数数据输入上述在线预测模型,得到对应的预测结果。
作为优选技术方案,步骤S1建立系统误差预测模型,具体包括以下步骤:
S101数据集建立,积累收集现场轮对尺寸检测数据,其中,收集的现场轮对尺寸检测数据包括:轮对检测设备的某次几何测量值y、检测对应的人工复核测量的几何参数值ym、测量该车辆轮对的行驶里程数dy、安装所在处钢轨当前的垂直磨耗侧面磨耗/>dy、/>从铁路信息系统获取;进而,根据y与ym比对进行数据有效性标记:当y与ym的偏差小于设定阈值时,该测量值标注为有效值,否则标注为无效值;
S102建立预测模型,预测模型为选择时间序列预测模型或回归模型;按各个尺寸参数分别建立系统误差预测模型如下:
其中,psr列车轮对尺寸检测系统的系统误差预测值;
S103预测模型训练,在上述建立的数据集中,选择有效的测量值y、人工复核值ym及其对应的轮对和铁轨状态参数dy、对上述系统误差预测模型进行训练,得到训练后的模型,其中系统误差值定义为测量值和人工复核值之间的偏差即y-ym;当输入dy、后,由模型计算得到各几何参数对应的系统误差预测值psr。
作为优选技术方案,步骤S2根据实时测量数据建立并更新轮对尺寸测量值在线预测模型,具体包括以下步骤:
S201建立在线预测模型,所述预测模型为时间序列预测模型或回归模型,对每辆列车的每个车轮,按各个尺寸参数分别建立预测模型:
py=Fcn,wn(dy)
其中,cn为车号;wn为轮号;dy为车辆轮对的行驶里程数,py为轮对尺寸预测值;
S202在线预测模型训练数据建立和更新,将现场设备实时测量的轮对尺寸数据y对应的轮对和铁轨状态参数dy、输入上述系统误差模型,得到系统误差预测值psr,按照ysr=y-psr计算得到校正系统误差后的测量结果ysr;
比较当前测量值ysr与人工复核值ym,当二者偏差小于设定阈值时,该组数据作为训练数据分车辆号、轮号、参数类别加入各自的在线预测模型训练数据集;
当各训练数据集中的数据量达到预定数值时,即可进行模型训练;
S203更新在线预测模型,每次设备检测车辆时有新数据后,针对每类测量数据,按车辆号、轮号、参数类别选择上述当前设备的对应训练数据集,选取人工复核值ym作为训练的真值及其对应的轮对状态参数dy,对对应的模型进行训练,得到训练后的在线预测模型。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上所述任一项所述的列车轮对尺寸检测大数据校正方法。
本发明还提供一种列车轮对尺寸检测大数据校正装置,包括:轮对尺寸检测采集测量单元,所述轮对尺寸检测采集测量单元与数据存储单元电连接,所述数据存储单元与数据分析和校正单元电相连,所述数据存储单元与所述数据分析和校正单元双向通信,所述数据存储单元与数据展示和业务处理单元双向通信,系统误差预测大数据系统与各在线系统数据的存储单元电连接以能够获取各在线系统的数据,系统误差预测大数据系统与数据分析和校正单元电连接以能够将训练好的系统误差预测模型部署至各在线系统得到对应的预测结果;当系统误差预测大数据系统与各在线系统之间的网络条件不具备连网的网络条件时,则通过手工进行数据汇集和模型部署。
作为优选技术方案,所述轮对尺寸检测数据采集测量单元用于通过结构光三维测量的方法采集图像数据、被测轮对车辆号和轮号信息数据,并按照结构光三维重建方法计算得到车轮的三维信息,进而按照铁路相关标准中的轮对几何尺寸指标定义,计算得到各几何参数的测量值结果并再将各几何参数的测量值结果数据上传至数据存储单元进行存储和管理。
作为优选技术方案,所述数据分析和校正单元用于提取数据存储单元中的数据并进行模型训练和计算处理,并将处理后经分析和校正后的测量数据返回数据存储单元,通过数据展示和业务处理单元获取数据存储单元中经分析和校正后的测量数据并进行展示。
作为优选技术方案,所述数据存储单元用于根据数据库按车辆号、轮号、测量值、行驶里程和轨道磨损状态分条进行存储,用来记录轮对尺寸检测设备的测量结果以及由数据分析和校正单元处理后的校正结果,并将校正结果提供给用户进行运维业务操作,同时记录当前设备训练数据用于轮对尺寸测量值在线预测模型的创建和更新;所述数据存储单元还用于提供与用户的铁路信息系统对接功能,将轮对尺寸检测数据传输给铁路信息系统,并获取行驶里程和轨道磨损状态信息系统数据。
作为优选技术方案,所述系统误差预测大数据系统用于收集各个在线系统的数据后,进行系统误差预测模型训练,得到对应的预测结果。
本发明提供的列车轮对尺寸检测大数据校正装置及其方法、存储介质,具有以下有益效果:
1)本发明提供的列车轮对尺寸检测大数据校正装置及其方法、存储介质,提出列车轮对尺寸检测系统的系统误差大数据预测结合各车轮尺寸参数大数据预测的分步预测方法,首先基于积累数据集离线训练轮对尺寸检测的系统误差预测模型;进而按照各个现场设备的实时测量数据,分别迭代训练轮对尺寸的在线预测模型,实现测量值的校正和未来趋势的预测;本方法针对不同类别的测量误差,根据其共性和特性的数据特点,选取不同数据,分步分别进行建模训练,能够提升列车轮对尺寸检测的可靠性,降低误报率、提高检出率。
2)本发明提供的列车轮对尺寸检测大数据校正装置及其方法、存储介质,根据影响轮对尺寸视觉测量系统测量精度因素不同,基于大数据分析技术,建立轮对尺寸测量系统误差的预测模型,预测出在测量环境和测量对象不同情况下测量系统的系统误差,作为基础校正参数对测量数据进行校正,提升测量精度;
3)本发明提供的列车轮对尺寸检测大数据校正装置及其方法、存储介质,针对每个车轮的不同特性,基于大数据分析技术,建立各车轮尺寸参数的预测模型,在测量系统系统误差预测值的基础上,进一步对测量得到的尺寸参数进行校正,提升测量精度;
4)本发明提供的列车轮对尺寸检测大数据校正装置及其方法、存储介质,能够提升轮对尺寸测量的可靠性,特别是高速列车在线动态测量,使其在复杂恶劣环境下长期运行过程中保持较高的测量精度。
附图说明
图1为本发明提供的一种列车轮对尺寸检测大数据校正方法的流程图;
图2为一种列车轮对尺寸检测大数据校正装置的组成图;
具体实施方式
下面结合附图详细说明本发明的优选实施方式。
可以理解,本发明是通过一些实施例为了达到本发明的目的,如图1所示,本发明提供一种列车轮对尺寸检测大数据校正方法,具有以下具体步骤:
步骤一:建立系统误差预测模型,包括以下步骤:
1)数据集建立,包括以下步骤:
积累收集现场轮对尺寸检测数据,优选地,所述的积累收集的数据现场尽可能不同、数量尽量多,检测数据尽量有不同的车辆类型和获取时间,包括白天、夜晚不同时间段,一年里不同季节,不同的天气情况;
其中,收集的数据包括轮对检测设备的某次几何测量值y、该次检测对应的人工复核测量的几何参数值ym、该次测量时该车辆轮对的行驶里程数dy、系统安装所在处钢轨当前的垂直磨耗侧面磨耗/>dy、/>能够从铁路信息系统获取,如铁路货车技术管理系统HMIS;
进而,根据y与ym对比来进行数据有效性标记:当y与ym的偏差小于设定阈值时,该测量值标注为有效值,否则标注为无效值;
2)建立预测模型,包括以下步骤:
按各个尺寸参数分别建立系统误差预测模型:
其中,psr列车轮对尺寸检测系统的系统误差预测值;
较优地,预测模型能够选择时间序列预测模型,例如ARMA、ARIMA等线性模型,LSTM模型,prophet模型,LSTNet等深度学习网络;也能够选择回归模型等常用预测模型;
3)预测模型训练,包括以下步骤:
在上述建立的数据集中,选择有效的测量值y、人工复核值ym及其对应的轮对和铁轨状态参数dy、对上述系统误差预测模型进行训练,得到训练后的模型,其中系统误差值定义为测量值和人工复核值之间的偏差,即y-ym;当输入dy、/>后,由模型计算得到各几何参数对应的系统误差预测值psr;
步骤二:根据实时测量数据建立并更新轮对尺寸测量值在线预测模型,包括以下步骤:
1)建立在线预测模型,包括以下步骤:
对每辆列车的每个车轮,按各个尺寸参数分别建立预测模型:
py=Fcn,wn(dy)
其中,cn为车号;wn为轮号;dy为车辆轮对的行驶里程数,py为轮对尺寸预测值;
较优地,预测模型能够选择时间序列预测模型,例如ARMA、ARIMA等线性模型,LSTM模型,prophet模型,LSTNet等深度学习网络;也能够选择回归模型等常用预测模型;
2)在线预测模型训练数据建立和更新,包括以下步骤:
比较当前测量值ysr与人工复核值ym,当二者偏差小于设定阈值时,该组数据作为训练数据分车辆号、轮号、参数类别加入各自的在线预测模型训练数据集。
当各训练数据集中的数据量达到预定数值时,即可进行模型训练;轮对尺寸检测系统在运行过程中,随着被检列车车轮数不断增加,数据集中数据量也会逐渐增加,根据模型训练的效果和效率,能够选择所有数据进行训练,也能够选择部分数据进行训练;
3)更新在线预测模型,包括以下步骤:
每次设备检测车辆时有新测量数据后,较优地,针对每类测量数据,按车辆号、轮号、参数类别选择上述当前设备的对应训练数据集,选取人工复核值ym作为训练的真值及其对应的轮对状态参数dy,对对应的模型进行训练,得到训练后的在线预测模型;
其中,训练选取的数据能够是数据集中所有数据;也能够选择部分数据进行模型训练,以提高训练速度,选取方式可以随机选取或者选取最近的数据;
步骤三:测量值对比校正,包括以下步骤:
将当前测量值的行驶里程数dy输入上述在线预测模型,得到在线预测结果,比较预测结果与测量值之间的偏差,当大于设定的阈值时,则将该测量值修正为预测值;
步骤四:预测未来结果,包括以下步骤:
将未来行驶里程数dy输入上述在线预测模型,得到对应的预测结果。
本发明提供一种列车轮对尺寸检测大数据校正方法,提出列车轮对尺寸检测系统的系统误差大数据预测结合各车轮尺寸参数大数据预测的分步预测方法,首先基于积累数据集离线训练轮对尺寸检测的系统误差预测模型;进而按照各个现场设备的实时测量数据,分别迭代训练轮对尺寸的在线预测模型,实现测量值的校正和未来趋势的预测;本方法针对不同类别的测量误差,根据其共性和特性的数据特点,选取不同数据,分步分别进行建模训练,能够提升列车轮对尺寸检测的可靠性,降低误报率、提高检出率。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上所述任一项所述的列车轮对尺寸检测大数据校正方法。
如图2所示,本发明同时提出一种列车轮对尺寸检测大数据校正装置,采用列车轮对尺寸检测大数据校正方法进行分析和校正,包括轮对尺寸检测数据采集测量单元、数据存储单元、数据分析和校正单元、数据展示和业务处理单元,系统误差预测大数据系统,
其中,轮对尺寸检测数据采集测量单元、数据存储单元、数据分析和校正单元、数据展示和业务处理单元安装在列车轮对尺寸检测应用现场,为在线系统;系统误差预测大数据系统部署在后台,不一定在现场,至少连接一套上述在线系统,较优地,连接尽可能多的不同现场的在线系统,收集各个系统的测量和车轮及轨道状态数据;
轮对尺寸检测采集测量单元与数据存储单元电连接,数据存储单元与数据分析和校正单元电连接,数据存储单元与数据分析和校正单元双向通信,数据存储单元与数据展示和业务处理单元双向通信;离线系统系统误差预测大数据系统与各在线系统数据的存储单元相连,获取各在线系统的数据,误差预测大数据系统与在线系统的数据分析和校正单元相连以能够将训练好的系统误差预测模型部署至各在线系统;当系统误差预测大数据系统与各在线系统之间的网络条件不具备连网的网络条件时,则通过手工进行数据汇集和模型部署;
其中,轮对尺寸检测数据采集测量单元通过结构光三维测量的方法采集图像数据、被测轮对车辆号和轮号信息,并按照结构光三维重建方法计算得到车轮的三维信息,进而按照铁路相关标准中的轮对几何尺寸指标定义,计算得到各几何参数的测量值;再将结果上传至数据存储单元进行存储和管理,通过数据分析和校正单元提取数据存储单元中的数据并进行模型训练和计算处理,处理结果返回数据存储单元,通过数据展示和业务处理单元获取数据存储单元中经分析和校正后的测量数据并进行展示,数据展示和业务处理单元用于提供数据查询、统计、管理功能,以配合、支持用户的相应业务处理,数据展示和业务处理单元还提供人工复核数据记录、用户管理、排班管理等用户业务操作功能;
数据存储单元用于利用数据库按车辆号、轮号、测量值、行驶里程、轨道磨损状态分条进行存储,用来记录轮对尺寸检测设备的测量结果以及由数据分析和校正单元处理后的校正结果,并将校正结果提供给用户进行运维业务操作,同时记录的当前设备训练数据用于如步骤二所述的在线预测模型的创建和更新;数据存储单元还提供与用户其他信息系统(例如铁路货车技术管理系统HMIS系统等)数据对接功能和接口,并将轮对尺寸检测数据传输给其他信息系统,并获取其他信息系统数据,如行驶里程、轨道磨损状态等;
数据分析和校正单元用于从数据存储单元中取出数据,进行上述方法步骤二模型训练和步骤三数据计算处理,需要部署在现场的计算机上进行实时处理;数据分析和校正单元用于将处理后的结果返回数据存储单元;
系统误差预测大数据系统收集各个在线系统的数据后,进行上述方法步骤一模型训练,训练过程能够在非现场计算机上处理,将训练后的模型部署到现场计算机上即可;这样提升列车轮对尺寸检测的可靠性,不仅降低误报率,更提高检出率,进一步提高了列车轮对尺寸测量的精度。
本发明提供的列车轮对尺寸检测大数据校正装置及其方法、存储介质,具有以下有益效果:
1)本发明提供的列车轮对尺寸检测大数据校正装置及其方法、存储介质,提出列车轮对尺寸检测系统的系统误差大数据预测结合各车轮尺寸参数大数据预测的分步预测方法,首先基于积累数据集离线训练轮对尺寸检测的系统误差预测模型;进而按照各个现场设备的实时测量数据,分别迭代训练轮对尺寸的在线预测模型,实现测量值的校正和未来趋势的预测;本方法针对不同类别的测量误差,根据其共性和特性的数据特点,选取不同数据,分步分别进行建模训练,能够提升列车轮对尺寸检测的可靠性,降低误报率、提高检出率。
2)本发明提供的列车轮对尺寸检测大数据校正装置及其方法、存储介质,根据影响轮对尺寸视觉测量系统测量精度因素不同,基于大数据分析技术,建立轮对尺寸测量系统误差的预测模型,预测出在测量环境和测量对象不同情况下测量系统的系统误差,作为基础校正参数对测量数据进行校正,提升测量精度;
3)本发明提供的列车轮对尺寸检测大数据校正装置及其方法、存储介质,针对每个车轮的不同特性,基于大数据分析技术,建立各车轮尺寸参数的预测模型,在测量系统系统误差预测值的基础上,进一步对测量得到的尺寸参数进行校正,提升测量精度;
4)本发明提供的列车轮对尺寸检测大数据校正装置及其方法、存储介质,能够提升轮对尺寸测量的可靠性,特别是高速列车在线动态测量,使其在复杂恶劣环境下长期运行过程中保持较高的测量精度。
可以理解,本发明是通过一些实施例进行描述的,本领域技术人员知悉的,在不脱离本发明的精神和范围的情况下,可以对这些特征和实施例进行各种改变或等效替换。另外,在本发明的教导下,可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此,本发明不受此处所公开的具体实施例的限制,所有落入本申请的权利要求范围各种改变或等效替换。另外,在本发明的教导下,可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此,本发明不受此处所公开的具体实施例的限制,所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。
Claims (10)
1.一种列车轮对尺寸检测大数据校正方法,包括以下步骤:基于积累数据集离线训练轮对尺寸检测的系统误差预测模型;按照各个现场设备的实时测量数据,分别迭代训练轮对尺寸的在线预测模型以能够实现测量值的校正和未来趋势的预测。
2.根据权利要求1所述的列车轮对尺寸检测大数据校正方法,具体包括以下步骤:
S1建立系统误差预测模型;
S2根据实时测量数据建立并更新轮对尺寸测量值在线预测模型;
S3测量值对比校正,将当前测量值的行驶里程数数据输入上述在线预测模型,得到在线预测结果,比较预测结果与测量值之间的偏差,当预测结果与测量值之间的偏差大于设定的阈值时,则将该测量值修正为预测值;
S4预测未来结果,将未来行驶里程数数据输入上述在线预测模型,得到对应的预测结果。
3.根据权利要求2所述的列车轮对尺寸检测大数据校正方法,其特征在于,步骤S1建立系统误差预测模型,具体包括以下步骤:
S101数据集建立,积累收集现场轮对尺寸检测数据,其中,收集的现场轮对尺寸检测数据包括:轮对检测设备的某次几何测量值y、检测对应的人工复核测量的几何参数值ym、测量该车辆轮对的行驶里程数dy、安装所在处钢轨当前的垂直磨耗侧面磨耗/>dy、从铁路信息系统获取;进而,根据y与ym比对进行数据有效性标记:当y与ym的偏差小于设定阈值时,该测量值标注为有效值,否则标注为无效值;
S102建立预测模型,预测模型为选择时间序列预测模型或回归模型;按各个尺寸参数分别建立系统误差预测模型如下:
其中,psr列车轮对尺寸检测系统的系统误差预测值;
4.根据权利要求2所述的列车轮对尺寸检测大数据校正方法,其特征在于,步骤S2根据实时测量数据建立并更新轮对尺寸测量值在线预测模型,具体包括以下步骤:
S201建立在线预测模型,所述预测模型为时间序列预测模型或回归模型,对每辆列车的每个车轮,按各个尺寸参数分别建立预测模型:
py=Fcn,wn(dy)
其中,cn为车号;wn为轮号;dy为车辆轮对的行驶里程数,py为轮对尺寸预测值;
S202在线预测模型训练数据建立和更新,将现场设备实时测量的轮对尺寸数据y对应的轮对和铁轨状态参数dy、输入上述系统误差模型,得到系统误差预测值psr,按照ysr=y-psr计算得到校正系统误差后的测量结果ysr;
比较当前测量值ysr与人工复核值ym,当二者偏差小于设定阈值时,该组数据作为训练数据分车辆号、轮号、参数类别加入各自的在线预测模型训练数据集;
当各训练数据集中的数据量达到预定数值时,即可进行模型训练;
S203更新在线预测模型,每次设备检测车辆时有新数据后,针对每类测量数据,按车辆号、轮号、参数类别选择上述当前设备的对应训练数据集,选取人工复核值ym作为训练的真值及其对应的轮对状态参数dy,对对应的模型进行训练,得到训练后的在线预测模型。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一项所述的列车轮对尺寸检测大数据校正方法。
6.一种列车轮对尺寸检测大数据校正装置,其特征在于,包括:轮对尺寸检测采集测量单元,所述轮对尺寸检测采集测量单元与数据存储单元电连接,所述数据存储单元与数据分析和校正单元电相连,所述数据存储单元与所述数据分析和校正单元双向通信,所述数据存储单元与数据展示和业务处理单元双向通信,系统误差预测大数据系统与各在线系统数据的存储单元电连接以能够获取各在线系统的数据,系统误差预测大数据系统与数据分析和校正单元电连接以能够将训练好的系统误差预测模型部署至各在线系统得到对应的预测结果;当系统误差预测大数据系统与各在线系统之间的网络条件不具备连网的网络条件时,则通过手工进行数据汇集和模型部署。
7.根据权利要求6所述的列车轮对尺寸检测大数据校正装置,其特征在于,所述轮对尺寸检测数据采集测量单元用于通过结构光三维测量的方法采集图像数据、被测轮对车辆号和轮号信息数据,并按照结构光三维重建方法计算得到车轮的三维信息,进而按照铁路相关标准中的轮对几何尺寸指标定义,计算得到各几何参数的测量值结果并再将各几何参数的测量值结果数据上传至数据存储单元进行存储和管理。
8.根据权利要求7所述的列车轮对尺寸检测大数据校正装置,其特征在于,所述数据分析和校正单元用于提取数据存储单元中的数据并进行模型训练和计算处理,并将处理后经分析和校正后的测量数据返回数据存储单元,通过数据展示和业务处理单元获取数据存储单元中经分析和校正后的测量数据并进行展示。
9.根据权利要求6所述的列车轮对尺寸检测大数据校正装置,其特征在于,所述数据存储单元用于根据数据库按车辆号、轮号、测量值、行驶里程和轨道磨损状态分条进行存储,用来记录轮对尺寸检测设备的测量结果以及由数据分析和校正单元处理后的校正结果,并将校正结果提供给用户进行运维业务操作,同时记录当前设备训练数据用于轮对尺寸测量值在线预测模型的创建和更新;所述数据存储单元还用于提供与用户的铁路信息系统对接功能,将轮对尺寸检测数据传输给铁路信息系统,并获取行驶里程和轨道磨损状态信息系统数据。
10.根据权利要求7所述的列车轮对尺寸检测大数据校正装置,其特征在于,所述系统误差预测大数据系统用于收集各个在线系统的数据后,进行系统误差预测模型训练,得到对应的预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211671284.8A CN116228839A (zh) | 2022-12-26 | 2022-12-26 | 列车轮对尺寸检测大数据校正装置及其方法、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211671284.8A CN116228839A (zh) | 2022-12-26 | 2022-12-26 | 列车轮对尺寸检测大数据校正装置及其方法、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116228839A true CN116228839A (zh) | 2023-06-06 |
Family
ID=86581473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211671284.8A Pending CN116228839A (zh) | 2022-12-26 | 2022-12-26 | 列车轮对尺寸检测大数据校正装置及其方法、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116228839A (zh) |
-
2022
- 2022-12-26 CN CN202211671284.8A patent/CN116228839A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6454109B2 (ja) | 路面状態管理装置及び路面状態管理プログラム | |
CN110376003B (zh) | 基于bim的智能列车整车服役寿命预测方法及其系统 | |
CN111532295B (zh) | 轨道交通移动智能运维检测系统 | |
CN115908424A (zh) | 基于三维激光扫描的建筑物健康检测方法、系统及介质 | |
CN110793451B (zh) | 基于激光测距与图像处理的烧结台车走行监控方法及系统 | |
CN116227752B (zh) | 一种基于物联网的园区设施管理系统 | |
US20230083004A1 (en) | Method of monitoring health status of bridges in normal traffic conditions | |
CN110533239B (zh) | 一种智慧城市空气品质高精度测量方法 | |
CN110645899B (zh) | 一种结构裂缝分布式光纤监测方法及装置 | |
CN112881042A (zh) | 基于激光轮廓的轮对检测系统、方法和介质 | |
CN114004950B (zh) | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 | |
CN113569491B (zh) | 一种轮对尺寸检测数据的分析和校正方法及装置 | |
CN114463932A (zh) | 非接触式施工安全距离主动动态识别预警系统及方法 | |
CN116228839A (zh) | 列车轮对尺寸检测大数据校正装置及其方法、存储介质 | |
CN110455370B (zh) | 防汛抗旱远程遥测显示系统 | |
CN117472893A (zh) | 一种系统化提升交通流数据质量方法 | |
CN111623796B (zh) | 一种基于信息融合的钢轨里程估计方法 | |
CN117433440A (zh) | 一种基于激光点云的巷道形变实时检测方法、装置及存储介质 | |
CN116894885A (zh) | 地图数据生成方法及其装置和记录了地图数据生成程序的计算机可读取记录介质 | |
CN117405111A (zh) | 一种巡检类智能机器信息化校验方法 | |
CN110648429A (zh) | 一种多重判断条件的农业机械作业行驶状态远程检测方法 | |
CN113222907B (zh) | 一种基于弯道铁轨的检测机器人 | |
CN113033443B (zh) | 一种基于无人机的行人过街设施全路网自动化排查方法 | |
CN117906580B (zh) | 一种航道水下地形变化分析系统及方法 | |
CN117169121B (zh) | 一种基于云边端架构的交通道路病害检测系统及方法 |
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 |