[发明专利]一种基于卷积神经网络算法的转辙机故障检测方法及系统

权利要求书

1.一种基于卷积神经网络算法的转辙机故障检测方法，其特征在于，包括：

第一步、收集功率数据，并将数据序列与故障类型建立关联，构成带标签的数据集用于模型训练和验证；

第二步、将数据集分为训练数据集和验证数据集；对卷积神经网络进行训练和评估，选择检测性能最好的模型并保存；

第三步、采集轨道上正式运行的转辙机功率数据，生成功率曲线图，输入所选择的模型中，模型输出对应的故障类型；

第四步、设备维护人员对设备进行维护后，根据设备真正的故障类型，对模型输出的结果进行反馈。

2.根据权利要求1所述的基于卷积神经网络算法的转辙机故障检测方法，其特征在于，带标签数据的收集可以有两种方式：一种是收集过去处理过的故障所对应的功率数据；一种是使用专门的转辙机，人为模拟故障，收集功率数据。

3.一种基于卷积神经网络算法的转辙机故障检测系统，其特征在于，包括：转辙机功率数据采集单元(1)、功率曲线图生成单元(2)、基于卷积神经网络算法的故障检测单元(3)和人机交互单元(4)；转辙机功率数据采集单元(1)、功率曲线图生成单元(2)、基于卷积神经网络的故障检测单元(3)、人机交互单元(4)具有逻辑上的先后次序，将功率数据生成曲线图，再将曲线图输入到卷积神经网络对转辙机的状态进行智能判断，输出当前状态所对应的故障类型。

4.根据权利要求3所述的基于卷积神经网络算法的转辙机故障检测系统，其特征在于，转辙机功率数据采集单元(1)，采集转辙机一次动作过程中的功率数据，包括启动、解锁、转换、锁闭和表示阶段。

5.根据权利要求3所述的基于卷积神经网络算法的转辙机故障检测系统，其特征在于，功率曲线图生成单元(2)根据转辙机功率数据采集单元(1)获取的功率数据，生成一张固定大小的曲线图，作为卷积神经网络的输入。

6.根据权利要求3所述的基于卷积神经网络算法的转辙机故障检测系统，其特征在于，基于卷积神经网络算法的故障检测单元(3)采用卷积神经网络算法对功率曲线图进行处理，通过卷积操作自动提取特征，通过全连接网络根据特征进行故障检测。

7.根据权利要求3所述的基于卷积神经网络算法的转辙机故障检测系统，其特征在于，人机交互单元(4)将卷积神经网络的检测结果进行展示。

8.根据权利要求3所述的基于卷积神经网络算法的转辙机故障检测系统，其特征在于，操作人员可以人机交互单元(4)进行反馈，反馈操作包括接受、修正检测结果；反馈的结果可以作为标注数据，用于卷积神经网络的进一步训练，提高检测的准确性。