[发明专利]一种基于机器学习和孤立森林的动车轴温故障预警方法

说明书

本发明涉及轴温预警领域，公开了一种基于机器学习和孤立森林的动车轴温故障预警方法，包括建模过程和定时调度过程；建模过程包括建立基于LSTM的动车轴温模型和基于iForest的轴温异常检测模型；定时调度过程包括利用基于LSTM的动车轴温模型对未来预设时长内的动车轴温进行预测；调用基于iForest的轴温异常检测模型，利用基于iForest的轴温异常检测模型对预测轴温进行异常检测。本发明提出一种基于LSTM和iForest相结合的轴温预警新方法，能够对未来预设时长内的轴温状态进行预测及状态检测，若发生异常，则检修提前介入，保证未来预设时长内的车辆安全运行，避免在车辆实时运行中发生故障。

技术领域

本发明涉及轴温预警领域，具体地涉及一种基于机器学习和孤立森林的动车轴温故障预警方法。

背景技术

现有轴温预警技术一是基于设定的阈值进行报警，一旦报警发生，将导致车辆运营事故；二是基于预测算法对轴温当前值做预测，但这种方式只能达到对轴温状态的实时检测，不能实现预测的目的。

比如，国家专利公开文献CN106627659A，公开了“一种轨道车辆新型轴温监控系统及控制方法”，在动车组的每个车厢均设置轴温报警主机，每个轴温报警主机上都连接温度传感器，温度传感器安装在各轴端，用于采集各轴温数据，A/D转换电路集成在各车的轴温报警主机中，轴温报警主机用于监控各轴端各温度传感器上传的温度，轴温报警主机之间采用FSK总线通讯，两端头车的轴温报警主机又与车上控制单元相连。该发明通过温度传感器实时监测轴温，但是无法实现对未来时刻的轴温进行预测及状态检测，若发生异常，则将会影响整个系统的运行，无法实现检修的提前介入，也无法保证未来时刻车辆哦安全运行，无法避免车辆实时运行中发生故障。

发明内容

本发明提供一种基于机器学习和孤立森林的动车轴温故障预警方法，从而解决现有技术的上述问题。

一种基于机器学习和孤立森林的动车轴温故障预警方法，包括建模过程和定时调度过程；

建模过程包括建立基于LSTM的动车轴温模型和建立基于iForest的轴温异常检测模型；

定时调度过程，包括如下步骤：

S1)采集预设时长内列车运行的历史动车轴温数据，定时先执行基于LSTM的动车轴温模型，将历史动车轴温数据输入所述基于LSTM的动车轴温模型，利用基于LSTM的动车轴温模型对未来预设时长内的动车轴温进行预测，获得未来预设时长内动车的预测轴温；

S2)调用基于iForest的轴温异常检测模型，利用基于iForest的轴温异常检测模型对预测轴温进行异常检测，获得异常检测结果，根据异常检测结果进行动车轴温故障预警。

进一步的，建立基于LSTM的动车轴温模型，包括以下步骤：

A1)采集历史动车轴温样本数据集，建立由若干个LSTM网络单元构成的动车轴温模型，对由若干个LSTM网络单元构成的动车轴温模型进行初始化；

A2)将历史动车轴温样本数据集按比例划分为训练样本集和测试样本集，利用训练样本集和测试样本集分别对所述由若干个LSTM网络单元构成的动车轴温模型进行训练和测试；

A3)获得训练完成的基于LSTM的动车轴温模型。

进一步的，步骤S1)中，还包括利用历史动车轴温样本数据集对由若干个LSTM网络单元构成的动车轴温模型进行交叉验证，通过交叉验证对所述由若干个LSTM网络单元构成的动车轴温模型进行不断优化，使得最终训练完成的基于LSTM的动车轴温模型达到模型最优。