[发明专利]一种基于时空融合决策的高速列车轴温异常检测方法

说明书

本发明公开了一种基于时空融合决策的高速列车轴温异常检测方法。通过将时间维度轴承温度异常检测模型与空间维度轴承温度异常检测模型融合，并结合D‑S证据理论对轴承温度异常情况进行基于时空融合的检测。本发明利用D‑S证据理论将时间与空间两个维度的轴承温度异常检测模型进行结合，既能降低虚警率，又能保证较大的提前预警量，实现了对时间、空间维度模型的“扬长避短”。

技术领域

本发明涉及一种高速列车轴承温度异常检测方法，属于一类高速列车运行过程轴承温度异常预测领域，是基于深度学习的高速列车运行过程轴承温度异常检测方法。

背景技术

高速列车轴承温度预测方法是在高速列车行驶过程中依据若干个传感器采集到的原始信号传输至计算机，通过对原始信号进行一系列的信号处理，从而建立起与轴承温度实时预测的映射关系，最后通过智能轴承温度预测算法来预测当前时间后一段时间的轴承温度，并以此作为轴承异常状态判别的依据。

当前高速列车车载智能运维系统主要是对轴承温度的一个监测，利用制定相应的逻辑规则与温度阈值实现轴承状态辨识，这种方法能够避免发生重大安全事故，但是一旦发生此类报警则意味着轴承出现重大损伤，车辆运行事故发生，无法做到对轴承温度进行早期的异常检测以及故障定位并发出预警。

近年来利用温度数据对高速列车轴承温度异常检测提供了丰富的思路与方法，但仍然存在难以实现车载智能运维系统轴温异常升高预警的缺陷。由于高速列车轴承温度数据在空间维度与时间维度上有着强大的相关性，因此寻找一种能够反应轴承温度数据空间维度与时间维度之间内在关联的轴承温度异常检测机制，十分重要。

发明内容

本发明为了克服现有技术中对轴承温度异常检测的不足，提出了一种基于时空对比的高速列车轴承温度异常检测方法，通过将时间维度轴温异常检测模型与空间维度轴温异常检测模型融合，并利用D-S证据理论将时间与空间两个维度的轴承温度异常检测模型进行结合，通过兼顾时间空间两个维度的优点建立起一种基于时空融合决策的高速列车轴温异常检测方法，从而实现对高速列车轴承温度异常的准确判断。

为了实现上述发明目的，本发明的技术方案具体包括以下技术步骤：

一种基于时空融合决策的高速列车轴温异常检测方法，其特征在于，包括如下步骤：

步骤1、构建基于空间维度的高速列车轴承温度异常检测模型；

步骤2、构建基于时间维度的高速列车轴承温度异常检测模型；

步骤3、基于步骤1和步骤2中的所述异常检测模型构建基于时空融合决策的高速列车轴承温度异常检测模型用于判断高速列车轴承温度是否异常。

优选地，所述构建基于空间维度的高速列车轴承温度异常检测模型具体包括：

步骤A：利用滑动窗口对同类测点每一时刻历史邻域区间内的轴承温度数据进行多次采样，获取最大值、最小值、峰值、峰-峰值、均值、方差、均方值、均方幅值、方根幅值、平均幅值、峰值指标、波形指标、脉冲指标、裕度指标、峭度指标15维时域特征，建立各时刻的特征空间，其中，所述同类测点是指同一车辆上的四根车轴相同位置的温度测点；

步骤B：利用主成分分析方法(PCA)对所述15维时域特征数据降维取其第一主成分，保留最能表征数据特点的一部分信息，去除存在的冗余信息；

步骤C：将经过所述PCA处理后的时域特征信息通过K-means聚类将温度时域特征第一主成分聚为正常与异常两类，从而实现同类测点间异常温升的诊断与定位得到一级异常检测结果；

步骤D：构建高速列车轴承异常温升决策模型对所述一级异常检测结果进行二次判定得到二级异常检测结果。

其中，步骤D中构建的高速列车轴承异常温升决策模型具体包括：