[发明专利]基于贝叶斯信息准则的铁路轨道历史维修自动识别方法

权利要求书

1.一种基于贝叶斯信息准则的铁路轨道历史维修自动识别方法，其特征在于，包括：

基于铁路线路单元的历史动态检测数据计算得到所述铁路线路单元的轨道高低不平顺值；

根据所述轨道高低不平顺值通过基于自回归模型的自适应阈值法识别出疑似维修作业日期；

根据所述铁路线路单元的轨道高低不平顺值构建轨道高低不平顺劣化过程的分段拟合模型，根据轨道高低不平顺劣化过程的分段拟合模型基于贝叶斯信息准则建立求解最优分段拟合模型的目标函数；

基于所述疑似维修作业日期求解所述目标函数，得到轨道高低不平顺劣化过程的最优分段拟合模型，将所述最优分段拟合模型的分段点确定为维修作业日期；

所述的根据所述轨道高低不平顺值通过基于自回归模型的自适应阈值法识别出疑似维修作业日期，包括：

第一步：计算轨道高低不平顺值y＝{y₁,y₂,…,y_n}的一阶差分序列，记为d＝(d₁,d₂,…,d_n)，其中d₁＝0、d_i＝y_i-y_i-1,1＜i≤n；

第二步：定义一个长度为l的滑动窗口w＝(w₁,w₂,…,w_l)，记一阶差分序列的绝对值序列为d_abs＝(|d₁|,|d₂|,…,|d_n|)，令d_abs的上90％分位点为q₉₀，从d_abs中的第一个元素开始循环，若|d_i|≤q₉₀，则将d_i添加到滑动窗口w中，否则将d_i标记为疑似维修作业点；

继续循环判断绝对值序列d_abs中的下一个元素，直到将滑动窗口w填满；

第三步：根据一阶差分的特征，使用一阶自回归模型拟合滑动窗口w中的元素，利用尤尔-沃克方法求解一阶自回归模型中的自相关系数和常数项，将滑动窗口w中的最后一个元素，带入求解出的一阶自回归模型，计算得到的值记为

第四步：根据3σ准则，数值集中分布在(μ-3σ,μ+3σ)区间内，设定上限阈值T_upper和下限阈值T_lower分别为

式中Sd为滑动窗口w中数值的标准差；

第五步：如果则标定d_i为疑似维修作业点；否则，将滑动窗口w中最早进入窗口的数据移除，将d_i加到滑动窗口w中；若滑动窗口d中所有的元素已完成判定，则循环结束，每个疑似维修作业点对应的日期即为疑似维修作业日期，记为否则跳转到第三步，继续循环判定；

所述的根据轨道高低不平顺劣化过程的分段拟合模型基于贝叶斯信息准则建立求解最优分段拟合模型的目标函数，包括：

根据轨道高低不平顺劣化过程的分段拟合模型基于贝叶斯信息准则建立求解最优分段拟合模型的目标函数为：

式中n表示某铁路线路单元在一段时间内进行过n次动态检测，根据其动态检测数据计算得到的轨道高低不平顺值为y＝{y₁,y₂,…,y_n}，检测日期为t＝{t₁,t₂,…,t_n}；m表示该铁路线路单元在一段时间内进行过m次维修作业；表示该铁路线路单元的轨道高低不平顺劣化过程的某种分段拟合模型；β_k＝{β_k0,β_k1}为分段拟合模型的参数集合；ζ为模型精度项和模型复杂度的调节系数。

2.根据权利要求1所述的方法，其特征在于，所述的基于铁路线路单元的历史动态检测数据计算得到所述铁路线路单元的轨道高低不平顺值，包括：

动轨检车对铁路轨道进行检测的过程中，每隔设定距离设立一个采样点，检测并记录每个采样点的各项铁路轨道几何尺寸数据，该几何尺寸数据包括轨距、水平、三角坑、轨道高低和轨向；对于一个铁路线路单元，计算其范围内所有采样点的轨道高低值的标准差作为该铁路线路单元的轨道高低不平顺值。