[发明专利]一种基于深度学习的轨交系统故障诊断方法

说明书

本发明公开了一种基于深度学习的轨交系统故障诊断方法，包括整合轨交数据并进行归一化预处理；对预处理后的所述轨交数据进行特征提取；调整所述轨交数据的分布形成数据集，并建立循环神经网络模型；将所述数据集输入至所述循环神经网络模型中进行训练，并输出符合要求的所述数据集；利用通过训练的所述数据集进行轨交系统故障的诊断，在轨交系统的故障诊断中实现以智能化手段代替人工，使维保系统的智能化、数据化和信息化得到提升，大大减少了人员的投入，降低了人工成本，同时进一步提高了整条线路运营维保的可靠性、有效性和安全性。

技术领域

本发明涉及轨交运维的技术领域，尤其涉及一种基于深度学习的轨交系统故障诊断方法。

背景技术

经过近十年的发展，我国已经成为全世界轨道交通发展最迅猛的国家，铁路和城市轨道交通每年新建线路遥遥领先，运营里程持续增长。轨道交通是我国国民经济的命脉和交通运输的骨干网络，不仅承担了绝大部分国家战略、经济物资的运输，还承担着客运运输职能，在促进我国资源输送、加强经济区域交流、解决城市交通拥挤等方面发挥了巨大作用。随着我国轨道交通网络的形成和发展，目前轨道交通行业开始逐步进入到建设与运营维护并重阶段，维护好轨道交通显得尤为重要。

目前，针对轨交系统故障诊断的工作还基于大量人员的现场作业，一方面随着轨交系统的容量增大，需配备大量的人员投入，人工成本不断增大；另一方面，现场工作人员在繁重的工作后无法始终确保系统故障诊断的可靠性，使得整条线路运营维保的有效性、安全性和可靠性大打折扣。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有轨交系统故障诊断方式存在的问题，提出了本发明。

因此，本发明解决的技术问题是：解决现有针对轨交系统故障诊断工作主要基于大量人员现场作业造成的成本加大及无法始终保证故障诊断可靠性的问题。

为解决上述技术问题，本发明提供如下技术方案：一种基于深度学习的轨交系统故障诊断方法，包括整合轨交数据并进行归一化预处理；对预处理后的所述轨交数据进行特征提取；调整所述轨交数据的分布形成数据集，并建立循环神经网络模型；将所述数据集输入至所述循环神经网络模型中进行训练，并输出符合要求的所述数据集；利用通过训练的所述数据集进行轨交系统故障的诊断。

作为本发明所述的基于深度学习的轨交系统故障诊断方法的一种优选方案，其中：整合所述轨交数据并进行归一化预处理包括获取不同来源、不同特征的所述轨交数据；依据各项所述轨交数据对应的选取特征值依次进行缩减预处理，获取缩减后的各项所述轨交数据；依次对缩减后的各项所述轨交数据进行归一化处理。

作为本发明所述的基于深度学习的轨交系统故障诊断方法的一种优选方案，其中：依据如下公式对所述轨交数据进行缩减预处理，获取缩减后的各项所述轨交数据，

其中，t为获取的所述轨交数据，t＇为缩减后的各项所述轨交数据，δ为各项所述轨交数据t对应的选取特征值。

作为本发明所述的基于深度学习的轨交系统故障诊断方法的一种优选方案，其中：对预处理后的所述轨交数据进行特征提取时的提取参考量为，

其中，δ＇为进行特征提取时的提取参考量，δ为各项所述轨交数据t对应的选取特征值。

作为本发明所述的基于深度学习的轨交系统故障诊断方法的一种优选方案，其中：调整所述轨交数据的分布包括建立拓扑结构，并将提取的特征输入至所述拓扑结构中；确定参考序列；获取提取的不同特征之间的综合关联度；将数据依照特征之间综合关联度从低到高外环式排列；形成平衡化数据集。