[发明专利]一种基于人工智能的动车组转向架业务数据清洗方法

权利要求书

1.一种基于人工智能的动车组转向架业务数据清洗方法，其特征在于，包括以下步骤：

步骤1：数据采集、标记并传输

1.1从安装在动车组转向架上的传感器、动车组转向架车地信息管理系统、诊断专家和/或故障推荐修程中采集动车组转向架业务数据；

1.2对采集到的业务数据的数据段进行三段式标记；

将业务数据的数据段设置为3段特征参数组合的形式，其中第1段设置为参数的数值范围，第2段设置为参数类型标记，第3段设置为零部件名称标记；

1.3将三段式标记后的业务数据传输至分布式云层，在分布式云层执行步骤2；

步骤2：数据清洗判定

判断当前业务数据是否需要清洗，若是，则进入步骤3；若否，则对其存储备份；

步骤3：数据预处理

3.1根据业务数据特征，设置数据预处理方式，包括数据的读写、数据的探索、数据简单处理、时域转频域和数据归一化；所述数据的探索是指在数据集维度上探索业务数据的字段值离散度和关联性；所述数据简单处理是指去除数据中的空格和/或对数据中的大小写进行转换；

3.2根据业务数据数据段的三段式特征参数，自适应配置相应的数据预处理方式对其进行预处理，预处理完成后进入步骤4；

步骤4：数据清洗

4.1根据业务数据特征参数，设置数据清洗方式，包括缺失值处理、重复值处理、异常值处理、文本字符串处理和时间格式序列处理；

4.2根据业务数据数据段的三段式特征参数，自适应配置相应的数据清洗方式对其进行清洗；

步骤5：数据存储

对数据清洗后的业务数据进行正常、异常判定，并根据判定结果分别进行存储。

2.根据权利要求1所述的基于人工智能的动车组转向架业务数据清洗方法，其特征在于：步骤3.1中所述的数据的探索采用K-means聚类算法实现。

3.根据权利要求1所述的基于人工智能的动车组转向架业务数据清洗方法，其特征在于：步骤3.1中所述的数据归一化采用KNN算法实现。

4.根据权利要求1所述的基于人工智能的动车组转向架业务数据清洗方法，其特征在于：步骤3.2中根据业务数据特征参数，自适应配置相应的数据预处理方式的方法具体为：

第一步，事先设置一个预处理算法集合B，该集合B内的每一个元素为3段特征参数组合的形式，其中第1段设置为空，第2段设置为能表征参数类型的标记，第3段设置为零部件名称+其对应的预处理方法；

第二步，设置一个特征参数集合A，将接收到的标记为三段式的业务数据放入其中；

第三步，提取特征参数集合A中的其中一个业务数据，遍历预处理算法集合B中的元素，当该业务数据中的第2段和第3段均与预处理算法集合B中某一个特征参数组合中的第2段的参数类型标记和第3段中的零部件名称一致时，该特征组合参数第3段中设置的预处理方法即为该业务数据所需要采用的预处理方法，从而实现该业务数据预处理方法的自适应配置；若遍历后未在预处理算法集合B中找到相匹配的预处理方法，则在预处理算法集合B中增加与该业务数据相匹配的元素，对集合B进行更新，并将该新增元素对应的预处理算法配置为该业务数据的预处理方法；

第四步，采用第三步的方法，完成特征参数集合A中其余业务数据预处理方法的自适应配置。

5.根据权利要求1所述的基于人工智能的动车组转向架业务数据清洗方法，其特征在于：步骤4.1中缺失值处理采用缺失值删除和/或缺失值插补的方法。

6.根据权利要求1所述的基于人工智能的动车组转向架业务数据清洗方法，其特征在于：步骤4.1中重复值处理采用多趟近邻排序算法实现。

7.根据权利要求1所述的基于人工智能的动车组转向架业务数据清洗方法，其特征在于：步骤4.1中异常值处理采用基于PCA的改进型孤立森林算法实现。