列车空转打滑智能预测方法、设备、存储介质与流程
- 国知局
- 2024-08-01 08:35:21
本申请涉及轨道交通,尤其涉及一种列车空转打滑智能预测方法、设备、存储介质。
背景技术:
1、轮轨之间健康良好的摩擦关系对列车启动、制动以及轮轨动态作用至关重要。在正常情况下,轮轨之间的黏着系数足够提供列车所需牵引和制动力。然而,在实际运营中,由于钢轨上积累的落叶、油污以及雨雪形成第三介质层,会导致黏着系数显著降低,从而造成牵引和制动力不足,列车提速无力以及制动距离过长、车轮空转等问题,即所谓的轮轨低黏着问题。一定程度的低黏着问题会对列车正常运行带来一定影响,严重情况下可能引发安全事故。此外,轮轨低黏着还会造成车轮和钢轨的磨损和擦伤,增加系统维护成本,降低列车使用寿命。
2、为防止车轮空转、打滑的发生,常用的检测方法包括速度差判断法、蠕滑率判断法、加减速度及变化量判断法,然而这些方法往往是在车轮空转打滑发生之后通过轮轨表现进行判断,不能及时、准确的预测空转打滑的发生。因此亟待提出一种空转打滑智能预测方法。
技术实现思路
1、为了解决上述技术缺陷之一,本申请提供了一种列车空转打滑智能预测方法、设备、存储介质。
2、本申请第一个方面,提供了一种列车空转打滑智能预测方法,方法包括:
3、确定列车所处轨道的线路信息,以及,获取列车的环境感知信息;
4、根据环境感知信息,确定运行标签、环境特征、工况特征和轨面附着物类型;
5、基于线路信息、运行标签、环境特征、工况特征、轨面附着物类型以及预先训练的空转打滑检测模型,得到预测结果。
6、可选地,确定列车所处轨道的线路信息,包括:
7、通过激光雷达传感器周期性地发射激光束,并记录发射时间;
8、通过激光雷达传感器接收激光束的反射光束,并记录接收时间;
9、根据发射时间和接收时间,计算列车各时刻位置信息;
10、将各时刻位置信息与线路电子地图进行匹配,确定列车所处轨道的线路;
11、根据列车所处轨道的线路,确定列车当前位置对应的线路信息;
12、其中,线路信息与轮轨黏着相关。
13、可选地,线路信息包括如下的一种或多种:坡度、倾角、转弯半径。
14、可选地,环境感知信息包括:轴速,车速,温度,湿度,轨面图像,载客工况,基本工况;
15、获取列车的环境感知信息,包括:
16、通过轴速传感器获取列车的轴速;
17、通过毫米波雷达获取列车的车速;
18、通过环境传感器获取列车所处环境的温度和湿度;
19、通过高速相机获取列车的轨面图像;
20、通过车载信号系统获取列车的载客工况和基本工况。
21、可选地,根据环境感知信息,确定运行标签、环境特征、工况特征和轨面附着物类型,包括:
22、根据车速与轴速的差值确定运行标签;
23、将温度和湿度确定为环境特征;
24、将载客工况和基本工况确定为工况特征;
25、通过图像识别技术对轨面图像进行识别,确定轨面附着物类型。
26、可选地,运行标签为打滑,正常或空转;
27、根据车速与轴速的差值确定运行标签,包括:
28、计算车速与轴速的差值;
29、若差值不小于最大阈值,则得到运行标签为打滑;
30、若差值不大于最小阈值,则得到运行标签为正常;
31、若差值小于最大阈值且大于最小阈值,则得到运行标签为空转。
32、可选地,工况特征包括载客工况和基本工况;
33、基于线路信息、运行标签、环境特征、工况特征、轨面附着物类型以及预先训练的空转打滑检测模型,得到预测结果,包括:
34、将载客工况进行带有距离差的编码;
35、将基本工况和轨面附着物类型进行one-hot编码;
36、将编码后的数据,线路信息、运行标签、环境特征输入预先训练的空转打滑检测模型,得到预测结果;
37、其中,空转打滑检测模型为xgboost模型,且空转打滑检测模型在训练时,通过early stopping防止过拟合,通过交叉验证方法调整超参数。
38、可选地,预测结果中包括发生空转和/或打滑的区段信息;
39、得到预测结果之后,还包括:
40、与后车共享区段信息,以使后车调整控车策略。
41、本申请第二个方面,提供了一种电子设备,包括:
42、存储器;
43、处理器;以及
44、计算机程序;
45、其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如上述第一个方面所述的方法。
46、本申请第三个方面,提供了一种计算机可读存储介质,其上存储有计算机程序;所述计算机程序被处理器执行以实现如上述第一个方面所述的方法。
47、本申请提供一种列车空转打滑智能预测方法、设备、存储介质,该方法确定列车所处轨道的线路信息,以及,获取列车的环境感知信息;根据环境感知信息,确定运行标签、环境特征、工况特征和轨面附着物类型;基于线路信息、运行标签、环境特征、工况特征、轨面附着物类型以及预先训练的空转打滑检测模型,得到预测结果。本申请提供的方法基于线路信息、运行标签、环境特征、工况特征、轨面附着物类型以及预先训练的空转打滑检测模型,得到预测结果,由于线路信息、运行标签、环境特征、工况特征、轨面附着物类型可以有效识别发生黏着下降的特征参数,因此,本申请提供的方法可以预测发生黏着下降的概率,实现空转打滑的智能预测。
技术特征:1.一种列车空转打滑智能预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述确定列车所处轨道的线路信息,包括:
3.根据权利要求2所述的方法,其特征在于,所述线路信息包括如下的一种或多种:坡度、倾角、转弯半径。
4.根据权利要求1所述的方法,其特征在于,所述环境感知信息包括:轴速,车速,温度,湿度,轨面图像,载客工况,基本工况;
5.根据权利要求4所述的方法,其特征在于,所述根据所述环境感知信息,确定运行标签、环境特征、工况特征和轨面附着物类型,包括:
6.根据权利要求5所述的方法,其特征在于,所述运行标签为打滑,正常或空转;
7.根据权利要求1所述的方法,其特征在于,所述工况特征包括载客工况和基本工况;
8.根据权利要求1所述的方法,其特征在于,所述预测结果中包括发生空转和/或打滑的区段信息;
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序;所述计算机程序被处理器执行以实现如权利要求1-8任一项所述的方法。
技术总结本申请提供一种列车空转打滑智能预测方法、设备、存储介质,该方法确定列车所处轨道的线路信息,以及,获取列车的环境感知信息;根据环境感知信息,确定运行标签、环境特征、工况特征和轨面附着物类型;基于线路信息、运行标签、环境特征、工况特征、轨面附着物类型以及预先训练的空转打滑检测模型,得到预测结果。本申请提供的方法基于线路信息、运行标签、环境特征、工况特征、轨面附着物类型以及预先训练的空转打滑检测模型,得到预测结果,由于线路信息、运行标签、环境特征、工况特征、轨面附着物类型可以有效识别发生黏着下降的特征参数,因此,本申请提供的方法可以预测发生黏着下降的概率,实现空转打滑的智能预测。技术研发人员:王殿元,孙铭,付哲,王伟受保护的技术使用者:交控科技股份有限公司技术研发日:技术公布日:2024/2/8本文地址:https://www.jishuxx.com/zhuanli/20240718/232432.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表