一种轨道车辆参数识别处理方法、装置及设备与流程

本发明属于轨道车辆控制，尤其涉及一种列车参数识别处理方法、装置及设备。

背景技术：

1、在目前既有的技术中，每次当轨道车辆公司，例如地铁运营公司给了车辆运营等相关文件后，工程技术人员就需要将车辆文件中的牵引、制动、级位、保护区段等数百余项关键信息逐个分析后，手动在ato软件的源代码端对参数配置文件进行修改，再将编译生成动态库文件应用到牵引计算工具中，最后还需要在牵引计算工具界面中修改部分参数，才能生成车辆在实际线路运行中的ato控车仿真曲线。

2、此过程中可能会带来的不足：

3、增加时间和人力投入：产品部门的人员拿到车辆接口文件后，首先需要研发部门的工程技术人员找到该参数对应的源代码，然后在源代码中进行修改参数的操作，完成修改后还需对程序进行编译。再将编译后的动态库替换牵引计算工具原有的动态库。一次修改参数大概需要四个小时左右的时间，如果在修改后发现仍然参数需要继续修改，那么将极大的增加时间和人力投入。

4、人工参数修改的准确性：车辆接口文件中有上百个参数，且单位不统一，人工在源代码端修改参数的话的过程中可能会出现对应的参数不能完全修改或修改的参数错误，从而导致牵引计算工具模拟计算中出现ato控车异常。当出现错误需要检查参数的时候也需要一个个对比，费时费力。

技术实现思路

1、为解决上述问题，本公开提供了一种轨道车辆参数识别方法、装置及设备，能够自动分析车辆接口文本文件，工程技术人员无需对源代码进行修改，即可识别文本文件中的牵引、制动、延迟等轨道车辆参数，进而容易地生成ato参数配置文件。

2、本公开提供了一种自主识别列车参数的配置及校验方法，所述方法包括，

3、通过python软件中的bert算法识别方法从记录列车信息的原始文本中识别目标参数词组，将识别的目标参数词组写入到文本文件，并形成ato参数配置文件；

4、通过cmake调用microsoft visual studio，自动生成ato自动驾驶动态库文件；

5、牵引计算仿真平台调用所述ato自动驾驶动态库文件，并生成列车仿真运行曲线，获取列车的配置信息；

6、将所述配置信息与原始文本中的目标参数词组进行对比校验。

7、可选地，通过python软件中的bert算法识别方法从记录列车信息的原始文本中识别目标参数词组，包括：

8、从原始文本中提取轨道车辆的目标参数词组，将提取的目标参数词组映射到预定义词汇表中；

9、根据目标参数词组在所述预定义词汇表中映射到的标识，通过bert模型的embedding层被转换为一个稠密的参数词向量；将所述参数词组在所述原始文本中的位置索引编码成一个文本位置向量；

10、将所述参数词向量和文本位置向量逻辑结合形成双重信息向量；

11、将所述双重信息向量输入到transformer模型的编码器encoder中。

12、可选地，所述方法还包括多头自注意力步骤：

13、所述参数词向量与其他词向量通过scaled dot-product attention计算关联度量，得到最终的参数词与每个其他词汇的关联权重，以获取不同的语义信息。

14、可选地，

15、构建多个其他词向量的key矩阵；

16、确定参数词向量与所述key矩阵的点积关联度量attn_scores；

17、根据点积关联度量中点积值的大小给予context各词以不同attention权重。

18、可选地，通过两层全连接层对所述参数词向量进行非线性转换，得到语义特征表示。

19、可选地，

20、将所述语义特征表示通过残差连接传递并聚合到浅层，形成浅层语义向量；

21、所述浅层语义向量通过中间层进行语义抽象，形成语义抽象向量；

22、所述语义抽象向量通过深层进行语义分析，形成深层语义向量；

23、所述深层语义向量再通过残差连接反馈回浅层，形成复杂语义向量。

24、可选地，利用层归一化方式对所述复杂语义向量进行归一化处理。

25、本公开还提供了一种自主识别列车参数的配置及校验装置，所述装置包括识别单元、调用生成单元、控制单元和校验单元，其中

26、识别单元，被配置用于通过python软件中的bert算法识别方法从记录列车信息的原始文本中识别目标参数词组，将识别的目标参数词组写入到文本文件，并形成ato参数配置文件；

27、调用生成单元，被配置用于通过cmake调用microsoft visual studio，自动生成ato自动驾驶动态库文件；

28、控制单元，被配置用于控制牵引计算仿真平台调用所述ato自动驾驶动态库文件，并生成列车仿真运行曲线，获取列车的配置信息；

29、校验单元，被配置用于将所述配置信息与原始文本中的目标参数词组进行对比校验。

30、可选地，识别单元中执行通过python软件中的bert算法识别方法从记录列车信息的原始文本中识别目标参数词组，包括：

31、从原始文本中提取轨道车辆的目标参数词组，将提取的目标参数词组映射到预定义词汇表中；

32、根据目标参数词组在所述预定义词汇表中映射到的标识，通过bert模型的embedding层被转换为一个稠密的参数词向量；将所述参数词组在所述原始文本中的位置索引编码成一个文本位置向量；

33、将所述参数词向量和文本位置向量逻辑结合形成双重信息向量；

34、将所述双重信息向量输入到transformer模型的编码器encoder中。

35、本公开还提供了一种电子设备，所述电子设备包括至少一个处理器和至少一个存储器，所述存储器与所述处理器数据连接，其中，

36、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任一所述的方法。

37、与现有技术相比，本公开具有如下优点：

38、本公开实施例中，工程技术人员无需对源代码进行修改，通过python软件中的bert算法能够自主识别文本文件中的牵引、制动、延迟等列车配置参数并生成ato参数配置文件，再通过cmake调用microsoft visual studio软件自动将此配置文件更新编译并生成动态库文件，最后牵引计算工具自动调用此动态库文件，可以直观的看到项目参数的变化对车辆运动曲线带来的影响，极大的减少的人力和时间成本的投入，让模拟分析控制变得很方便：

39、1、解决了牵引计算工具中配置车辆接口文件参数需要人工对源代码进行修改的问题。

40、2、解决了人工修改参数错误而导致ato控车异常的问题。

41、3、解决了校验检查参数错误时费时费力的问题。

42、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。