一种高速铁路线路病害预警方法、装置和计算机设备与流程

本技术涉及轨道交通的，尤其是涉及一种高速铁路线路病害预警方法、装置和计算机设备。

背景技术：

1、轨道病害是指铁路、地铁等轨道交通系统中出现的各种损坏、故障或异常情况，可能影响列车行驶安全和运行效率的问题，轨道病害的存在会导致列车运行时的不平稳、噪音增加以及轨道使用寿命缩短。高速铁路由于列车的行驶速度较快，一旦轨道存在严重病害，可能导致非常严重的事故。

2、在相关技术中，主要依赖天窗时间(一般是下半夜)的人工巡检，由于受限于环境及时长，巡检间隔时间长、巡检作业时间短，难以及时发现高速铁路轨道的病害。

技术实现思路

1、为了至少部分解决上述技术问题，本技术提供了一种高速铁路线路病害预警方法、装置和计算机设备。

2、第一方面，本技术提供一种高速铁路线路病害预警方法，采用如下的技术方案：

3、高速铁路线路病害预警方法，其特征在于，包括：

4、获取目标时间段内目标列车的超限数据，其中，所述超限数据包括目标列车的加速度信息以及所述加速度信息对应的工区、线路、行别、检测时间、里程和行驶速度；

5、将所述超限数据输入预建立的行驶速度-加速度增幅模型，得到超限结果数据集，其中，所述超限结果数据集被配置为目标列车在各个线路以最大的所述行驶速度行驶时所达到的最大加速度的集合；

6、对所述超限结果数据集进行密度聚类分析，得到第一超限数据点簇；

7、对所述第一超限数据点簇进行发展趋势分析，得到第二超限数据点簇和所述第二超限数据点簇对应的病害等级；

8、根据第二超限数据点簇和所述第二超限数据点簇对应的病害等级进行预警。

9、通过采用上述技术方案，

10、由加速度信息，可以进行轨道局部不平顺分析，其中，加速度信息为目标列车的振动加速度，包括水平振动加速度和垂直振动加速度，影响目标列车的水平振动加速度的因素有曲线、道岔区连续小方向、钢轨硬弯、接头支嘴、轨距及轨距变化率不良、钢轨直线区段交替不均匀磨耗等病害，影响目标列车的垂直振动加速度的因素有轨道几何尺寸不良、接头综合状态不良、道床弹性严重不良或不均匀地段等病害，通常将水平振动加速度和垂直振动加速度按照数值大小分为四个等级，接近三级、三级和四级则需要进行预警，获取到的加速度信息在后续步骤经过分析，可对轨道的病害情况进行预警；

11、由工区、线路、行别、里程和检测时间，能够得到目标列车在某一时刻所处于的具体位置，即进行局部不平顺分析某一段轨道的位置，其中，工区可以包括该段轨道对应的负责单位和单位编号，线路可以包括该段轨道对应的线名和线编号，行别表示该段轨道上列车行驶的方向，包括上行和下行两个方向，里程表示该段轨道对应的里程桩的位置，行驶速度表示进行数据采集时该段轨道上列车的行驶速度，结合加速度信息，可以较为精确地得到进行数据采集时目标列车所处的位置和该段轨道的病害程度；

12、进行采集时，目标列车的速度并不固定，可能处于较低的行驶速度，而较低的行驶速度下，对应的振动加速度也较低，很难通过振动加速度反映出轨道的病害情况，因此，需要通过行驶速度-加速度增幅模型，将采集到的行驶速度和振动加速度换算至最大行驶速度和对应的最大振动加速度，同时，换算后也更便于对数据进行分析；

13、通常来说，一个病害点会影响到其周边一段轨道，即多个超限数据点可能均由同一个病害点引起，通过将预设的邻域范围内的多个超限数据点划分为一个点簇，即可得到病害点的大致范围，运维人员可在对应的范围内进行排查；

14、发展趋势主要为振动加速度的发展趋势，趋势不同，可能对应不同的病害、病害已被处理、病害严重情况不同等情况，也可以根据振动加速度具体的数值变化情况，得到对应的病害等级，排除掉病害已被处理、病害严重程度较低等情况后，得到的超限数据点簇即为第二超限数据点簇；

15、由第二超限数据点簇可得到较为精准的病害点范围和严重程度，可引导运维人员及时前往进行排查处理。

16、可选的，建立所述行驶速度-加速度增幅模型的步骤包括：

17、获取第一历史超限数据；

18、根据所述第一历史超限数据，计算数据基线，得到病害规则；

19、对所述第一历史超限数据进行预处理，得到第二历史数据集；

20、根据所述病害规则和所述第二历史数据集，得到超限数据分布和超限数据趋势；

21、根据所述超限数据分布和所述超限数据趋势，生成所述行驶速度-加速度增幅模型。

22、通过采用上述技术方案，能够根据历史超限数据建立准确的行驶速度-加速度增幅模型，以在预警时对采集到的行驶速度和振动加速度进行换算，得到目标列车以最大行驶速度行驶时所对应的最大振动加速度；

23、其中，第一历史超限数据可以根据实际情况选取，如最近一年或两年的历史超限数据，数据基线可由过人工分析历史晃车仪数据及运维检修数据分布情况、趋势、规律，结合铁轨病害的实际情况进行计算，最终得到以实际病害点为圆心、某个特定半径内一定比例的超限数据都是对应一个病害点，即病害规则；

24、进行预处理主要是获取第一历史超限数据中，振动加速度在某一个区间内的数据，如振动加速度在三级附近的数据，以最高速度行驶时振动加速度都较低的情况下，可以判断出该路段的病害程度较低，暂不用进行处理，而较高的振动加速度往往对应较严重的病害程度并且严重程度继续发展的概率也较大，因此，进行预处理后，能够以更加合适的数据构建模型。

25、可选的，所述根据所述第一历史超限数据，计算数据基线，得到病害规则的步骤包括：

26、根据所述第一历史超限数据中历史晃车仪数据的分布情况、趋势和规律、运维检修数据的分布情况、趋势和规律以及病害点数据，得到病害点对应的病害半径；

27、对所述第一历史超限数据中的行驶速度和加速度之间的相关性进行分析，得到行驶速度差区间，所述行驶速度差区间被配置为行驶速度差位于所述行驶速度差区间内的多个行驶速度所对应的加速度相同。

28、通过采用上述技术方案，除了能根据历史数据获取较为准确的病害点对应的病害半径、以在后续的步骤中进行密度聚类分析外，还能够通过行驶速度差区间，降低建立模型和后续预警时的计算量，提高预警速度。

29、可选的，所述对所述第一历史超限数据进行预处理，得到第二历史数据集的步骤包括，根据预设的加速度等级和加速度超限范围，计算超限区间，根据所述超限区间和所述第一历史超限数据，选取各线路超限加速度处在所述超限区间内的数据，得到所述第二历史数据集；所述根据所述病害规则和所述第二历史数据集，得到超限数据分布和超限数据趋势的步骤包括，根据所述病害规则和所述第二历史数据集，计算各线路对应的模型参数，以所述模型参数作为所述超限数据分布和所述超限数据趋势，其中，所述模型参数包括斜率、截距、预测误差的标准差、t统计量、残差和确定系数；

30、所述根据所述第二历史数据集、所述超限数据分布和所述超限数据趋势，生成所述行驶速度-加速度增幅模型的步骤包括，以各线路对应的最大速度、加速度和速度作为变量并带入所述模型参数，得到gmax＝f(smax,gt,st)，其中，gmax为目标线路对应的最大可能加速度，smax为目标线路对应的最大行驶速度，gt为目标线路对应的加速度，st为目标线路对应的速度。

31、通过采用上述技术方案，能够得到较为准确的行驶速度-加速度增幅模型，以在后续预警时对采集到行驶速度和加速度进行换算；

32、其中，加速度等级和加速度超限范围可以根据采集设备的实际采集精度进行设定，如对于常规的晃车仪，加速度等级分为i至ⅳ级，对于垂直加速度，i至ⅳ级的阈值分别为0.10m/s2、0.15m/s2、0.20m/s2和0.25m/s2，对于水平加速度，i至ⅳ级的阈值分别为0.06m/s2、0.10m/s2、0.15m/s2和0.20m/s2，加速度超限范围可以为0.02m/s2，在划定超限区间时，可以将iii级对应的阈值，将其前后0.02m/s2的范围作为超限区间，划定好超限区间后，即可通过超限区间在第一历史超限数据进行筛选，得到第二历史数据集；

33、根据第二历史数据集，进行拟合后，即可得到构成行驶速度-加速度增幅模型的参数，继而再将各线路对应的最大速度、加速度和速度作为变量，得到对应的增幅模型。

34、可选的，对所述超限结果数据集进行密度聚类分析，得到第一超限数据点簇的步骤包括：

35、根据预设的密度阈值和所述病害半径，计算超限点簇；

36、根据所述超限点簇内的超限点里程范围，查询所述超限结果数据集中所有的点数，计算所述超限点簇中超限点的数量占该线路该区段所有超限点的比例；

37、将所述比例与预设的比例阈值进行比较；

38、若所述比例大于或等于所述比例阈值，则将所述病害半径作为分界半径；

39、若所述比例小于所述比例阈值，则根据预设的衰减半径对所述病害半径进行递减，直至所述比例大于或等于所述比例阈值，将递减后的所述病害半径作为分界半径；

40、根据所述分界半径，获取超限点簇内超限点的最小里程标和最大里程标，确定病害点的里程标范围。

41、通过采用上述技术方案，不仅能够得到初步的病害点范围，还能够对点簇进行去噪，密度聚类分析方法可以是dbscan算法，也可以是optics算法；

42、其中，密度阈值和病害半径可以根据实际情况进行选取，如采用dbscan算法时，将病害半径作为邻域半径，如200米，密度阈值设为5；

43、得到超限点簇后，再计算超限点簇中的点数量占该区域总点数的比例，如该比例可为90％，即超限点簇中的点数量要占该区域总点数的90％，该超限点簇才是可用的超限点簇，若比例不足，则根据预设的衰减半径缩小邻域半径，直至达到要求，完成去噪，在本技术中，各超限点都是按照其在轨道上的里程来定位的，因此，最终得到可用的超限点簇后，根据最大和最小的里程标即可得到目标路段的起点和终点。

44、可选的，所述对所述第一超限数据点簇进行发展趋势分析，得到第二超限数据点簇和所述第二超限数据点簇对应的病害等级的步骤包括：

45、判断所述第一超限数据点簇中，所述gmax的随时序变化的趋势；

46、若所述趋势为先增长后下降，则该线路的病害已被处理，所述gmax对应的点簇为非有效点簇；若所述趋势保持增长，则该线路的病害待处理，所述gmax对应的点簇为有效点簇，根据所述gmax和预设的超限幅度的差值，划分所述gmax对应的病害的等级。

47、通过采用上述技术方案，进一步对超限数据点簇进行筛选，得到需要及时进行维护处理的第二超限数据点簇和对应病害等级，同样，在确定病害等级时，也可以利用之前的超限阈值和超限范围作为划分依据，如超过iii级阈值0.02m/s2内为低风险，超过iii级阈值0.02m/s2-0.04m/s2的为中风险，如超过iii级阈值0.04m/s2以上的为高风险。

48、可选的，获取第二超限数据，根据所述第二超限数据更新密度聚类分析方法的参数和所述行驶速度-加速度增幅模型。

49、通过采用上述技术方案，在运维人员根据预警进行排查维护后，将得到实际的排查数据，和原数据进行比较后，即可得到第二超限数据，对原有的模型和方法进行优化。

50、第二方面，本技术提供一种高速铁路线路病害预警装置，采用如下的技术方案：

51、高速铁路线路病害预警装置，包括：

52、获取模块，用于获取目标时间段内目标列车的超限数据，其中，所述超限数据包括目标列车的加速度信息以及所述加速度信息对应的工区、线路、行别、检测时间、里程和行驶速度；转换模块，用于将所述超限数据输入预建立的行驶速度-加速度增幅模型，得到超限结果数据集，其中，所述超限结果数据集被配置为目标列车在各个线路以最大的所述行驶速度行驶时所达到的最大加速度的集合；

53、第一分析模块，用于对所述超限结果数据集进行密度聚类分析，得到第一超限数据点簇；

54、第二分析模块，用于对所述第一超限数据点簇进行发展趋势分析，得到第二超限数据点簇和所述第二超限数据点簇对应的病害等级；

55、预警模块，用于根据第二超限数据点簇和所述第二超限数据点簇对应的病害等级进行预警。

56、第三方面，本技术提供一种计算机设备，采用如下的技术方案：

57、一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的方法。

58、第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：

59、一种计算机可读存储介质，存储有能够被处理器加载并执行如第一方面中任一种方法的计算机程序。

60、综上所述，本技术包括以下至少一种有益技术效果：

61、线路病害发现更及时，通过获取目标时间段内目标列车的超限数据，分析加速度信息等数据，代替依赖天窗时间的人工巡检，自动得到病害路段和对应的病害等级；

62、线路病害位置定位更精确，通过密度聚类分析和发展趋势分析，两次缩小可能存在病害的范围，便于运维人员排查维护；

63、降低人工巡检成本，减少误检、漏检现象，运维人员只需要根据预警的病害位置和病害等级，前往对应的路段进行排查维护即可。