[发明专利]一种基于先验知识的轨道电路故障诊断方法

说明书

本发明公开了一种基于先验知识的轨道电路故障诊断方法，在单纯基于模拟量分析的基础上，生成了带有先验知识的特征，以此构建的模型能进行更加精确的故障诊断，通过识别代码即能判断故障区域，降低操作与学习成本；而且，可以针对不同的区间轨道电路，各个区间段可以根据各个区间段的模拟量构建专属模型，不同类型轨道电路也可以采用该模型，仅需要修改输入数据维度即可。与以往的人工排查相比，故障定位过程从平均以小时进行，下降到了秒级，大大缩短了故障排查的时间。

技术领域

本发明涉及轨道电路故障诊断技术领域，尤其涉及一种基于先验知识的轨道电路故障诊断方法。

背景技术

目前在轨道电路故障诊断领域，有大量优秀的方法，模型，设计系统可以借鉴。如优化决策树C4.5方法，粗糙集计算相似度的方法，贝叶斯网络，模糊熵理论与非对称贴近原则等。以上为传统机器学习在轨道电路故障功能分析领域的应用，近年来也深度学习模型，进行故障模式的判断，如全连接网络，深度信念网络等。

传统的轨道电路故障智能诊断流程，是事先定义模拟量报警阈值，在故障发生后由巡检人员进行人工排查。但是，该过程会因为巡检人员不准时或人员不足导致大量的检查工作滞后、甚至严重的漏检问题。目前虽然存在一些基于深度学习的轨道电路故障诊断方法，但目前的方法没有充分考虑模拟量之间的低阶交互信息，且忽略了从故障维修人员的人工维修记录中挖掘有用信息，存在一定的局限性。

发明内容

本发明的目的是提供一种基于先验知识的轨道电路故障诊断方法，通过对轨道电路实时分析和诊断，可以及时发现故障发生的区域，能够提升铁路运输效率，这也对保证轨道电路的正常运行、降低运维人员劳动强度具有重要的意义和实际应用价值。

本发明的目的是通过以下技术方案实现的：

一种基于先验知识的轨道电路故障诊断方法，包括：

对于任一区间段的轨道电路，从监测点测量到的所有模拟量信息中筛选出多个符合设定要求的模拟量信息，并进行归一化处理；

将归一化处理后的模拟量信息作为预先构建的DeepMemory模型的输入；所述DeepMemory模型包含Deep部分与Memory部分；

通过Deep部分内部隐藏层处理，获得各模拟量信息对应的隐特征；通过Memory部分对归一化处理后的模拟量信息进行交互处理，产生的带有先验知识的数据；综合各模拟量信息对应的隐特征与带有先验知识的数据输出轨道电路中区域代码确定故障区域。

由上述本发明提供的技术方案可以看出，在单纯基于模拟量分析的基础上，生成了带有先验知识的特征，以此构建的模型能进行更加精确的故障诊断，通过识别代码即能判断故障区域，降低操作与学习成本；而且，可以针对不同的区间轨道电路，各个区间段可以根据各个区间段的模拟量构建专属模型，不同类型轨道电路也可以采用该模型，仅需要修改输入数据维度即可。与以往的人工排查相比，故障定位过程从平均以小时进行，下降到了秒级，大大缩短了故障排查的时间。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种基于先验知识的轨道电路故障诊断方法的流程图；

图2为本发明实施例提供的在轨道电路设置监测点采集所需数据的示意图；

图3为本发明实施例提供的DeepMemory模型的示意图；

图4为本发明实施例提供的Deep部分的示意图；

图5为本发明实施例提供的Memory部分的示意图。

具体实施方式