[发明专利]轨道交通车辆维保系统及方法

说明书

本发明公开了一种轨道交通车辆维保系统及方法，包括信息存储单元、信息采集单元、健康诊断单元、维修单元、维保质量评估单元，所述健康诊断单元包括模型训练模块、音频分类模块、超声图像增强模块、诊断模块，采用声音增强超声图像获取诊断结果，采用完成维保后的部件的外观数据、材料性能以及焊接工艺数据建立维保质量评估模型，得到维保后的部件的评级。本发明不仅诊断结果精确，而且评价结果客观。

技术领域

本发明涉及一种轨道交通车辆维保系统及方法，属于轨道交通车辆技术领域。

背景技术

轨道交通是指运营车辆需要在特定轨道上行驶的一类交通工具或运输系统。车辆在运营过程中，受使用寿命、环境等因素的影响，一些关键部件的健康状态会逐渐恶化，若不及时进行维护最终可能会导致故障的发生，而在轨道交通系统中，维修计划以定期维修、故障维修为主，使得维修计划不够灵活，也无法及时、有效地排除车辆在运营过程中的健康隐患。

中国专利CN201911070794.8，公开了一种地铁车辆运维系统，该系统包括自动化检测部件、云服务器、资源库、信息平台和AI服务器，其中，自动化检测部件用于检测地铁车辆的工作状态参数并发送给云服务器储存，信息平台用于为运维人员提供人机接口并生成检修任务，AI服务器用于根据检修任务从云服务器和资源库中调取数据并分析得到地铁车辆检修策略。该专利将自动化检测技术、信息化技术和AI技术结合后，用于地铁车辆运维系统中，可以降低运维人员的工作量，提高地铁车辆运维系统的智能化水平。

中国专利CN202010238789.X，公开了一种轨道交通车辆维保方法及系统，获取待检测部件在当前状态下反映健康状况的指标的多组数据。采用待检测部件在当前状态下反映健康状况的指标的多组数据训练当前状态健康模型。根据当前状态健康模型与基准健康模型的重叠度得到健康值，当健康值小于报警阈值时，则判断待检测部件具有健康隐患。其中，基准健康模型为采用待检测部件在健康状态下相应的指标的多组数据训练的模型。当待检测部件具有健康隐患时生成健康保养工单，并根据健康保养工单制定第一维修作业计划。

现有技术中，对待检测部件诊断结果较粗糙，不精确，尤其是问题部件在隐患发生的初始阶段不能够被检测出。另外，对于维保后的部件一般采用主观评价，不能很好的反应出维保后的部件质量。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种诊断结果精确，评级客观的轨道交通车辆维保系统及方法。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种轨道交通车辆维保方法，包括以下步骤：

步骤1，采集各部件的训练音频样本和训练超声图像样本，将各部件的训练音频样本按音频对应帧超声图像进行标签，得到音频超声图像标签。将音频超声图像标签输入到CNN-RNN神经网络中进行训练，得到训练好的CNN-RNN神经网络。

步骤2，采集轨道交通车辆上工作的部件声音和各部件此时的超声图像。

步骤3，将采集到的各部件的运行时的声音信息输入到训练好的CNN-RNN神经网络，得到各部件运行时的声音对应的超声图像概率。

步骤4，采用部件运行时声音对应的超声图像特征来融合增强部件的超声图像，建立声音增强超声图像模型，以得到增强后各部件的超声图像。

声音增强超声图像模型：

其中，表示增强后的第个部件的超声图像，表示第个部件的超声图像，表示第个部件运行时的声音对应的超声图像特征与超声图像的融合运算，表示第个部件运行时的声音对应的超声图像特征，表示第个部件运行时的声音对应的超声图像概率。

步骤5，将增强后的超声图像输入进训练好的CNN-RNN神经网络，得到各部件诊断结果，根据各部件诊断结果得到需要维保的部件信息。