[发明专利]一种基于轴温传感器的误报识别方法及装置

权利要求书

1.一种基于轴温传感器的误报识别方法，其特征在于，包括：

获取列车运行时目标轴位的轴温传感器上报的当前轴端温度和轴温相关数据；

将所述轴温相关数据输入至所述轴温传感器对应的轴温预测模型，获取所述轴温相关数据对应的轴端温度预测值，所述轴温预测模型通过神经网络训练得到；

若判断获知所述当前轴端温度与所述轴端温度预测值的差值满足预设误报识别规则，则将所述当前轴端温度识别为误报数据。

2.根据权利要求1所述的方法，其特征在于，所述目标轴位为轴端、小齿轮电机侧、小齿轮车轴侧、电机传动端、电机非传动端、电机定子、大齿轮电机侧和大齿轮车轴侧中的任一类，其中，每一类轴位的轴温传感器对应一个轴温预测模型；

所述轴温相关数据包括基本数据、衍生变量数据和连续变量数据，其中，所述基本数据包括：车型、列号、车次、车箱号、轴位id、时间、车厢类型、制动档位、加减速度、空簧压力、传感器状态、传感器温度和速度；

所述衍生变量数据包括：速度均值、速度最大值、速度最小值、速度中位数、轴温均值、轴温最大值、轴温最小值、轴温中位数和外温均值；

所述连续变量数据包括：前1包速度、前2包速度、前3包速度、前4包速度、前5包速度、前6包速度、前1包轴温、前2包轴温、前3包轴温、前4包轴温、前5包轴温和前6包轴温中的多种。

3.根据权利要求1或2所述的方法，其特征在于，所述轴温预测模型通过神经网络训练得到，具体包括：

对于每一类轴位，将列车运行时轴温传感器上报的轴端温度和轴温相关数据作为训练数据，获得每一类轴位的轴温传感器对应的训练数据；

基于每一类轴位的轴温传感器对应的训练数据，利用相关性分析算法，获取轴端温度与速度、制动档位、加减速度之间的相关性系数以及预设时长内轴温的变化范围；

通过每一类轴位的轴温传感器对应的训练数据、相关性系数及预设时长内轴温的变化范围，对神经网络进行训练，获得每一类轴位对应的轴温预测模型；

其中，所述神经网络为前馈神经网络，其学习算法为BP反向传播算法，具有输入层、隐藏层和输出层的三层全接连结构。

4.根据权利要求3所述的方法，其特征在于，所述对于每一类轴位，将列车运行时轴温传感器上报的轴端温度和轴温相关数据作为训练数据，获得每一类轴位的轴温传感器对应的训练数据，具体包括：

获取列车运行时每一类轴位的轴温传感器上报的轴端温度和轴温相关数据；

对每一类轴位对应的轴端温度和轴温相关数据进行数据过滤、特征工程处理和标签化处理后，获得预测标签；

根据每一类轴位对应的轴端温度、轴温相关数据和所述预测标签，获得每一类轴位的轴温传感器对应的训练数据。

5.根据权利要求4所述的方法，其特征在于，所述数据过滤包括：空值过滤、非法字符过滤、空簧压力异常值过滤、轴温数据-50度过滤中的一种或多种；

所述特征工程处理包括：将车厢类型映射成数值；将第一类制动档位映射成第一数值范围内的值，将第二类制动档位映射成第二数值范围内的值，将第三类制动档位映射为第三数值；

所述标签化处理包括：以车型、列号、车号及轴位id为关键字，确定与所述关键字唯一对应的轴箱轴承传感器，将每一类轴位的轴温传感器下一时刻的轴端温度作为当前时刻的预测标签。

6.根据权利要求1所述的方法，其特征在于，所述预设误报识别规则包括：

所述当前轴端温度与所述轴端温度预测值的差值超过所述轴温预测模型的误差阈值，且所述当前轴端温度与前一包温度值的差值、以及所述当前轴端温度与后一包温度值的差值均超过所述目标轴位在预设时长内轴温的变化范围。

7.根据权利要求1或6所述的方法，其特征在于，所述轴温预测模型的误差阈值的范围为1-2度；所述预设时长内轴温的变化范围包括：30秒内轴温变化范围为1-2度；

相应的，所述预设误报识别规则包括：

所述当前轴端温度与所述轴端温度预测值的差值的绝对值大于2度，且所述当前轴端温度与前一包温度值的差值的绝对值、以及所述当前轴端温度与后一包温度值的差值的绝对值均超过2度。