[发明专利]一种基于小幅波动检测的轨道电路故障前兆发现方法

权利要求书

1.一种基于小幅波动检测的轨道电路故障前兆发现方法，其特征在于，包括以下步骤：

S1、选用m个监测数据点（,,…,）作为一个数据窗口，所述的监测数据点是指ZPW-2000A轨道电路监测系统所实时采集的某类监测参数的监测数据，后文的轨道电路皆指的是ZPW-2000A轨道电路；

S2、设定数据窗口的数据间隔为t，依次计算出一段时间内i个数据窗口的方差序列（,,…,）；

S3、获取正常工作状态一段时期内的方差序列，从中确定正常工作下的方差阈值；

S4、如果计算得到某方差大于正常工作状态下的方差阈值，则可认为产生了异常小幅波动；

S5、根据现场所记录的小幅波动下的排查维修记录，将小幅波动下的异常事件总结为n类，其中，n为大于1的整数；

S6、根据n类异常事件下的小幅波动特征，提取能够涵盖所有类别异常事件的t个波动特征值，作为判断故障模式的特征属性，其中，t为大于1的整数；

S7、通过铁路信号集中监测平台采集相关异常事件下的监测数据，提取每一个异常事件下的特征值，构成故障样本集，所述的异常事件是步骤7中每一类异常事件下的所有异常事件，所述的特征值与步骤6中的波动特征值一致，将所述样本集分为训练样本和测试样本；

S8、根据所述训练样本和所述测试样本，构建决策树分类模型；

S9、基于所述决策树分类模型，对检测到的异常小幅波动下的监测数据进行实时分类，识别异常事件类别；

所述异常事件为轨道电路组件发生功能异常的事件。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2中，计算一段时间内的方差序列（,,…,）包含以下步骤：

S21：计算窗口1（,,…,）内的方差；

S22：当监测系统采集至时，如图所示，数据窗口滑动至（,…,），计算窗口2的方差；

S23：依次获取各个数据窗口的方差，便得到了一段时间内i个数据窗口下的的方差序列（,,…,）。

3.根据权利要求1所述的方法，其特征在于，所述步骤S3中，正常工作下的方差阈值选用的是该序列箱型图的上内限；

所述的箱型图的上内限值指的是箱型图的Q3＋1.5IQR（四分位距）处，Q3指的是数值序列的75分位数，IQR指的是四分位距，是上四分位数与下四分位数之差。

4.根据权利要求1所述的方法，其特征在于，所述步骤S6中，所述的能够涵盖所有类别异常事件的t个波动特征值，是先对每类异常事件分别提取特征值，然后再取其并集。

5.根据权利要求1所述的方法，其特征在于，所述步骤S7中，使用合成样本的方法，通过案例库中已有的样本的各个特征值来产生新的样本，选用SMOTE（Synthetic MinorityOver-sampling Technique）合成方法，是从已有样本的各个特征中随机选出一个已有值，然后拼接成一个新的样本。

6.根据权利要求1所述的方法，其特征在于，所述步骤S8中构建的决策树分类模型为C4.5决策树分类模型；优选地，所述步骤S8中构建决策树分类模型包括以下步骤：

S81：根节点代表整个训练样本集；

S82：通过在每个节点对某个属性的分裂属性,选择分裂属性值最大的将数据集切分成更小的数据集；

S83：这个递归过程一直进行下去,直到某一节点对应的子树对应的数据集都属于同一个类为止。

7.根据权利要求6所述的方法，其特征在于，所述分裂属性等于信息增益率。

8.根据权利要求7所述的方法，其特征在于，所述的信息增益率指的是按照A属性切分后的信息熵增益与按照A属性分类前的信息熵的比率。

9.根据权利要求1所述的方法，其特征在于，所述步骤S8之后还包括：通过设置不同的参数，对模型进行调优，所述的模型调优是指在模型的诸多参数组合中，调整参数的组合搭配，使模型达到最优的拟合及分类结果。