[发明专利]列车转向架蛇形失稳检测方法、装置、系统和存储介质

说明书

本申请涉及一种列车转向架蛇形失稳检测方法、装置、系统和存储介质。其中，列车转向架蛇形失稳检测方法对实时采集得到的转向架的横向振动数据进行特征分析，进而将得到的特征数据输入到失稳分类模型，获取失稳检测结果。基于时域和频域两个维度对列车转向架的横向振动数据进行统计挖掘和建模分析，可从不同的角度提取表征转向架蛇形失稳的数据特征及其分布情况，进而可通过失稳分类模型进行诊断判别。采用基于历史数据训练得到的分类模型进行失稳判断，其检测标准更为客观，可降低人为主观因素的影响，提高失稳判别的准确率。基于此，能够实时监测分析列车转向架是否出现蛇形失稳现象时，及时提醒司机采取降速等措施，确保列车安全运行。

技术领域

本申请涉及轨道交通技术领域，特别是涉及一种列车转向架蛇形失稳检测方法、装置、系统和存储介质。

背景技术

铁路是交通运输的大动脉，近年来我国铁路事业发展日新月异，随着列车运行速度的不断提升，列车运行安全面临着巨大的挑战。由于我国幅员辽阔、不同线路工况差异性较大，列车转向架振动加速度呈现出多样性、随机性、频带丰富等随速度变化的特征，其蛇形运动是影响列车安全性的重要因素之一。

在实现过程中，发明人发现传统技术中至少存在如下问题：列车转向架蛇形失稳检测的准确率低。

发明内容

基于此，有必要针传统技术对列车转向架蛇形失稳的检测存在准确率低的问题，提供一种列车转向架蛇形失稳检测方法、装置、系统和存储介质。

为了实现上述目的，一方面，本申请实施例提供了一种列车转向架蛇形失稳检测方法，包括：

对实时采集得到的转向架的横向振动数据进行特征分析，得到横向振动数据的特征数据；特征分析为时域分析和/或频域分析，特征数据为时域特征数据和/或频域特征数据。

将特征数据输入到预设的失稳分类模型，获取失稳分类模型输出的失稳检测结果；失稳分类模型为基于转向架的历史特征数据进行训练得到，历史特征数据为对转向架的历史数据进行时域分析和/或频域分析得到。

在其中一个实施例中，列车转向架蛇形失稳检测方法还包括：

对获取到的历史数据进行数据滤波。

对滤波后的历史数据进行时域分析，得到数据离散程度的特征值；和/或，对滤波后的历史数据进行频域分析，得到频谱分布的特征值。其中，数据离散程度的特征值包括横向加速度的峰值、峰峰值和方差中的至少一种；频谱分布的特征值包括频率、幅值和能量中的至少一种。

基于数据离散程度的特征值，和/或频谱分布的特征值，分析列车正常运行时的加速度变化规律及分布情况，构建失稳分类模型。

在其中一个实施例中，失稳分类模型为通过支持向量机构建的分类模型，或为通过k最邻近分类算法构建的分类模型。

在其中一个实施例中，对实时采集得到的转向架的横向振动数据进行特征分析，得到横向振动数据的特征数据的步骤包括：

对实时采集得到的数据进行数据滤波。

对滤波后的数据进行时域分析，得到时域特征数据；时域特征数据包括横向加速度的峰值、峰峰值和方差中的至少一种。

对滤波后的数据进行频域分析，得到频域特征数据；频域特征数据包括频率、幅值和能量中的至少一种。

在其中一个实施例中，频域分析为采用傅里叶分析、小波分析或经验态分解来进行的时频转换。

在其中一个实施例中，数据滤波为中位值平均滤波法、限幅滤波法、加权递推平均滤波法或中位值滤波法。

在其中一个实施例中，在获取失稳分类模型输出的失稳检测结果的步骤之后，还包括步骤：