[发明专利]基于特征相似度的道岔健康状态的诊断方法与可视化方法

权利要求书

1.一种基于特征相似度的道岔健康状态的诊断方法，其特征在于，其包括如下步骤：

S1、采集转辙机在目标道岔的完成一次转换动作时的三相交流电，并对三相交流电进行处理后作为目标道岔的运行状态特征值；所述处理得到目标道岔的运行状态特征值的方法为：

S11、当道岔完成一次转换动作时，采集转辙机的三相动作电流，分别记为i_A、i_B、i_C，其中下标A、B和C分别表示三相交流电的相序；

S12、采用末尾补零方法将三相动作电流分别补齐为包含设定长度的数据序列；

S13、对三相动作电流的数据序列作归一化处理，然后将其合并成一个电流序列I＝(I_A、I_B、I_C)；

S14、计算I的设定阶的高阶累计量，作为目标道岔的运行状态特征值；

S2、对运行状态特征值进行主成分分析，得到目标道岔的降维特征值；

S3、根据目标道岔的历史转换动作数据，计算其历史降维特征值，并采用历史降维特征值计算目标道岔的健康特征模板；

S4、计算目标道岔的降维特征值和健康特征模板间的调整余弦相似度ACS；

S5、根据调整余弦相似度ACS，评价目标道岔本次动作时的健康状态。

2.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述数据序列的长度为230个数据点。

3.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述高阶累计量的阶数为四阶。

4.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述计算目标道岔的健康特征模板的方法为：

S31、获取道岔完成转换动作时，转辙机三相交流电信息的历史记录，并计算历史记录对应的降维特征值；

S32、采用自适应K-means聚类算法对历史记录对应的降维特征值进行聚类，得到两个聚类中心c₁、c₂，其中c₁为道岔从定位到反位时的聚类中心，c₂为道岔从反位到定位时的聚类中心；

S33、取两个聚类中心c₁、c₂所对应的降维特征值作为目标道岔的健康特征模板。

5.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述计算调整余弦相似度调整余弦相似度ACS的公式为：

其中，A_i为电流序列I的第i维降维特征值，B_i为健康特征模板的第i维降维特征值，n为常参数，n取15。

6.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述健康状态包括健康、亚健康和故障。

7.根据权利要求1所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述道岔健康状态的评价方法为：

当ACS≥高设定值时，道岔处于健康状态；

当低设定值≤ACS＜高设定值时，道岔处于亚健康状态；

当ACS＜低设定值时，道岔处于故障状态。

8.根据权利要求7所述的基于特征相似度的道岔健康状态的诊断方法，其特征在于，所述高设定值取0.9，所述低设定值取0.6。

9.一种根据权利要求1至8任一所述的基于特征相似度的道岔健康状态诊断方法的可视化方法，其特征在于，其包括如下步骤：

S1、根据目标道岔健康状态的评价结果，分别采用三种不同的颜色表示目标道岔的健康状态；

S2、制作基于动作次数的条形图以表示目标道岔每次动作时的健康状态；

S3、制作基于动作时间的条形图以表示目标道岔在每个时段内动作次数与健康状态的关系，其中，条形图的主纵轴表示目标道岔每个时间段内健康状态的总体情况，并由ACS的平均值表示，条形图的副纵轴表示目标道岔每个时间段内的动作次数；

S4、制作基于动作次数和动作时间的热力图以表示目标道岔在每个时间段的动作的健康状态，其中，热力图的横坐标表示时间段，纵坐标代表动作次数，每个小方格代表某时间段某次动作时目标道岔的健康状态；

S5、制作基于统计的堆积条形图以表示各目标道岔的健康状态时间占比，纵坐标代表道岔序号，横坐标代表动作次数。