[发明专利]一种铁路轨距尺智能化监测预警系统及方法

权利要求书

1.一种铁路轨距尺智能化监测预警系统的监控方法，其特征在于，包括：

用于现场施工的若干个智能轨距尺；所述智能轨距尺依次与手持终端、现场人员APP和应用服务器连接；所述应用服务器分别与数据服务器、云端和后台监管系统连接；所述后台监管系统与现场人员APP连接；所述数据服务器与管理人员APP信号连接；

其方法包括：

S1、获取铁路钢轨的历史参数数据和历史参数数据对应的铁路钢轨的工作状态；

S2、对获取的历史参数数据进行预处理，补充历史参数数据缺失值，得到参数数据对应的时间点的时间序列数据；

S3、将对应的时间点的时间序列数据随机划分为训练样本数据和测试样本数据；

S4、构建LSTM预测模型，并采用训练样本数据对LSTM预测模型进行训练，并根据训练的结果对LSTM预测模型的参数进行优化求解，并获得当前铁路钢轨的预测参数数据M_预=（A_i，B_i，C_i，D_i，E_i），其中，A_i为i时刻预测的轨距数据，B_i为i时刻预测的查照间隔数据，C_i为i时刻预测的护背距离数据，D_i为i时刻预测的水平数据，E_i为i时刻预测的超高参数数据；

S5、通过现场智能轨距尺实时采集铁路钢轨的参数数据M_实=（A_实，B_实，C_实，D_实，E_实），A_实，B_实，C_实，D_实，E_实分别为实测的轨距数据，实测的查照间隔数据，实测的的护背距离数据，实测的水平数据，实测的超高参数数据；计算当前时刻的M_预=（A_i，B_i，C_i，D_i，E_i）中的数据与M_实=（A_实，B_实，C_实，D_实，E_实）中的对应数据之间的差值，并根据数据之间的差值优化调整LSTM预测模型的参数，得到优化后的LSTM预测模型；

S6、对铁路钢轨工作状态进行状态等级划分，包括正常工作状态、临界工作状态、轻事故工作状态和紧急事故状态，并根据铁路钢轨的状态等级，对历史参数数据进行对应的等级区间划分；

S7、以铁路钢轨历史参数数据的等级区间划分作为输入，铁路钢轨工作状态的状态等级划分作为输出，构建SVM状态预警模型；

S8、通过优化后的LSTM预测模型预测输出铁路钢轨一个时刻的参数数据，并将所述参数数据依次代入步骤S6和步骤S7中，预测得到所述时刻的铁路钢轨工作状态等级；

S9、根据铁路钢轨历史参数数据的等级区间划分，构建参数数据的状态事故评分模型，并将S8中预测输出铁路钢轨一个时刻的参数数据带入参数数据的状态事故评分模型中，得到参数数据的得分；

S10、将预测参数数据、铁路钢轨工作状态等级和参数数据得分上传至后台监管系统和现场人员APP上。

2.根据权利要求1所述的铁路轨距尺智能化监测预警系统的监控方法，其特征在于，所述S1中获取智能轨距尺采集的历史参数数据，包括：按照时间顺序依次排列的若干组轨距、查照间隔、护背距离、水平和超高参数数据。

3.根据权利要求1所述的铁路轨距尺智能化监测预警系统的监控方法，其特征在于，所述S2对获取的历史参数数据进行预处理，包括：

S2.1、剔除异常数据，并采用均值插补弥补参数数据的缺失值；

S2.2、采用minmaxscaler算法对弥补后的若干个参数数据进行归一化处理，得到参数数据对应连续时间点的时间序列数据。