[发明专利]一种智慧轨道无人驾驶车辆故障基因识别方法及系统

权利要求书

1.一种智慧轨道无人驾驶车辆故障基因识别方法，其特征在于，包括以下步骤：

S1、采用基于增量式网络爬虫方法获取列车历史振动数据；

S2、对所述振动数据的振动幅度E_A，振动周期E_T进行预处理，输出新的X；

S3、将X作为故障检测模块的输入，检测故障序列后，输出故障序列数据E；

S4、将所述故障序列数据E作为降维模型的输入，输出可编码的基因序列I₁,I₂,I₃,I₄；

S5、将所述可编码的基因序列I₁,I₂,I₃,I₄整合为DNA序列S＝S₁,S₂,S₃,...,S_N，提取所述DNA序列的碱基特征，并排列组合所述碱基特征，形成可预测的预判定候选车辆部件故障基因V_s；

S6、利用所述候选车辆部件故障基因训练双向长短时记忆网络深度学习模型，得到分类模型；

步骤S5之后，还包括：将所述候选车辆部件故障基因V_s作为聚类模型的输入，建立DNA序列模板库；

建立DNA序列模板库的具体实现过程包括：

步骤1：将经过非负矩阵分解降维得到的预判定的候选车辆部件故障基因V_s作为随机邻接嵌入算法的输入，得到高维数据点V_i和V_j的条件概率p_j|i，低维数据点v_i和v_j的条件概率q_j|i，将条件概率最小化，得到最小化的高维数据的条件概率和最小化的低维数据的条件概率

步骤2：依据条件概率最小化结果计算出高低维条件概率差异的最小值p_ij，通过梯度下降法最小化代价函数L：得到最优解V^y，将所述最优解V^y作为tSNE聚类算法的聚类结果输出，输出的聚类信息熵簇对应DNA序列的聚类模板template：

template＝[CT,ZXJ,QY,ZD,LJ,SL,SB]；

其中，CT,ZXJ,QY,ZD,LJ,SL,SB为DNA序列模板库中的故障类别；CT：车体故障；ZXJ：转向架故障；QY：牵引传动控制系统故障；ZD：制动系统故障；LJ：车端连接装置故障；SL：受流装置故障；SB：车辆内部设备和驾驶室设备故障；n代表数据样本数。

2.根据权利要求1所述的一种智慧轨道无人驾驶车辆故障基因识别方法，其特征在于，还包括：

S7、根据实时采集的振动数据，利用所述分类模型识别车辆故障。

3.根据权利要求1所述的一种智慧轨道无人驾驶车辆故障基因识别方法，其特征在于，步骤S1的具体实现过程包括：将故障信息公开数据集的历史振动幅度、振动周期、振动频率作为爬虫算法的输入，去除历史振动幅度、振动周期、振动频率中的重复信息，所述爬虫算法输出的信息即为列车历史振动数据。