[发明专利]基于多模数据融合的智能铁路巡检方法及系统

权利要求书

1.一种基于多模数据融合的智能铁路巡检方法，其特征在于，包括以下步骤：

步骤1：采用稀疏自编码网对接触网进行特征提取；

步骤2：得到性能指标的在低维空间下的特征表示；

步骤3：基于人工干预对多个性能指标提取出的特征做进一步特征融合；

步骤4：多模态数据中铁路设备隐式特征刻画；

步骤5：局部特征和全局特征映射关系挖掘；

步骤6：分析预测铁路系统潜在的故障；

步骤7：构建由智能巡检仪、巡检边缘服务器和巡检分析平台组成的边云融合架构；

步骤8：通过巡检业务驱动的边传边算，提高计算本地化，降低巡检业务分析时延与云计算中心负载；

步骤9：面向智能铁路巡检应用，动态构建分布式数据流图，增加对流式输入输出及其存储访问特性描述；

步骤10：通过数据流图子图高效切分与异构计算资源能力适配的子图切分，实现数据流图分布式并行执行。

2.根据权利要求1所述的基于多模数据融合的智能铁路巡检方法，其特征在于，所述步骤1包括以下步骤：

步骤1.1：通过采用稀疏自编码网对接触网形态进行特征提取；

步骤1.2：通过采用稀疏自编码网对接触网使用时间进行特征提取；

步骤1.2：通过采用稀疏自编码网对接触网使用特性进行特征提取。

所述步骤1.1包括以下步骤：

步骤1.1.1：构造不同类型特征所形成的几何拓扑结构；

步骤1.1.2：分析多模态特征特有的内嵌结构；

步骤1.1.3：通过多模态复杂异构特征稀疏实现特征选择和表示。

3.根据权利要求1所述的基于多模数据融合的智能铁路巡检方法，其特征在于，所述步骤2包括以下步骤：

步骤2.1：对多种输入的特征分别提取特征；

步骤2.2：将提取特征进行傅里叶编码；

步骤2.3：将编码后的特征拼接到自编码神经网络中；

步骤2.4：得到这特征压缩后的共同特征；

步骤2.5：加入人工干预，减少特征压缩过程的误差。

4.根据权利要求1所述的基于多模数据融合的智能铁路巡检方法，其特征在于，所述步骤6包括以下步骤：

步骤6.1：对接触网形态和接触网使用时间和特性等历史样本数据使用稀疏自编码网络进行特征提取；

步骤6.2：得到性能指标的特征表示；

步骤6.3：使用稀疏自编码网络，对多个性能指标提取出的特征做进一步特征融合；

步骤6.4：得到公共特征表示

步骤6.5：添加人工干预，在时间轴上的某些时间点加入人为预测的可能发生故障的可能性；

步骤6.6：融合特征和人工干预特征作为输入，进行神经网络进行有监督学习，分析故障位置，预测故障概率。