[发明专利]一种提取一维时序检测数据中异常形状特征的方法及系统

说明书

本发明公开了一种提取一维时序检测数据中异常形状特征的方法及系统，属于物联网技术领域。本发明方法，包括：采集列车行驶过程中的多组一维时序检测数据，对每组一维检测数据进行分段处理，获取多段检测数据，使用多段检测数据与多个特征模型建立特征对集合；根据特征对集合，建立每个特征的图谱集；针对图谱集进行特征计算，并提取多组一维时序检测数据中的异常形状特征。本发明将多路数据与多个特征提取进行归类并行处理，提高了异常数据提取的效率，且稳定可靠。

技术领域

本发明涉及物联网技术领域，并且更具体地，涉及一种提取一维时序检测数据中异常形状特征的方法及系统。

背景技术

轨道高速列车与高速铁路近年来在我国迅猛发展，其中商业运行的高速列车正常运行时速早已超过350km/h。每列列车驱动设备中包含了许多套驱动组件，例如列车车轴，车轴温度检测是监测列车车轴状态的重要手段，在列车超高速运行下，列车每个车轴同一位置的温度变化曲线几乎相同或者相似，如果某个车轴温曲线与其他轴温曲线相比出现异常，可能某个车轴出现故障，则会有列车运行安全隐患。因此，多路一维时序检测数据中异常形状特征提取对列车安全运行具有重要的意义。

列车运行时，多路检测信息是实时数据，将多路数据同时同时对比以及特征提取有一定的挑战，另外，该多路数据是实时数据，如何使得实时数据正好与先验特征数据集中的数据进行特征对比也是一个比较大的挑战。

发明内容

针对上述问题，本发明提供了一种提取一维时序检测数据中异常形状特征的方法，包括：

采集列车行驶过程中的多组一维时序检测数据，对每组一维检测数据进行分段处理，获取多段检测数据，使用多段检测数据与多个特征模型建立特征对集合；

根据特征对集合，建立每个特征的图谱集；

针对图谱集进行特征计算，并提取多组一维时序检测数据中的异常形状特征。

可选的，一维时序检测数据为传感器采集的车轴温度数据。

可选的，多段检测数据中的每段检测数据包含前一段检测数据的k个时刻的检测数据。

可选的，根据特征对集合，建立每个特征的图谱集，具体为：

针对特征对集合中的任一元素，确定元素的一维曲线；

确定一维曲线中的离散数据点，将离散数据点组成向量；

根据向量建立元素的特征图谱，并将每个元素的特征图谱构成图谱集。

可选的，还包括：

判断提取的异常形状特征是否满足故障数据特征，若否，对异常形状特征进行汇总存储，若是，确定列车出现故障，并根据异常形状特征确定异常形状特征出现的区域及区域内的车轴，对区域及车轴进行标记，且发出报警。

本发明还提出了一种提取一维时序检测数据中异常形状特征的系统，包括：

数据采集单元，采集列车行驶过程中的多组一维时序检测数据，对每组一维检测数据进行分段处理，获取多段检测数据，使用多段检测数据与多个特征模型建立特征对集合；

图谱建立单元，根据特征对集合，建立每个特征的图谱集；

特征提取单元，针对图谱集进行特征计算，并提取多组一维时序检测数据中的异常形状特征。

可选的，一维时序检测数据为传感器采集的车轴温度数据。

可选的，多段检测数据中的每段检测数据包含前一段检测数据的k个时刻的检测数据。

可选的，根据特征对集合，建立每个特征的图谱集，具体为：

针对特征对集合中的任一元素，确定元素的一维曲线；