[发明专利]道岔转辙机故障预测方法、装置、电子设备和可读存储介质

说明书

本申请实施例提供了一种道岔转辙机故障预测方法、装置、电子设备和可读存储介质，涉及轨道交通技术领域。该道岔转辙机故障预测方法通过预先构建的召回模型对道岔转辙机对应的特征矩阵进行初步故障预判断，在确定是特征矩阵是待预测故障数据的情况下，将待预测故障数据输入预先训练好的故障预测模型，利用故障预测模型进行故障预测，如此，通过多级处理的方式对道岔转辙机进行故障预测，能够应对复杂的工业环境，提高了故障预测的准确性。

技术领域

本申请涉及轨道交通技术领域，具体地，涉及一种道岔转辙机故障预测方法、装置、电子设备和可读存储介质。

背景技术

道岔转辙机的运营维护一直是地铁协同运维的重要一环，转辙机能否及时、可靠地响应系统命令并实现道岔转换，关系到行车安全和乘客的生命财产安全。目前国内的道岔转辙机运营维护方法一般分为三大类：基于解析模型的诊断方法、基于知识的诊断方法和基于规章制度的权限管理。以上三种方法属于“计划修”和“故障修”的范畴。

“计划修”是指在道岔转辙机使用一定时间后，无论转辙机状态如何、是否出现故障都进行一次检修或更换。

“故障修”是指依据故障现象，建立模型库或知识库来扩充对故障的敏感度。目前应用最多的方法是通过人工设置阈值的方式，通过监测转辙机工况数据是否超过阈值来判断转辙机的健康状态。在部分采用了人工智能技术的“故障修”产品内，则是通过机器学习或深度学习的分类算法，基于工况数据与已知的故障标签相匹配，从而得出目前转辙机的工作状态(健康或处于某种故障)。

但是传统的“计划修”和“故障修”既耗时又耗力，同时，现有的“预测修”的解决方法均只采用一个模型进行预测，难以面临复杂的工业环境，模型预测的准确性难以保证。

发明内容

本申请实施例中提供了一种道岔转辙机故障预测方法、装置、电子设备和可读存储介质，以改善上述问题。

根据本申请实施例的第一个方面，提供了一种道岔转辙机故障预测方法，所述方法包括：

获取道岔转辙机的电流数据对应的特征矩阵；

利用预先构建的召回模型对所述特征矩阵进行召回处理，确定所述特征矩阵是否为待预测故障数据；

在确定所述特征矩阵是待预测故障数据的情况下，将所述待预测故障数据输入预先训练好的故障预测模型，利用所述故障预测模型进行故障预测，得到故障预测结果。

在可选的实施方式中，所述召回模型包括至少一个召回子模型；利用预先构建的召回模型对所述特征矩阵进行召回处理，确定所述特征矩阵是否为待预测故障数据的步骤包括：

分别利用每个所述召回子模型对所述特征矩阵进行故障值预测，得到至少一个故障值；

将每个所述故障值与预设阈值进行比较，将大于所述预设阈值的故障值作为目标故障值，并确定所述目标故障值的数量；

当所述目标故障值的数量大于或者等于预设数量的情况下，则确定所述特征矩阵是待预测故障数据。

在可选的实施方式中，所述方法还包括根据预设条件设定所述预设阈值的步骤，该步骤包括：

针对每个所述召回子模型，利用预先构建的验证集进行故障值预测，得到至少一个故障值；

基于全部所述故障值及原始阈值，计算F1值及道岔转辙机的召回率；

根据所述F1值及所述召回率更新所述原始阈值，得到预设阈值。

在可选的实施方式中，根据所述F1值及所述召回率更新所述原始阈值，得到预设阈值的步骤包括：

按照预设固定步长增加所述原始阈值，得到新的原始阈值；

基于所述新的原始阈值，计算新的FI值及新的召回率；