[发明专利]一种基于人工智能模式识别技术的THDS系统热轴判别方法

权利要求书

1.一种基于人工智能模式识别技术的THDS系统热轴判别方法，其特征在于所述方法具体过程为：

步骤一、获取过车报文，进行报文解析获得过车数据；

步骤二、将过车数据输入到热轴判别模型中获得热轴预报；

步骤三、采用IPA模型分析热轴预报对应的待判别过车热轴波形获得过车热轴判别结果，包括以下步骤：

S1、分别获取货车和客车的平均过车热轴波形，将货车和客车的平均过车热轴波形进行归一化分别获得客车标准过车热轴波形和货车标准过车热轴波形，均记为标准过车热轴波形S(xs_i,ys_i),i＝1,…,32，并确定标准过车热轴波形的拐点位置坐标；

其中，i是标准过车热轴波形上采样点的标号；

S2、将待判别过车热轴波形归一化获得归一化后的待判别过车热轴波形D(x_j,y_j),j＝1,…,32，并基于S1建立的标准过车热轴波形和归一化后的待判别过车热轴波形获得待判别过车热轴波形拐点的坐标；

其中，j为归一化后的待判别过车热轴波形上的采样点标号；

所述归一化后的待判别过车热轴波形为最大值为1000最小值为0的32点过车热轴波形；

S3、将S1获得的标准过车热轴波形的拐点位置坐标与S2获得的待判别过车热轴波形的拐点的坐标比对获得待判别过车热轴波形左右偏移补偿值Δx从而校正过车热轴波形角度；

S4、利用S3获得的校正后的过车热轴波形的采样点和S1获得的标准过车热轴波形的采样点获取模型对比参数σ：

S5、根据S4获得的σ值验证过车热轴波形是否正常，若波形异常则执行S6；若波形正常则正常输出预报热轴，结束判别；

S6、综合双探和S5获得的验证结果再次判断热轴波形是否异常，若仍异常则输出异常信息结束热轴判别，若再次判断热轴波形为正常热轴波形则正常预报热轴并结束热轴判别。

2.根据权利要求1所述的一种基于人工智能模式识别技术的THDS系统热轴判别方法，其特征在于：所述S1中分别获取货车和客车的平均过车热轴波形，包括以下步骤：

首先，获取大量的货车过车热轴波形特征和客车过车热轴波形特征作为货车热轴波形数据集和客车热轴波形数据集；

然后，获取货车热轴波形数据集中的热轴波形特征与正常过车热轴波形特征的相似度，保留相似度大于第一阈值的货车过车热轴波形特征并取平均值，获得货车平均过车热轴波形；

最后，获取客车热轴波形数据集中的热轴波形特征与正常过车热轴波形特征的相似度，保留相似度大于第二阈值的客车过车热轴波形特征并取平均值，获得客车平均过车热轴波形。

3.根据权利要求2所述的一种基于人工智能模式识别技术的THDS系统热轴判别方法，其特征在于：所述第一阈值为80％；所述第二阈值为60％。

4.根据权利要求3或2所述的一种基于人工智能模式识别技术的THDS系统热轴判别方法，其特征在于：所述S1中的标准过车热轴波形的拐点位置坐标分别为：T1(xs_t1,ys_t1)、T2(xs_t2,ys_t2)、T3(xs_t3,ys_t3)、T4(xs_t4,ys_t4)。

5.根据权利要求4所述的一种基于人工智能模式识别技术的THDS系统热轴判别方法，其特征在于：所述S1中将货车和客车的平均过车热轴波形进行归一化为最大值为1000最小值为0的32点标准过车热轴波形。