一种铁路机车运行数据预测方法、装置、设备及存储介质与流程
本发明涉及柴油机运维,尤其涉及一种铁路机车运行数据预测方法、装置、设备及存储介质。
背景技术:
1、在铁路机车柴油机状态监测与健康管理领域,传感器时间序列分析是实现智能诊断与寿命预测的基础。然而,机车“运行—停机—再运行”的非连续作业模式,导致监测数据呈现为大量间断性、不等长的运行片段。同时,柴油机恶劣的工况环境使得原始传感信号普遍混杂高频噪声、电磁干扰及非平稳波动,若直接以原始采样点建模,极易导致模型过拟合于噪声,难以捕捉真实的运行趋势,严重影响诊断模型的泛化能力与预测精度。
2、针对上述问题,现有技术主要采用固定时间窗口法、启停信号触发分割法及原始点序列直接建模法。其中,固定时间窗口法无法与物理运行周期对齐,易人为制造虚假连续性或割裂完整趋势;启停信号法则强依赖于外部控制系统接口,在老旧机车或无信号接口的改造场景中适用性受限;而原始点序列建模法缺乏对噪声的鲁棒性,且无法处理不等长序列。此外,现有的转速区间划分法侧重于工况分析,无法解决跨停机边界的数据连续性问题。
3、综上所述,现有技术普遍缺乏物理意义明确的数据分割机制,且特征聚合鲁棒性差,难以在剔除噪声干扰的同时,自适应地将不等长的断续运行数据转化为高质量的等长特征向量,成为制约柴油机智能诊断精度提升的瓶颈。
技术实现思路
1、本发明提供了一种铁路机车运行数据预测方法、装置、设备及存储介质,以实现对铁路机车柴油机非连续运行时序数据的稳健分段与聚合,为铁路机车柴油机的状态监测与智能诊断提供了高精度的数据基础。
2、根据本发明的一方面,提供了一种铁路机车运行数据预测方法。该方法包括:
3、获取铁路机车柴油机在历史运行过程中的原始运行数据序列,并基于时间戳信息,根据所述原始运行数据序列中的原始运行数据,确定铁路机车柴油机的有效运行周期,其中,所述原始运行数据包括但不限于柴油机转速、增压压力、冷却水温度和柴油机功率;
4、针对每个有效运行周期,根据预先确定的子区间数量,将所述有效运行周期进行划分处理,获得多个子区间,其中,所述子区间数量根据固定常数确定或根据根据运行周期长度确定;
5、针对每个子区间,基于构建的聚合特征估计函数,根据所述子区间内每个原始运行数据,确定所述子区间对应的聚合特征估计值,并根据每个子区间的聚合特征估计值,确定每个有效运行周期对应的聚合特征估计值;
6、从多个有效运行周期中筛选第一预设数量的输入运行周期,并将所述输入运行周期的聚合特征估计值,输入至预先构建的目标时序预测模型进行趋势预测,获得包含第二预设数量未来运行周期对应的预测运行数据序列,其中,所述目标时序预测模型包括但不限于自回归滑动平均预测模型,所述第一预设数量大于所述第二预设数量。
7、根据本发明的另一方面,提供了一种铁路机车运行数据预测装置。该装置包括:
8、运行数据获取模块,用于获取铁路机车柴油机在历史运行过程中的原始运行数据序列,并基于时间戳信息,根据所述原始运行数据序列中的原始运行数据,确定铁路机车柴油机的有效运行周期,其中,所述原始运行数据包括但不限于柴油机转速、增压压力、冷却水温度和柴油机功率;
9、运行区间划分模块,用于针对每个有效运行周期,根据预先确定的子区间数量,将所述有效运行周期进行划分处理,获得多个子区间,其中,所述子区间数量根据固定常数确定或根据根据运行周期长度确定;
10、聚合特征确定模块,用于针对每个子区间,基于构建的聚合特征估计函数,根据所述子区间内每个原始运行数据,确定所述子区间对应的聚合特征估计值,并根据每个子区间的聚合特征估计值,确定每个有效运行周期对应的聚合特征估计值;
11、运行数据预测模块,用于从多个有效运行周期中筛选第一预设数量的输入运行周期,并将所述输入运行周期的聚合特征估计值,输入至预先构建的目标时序预测模型进行趋势预测,获得包含第二预设数量未来运行周期对应的预测运行数据序列,其中,所述目标时序预测模型包括但不限于自回归滑动平均预测模型,所述第一预设数量大于所述第二预设数量。
12、根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
13、至少一个处理器;以及
14、与所述至少一个处理器通信连接的存储器;其中,
15、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的铁路机车运行数据预测方法。
16、根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的铁路机车运行数据预测方法。
17、本发明实施例的技术方案,通过获取铁路机车柴油机在历史运行过程中的原始运行数据序列,并确定铁路机车柴油机的有效运行周期。针对每个有效运行周期,根据预先确定的子区间数量,将所述有效运行周期进行划分处理,获得多个子区间。针对每个子区间,基于构建的聚合特征估计函数,根据所述子区间内每个原始运行数据,确定所述子区间对应的聚合特征估计值,并根据每个子区间的聚合特征估计值,确定每个有效运行周期对应的聚合特征估计值。从多个有效运行周期中筛选第一预设数量的输入运行周期,并将所述输入运行周期的聚合特征估计值,输入至预先构建的目标时序预测模型进行趋势预测,获得包含第二预设数量未来运行周期对应的预测运行数据序列。本发明解决了固定时间窗口与物理运行周期错位导致的虚假连续性与趋势割裂问题,有效克服了老旧机车信号缺失的难题,在显著降低系统改造成本的同时,为铁路机车柴油机的状态监测与智能诊断提供了高精度高可靠性的数据基础。
18、应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种铁路机车运行数据预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述基于时间戳信息,根据所述原始运行数据序列中的原始运行数据,确定铁路机车柴油机的有效运行周期,包括:
3.根据权利要求1所述的方法,其特征在于,在所述子区间数量根据运行周期长度确定的情况下,所述子区间数量通过如下方式获得:
4.根据权利要求1所述的方法,其特征在于,所述聚合特征估计函数,如下方式获得:
5.根据权利要求1所述的方法,其特征在于,所述基于构建的聚合特征估计函数,根据所述子区间内每个原始运行数据,确定所述子区间对应的聚合特征估计值,包括:
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.根据权利要求1所述的方法,其特征在于,在获得包含第二预设数量未来运行周期对应的预测运行数据序列之后,还包括:
8.一种铁路机车运行数据预测装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的铁路机车运行数据预测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com