网轨隧一体化检测系统、检测方法和列车与流程
本技术涉及轨道交通设施检测,更具体地,涉及一种网轨隧一体化检测系统、检测方法和列车。
背景技术:
1、当前弓网、轨道、隧道检测系统多为烟囱式独立架构,系统割裂、数据异构。
2、相关技术仅在地面平台各自接收来自弓网、轨道、隧道通过网络独立传输的数据,并将各自的结果汇总分析后传回列车,无法实现网轨隧的数据互通,同时网络来回传输数据和结果传输存在时延,难以满足轨道车辆运行风险检测的实时性需求。
技术实现思路
1、有鉴于此,本技术提供了一种网轨隧一体化检测系统、检测方法和列车。
2、本技术一方面提供了一种网轨隧一体化检测系统,包括:
3、分布式采集设备,包括配置在轨道车辆顶部的隧道状态采集模块和弓网状态采集模块,以及配置在上述轨道车辆底部的轨道状态采集模块;数据处理设备,配置在上述轨道车辆内部,用于接收来自上述分布式采集设备的多模态数据,并对上述多模态数据进行处理得到多模态序列;以及智能检测设备,配置在上述轨道车辆内部,用于对上述多模态序列进行关联检测,生成检测结果;其中,上述检测结果指示了上述轨道车辆在当前运行环境下是否存在潜在运行风险,以便上述轨道车辆的控制系统能够基于上述检测结果生成用于控制上述轨道车辆运行的控制策略;上述当前运行环境是由弓网状态、隧道状态和轨道状态共同构成的。
4、根据本技术的实施例,上述多模态数据包括:数值型数据和图像;上述数据处理设备配置有:预处理模块,用于从图像中提取灰度数据,将灰度数据和数值型数据按照数据类型填充至预设模板中各自对应的字段,得到结构化数据;数据对齐模块,用于将上述结构化数据和上述图像进行对齐,得到上述多模态序列;存储模块,用于按照检测任务的需求将上述多模态序列写入存储区域。
5、根据本技术的实施例,上述数据对齐模块包括:时序对齐子模块,用于通过对结构化数据和上述图像进行采样,得到多个各自时序对齐的结构化数据与图像对;空间对齐子模块,用于按照分布式采集设备中不同模块内配置的空间坐标转换关系,将上述多个各自时序对齐的结构化数据与图像对中的空间数据映射到同一坐标系,得到上述多模态序列。
6、根据本技术的实施例,上述存储模块包括:划分子模块,用于按照上述检测任务的需求中的多个待检测维度对上述多模态序列进行划分,生成多个多模态时序子序列;其中,每个多模态时序子序列至少对应一个待检测维度;标记子模块,用于根据每个多模态时序子序列对应的待检测维度分别对每个多模态时序子序列进行标记;以及存储子模块,用于将彼此具有相同待检测维度的标记后的多模态时序子序列写入上述存储区域内彼此连续的多个子区域。
7、根据本技术的实施例,上述智能检测设备包括:读取模块,用于按照上述检测任务的需求对应的目标待检测维度从上述存储区域读取目标多模态时序子序列;检测模块,用于调用预训练的检测模型对上述目标多模态时序子序列进行关联检测,生成上述检测结果;以及第一传输模块,用于将上述检测结果发送至上述轨道车辆的控制系统。
8、根据本技术的实施例,上述检测模块包括:特征增强子模块,用于通过分析上述目标待检测维度对上述目标多模态时序子序列进行特征增强,生成多模态时序增强子序列;特征融合子模块,用于对上述多模态时序增强子序列进行特征融合,生成多模态时序融合子序列;以及检测子模块,用于调用预训练的检测模型对上述多模态时序融合子序列进行检测,生成上述检测结果。
9、根据本技术的实施例,上述特征增强子模块包括:策略确定单元,用于通过分析上述目标待检测维度确定特征增强策略;其中,上述自适应特征增强策略包括数据增强策略、图像增强策略;数据增强单元,用于按照数据增强策略从上述多模态时序子序列中的结构化数据中挖掘结构化数据之间的依赖关系,得到上述多模态时序增强子序列中的增强数据;图像增强单元,用于按照上述图像增强策略对上述多模态时序子序列中的图像进行纹理增强,得到上述多模态时序增强子序列中的增强图像。
10、根据本技术的实施例,上述特征融合子模块包括:第一编码单元,用于对上述上述多模态时序增强子序列中的增强图像进行语义编码,生成第一预设维度的语义编码向量;第二编码单元,用于将上述多模态时序增强子序列中的增强数据进行语义编码,生成第二预设维度的语义编码向量;向量处理单元,用于将上述第一预设维度的语义编码向量和上述第二预设维度的语义编码向量进行拼接和扩展,生成与上述检测模型的目标特征维度相匹配的目标张量,上述目标张量用于上述检测模型检测上述多模态时序融合子序列时激活上述增强图像的图像特征。
11、根据本技术的实施例,上述目标待检测维度包括第一待检测维度和第二待检测维度;上述目标多模态时序子序列包括与上述第一待检测维度对应的第一多模态时序子序列和与上述第二待检测维度对应的第二多模态时序子序列;上述检测子模块包括:第一检测单元,用于调用预训练的第一检测模型按照第一待检测维度对上述第一多模态时序子序列进行检测,生成第一结果;第二检测单元,用于调用预训练的第二检测模型按照第二待检测维度对上述第二多模态时序子序列进行检测,生成第二结果;以及关联分析单元,用于调用上述分析模型对上述第一结果和上述第二结果进行关联分析,生成上述检测结果。
12、根据本技术的实施例,上述关联分析单元,还用于:获取来自地面运维平台的溯源分析结果;其中,上述溯源分析结果是上述地面运维平台通过接收来自上述分布式采集设备的多模态历史数据和来自上述智能检测设备的与上述多模态历史数据对应的历史检测结果进行溯源分析得到的;以及调用上述分析模型对上述溯源分析结果、上述第一结果和上述第二结果进行关联分析,生成上述检测结果。
13、本技术的又一方面提供了一种基于网轨隧一体化检测系统的检测方法,包括,获取多模态序列;其中,上述多模态序列是利用网轨隧一体化检测系统中的数据中间件对配置在上述轨道车辆上的分布式采集设备采集的多模态数据进行处理得到的;上述网轨隧一体化检测系统为以上的系统;对上述多模态序列进行关联检测,生成检测结果;其中,上述检测结果指示了上述轨道车辆在当前运行环境下是否存在潜在运行风险,以便上述轨道车辆的控制系统能够基于上述检测结果生成用于控制上述轨道车辆运行的控制策略;上述当前运行环境是由弓网状态、隧道状态和轨道状态共同构成的。
14、本技术的又一方面提供了一种列车,配置有上述的网轨隧一体化检测系统。
15、根据本技术的实施例,通过配置在轨道车辆顶部的隧道状态采集模块和弓网状态采集模块以及配置在轨道车辆底部的轨道状态采集模块所构成的分布式采集设备,将原本割裂的弓网、隧道与轨道状态的多模态数据统一汇聚至配置在轨道车辆内部的数据处理设备进行序列化处理得到多模态序列并传输至智能检测设备,使得智能检测设备能够对由弓网状态、隧道状态和轨道状态共同构成的当前运行环境进行关联检测,从而在系统架构层面强制实现了多源异构数据的车载端融合,打破了弓网、隧道与轨道之间的数据孤岛。同时,由于数据处理设备与智能检测设备均直接配置在轨道车辆内部,多模态数据的序列化处理与关联风险检测均在车载端就地完成,且检测结果直接用于轨道车辆的控制系统(train control and monitoring system , tcms)生成控制策略,无需依赖车地无线网络回传原始数据或中间结果,由此规避了网络传输时延对实时性的影响,满足了轨道车辆在当前运行环境下进行运行风险检测的实时性需求。
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