一种基于数字孪生技术的接触网故障预测方法及系统与流程

本发明属于城市轨道交通领域，具体涉及一种基于数字孪生技术的接触网故障预测方法及系统。

背景技术：

1、接触网作为轨道交通列车的关键供电设备，长期暴露于户外复杂环境中，易受机械磨损、电气老化、环境侵蚀等因素影响发生故障，导致列车停运甚至安全事故。传统接触网故障预测方法主要依赖人工巡检与单一传感器监测，存在数据采集不全面、故障关联性分析不足、预测滞后等问题。

2、现有基于数据驱动的预测方法多依赖机器学习算法，缺乏对接触网物理运行机理的考量，模型泛化能力差；而基于物理模型的预测方法难以适应复杂多变的运行环境，精度有限。数字孪生技术能够实现物理实体与虚拟模型的实时映射与交互，但目前在接触网故障预测中的应用多停留在单一模型构建层面，未形成多源数据融合、多模型协同的完整预测体系。因此，亟需一种结合数字孪生技术的接触网故障预测方法，解决现有技术的不足。

技术实现思路

1、为解决现有技术中的上述问题，填补国内技术空白，本发明提供一种基于数字孪生技术的接触网故障预测系统，实现接触网故障的精准、实时预测，为运维决策提供科学支撑，提升轨道交通接触网系统可靠性。

2、为实现上述目的，本发明提供了一种基于数字孪生技术的接触网故障预测方法，所述接触网包括多个实体，所述方法包括以下步骤：

3、构建轨道交通接触网多维度数字孪生模型，将所述轨道交通接触网多维度数字孪生模型与所述接触网中的多个实体进行关联，并采用卡尔曼滤波算法将所述接触网中各个实体的实时数据与所述轨道交通接触网多维度数字孪生模型中的对应数据进行动态匹配，其中，所述实体至少包括悬挂装置、汇流排、锚段关节处的悬挂点；所述轨道交通接触网多维度数字孪生模型中至少包括物理机理模型与数据驱动模型融合的双驱动预测模型；

4、获取所述接触网中各个实体的实时数据，其中，所述实时数据至少包括传感器的电压数据、传感器的电流数据、监测视频数据、车载弓网在线监测数据；

5、对得到的所述各个实体的实时数据进行处理与数据分析，得到处理后的数据；

6、将处理后的数据输入至所述轨道交通接触网多维度数字孪生模型，调用所述物理机理模型与数据驱动模型融合的双驱动预测模型，计算所述接触网中各个实体对应的故障概率和/或故障类型；

7、若某一实体对应的故障发生概率超过该实体的预设概率阈值时，生成相应的故障告警信息与主动运维建议，并发送故障告警信息。

8、进一步的，所述构建轨道交通接触网多维度数字孪生模型，具体包括：

9、根据所述接触网的各个实体构建对应的数字孪生模型，其中所述数字孪生模型至少包括几何实体模型、物理力学模型、运行状态模型及故障演化模型，以形成多维度轨道交通接触网系统数字孪生模型；

10、其中，所述几何实体模型中的数据与各个实体的尺寸参数保持一致。

11、进一步的，所述构建轨道交通接触网多维度数字孪生模型，所述获取所述接触网中各个实体的实时数据具体包括：

12、采用传感器进行定点监测，获取所述传感器的电压数据、传感器的电流数据；

13、采用监测摄像头，获取监测视频数据；

14、采用车载高精度弓网在线监测装置，获取车载弓网在线监测数据。

15、进一步的，所述对得到的所述各个实体的实时数据进行处理与数据分析，得到处理后的数据，具体包括：

16、对所述传感器的电压数据、所述传感器的电流数据、所述监测视频数据以及所述车载弓网在线监测数据进行预处理；

17、对预处理后的数据进行数据清洗与特征提取；通过异常值检测剔除无效数据，采用归一化处理消除数据量纲差异，并利用小波变换与主成分分析相结合的特征提取算法，从归一化处理后的数据中挖掘关键特征，所述关键特征包括低频趋势特征、高频突变特征、时域突变点特征、频域特征频率和降维后的主成分特征中的至少一种，并将所述关键特征作为所述双驱动预测模型的输入。

18、进一步的，所述对传感器的电压数据、所述传感器的电流数据、所述监测视频数据进行预处理包括：将传感器信号转换为物理量，并进行时频域转换分析与滤波处理，以提取表征接触网机械状态的振动与频谱特征；

19、对巡检测监测获取的车载弓网在线监测数据进行预处理包括：对监测图像进行智能识别，提取包括导高、拉出值、燃弧及接触线磨耗在内的几何与电气状态参数。

20、进一步的，所述将处理后的数据输入至所述轨道交通接触网多维度数字孪生模型，包括：将所述运行数据同时输入至预先构建的物理机理与数据驱动融合的双驱动预测模型进行分析，物理机理模型基于接触网系统的力学方程和电气原理构建，数据驱动模型采用convlstm融合神经网络，通过注意力机制实现两者输出结果的加权融合得到分析结果，计算接触网各部件的故障概率与故障类型。

21、进一步的，还包括：基于所述故障概率，并结合历史运行数据，评估接触网的健康状态并预测其零部件的剩余寿命。

22、进一步的，所述生成相应的故障告警信息与主动运维建议包括：将所述故障概率与预设阈值进行比较以触发分级预警；并基于所述故障类型、健康状态及数字孪生模型的仿真结果，生成包含维修优先级与方案的主动运维建议。

23、还提供一种基于数字孪生技术的接触网故障预测系统，该系统实现前述任一项所述的方法，包括：采集模块，将轨道交通接触网多维度数字孪生模型与接触网中的多个实体进行关联，并采用卡尔曼滤波算法将所述接触网中各个实体的实时数据与轨道交通接触网多维度数字孪生模型中的对应数据进行动态匹配；获取所述接触网中各个实体的实时数据；

24、调度模块，对得到的所述各个实体的实时数据进行处理与数据分析，得到处理后的数据；对采集的接触网系统状态数据通过综合监控专业预留的通信通道以及车辆段无线通信通道上传至中央级进行集中存储，同时建立分级结构化索引，将数据与数字孪生模型动态关联；模型状态与实体状态进行同步，通过实时数据反馈实现孪生体动态更新；将处理后的数据输入至轨道交通接触网多维度数字孪生模型；

25、处理模块，用于根据存储的数据，计算所述接触网中各个实体对应的故障概率和/或故障类型；若某一实体对应的故障发生概率超过该实体的预设概率阈值时，生成相应的故障告警信息与主动运维建议，并发送故障告警信息。

26、与现有技术相比，本发明所具有的有益效果是：

27、1.本发明通过多渠道数据采集与融合处理，解决了传统方法数据孤立的问题，为故障预测提供全面的数据支撑；

28、2.构建多维度数字孪生体并实现动态更新，实现了接触网物理状态与虚拟模型的实时同步，提升了模型的适应性；

29、3.采用物理-数据双驱动预测模型，结合注意力机制融合输出结果，兼顾了物理机理的约束性与数据模型的精准性，预测精度较单一模型提升15%-25%；

30、4.分级预警与针对性维修建议，实现了故障的提前干预，降低了接触网故障停运时间，减少运维成本30%以上。