弓网接触力非区段异常识别方法及装置与流程

技术特征：
1.一种弓网接触力非区段异常识别方法，其特征在于，包括：从待分析的弓网接触力检测数据中，筛选出离群值点，确定所述离群值点为单值异常数据；将待分析的弓网接触力检测数据采用移动滑窗的方式处理为时间序列预测集；对时间序列预测集中每个检测数据，将时间序列预测集中该检测数据前预设长度个检测数据输入至训练好的接触力拉直线识别模型中，获得预测值，在所述预测值与该检测数据的差值超过误差阈值后，确定该检测数据为拉直线异常数据，其中该检测数据在时间序列预测集中的序号在预设标记值之后。2.如权利要求1所述的弓网接触力非区段异常识别方法，其特征在于，从待分析的弓网接触力检测数据中，筛选出离群值点，包括：以待分析的弓网接触力检测数据中每一个检测数据为圆心，根据预设的搜索半径对所述圆心和搜索半径构成的圆圈内的检测数据进行统计，在统计的检测数据的数量超过密度阈值时，将该圆心记为核心点；若待分析的弓网接触力检测数据中一个检测数据的搜索半径邻域内的检测数据的数量小于所述密度阈值，但落入核心点的邻域内，将该检测数据记为边界点；将待分析的弓网接触力检测数据中既不是核心点也不是边界点的检测数据，记为离群值点。3.如权利要求1所述的弓网接触力非区段异常识别方法，其特征在于，所述训练好的接触力拉直线识别模型采用如下步骤进行训练：将历史弓网接触力正常检测数据采用移动滑窗的方式处理为时间序列训练集，所述时间序列训练集包括m 1个正常检测数据，其中m为所述预设标记值；以时间序列训练集中前m个正常检测数据为输入，以时间序列训练集中第m 1个正常检测数据为输出，对接触力拉直线识别模型进行训练，获得训练好的接触力拉直线识别模型。4.如权利要求3所述的弓网接触力非区段异常识别方法，其特征在于，所述接触力拉直线识别模型采用3层lstm网络结构的lstm神经网络模型。5.如权利要求3所述的弓网接触力非区段异常识别方法，其特征在于，还包括：在确定该检测数据为拉直线异常数据之后，将所述时间序列预测集中该检测数据替换为所述预测值。6.一种弓网接触力非区段异常识别装置，其特征在于，包括：单值异常数据确定模块，用于从待分析的弓网接触力检测数据中，筛选出离群值点，确定所述离群值点为单值异常数据；数据处理模块，用于将待分析的弓网接触力检测数据采用移动滑窗的方式处理为时间序列预测集；拉直线异常数据确定模块，用于对时间序列预测集中每个检测数据，将时间序列预测集中该检测数据前预设长度个检测数据输入至训练好的接触力拉直线识别模型中，获得预测值，在所述预测值与该检测数据的差值超过误差阈值后，确定该检测数据为拉直线异常数据，其中该检测数据在时间序列预测集中的序号在预设标记值之后。7.如权利要求6所述的弓网接触力非区段异常识别装置，其特征在于，单值异常数据确定模块具体用于：
以待分析的弓网接触力检测数据中每一个检测数据为圆心，根据预设的搜索半径对所述圆心和搜索半径构成的圆圈内的检测数据进行统计，在统计的检测数据的数量超过密度阈值时，将该圆心记为核心点；若待分析的弓网接触力检测数据中一个检测数据的搜索半径邻域内的检测数据的数量小于所述密度阈值，但落入核心点的邻域内，将该检测数据记为边界点；将待分析的弓网接触力检测数据中既不是核心点也不是边界点的检测数据，记为离群值点。8.如权利要求6所述的弓网接触力非区段异常识别装置，其特征在于，还包括模型训练模块，用于：采用如下步骤进行训练接触力拉直线识别模型：将历史弓网接触力正常检测数据采用移动滑窗的方式处理为时间序列训练集，所述时间序列训练集包括m 1个正常检测数据，其中m为所述预设标记值；以时间序列训练集中前m个正常检测数据为输入，以时间序列训练集中第m 1个正常检测数据为输出，对接触力拉直线识别模型进行训练，获得训练好的接触力拉直线识别模型。9.如权利要求8所述的弓网接触力非区段异常识别装置，其特征在于，所述接触力拉直线识别模型采用3层lstm网络结构的lstm神经网络模型。10.如权利要求8所述的弓网接触力非区段异常识别装置，其特征在于，模型训练模块还用于：在确定该检测数据为拉直线异常数据之后，将所述时间序列预测集中该检测数据替换为所述预测值。11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述方法。12.一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执行权利要求1至5任一项所述方法的计算机程序。

技术总结
本发明提供了一种弓网接触力非区段异常识别方法及装置，该方法包括：从待分析的弓网接触力检测数据中，筛选出离群值点，确定所述离群值点为单值异常数据；将待分析的弓网接触力检测数据采用移动滑窗的方式处理为时间序列预测集；对时间序列预测集中每个检测数据，将时间序列预测集中该检测数据前预设长度个检测数据输入至训练好的接触力拉直线识别模型中，获得预测值，在所述预测值与该检测数据的差值超过误差阈值后，确定该检测数据为拉直线异常数据，其中该检测数据在时间序列预测集中的序号在预设标记值之后。本发明可以自动识别弓网接触力非区段异常，准确度高，效率高。效率高。效率高。


技术研发人员：杨劲松 邵奇 刘金朝 陶凯 郭剑峰 杨志鹏 彭楠
受保护的技术使用者：中国铁道科学研究院集团有限公司基础设施检测研究所 北京铁科英迈技术有限公司
技术研发日：2021.08.20
技术公布日：2021/11/5