一种基于特征值检测的THDS系统探测结果有效性的识别方法

摘要

本发明公开了一种基于特征值检测的THDS系统探测结果有效性的识别方法，属于铁路货车运行故障检测领域；包括以下步骤：步骤一、选取轴承测温值无效的训练样本数据，对所有的32点电压值数据进行归一化处理；步骤二、对每一个归一化处理后的训练样本提取特征值，形成特征数据集；步骤三、利用训练样本的特征数据集生成并训练32点波形有效性分类器；步骤四、对采集到的32点波形利用有效性分类器进行有效性判断。本发明可增加特征值类型和对应的分类器以便提供更加准确的识别结果，可全自动运行，无需人工干预，识别速度快，同时输出识别结果和判断原因，便于使用者对识别结果进行复查。

说明书

技术领域

本发明属于铁路货车运行故障检测领域，具体涉及一种基于特征值检测的THDS 系统探测结果有效性的识别方法。

背景技术

THDS(红外线轴温探测系统)，又名铁路车辆轴温智能探测系统；利用轨边红外 线高速探头和智能跟踪装置实时检测运行车辆的轴承温度，进行跟踪预报，是及时发 现车辆热轴、预防热切轴，确保铁路运输安全的重要设备。

中华人民共和国铁道部颁发的《车辆轴温智能探测系统(THDS)设备检修维护 管理规程》中规定，THDS设备兑现率须达到70％以上。兑现率的计算方法如下：

运行的列车经过THDS设备时，红外探头会连续采集车辆轴承部位左右共50厘 米范围内的温度，实际采集值为电压值；将采集到的连续电压值在50厘米范围内平 均划分为32个区域，取出每个区域的最大值，即32点电压值；对数据32点电压值 进行归一化处理，得到的32个0～100区间的数值，形成波形图，表示轴温的32点 波形，称为“32点波形”；后由程序取出“32点波形”中的电压最大值并通过公式换 算为温度值，作为该轴承部位的最高温度，按照热轴预报标准进行预报。

在THDS系统完整的温度计算过程中，共有三组数据输出，分别是轴承部位连续 50厘米范围的电压值、32点电压值、32点电压最大值。

32点电压最大值是“32点波形”中最大的电压值，为一个或者多个相同值。

若对轴承附近连续50厘米范围内的所有电压值进行有效性识别，计算量太大， 容易影响系统的实时性；若对最终的32点电压最大值进行有效性识别，则由于特征 不明显无法准确识别。

因此一般采用对计算过程中生成的“32点波形”数据进行有效性识别，优化计 算量并提高识别准确性。

由于红外探头在探测过程中容易受到外界因素的影响，因此作为热轴预报依据的 “32点波形”的最大值有可能不是真实轴承的温度，若不对其进行异常检测，则容 易出现误报热轴的现象，降低兑现率。

发明内容

本发明的目的在于降低THDS系统热轴误报的数量，提高THDS设备的兑现率， 因此需要对测温结果的有效性进行判断，当发现在测温过程中存在异常干扰时，不预 报热轴或降级预报热轴。

一种基于特征值检测的使用THDS系统探测结果有效性的识别方法，具体步骤如 下：

步骤一、选取轴承测温值无效的训练样本数据，对所有的32点电压值数据进行 归一化处理；

步骤二、对每一个归一化处理后的训练样本提取特征值，形成特征数据集；

每个训练样本均有多个特征值，特征值包括：平顶点数特征值；波形宽度特征值； 饱和宽度特征值；饱和检测特征值；线段检测特征值；能量特征值；激热电压低标志； 下降沿点数最大值；电压最大最小值之差值；线段折的计数特征值；上升走势线段数 量；罐车、箱车阳光干扰标志和特殊特征值；所有的特征值组成特征数据集。

1、平顶点数特征值：

将每一个训练样本中的32点电压值均进行归一化处理后，得到的第一个最大数 值点及其左右两侧连续的超过阈值a的点数，作为平顶点数特征值；阈值a的范围是 80-100。

2、波形宽度特征值：

将每一个训练样本中的32点电压值均进行归一化处理后，得到的第一个最大数 值点及其左右两侧连续超过阈值a的点数，作为波形宽度特征值；

3、饱和宽度特征值：

当训练样本中的32点电压最大值超过9990毫伏但未超过10000毫伏时，将32 点电压值归一化后，对应的第一个最大数值点及其左右两侧连续超过阈值a的点数， 作为饱和宽度特征值；

4、饱和检测特征值；

饱和检测特征值：是指饱和时归一化后小于阈值b的点数；

当训练样本中的32点电压最大值超过9990毫伏但未超过10000毫伏时，将32 点电压值归一化后，统计数值小于阈值b的点数，作为饱和时归一化后小于20的点 数特征值，该特征值结果为数字；阈值b范围为：20-35；

5、线段检测特征值：

线段检测特征值包括：长线段数量特征值、上升沿特征值和平顶位置靠后标志；

51、长线段数量特征值：

采用线段走势判断方法形成的线段数组中，统计线段总数，忽略线段两端标号差 值为1且幅值小于阈值c的线段，作为长线段数量特征值；幅值是指线段两端的电压 值归一化后数值之差的绝对值；阈值c范围为：8-10。

52、上升沿特征值；

采用线段走势判断方法形成的线段数组中，在起始标号为阈值d的点之后，若起 始点和终止点出现幅值大于阈值e的上升沿，将特征值设为1，否则设为0。

阈值d范围为：6-10，阈值e范围为：40-50。

53、平顶位置靠后标志：

采用线段走势判断方法形成的线段数组中，若第一个横向走势线段的起始标号大 于阈值f且归一化后数值超过阈值a；将该训练样本标志设为1，否则设为0；

阈值f范围为：8-12，优选12；阈值a优选90；

线段走势的判断方法：

第一步：32点电压值进行归一化后，对32点波形图进行判断：

1)、从第一个标号开始，依次选取连续的两个标号，将归一化后对应的数值作差， 如果后一个数值与前一个数值的差值超过阈值g，则设置这两点为上升走势；反之如 果前一个数值与后一个数值的差值超过阈值g，设置为下降走势；阈值g范围为：4-6。

经过处理后，将32点电压值两两之间划分成线段，共计31条，分别标号为1-31， 即线段1对应的起止标号为0和1，依次类推。

2)、如果后一个数值与前一个数值的差值不超过阈值g，但加入第三点后，三点 对应的数值连续增大，且第三点与第一点对应的数值之差大于等于阈值c，则设置这 三点为上升走势；反之，加入第三点后，三点对应的数值连续减小，且第一点与第三 点数值之差大于等于阈值c，则设置这三点为下降走势。

3)、若不满足上述两个条件，则设置这两点为横向走势；

第二步：经过第一步后，若连续3条线段满足以下条件：线段1和线段3走势相 同，线段2为线段两端标号差值为1的横向走势线段，则将线段2设置为与线段1和 线段3相同的走势，将三条线段合并为一条线段；长度为1是指线段2的终止标号减 去起始标号的值为1；

第三步：若某条上升或下降线段的起止标号，对应点的电压差值不超过50毫伏， 则设置该线段走势为横向走势，即过滤了工业干扰信息可能造成的起伏；

第四步：合并连续且走势相同的线段；

最终按线段走势的判断得到的结果为：线段数组；

6、能量特征值：使用归一化后的32点数值之和；能量的结果位于0-3200之间。

7、激热电压低标志：当热级为激热时，32电压最大值未超过-3伏时，设置训练 样本中的激热电压低标志特征值为1，否则设置为0；

8、下降沿点数最大值；

根据线段走势的判断，将下降沿的线段起始标号和终止标号作差，结果的绝对值 为下降沿点数最大值；

9、电压最大最小值之差值；

每一个训练样本中的数据32点电压最大值与32点电压最小值作差，作为该特征 值。

10、线段折的计数特征值：

将连续两条线段走势为上升和下降或者下降和上升，折计数加一；连续三条线段 中，线段1、3走势为上升和下降或者下降和上升，线段2走势为横向走势，折计数 加一；

11、上升走势线段数量；

根据线段的走势，统计规定标号之间的线段上升走势的线段数量。

12、罐车、箱车阳光干扰标志：

当车型为G或X，且归一化后前三点数值均大于阈值a；且存在天空值高标志， 且轴位为1轴或3轴时，置本标志位为1，否则置为0；

13、特殊特征值：具体是2、4轴宽度特征值；

当探测站为逐鹿或茶屋，且轴位为2或4轴时计算本特征值，计算最大数值点及 其左右连续大于等于阈值a的点的数量。

步骤三、利用训练样本的特征数据集生成并训练32点波形有效性分类器。

对全部训练样本提取特征值后，通过对训练样本特征值的分析归纳，找出能够准 确区分训练样本和正常样本的有效性分类器参数。

有效性分类器包括：平顶检测分类器，波形宽度检测分类器，饱和宽度检测分类 器，饱和时两极分化检测分类器，长线段数量检测分类器，上升沿检测分类器，平顶 靠后检测分类器，能量检测分类器，激热电压低检测分类器，下降沿点数最大值检测 分类器，电压幅值检测分类器，线段折次数检测分类器，上升沿走势检测分类器，阳 光干扰检测分类器和2、4轴宽度检测分类器；

本发明中，结合步骤二中的各项特征值，创建的分类器如下：

所述的阈值a'范围为：2-4；阈值b'范围为：2-5；阈值c'为：5-7；阈值d'范 围为：4-7；阈值f'范围为：大于1且小于等于7；阈值g'范围为：大于等于500 且小于2500；阈值g"范围为：大于等于500且小于2200；阈值h'范围为：小于 15；阈值i'范围为0到2；阈值i"范围为：2到4。

步骤四、对采集到的32点波形进行有效性判断。

具体过程如下：

步骤401、对采集到的32点数据进行归一化处理；

将采集到的32点电压值，按着步骤一进行归一化处理。

步骤402、对归一化处理后的数值提取特征值；

对归一化后的数值，结合训练样本的数据；分别按着步骤二中的特征值对采集到 的数据进行计算，得到13类特征值结果。

步骤403、将特征值输入到有效分类器中进行检测。

将13类特征值加过输入到有效性分类器中进行检测；输出有效性识别结果，结 果显示：该特征值有效或无效，并输出详细的判断依据。

本发明的优点在于：

1)、本发明一种基于特征值检测的使用THDS系统探测结果有效性的识别方法， 可自动识别THDS设备探测结果的有效性，无需人工干预；

2)、本发明一种基于特征值检测的使用THDS系统探测结果有效性的识别方法， 可实时识别THDS设备探测结果的有效性，计算量小，不影响THDS设备正常工作；

3)、本发明一种基于特征值检测的使用THDS系统探测结果有效性的识别方法， 经过长时间大量数据的测试，识别率高，无误报。

附图说明

图1为本发明基于特征值检测的THDS系统探测结果有效性的识别方法流程图。

图2为本发明对采集到的32点电压值数据进行有效性判断的流程图。

具体实施方式

本发明涉及使用THDS系统进行铁路货车轴承温度探测结果有效性的识别方法， 提供一种基于特征值检测的对使用THDS系统进行铁路货车轴承温度探测结果有效 性的识别方法。具体过程包括对训练样本进行特征提取并生成有效性分类器以及应用 分类器进行有效性判断过程。

具体步骤如下：

步骤一、选取轴承测温值无效的训练样本数据，对所有的32点电压值数据进行 归一化处理；

为了提高有效性分类器的准确性，选用的样本为2013年1月1日至2014年10 月8日全国货运列车所有预报热级的轴承数据，全部样本数据共9952条。其中，预 报强激热的轴承数据是299条，实际由于干扰等因素影响而使最终测温值无效的数据 样本有114条，将这114条作为训练样本使用。剩余的185条样本数据称为正常样本。

每个训练样本数据包括：热级、THDS设备类型、辆序、轴位、内外探标志、车 型、32点电压最大值、32点电压最小值、32点电压值和天空值过高标志。

对数据32点电压值进行归一化处理，得到的32个0～100区间的数值，形成波 形图，表示轴温的32点波形。

其中32点电压值标号为0-31，0为起始标号，31为终止标号；每一个标号均对 应一个归一化处理后的数值。

步骤二、对每一个归一化处理后的训练样本提取特征值，形成特征数据集；

每个训练样本有多个特征值，特征值包括以下几种：平顶点数特征值；波形宽度 特征值；饱和宽度特征值；饱和检测特征值；线段检测特征值；能量特征值；激热电 压低标志；下降沿点数最大值；电压最大最小值之差值；线段折的计数特征值；上升 走势线段数量；罐车、箱车阳光干扰标志和特殊特征值。

1、平顶点数特征值：

将每一个训练样本中的32点电压值均进行归一化处理后，得到的第一个最大数 值点及其左右两侧连续的超过95的点数，作为平顶点数特征值；

例如：第一个最大数值点为100，其左侧归一化后数值超过95对应的连续标号 有2个点，其右侧数值超过95对应的连续标号有1个点，则该平顶点数的特征值为 4。

2、波形宽度特征值：

将每一个训练样本中的32点电压值均进行归一化处理后，得到的第一个最大数 值点及其左右两侧连续超过80的点数，作为波形宽度特征值；

例如：第一个最大数值点为100，其左侧归一化后数值超过80对应的标号连续 有2个点，其右侧超过80对应的连续标号有0个点，则该波形宽度的特征值为3。

3、饱和宽度特征值：

当训练样本中的32点电压最大值超过9990毫伏但未超过10000毫伏时，将32 点电压值归一化后，对应的第一个最大数值点及其左右两侧连续超过90的点数，作 为饱和宽度特征值；

该饱和宽度特征值结果为数字。

4、饱和检测特征值；

该特征值具体检测的是饱和时归一化后小于20的点数：

当训练样本中的32点电压最大值超过9990毫伏但未超过10000毫伏时，将32 点电压值归一化后，统计数值小于20的点数，作为饱和时归一化后小于20的点数特 征值，该特征值结果为数字；

5、线段检测特征值：

该特征值包括：长线段数量特征值、上升沿特征值和平顶位置靠后标志；

提取线段检测特征值之前，需要先进行线段走势的判断，得到线段数组，在进行 特征值的提取。

具体的线段走势判断方法为：

第一步：32点电压值进行归一化后，对32点波形图进行判断：

1)、从第一个标号开始，依次选取连续的两个标号，将归一化后对应的数值作差， 如果后一个数值与前一个数值的差值超过6，则设置这两点为上升走势；反之如果前 一个数值与后一个数值的差值超过6，设置为下降走势；

经过处理后，将32点电压值两两之间划分成线段，共计31条，分别标号为1-31， 即线段1对应的起止标号为0和1，依次类推。

2)、如果后一个数值与前一个数值的差值不超过6，但加入第三点后，三点对应 的数值连续增大，且第三点与第一点对应的数值之差大于等于10，则设置这三点为 上升走势；反之，加入第三点后，三点对应的数值连续减小，且第一点与第三点数值 之差大于等于10，则设置这三点为下降走势。

3)、若不满足上述两个条件，则设置这两点为横向走势；

第二步：经过第一步后，若连续3条线段满足以下条件：线段1和线段3走势相 同，线段2为长度为1的横向走势线段，则将线段2设置为与线段1和线段3相同的 走势，将三条线段合并为一条线段；长度为1是指线段2的终止标号减去起始标号的 值为1；

第三步：若某条上升或下降线段的起止标号，对应点的电压差值不超过50毫伏， 则设置该线段走势为横向走势，即过滤了工业干扰信息可能造成的起伏；

第四步：合并连续且走势相同的线段；

51、长线段数量特征值：

统计线段总数，忽略长度为1且幅值小于8的线段，作为长线段数量特征值；幅 值是指线段两端的电压值归一化后数值之差的绝对值；长线段数量的特征值结果为数 字。

52、上升沿特征值：

该特征值指10点以后大幅度上升沿标志：

在起始标号为10的点之后，若起始点和终止点出现幅值大于50的上升沿，将该 训练样本的10点以后大幅度上升沿标志设为1，否则设为0。

53、平顶位置靠后标志：

线段中，若第一个横向走势线段的起始标号大于12且归一化后数值超过90，将 该训练样本标志设为1，否则设为0；

6、能量特征值：使用归一化后的32点数值之和；能量的结果位于0-3200之间。

7、激热电压低标志：当热级为激热时，32电压最大值未超过-3伏时，设置训练 样本中的激热电压低标志特征值为1，否则设置为0。

8、下降沿点数最大值；

根据线段走势的判断，将下降沿的线段起始标号和终止标号作差，结果的绝对值 为下降沿点数最大值；

9、电压最大最小值之差值；

每一个训练样本中的数据32点电压最大值与32点电压最小值作差，作为该特征 值。

10、线段折的计数特征值：

将连续两条线段走势为上升和下降或者下降和上升，折计数加一；连续三条线段 中，线段1、3走势为上升和下降或者下降和上升，线段2走势为横向走势，折计数 加一；

例如：四条线段分别为上升、横向、下降、横向和上升，则线段折的计数特征值 为2。

11、上升走势线段数量；

该特征值是统计前5点的上升走势线段数量；

根据线段的走势，将标号为0-4的前5点之间的线段，统计上升走势的线段数量。 例如：如果标号从0到4之间一直为上升沿，则该特征值为1；如果线段为横向、上 升、横向和上升的线段，则该特征值为2。

12、罐车、箱车阳光干扰标志：

当车型为G或X，且归一化后前三点数值均大于80，且存在天空值高标志，且 轴位为1轴或3轴时，置本标志位为1，否则置为0；

13、特殊特征值：

该特征值指：特殊线路、特殊探测站、特种车型以及其他外界干扰的处理；具体 是2、4轴宽度特征值：

当探测站为逐鹿或茶屋，且轴位为2或4轴时计算本特征值，计算最大数值点 100及其左右连续大于等于90的点的数量。

第13项为可扩展项，可扩展更多针对特殊线路、特殊探测站、特种车型以及其 他外界干扰的特征值计算。

本发明所选取的特征值不仅仅限于上述，如果在实际使用过程中发现了上述特征 值以外的，可以明确表示“32点波形”为无效的特征值，那么这些特征值均包括在 本发明的范围内。

步骤三、利用训练样本的特征数据集生成并训练32点波形有效性分类器。

对全部训练样本提取特征值后，通过对训练样本特征值的分析归纳，找出能够准 确区分训练样本和正常样本的有效性分类器参数。

依据步骤二中提取的特征值，创建多个分类器，每个分类器使用步骤二中的一个 或多个特征值作为输入。

本发明中，结合步骤二中的各项特征值，创建的分类器如下：

分类器的数量不仅限于上表，由于特征值中第13项为可扩展项，因此分类器会 随着特征值项目的增加而增加；并且可能由于增加新的分类器，而对上表中的分类器 判断条件做出相应的修改。

步骤四、对采集到的32点波形进行有效性判断。

具体过程如下：

步骤401、对采集到的32点数据进行归一化处理；

将采集到的32点电压值，按着步骤一进行归一化处理。

步骤402、对归一化处理后的数值提取特征值；

对归一化后的数值，结合训练样本的数据：热级、THDS设备类型、辆序、轴位、 内外探标志、车型、32点电压最大值、32点电压最小值、32点电压值和天空值过高 标志；分别按着步骤二中的特征值对采集到的数据进行计算，得到13类特征值结果。

步骤403、将特征值输入到有效分类器中进行检测。

将13类特征值加过输入到有效性分类器中进行检测；输出有效性识别结果，结 果包括：有效性判断结果和判断依据，其中有效性判断结果输出信息包括有效和无效 两种，判断依据输出信息为该分类器的判断条件和输入参数的值。

如结果为：平顶检测，使用的特征值序号为：1.平顶点数；判为无效，原因：平 顶点数小于3。

当分类器对某一个特征值进行有效性判断，输出无效结果时，可直接输出有效性 判断结果为无效，并输出判断依据，或继续进行其他分类器的判断，输出完整的判断 依据，以便用户复查。

本发明综合运用了大数据挖掘技术，实现了对THDS探测结果有效性的自动评判， 避免由于外界干扰导致误报热轴的现象，对提高THDS系统的兑现率、保证列车安全、 正常、按时运行起到重要作用。