低黏着风险在线评估方法、设备、存储介质与流程

本申请涉及轨道交通，尤其涉及一种低黏着风险在线评估方法、设备、存储介质。

背景技术：

1、近几十年来，由于追求一种更快速、更可靠、更密集的轨道交通运输，以满足日益增长的公共交通需求，人们特别关注了黏着方面的限制。虽然技术的进步促进了车辆牵引和制动能力的提高，但轨道交通运输的特点仍然是钢轮钢轨在开放系统中运行。因此，轮轨接触仍然很容易被水、树叶或油脂等所污染，导致世界各地的许多铁路遭受低黏着问题。

2、轮轨黏着问题一直是铁路工作者关注的重要问题之一，影响轮轨黏着的因素有很多，黏着过程也十分复杂，很多因素都会引起低黏着的现象发生。低黏着现象最直接的就是影响列车的牵引和制动，导致列车制动距离增加，威胁列车运营安全，特别是在以虚拟编组运行的列车车队中，由于追踪距离较近，发生严重打滑事件从而导致列车相撞的风险陡然提升。此外低黏着问题会对轮轨造成损伤，增加车辆和线路的维修费用。

3、国内对于黏着估计的研究主要集中在两个研究方向，方向一是黏着特征数值研究，主要是探究影响黏着的因素以及对应的影响关系；方向二是黏着系数理论建模研究，主要是探究黏着系数的物理建模，目的提出一个理论公式能够计算黏着系数，无论哪个方向都是以学术研究为主。无论哪种研究方向，都属于静态的，离线的对实验数据进行拟合分析，然而关键的问题是实验室所制造的环境条件，工程现实可能没有有效的手段进行监测。比如研究水与黏着系数的关系，使用实验室轮轨试验平台，通过控制流水速率模拟不同水介质条件，以达到控制变量的目的，但是实际运营环境，水量则无法直接通过传感器获得，因此研究还仅仅停留在学术研究，未能向工程应用迈出实际一步。

4、在国外，特别是欧洲，在秋季由于轨道受到降雨和落叶的影响，会导致非常高概率的低黏着事件，因此一直以来就有对于黏着风险进行预测做法，并往往由气象公司进行提供。对于预测低黏着风险所使用的方法、提前期(最早提前多少天)、空间及时间的分辨率因供应商的不同而不同。然而，所有的黏着风险预测都是预测安全性或性能问题发生的概率，并没有普遍地计算轮轨黏着系数，且强烈依赖专家经验，主观性较强。

技术实现思路

1、为了解决上述技术缺陷之一，本申请提供了一种低黏着风险在线评估方法、设备、存储介质。

2、本申请第一个方面，提供了一种低黏着风险在线评估方法，方法包括：

3、基于位于列车和轨旁的数据采集设备，获取黏着系数影响数据；黏着系数影响数据包括：轮轨接触面数据、环境数据、列车数据、线路数据；

4、通过图像处理模型，获取轮轨接触面数据中的摩擦特征；

5、通过无监督学习算法，对轮轨接触面数据进行分类，得到轨面特征；

6、通过回归模型，对摩擦特征、轨面特征和环境数据进行拟合，得到轨道摩擦系数；

7、结合轨道摩擦系数、列车数据和线路数据，进行低黏着风险在线评估。

8、可选地，通过无监督学习算法，对轮轨接触面数据进行分类，得到轨面特征，包括：

9、通过无监督学习算法，确定轮轨接触面数据中的底层结构，并基于底层结构之间的相似性，对轮轨接触面数据进行分类；

10、根据每类的轮轨接触面数据，提取轨面特征；

11、轨面特征包括如下的一种或多种：轮轨接触面数据中黑色像素的数量，轮轨接触面数据中橙色像素的数量，轨面的平均颜色，沿轨和跨轨方向的一阶导数之和。

12、可选地，基于位于列车和轨旁的数据采集设备，获取黏着系数影响数据，包括：

13、获取图像采集设备采集的轨面的图片信息，根据图片信息得到轮轨接触面数据；图像采集设备垂直地面向轨面；图像采集设备位于列车上或者位于轨旁；

14、基于位于轨旁的温湿度传感器，获取环境数据；

15、基于列车的数据文件以及通过位于列车的信息接口，获取列车数据；

16、基于列车的线路设计文件以及列车的实时位置，计算线路数据。

17、可选地，通过图像处理模型，获取黏着系数影响数据之后，还包括：

18、对图像类的黏着系数影响数据进行降维处理；

19、对数值类的黏着系数影响数据进行清洗和归一化处理。

20、可选地，降维处理方法包括如下的一种或多种：随机投影降维方法，主成分分析降维方法，截断奇异值分解降维方法，线性判别分析降维方法，多维尺度变换降维方法，同位图降维方法，局部线性嵌入降维方法，t分布随机邻居嵌入降维方法，随机数降维和光谱嵌入降维方法。

21、可选地，归一化处理包括如下的一种或多种：max-min归一化方法，z-score归一化方法，标准差归一化。

22、可选地，回归模型包括如下的一种或多种：多元线性回归模型，多元多项式回归模型，神经网络模型，高斯过程回归模型。

23、可选地，结合轨道摩擦系数、列车数据和线路数据，进行低黏着风险在线评估之后，还包括：

24、根据低黏着风险在线评估结果，对列车单元进行安全预警和控制策略调整。

25、本申请第二个方面，提供了一种电子设备，包括：

26、存储器；

27、处理器；以及

28、计算机程序；

29、其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上述第一个方面所述的方法。

30、本申请第三个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行以实现如上述第一个方面所述的方法。

31、本申请提供一种低黏着风险在线评估方法、设备、存储介质，该方法包括：基于位于列车和轨旁的数据采集设备，获取黏着系数影响数据；黏着系数影响数据包括：轮轨接触面数据、环境数据、列车数据、线路数据；通过图像处理模型，获取轮轨接触面数据中的摩擦特征；通过无监督学习算法，对轮轨接触面数据进行分类，得到轨面特征；通过回归模型，对摩擦特征、轨面特征和环境数据进行拟合，得到轨道摩擦系数；结合轨道摩擦系数、列车数据和线路数据，进行低黏着风险在线评估。

32、本申请可以利用位于列车和轨旁的数据采集设备，得到黏着系数影响数据，基于黏着系数影响数据评估低黏着风险，实现在线评估。

技术特征：

1.一种低黏着风险在线评估方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述通过无监督学习算法，对所述轮轨接触面数据进行分类，得到轨面特征，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于位于列车和轨旁的数据采集设备，获取黏着系数影响数据，包括：

4.根据权利要求1所述的方法，其特征在于，所述获取黏着系数影响数据之后，还包括：

5.根据权利要求4所述的方法，其特征在于：降维处理方法包括如下的一种或多种：随机投影降维方法，主成分分析降维方法，截断奇异值分解降维方法，线性判别分析降维方法，多维尺度变换降维方法，同位图降维方法，局部线性嵌入降维方法，t分布随机邻居嵌入降维方法，随机数降维和光谱嵌入降维方法。

6.根据权利要求4所述的方法，其特征在于，归一化处理包括如下的一种或多种：max-min归一化方法，z-score归一化方法，标准差归一化。

7.根据权利要求1所述的方法，其特征在于，回归模型包括如下的一种或多种：多元线性回归模型，多元多项式回归模型，神经网络模型，高斯过程回归模型。

8.根据权利要求1所述的方法，其特征在于，所述结合所述轨道摩擦系数、所述列车数据和所述线路数据，进行低黏着风险在线评估之后，还包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；所述计算机程序被处理器执行以实现如权利要求1-8任一项所述的方法。

技术总结
本申请提供一种低黏着风险在线评估方法、设备、存储介质，该方法包括：基于位于列车和轨旁的数据采集设备，获取黏着系数影响数据；黏着系数影响数据包括：轮轨接触面数据、环境数据、列车数据、线路数据；通过图像处理模型，获取轮轨接触面数据中的摩擦特征；通过无监督学习算法，对轮轨接触面数据进行分类，得到轨面特征；通过回归模型，对摩擦特征、轨面特征和环境数据进行拟合，得到轨道摩擦系数；结合轨道摩擦系数、列车数据和线路数据，进行低黏着风险在线评估。本申请可以利用位于列车和轨旁的数据采集设备，得到黏着系数影响数据，基于黏着系数影响数据评估低黏着风险，实现在线评估。

技术研发人员：韩康,王伟,郜春海
受保护的技术使用者：交控科技股份有限公司
技术研发日：
技术公布日：2024/1/15