一种轨道车辆RAMS数据监测方法、电子设备及存储介质与流程

本发明涉及rams数据监测，特别是涉及一种基于大数据技术的轨道车辆rams数据监测方法。

背景技术：

1、随着轨道交通系统的不断发展，轨道车辆的可靠性、可用性、维修性和安全性(rams)数据监测成为了一个重要的课题。传统的轨道车辆rams数据监测方法主要依赖于人工巡检和传感器采集数据，存在着数据采集不全面、实时性差、数据处理效率低等问题。而大数据技术的快速发展为解决这些问题提供了新的思路。

2、大数据技术具有海量数据的高效处理能力，能够实现对轨道车辆各种数据的实时采集、存储、处理和分析。通过大数据技术，可以实现对轨道车辆rams数据的全面监测和分析，提高数据的准确性和可靠性，为轨道车辆的运行和维护提供更加科学的依据。

3、因此，基于大数据技术的轨道车辆rams数据监测方法成为了当前的研究热点。通过大数据技术，可以实现对轨道车辆各种数据的实时监测和分析，为轨道车辆的安全运行和维护提供更加可靠的支持。

技术实现思路

1、为解决上述问题，本发明实施例的目的在于提供一种基于大数据技术的轨道车辆rams数据监测方法。

2、一种基于大数据技术的轨道车辆rams数据监测方法，包括：

3、步骤1：获取各类车辆样本在不同rams指标下的运行数据；所述运行数据包括：电机电流、动力系统最大牵引力、最大车速、车辆核心温度、最大加速度、轮轴振动、轮轴载荷、车体倾斜角度、油箱剩余油量、燃油消耗速率、车辆内部湿度；

4、步骤2：对所述不同rams指标下的运行数据进行数据清洗得到数据清洗后的运行数据；

5、步骤3：根据数据清洗后的运行数据与相应车辆rams指标的相关度筛选出优化后的运行数据；

6、步骤4：将优化后的运行数据作为训练样本，输入到神经网络中进行训练得到轨道车辆rams数据预测模型；

7、步骤5：向所述轨道车辆rams数据预测模型中输入目标车辆的运行数据得到目标车辆的rams指标。

8、优选地，在所述步骤1中，车辆核心温度是通过以下步骤获取的：

9、步骤1.1：使用红外相机采集车辆样本的红外图像；

10、步骤1.2：对所述红外图像进行平滑处理得到平滑处理后的红外图像；

11、步骤1.3：计算所述平滑处理后红外图像上每个像素点的梯度方向；

12、步骤1.4：比较目标像素点在相应梯度方向上与相邻像素点之间像素值的大小，并提取出最大像素值所对应的目标像素点作为轮廓点，遍历整个平滑处理后的红外图像，得到车辆样本的核心温度红外轮廓图；

13、步骤1.5：根据核心温度红外轮廓图计算出车辆样本在相应位置的核心温度。

14、优选地，所述步骤1.2：对所述红外图像进行平滑处理得到平滑处理后的红外图像，包括：

15、步骤1.2.1：构建平滑窗口，使用平滑模型对平滑窗口内的红外图像进行平滑处理得到相应平滑窗口内的图像；其中，所述平滑模型为：

16、

17、式中，f(a,b)表示像素点(a，b)在平滑后的像素值，d为可调系数，x(a,b)表示像素点(a，b)在平滑窗口内的像素值，mean(a,b)表示平滑窗口内所有像素的均值，σx(a,b)表示平滑窗口内所有像素值的方差；

18、步骤1.2.2：滑动所述平滑窗口直到遍历完整个红外图像得到平滑处理后的红外图像。

19、优选地，在步骤1.3中，像素点的梯度方向计算公式为：

20、

21、其中，fx(xi,yj)表示平滑处理后红外图像在水平方向上的梯度值，fy(xi,yj)表示平滑处理后红外图像在垂直方向上的梯度值，f(xi,yj)表示平滑处理后红外图像在(xi,yj)位置处的灰度值，θ表示在(xi,yj)位置处像素点的梯度方向。

22、优选地，所述步骤3：根据数据清洗后的运行数据与相应车辆rams指标的相关度筛选出优化后的运行数据，包括：

23、步骤3.1：将数据清洗后的运行数据和车辆rams指标按照车辆剩余使用寿命顺序进行排列得到运行数据列队和rams指标列队；

24、步骤3.2：将所述运行数据列队和所述rams指标列队进行归一化处理得到归一化的运行数据列队和所述rams指标列队；

25、步骤3.3：依次将归一化的运行数据列队和所述rams指标列队做差得到数据序列；

26、步骤3.4：根据所述数据序列计算相关系数；

27、步骤3.5：根据所述相关系数构建相关度计算模型；

28、步骤3.6：将相关度小于预设阈值的运行数据去除，得到优化后的运行数据。

29、优选地，所述步骤3.4：根据所述数据序列计算相关系数，包括：

30、采用公式：

31、

32、计算相关系数；其中，r0j(k)表示差值系数，δj(k)＝|x0(k)-xj(k)|，j＝1,2,...,n，x0(k)表示在k剩余使用寿命下归一化的运行数据的数值，xj(k)表示在k剩余使用寿命下归一化的rams指标，δj(k)表示数据序列中第j个数值，m表示数据序列中最小值，m表示数据序列中最大值，ξ表示预设系数。

33、优选地，所述相关度计算模型为：

34、

35、其中，θ表示相关度。

36、优选地，在步骤3.2中，归一公式为：

37、

38、其中，x′pi为运行数据列队和rams指标列队的第i个变量在归一化后的数值，xpi为运行数据列队和rams指标列队的第i个变量的原始数值，min{x}为运行数据列队和rams指标列队中的最小值，max{x}为运行数据列队和rams指标列队中的最大值。

39、本发明还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现上述的一种基于大数据技术的轨道车辆rams数据监测方法中的步骤。

40、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的的一种基于大数据技术的轨道车辆rams数据监测方法中的步骤。

41、根据本发明提供的具体实施例，本发明公开了以下技术效果：

42、本发明涉及一种基于大数据技术的轨道车辆rams数据监测方法，与现有技术相比，本发明基于大数据技术可以快速获取大量车辆样本的运行数据，并通过数据清洗和筛选，提高了数据的准确性和可靠性，进而可以更准确地预测目标车辆的rams指标，从而提前发现潜在问题，减少故障风险。

43、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种轨道车辆rams数据监测方法，其特征在于，包括：

2.根据权利要求1所述的一种轨道车辆rams数据监测方法，其特征在于，在所述步骤1中，车辆核心温度是通过以下步骤获取的：

3.根据权利要求2所述的一种轨道车辆rams数据监测方法，其特征在于，所述步骤1.2：对所述红外图像进行平滑处理得到平滑处理后的红外图像，包括：

4.根据权利要求2所述的一种轨道车辆rams数据监测方法，其特征在于，在步骤1.3中，像素点的梯度方向计算公式为：

5.根据权利要求1所述的一种轨道车辆rams数据监测方法，其特征在于，所述步骤3：根据数据清洗后的运行数据与相应车辆rams指标的相关度筛选出优化后的运行数据，包括：

6.根据权利要求5所述一种轨道车辆rams数据监测方法，其特征在于，所述步骤3.4：根据所述数据序列计算相关系数，包括：

7.根据权利要求5所述一种轨道车辆rams数据监测方法，其特征在于，所述相关度计算模型为：

8.根据权利要求5所述一种轨道车辆rams数据监测方法，其特征在于，在步骤3.2中，归一公式为：

9.一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-8中任一项所述的一种轨道车辆rams数据监测方法中的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的一种轨道车辆rams数据监测方法中的步骤。

技术总结
本发明涉及一种轨道车辆RAMS数据监测方法、电子设备及存储介质，包括：获取各类车辆样本在不同RAMS指标下的运行数据；根据数据清洗后的运行数据与相应车辆RAMS指标的相关度筛选出优化后的运行数据；将优化后的运行数据作为训练样本，输入到神经网络中进行训练得到轨道车辆RAMS数据预测模型；向轨道车辆RAMS数据预测模型中输入目标车辆的运行数据得到目标车辆的RAMS指标。本发明基于大数据技术可以快速获取大量车辆样本的运行数据，并通过数据清洗和筛选，提高了数据的准确性和可靠性，进而可以更准确地预测目标车辆的RAMS指标，从而提前发现潜在问题，减少故障风险。

技术研发人员：李艳娇,郑瑞防,何玲利,蔡丹
受保护的技术使用者：中车长春轨道客车股份有限公司
技术研发日：
技术公布日：2024/4/17