道岔运维质量预测分析系统

技术领域

本申请涉及一种道岔运维质量预测分析系统。

背景技术

道岔是列车转入或越过轨道时必要的设备，是铁路的重要组成部分。尖轨位于道岔的弯轨部位。列车在通过尖轨时需要进行转弯，此过程中列车会给钢轨带来巨大的横向冲击力，此过程造成了道岔尖轨会出现各种不同的损伤，如变形、磨损、裂纹、腐蚀甚至断裂并造成多起列车脱轨事故，严重影响了列车的安全运行。因此需要不断对道岔尖轨的状态进行检测、养护和维修，以保证道岔尖轨的安全性能。目前钢轨中基本轨的检测方法有人工法、超声波探伤法和钢轨探伤车，虽然能够在解决尖轨的检测问题，但是上述方法均无法对尖轨的运行状态进行实时。

在相关技术中，采用电极检测的方法虽然能实现在线对损伤情况进行预警和提醒，但是无法防患于未然，因为根据一般经验给出报警阈值，往往没有结合道岔的实际工作情况，并且在报警发生后，除非是非常明显的损伤通过人工或视频在线确认后由维护人员维修或更换，在损伤不明显但有可能发展成危险时，往往依赖监管人员的经验和历史数据。

另外一方面，由于现有的道岔损伤监测，往往针对的是道岔本身，旨在于及时维修和更换道岔，但是并没有探究造成道岔损伤的车辆原因，一旦车辆本身存在造成道岔损伤的故障，则无法及时获取数据和进行维修。

另外一方面，由于维修和更换道岔的轨道，导致监测设备需要重新布设，现有方案往往采用手动输入方式进行组网和布设，这无疑增加了工作量，同时也容易因为人为原因造成布设数据存在错漏。

发明内容

一种道岔运维质量预测分析系统，包括：若干道岔监测子系统，用于监测道岔的质量数据；服务器，用于存储和处理所述道岔监测子系统的监测数据；若干监测终端，用于供工务段维护人员使用以获取来自所述服务器数据；其中，所述道岔监测子系统包括：伤损监测单元，用于安装于轨道以检测轨道的质量参数；伤损监测分机，用于与所述轨道伤损监测单元进行信号交互以获取轨道的质量数据；所述伤损监测单元包括：电极，用于安装于轨道以构成监测轨道所需的等效电路；第一类UWB标签模块，用于发送或接收UWB信号；RFID标签模块，用于存储所述伤损监测单元的识别数据； IMU检测模块，用于检测所述伤损监测单元的惯性数据；所述伤损监测分机包括：电学检测模块，用于电性连接至所述电极以获取与轨道质量相关的电学数据；UWB基站模块，用于检测所述第一类UWB标签模块的位置；RFID读写模块，用于读取或写入所述RFID标签模块内的识别数据；分机处理器，用于处理所述电学检测模块、UWB基站模块和RFID读写模块的数据；其中，所述分机处理器用于将所述电学检测模块的电学数据、所述第一类UWB标签模块的位置数据、所述RFID标签的识别数据、所述IMU检测模块的惯性数据进行匹配并传输至所述服务器。

进一步地，所述道岔运维质量预测分析系统包括：车辆检测子系统，设置于行驶与铁路的车辆并用于与所述伤损监测分机进行数据或信号的交互。

进一步地，所述伤损监测分机还包括：车辆检测模块，用于检测当前通过道岔的车辆的速度；车辆识别模块，用于获取当前通过道岔的车辆的识别信息；车辆交互模块，用于与当前通过道岔的车辆检测子系统交互数据。

进一步地，所述车辆检测模块、车辆识别模块以及车辆交互模块与所述分机处理器构成电性连接。

进一步地，所述车辆检测子系统包括：第二类UWB标签模块，用于与所述UWB 基站模块构成信号交互以使所述分机处理器获知所述第二类UWB标签模块的位置数据。

进一步地，所述第二类UWB标签模块为多个且分别安装至车辆的不同位置。

进一步地，所述服务器包括：神经网络系统，将所述电学检测模块的电学数据、所述第一类UWB标签模块的位置数据、所述RFID标签的识别数据、所述IMU检测模块的惯性数据以及道岔维护数据作为训练神经网络系统中人工神经网络的数据，其中所述电学检测模块的电学数据、所述第一类UWB标签模块的位置数据、所述RFID标签的识别数据、所述IMU检测模块的惯性数据中的一种或几种的结合作为输入层数据，将所述道岔维护数据作为输出层数据。

进一步地，所述道岔维护数据包括使用寿命、伤损情况或警报等级。

进一步地，所述服务器使用所述神经网络系统根据所述电学检测模块的电学数据、所述第一类UWB标签模块的位置数据、所述RFID标签的识别数据、所述IMU检测模块的惯性数据中的一种或几种预测所述道岔维护数据。

进一步地，所述服务器分为数据服务器和应用服务器，所述神经网络系统设置于应用服务器。

本申请的有益之处在于：提供一种监测数据多元化且更为智能化的道岔运维质量预测分析系统。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请一种实施例的道岔运维质量预测分析系统的结构示意框图；

图2是根据本申请一种实施例的道岔运维质量预测分析系统中伤损监测单元的结构示意框图；

图3至图8为本申请一种实施例的道岔运维质量预测分析系统中操作界面的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。

此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

如图1所示，本申请的道岔运维质量预测分析系统包括：若干道岔监测子系统、服务器、若干监测终端。

其中，道岔监测子系统用于监测道岔的质量数据，道岔监测子系统设置于各个道岔处，用于监测每个道岔的数据。服务器用于存储和处理道岔监测子系统的监测数据。监测终端用于供工务段维护人员使用以获取来自服务器数据。

作为具体方案，监测终端可以由专用的设备构成，也可以采用诸如智能手机或平板电脑实现。

作为具体方案，服务器可以采用云服务器。

作为具体方案，道岔监测子系统包括：伤损监测单元和伤损监测分机，一个伤损监测分机可以对应若干个伤损监测单元，伤损监测单元可以被构造为或连接有螺栓结构或夹持安装结构，从而使伤损监测单元能够结合至道岔的轨道处，比如结合到道岔的尖轨、心轨和翼轨处。因此，伤损监测单元也可以分为尖轨伤损监测单元、心轨伤损监测单元和翼轨伤损监测单元。

作为具体方案，伤损监测单元用于安装于轨道以检测轨道的质量参数；伤损监测分机用于与轨道伤损监测单元进行信号交互以获取轨道的质量数据。这里所指的轨道质量数据包括但不限于轨道的损伤数据。

具体而言，伤损监测单元包括：电极、第一类UWB标签模块、RFID标签模块、IMU检测单元。作为优选方案，伤损监测单元还可以包括温度或者其他参数的检测装置。

作为一种优选方案，伤损监测单元包括两部分，其中一部分构成电极或者螺纹结构等用于实现物理接触和安装一次性结构部，这部分在更换轨道时可以丢弃或更换，而诸如第一类 UWB标签模块、RFID标签模块、IMU检测单元封装而成的重复使用的复用结构部分可以采用物理接口和电气接口更换到不同一次性结构部上从而构成用于更换的伤损监测单元，换言之，即伤损监测单元可以采用一次性使用和多次使用两个部分组成，从而在节约成本基础上不影响换装后的结构强度。

其中，电极用于安装于轨道以构成监测轨道所需的等效电路；采用电测量原理在线监测钢轨状态，当尖轨(或心轨、翼轨)发生伤损时，会在其内部产生裂纹，或者由于表面伤损引起尖轨体积和质量的变化。无论是裂纹还是尖轨体积缺失(表面伤损)，在电学上都会对应产生阻抗、容抗、感抗的变化。通过在尖轨、心轨和翼轨现有螺孔内安装监测电极，监测采集分机发出合适频率找到测量钢轨区段的等效电路在裂纹伤损时产生的阻抗敏感变化。通过对比伤损前后阻抗的变化来定性判断伤损，并能够定量报告伤损程度。

第一类UWB标签模块用于发送或接收UWB信号；第一类UWB标签作用主要在于定位伤损监测单元的位置数据，RFID标签模块用于存储伤损监测单元的识别数据，即保存用于识别伤损监测单元识别数据的RFID标签；IMU检测模块用于检测伤损监测单元的惯性数据，IMU检测模块主要用来检测伤损监测单元受到的振动情况，主要检测轨道在道岔变动移动，以及在铁路车辆路过时，监测铁轨受到的冲击和振动。

伤损监测分机包括：电学检测模块、UWB基站模块和RFID读写模块，具体而言，电学检测模块用于电性连接至电极以获取与轨道质量相关的电学数据；UWB基站模块用于检测第一类UWB标签模块的位置；RFID读写模块用于读取或写入RFID标签模块内的识别数据；分机处理器用于处理电学检测模块、UWB基站模块和RFID读写模块的数据。

分机处理器用于将电学检测模块的电学数据、第一类UWB标签模块的位置数据、RFID 标签的识别数据、IMU检测模块的惯性数据进行匹配并传输至服务器。

具体而言，分机处理器将每个伤损监测单元的各项数据进行匹配和封装，然后传输至服务器，UWB定位数据和RFID识别数据主要用于识别和分辨伤损监测单元，电学数据主要用于分析轨道的受损情况，IMU检测模块获取的数据用于反映轨道受到冲击的情况，通过惯性数据和电学数据进行比对进一步排除电学检测产生噪音，提高准确性。

作为一种具体方案，维护人员在进行更换和铺设时，可以通过手持RFID读取设备和伤损监测分机的数据采集，可以实现对整体轨道更换过程的记录和数据重置，当维修或更换时，伤损监测分机处于维修记录状态，当伤损监测分机检测伤损监测单元产生较大位移并检测到伤损监测单元复位时，通过在线视频等方案确定现场完成了更换。

作为本申请技术方案的一个技术方向，路道岔质量监测分析系统包括：车辆检测子系统。其中，车辆检测子系统设置于行驶与铁路的车辆并用于与伤损监测分机进行数据或信号的交互。

具体而言，就是轨道车辆通过车辆检测子系统将车辆通过道岔时的数据与车辆运行数据捆绑起来反馈给服务器。

作为具体方案，伤损监测分机还包括：车辆检测模块、车辆识别模块和车辆交互模块。其中，车辆检测模块用于检测当前通过道岔的车辆的速度；车辆识别模块用于获取当前通过道岔的车辆的识别信息；车辆交互模块用于与当前通过道岔的车辆检测子系统交互数据。

车辆检测模块可以采用测速仪等模块组成，它们检测车辆的速度。车辆识别模块和车辆交互模块可以由一个具有无线通讯功能装置或芯片构成，其在车辆进入到制定范围内时，与车辆进行数据交互以同时实现识别车辆和交换数据的目的。

这样服务器可以获取车辆作为数据归集的数据组，然后比对相同车型的其他车辆在通过同一道岔时的电学数据和惯性数据，从而判断是否存在较为异常的车辆容易对道岔造成损失，避免危险发生概率，同时降低维护更换轨道损耗。

为了能够更精确获取车辆具体位置对道岔造成的影响，车辆检测子系统包括：第二类 UWB标签模块。第二类UWB标签模块用于与UWB基站模块构成信号交互以使分机处理器获知第二类UWB标签模块的位置数据。

车辆检测子系统还包括：车辆处理器，车辆处理器处理第二类UWB标签模块的数据，车辆处理器具有无线通讯功能，其可以与车辆其他系统构成数据交互，并且其能通过远程无线通讯上传数据到服务器。

作为一种优选方案，服务器可以为云服务器，作为一种扩展方案，服务器按照功能可以包括应用服务器和数据服务器。它们分别用于实现应用功能和进行数据存储。

具体而言，在车辆的每节车厢设有第二类UWB标签模块，作为更精确的方案，第二类 UWB标签模块为多个且分别安装至车辆的不同位置，比如可以在对应每个车轮位置设置第二类UWB标签模块，从而在车辆通过道岔区域时，获取对应每个车厢位置的数据，也就是通过位置检测从而将采集的数据按照车辆对应位置通过道岔时间段进行切分，从而获知对应到车厢的轨道质量数据。

具体而言，在车辆进入距离道岔的预设范围时，伤损监测分机打开车辆检测模块、车辆识别模块和车辆交互模块；并开始进行UWB信号交互，从而在车辆经过道岔时，获得定位数据，车辆速度模块测量车辆的速度，车辆交互模块将定位数据以及车辆速度数据发送至车辆，车辆再上传至服务器，然后通过将数据都对应到检测时的时间，从而将伤损数据与车辆数据对应起来。

作为一种扩展方案，服务器包括：神经网络系统。该神经网络系统根据系统能够获取数据进行深度学习，并将维护人员根据人工经验的判断结果对应神经网络系统中。

作为一种可选方案，神经网络系统为卷积神经网络，其采用检测到监控数据作为输入，将损失的时间点作为输出。

作为具体方案，将电学检测模块的电学数据、第一类UWB标签模块的位置数据、RFID 标签的识别数据、IMU检测模块的惯性数据以及道岔维护数据作为训练神经网络系统中人工神经网络的数据，其中电学检测模块的电学数据、第一类UWB标签模块的位置数据、RFID 标签的识别数据、IMU检测模块的惯性数据中的一种或几种的结合作为输入层数据，将道岔维护数据作为输出层数据。道岔维护数据包括使用寿命、伤损情况或警报等级。

在配置系统时，设置一个数据服务器，该数据服务器设置神经网络，在其启用之前，首先通过大量数据输入和结果对其进行训练，形成训练集合，然后采用未经过输入的数据进行验证，形成校验集合，评价校验结果，当校验结果满足准确率要求后，将神经网络投入使用，当其准确预测了故障放生时间点时，将该组检测数据归集为训练集或校验集，以便在调整神经网络某些参数调整之后，重新进行训练。

作为一种可选方案，可以设置两个不同服务器以布置两个神经网络，一个用于日常监测，另一个作为备用，当日常监测的神经网络进行调整时，备用的神经网络开启工作。在日常工作中，备用神经网络也会共享日常监测的神经网络数据以训练和输出，当两个神经网络给出的结果差异较大时，需要人工判断介入。

作为进一步的方案，可以将车辆的信息和数据也输入到神经网络中作为学习的数据，当神经网络学习建立数据模型后，将数据输入到服务器的神经网络中，可以获得参考数据，在超前预计损伤风险的发生，然后通过人工确认后，再次修正数据神经网络模型从而提高神经网络评估的准确率。

这样将大数量的维护人员经验固化在服务器中，从而更加准确和超前预知风险情况，从而及时维护或更换避免危险发生。

参照图3至图8所示，作为本申请的应用层面，图3至图8示出了本申请一个实施例的操作界面。

具体而言，如图3所示，进入常规监控状态，监控面板停留在线路段监控界面，当发生报警时，在对应站点位置和右上角将出现报警提示，并发出语音告警。

如图4所示，查看报警设备，点击监控图上的对应图标，依次进入站场图，道岔图查看报警位置。

如图5所示，点击报警钢轨区段或者右上角，跳转到未确认报警信息观察伤损报警的伤损指数，0-100指示伤损程度，当伤损指数大于100时，为钢轨完全断裂。

如图6所示，现场勘测发现钢轨依然能够正常使用，则确认报警，在报警确认信息当中填入“伤损跟踪标签，”便于后续跟踪该钢轨的历史伤损。

如图7所示，继续进入常规监控状态，当发生报警时，通过历史报警功能，查看历史上该钢轨的损伤跟踪信息。

如图8所示，现场勘探是否需要换轨，如需换轨，完成换轨后，则在系统中确认该报警。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。