本技術(shù)采用大數據智能分析算法，處理高速列車(chē)運行過(guò)程中產(chǎn)生的大量數據，智能辨識高速列車(chē)運行狀態(tài)。以高速列車(chē)外部受流裝備為對象，從受電弓狀態(tài)實(shí)時(shí)感知與能耗分項統計兩個(gè)角度，展示非侵入式智能感知技術(shù)在高速列車(chē)的最新應用。
1.受電弓狀態(tài)實(shí)時(shí)感知
獲取受電弓的原始信號并進(jìn)行預處理，獲取多個(gè)原始數據向量；對原始數據向量進(jìn)行多尺度分解，從每個(gè)子頻帶提取特征量并構建時(shí)序特征向量；將特征向量和受電弓故障的分類(lèi)標記作為特征映射數據，訓練故障識別預判機制；以原始數據向量和故障類(lèi)型分別作為輸入輸出數據，訓練故障識別模型。對受電弓的實(shí)時(shí)電流信號進(jìn)行處理，得到原始數據向量和特征向量，故障識別預判模型根據特征向量對受電弓進(jìn)行故障預判，若有故障，故障識別模型根據原始數據向量對受電弓的故障類(lèi)型進(jìn)行識別。實(shí)現列車(chē)運行狀態(tài)下，對受電弓進(jìn)行實(shí)時(shí)在線(xiàn)監測與故障類(lèi)型識別，且無(wú)需在列車(chē)外部及路網(wǎng)沿線(xiàn)另外加裝硬件設備。
2.列車(chē)能耗分項統計
通過(guò)大數據智能分析方法，結合位于電路關(guān)鍵位置部分傳感器提供的實(shí)時(shí)數據，可對動(dòng)力系統、空調系統、照明系統、廚衛系統、用戶(hù)交互系統等不同功能模塊，提供非侵入式能耗分項統計。統計結果能為鐵路管理部門(mén)提供參考，優(yōu)化列車(chē)運行管理模式，改進(jìn)各系統的運行機制，降低高速列車(chē)運行能耗。
應用前景：
高速列車(chē)智能感知技術(shù)一方面可以實(shí)現高速列車(chē)受電弓健康狀態(tài)的實(shí)時(shí)監測。如有故障發(fā)生，可以第一時(shí)間進(jìn)行調度作業(yè)，減少損失。另一方面，電力負荷監測可將用電功率監測細化到總負荷內部每個(gè)子系統的功率，從而實(shí)現對列車(chē)運行各子系統能耗的實(shí)時(shí)監測。有利于管理部門(mén)獲取高速列車(chē)運行過(guò)程中的實(shí)際能耗分布，可為提高列車(chē)服務(wù)品質(zhì)、降低運行能耗提供有益參考。
成熟度：產(chǎn)業(yè)化
