一种长距离无源感知的轨道交通健康监测系统及方法与流程

1.本发明涉及轨道交通技术领域，具体为一种长距离无源感知的轨道交通健康监测系统及方法。


背景技术：

2.在全国城市轨道交通步入高峰的背景下，轨道交通信息化已成为不可忽视的研究方向。轨道在使用的过程中，会受到外界因素的影响，进而会产生形变，轨道形变量直接关乎到轨道在使用过程中发生故障的几率，轨道形变量越大则轨道在使用过程中发生故障的几率越大，进而严重影响轨道交通的健康状态，影响火车的出行，因此人们需要对轨道形变量进行监测。
3.无源感知是在传统的感知技术的基础上替换电源供应部分而使用从环境中捕获到的能量来执行感知任务的一种感知方式。
4.现有的基于无源感知的轨道交通健康监测系统中，是基于多项轨道几何不平顺参数的局部峰值和区段均值结合车体振动加速度的评价标准，进而对轨道不平顺状态进行分析的，但是其监测结果只是根据现有的轨道数据筛选出轨道不平顺状态对应的异常数据区间，无法提前对轨道交通的健康状态进行预测并对检修时间进行预警。


技术实现要素：

5.本发明的目的在于提供一种长距离无源感知的轨道交通健康监测系统及方法，以解决上述背景技术中提出的问题。
6.为了解决上述技术问题，本发明提供如下技术方案：一种长距离无源感知的轨道交通健康监测方法，所述方法包括以下步骤：
7.s1、通过无源感知设备中的传感器实时获取待测轨道不同监测点分别对应轨道形变量，将无火车通过时的轨道形变量记为静态形变量，将有火车通过时的轨道形变量与历史数据中相同编号传感器监测结果中最近的静态形变量的差值记为轨道动态形变量，
8.并将编号为i的传感器在时间t时监测到的轨道静态形变量及轨道动态形变量构建成一个数组，记为[i，t，ait，dit]，所述ait表示编号为i的传感器在时间t时监测到的轨道静态形变量，所述dit表示编号为i的传感器在时间t时监测到的轨道动态形变量，
[0009]
当时间t时火车经过编号为i的传感器对应的监测点时，则判定ait的值为编号为i的传感器的监测结果中，在时间t之前且与t最近的无火车通过时的轨道形变量，dit的值为编号为i的传感器的监测结果中，时间t对应的轨道形变量与ait的差值，
[0010]
当时间t时火车未经过编号为i的传感器对应的监测点时，则判定ait的值为编号为i的传感器的监测结果中，时间t对应的轨道形变量，dit的值为0；
[0011]
s2、获取历史数据中各个传感器监测数据对应的数组，分析待测轨道中轨道动态形变的恢复偏差值与轨道动态形变值之间的关系g1i，所述轨道静态形变值等于轨道环境静态形变值与轨道动态形变的综合恢复偏差值之和，所述轨道动态形变的综合恢复偏差值
为待测轨道中，各个轨道动态形变值在恢复的过程中产生的轨道动态形变的恢复偏差值之和；
[0012]
s3、根据s2中的分析结果，预测待测轨道静态形变量与轨道运行时长的关系函数g2i；
[0013]
s4、获取历史数据库中轨道发生故障时对应的轨道综合形变量，所述待测轨道综合形变量等于待测轨道静态形变值与轨道动态形变值之和，分析轨道故障概率与轨道综合形变量之间的关系h＝g3i(u1)；
[0014]
s5、结合待测轨道综合形变量与轨道运行时长的关系函数及轨道故障概率与轨道综合形变量之间的关系，获取待测轨道运行时长与轨道故障概率之间的关系，计算待测轨道故障概率为第一阈值时对应的轨道运行时长，并呈现给待测轨道监管员，进而提前对待测轨道进行检修，所述第一阈值为数据库中预制的常数。
[0015]
进一步的，所述s2中分析待测轨道中轨道动态形变的恢复偏差值与轨道动态形变值之间的关系的方法包括以下步骤：
[0016]
s2.1、获取编号为i的传感器对应的各个数组[i，t，ait，dit]，将数组中第四个值不为0且t值连续的各个数组划分为一簇，按时间先后顺序对各簇分别进行编号，
[0017]
获取参照组传感器对应的各个数组，所述参照组传感器为获取的各个数组中的第四个值始终为0的传感器；
[0018]
s2.2、构建第一类型数据对(a1，a2)，s2.1中获取的编号为i的传感器对应各簇中除最后一簇之外的每一簇均对应一个第一类型数据对，所述a1表示编号为i的传感器相应簇中各个数组内第四个值的最大值，
[0019]
计算a1相应簇的后一簇中各个数组内第三个值的平均值，记为a3，获取a1相应簇的后一簇中各个数组对应的最小时间b1及最大时间b2，得到时间区间[b1，b2]，计算参照组传感器监测结果中，对应时间区间为[b1，b2]的各个数组内第三个值的平均值，记为a4，所述a2等于a3与a4的差值，
[0020]
计算a1相应簇中各个数组内第三个值的平均值，记为a5，获取a1相应簇中各个数组对应的最小时间b3及最大时间b4，得到时间区间[b3，b4]，计算参照组传感器监测结果中，对应时间区间为[b3，b4]的各个数组内第三个值的平均值，记为a6，所述a2等于(a3-a4)-(a5-a6)；
[0021]
s2.3、以o1为原点、以轨道动态形变值为x1轴、以轨道动态形变的恢复偏差值为y1轴，构建第一平面直角坐标系，并将s2.2中获取的各个第一类型数据在第一平面直角坐标系中相应的坐标点进行标注；
[0022]
s2.4、根据数据库中预制的第一函数模型对第一平面直角坐标系中标注的坐标点进行线性拟合，得到待测轨道中编号为i的传感器对应轨道动态形变的恢复偏差值与轨道动态形变值之间的关系g1i，
[0023]
所述第一函数模型为分段函数，
[0024]
当x1≤xq1时，第一函数模型为y1＝0；
[0025]
当x1≤xq1时，第一函数模型为线性回归方程公式，所述xq1为数据库中预制的常数。
[0026]
本发明s2中分析待测轨道中轨道动态形变的恢复偏差值与轨道动态形变值之间
的关系的过程中，获取参照组传感器对应的各个数组，是考虑到参照组内各个数组中的第四个值始终为0(即轨道动态形变量始终为0，相应的参照组中轨道静态形变值内的轨道动态形变的综合恢复偏差值为0，参照组中轨道静态形变值等于轨道环境静态形变值)，设置当x1≤xq1时，第一函数模型为y1＝0，是考虑到轨道是具有弹性的，默认轨道动态形变值在一定程度内(xq1)，轨道的动态形变值是能够完全回复到0的。
[0027]
进一步的，所述s3中预测待测轨道静态形变量与轨道运行时长的关系函数的方法包括以下步骤：
[0028]
s3.1、获取参照组传感器对应的各个数组，并将参照组传感器对应的每一个数组中的第二个值与第三个值构成一个第二类型数据对(e1，e2)，第二类型数据对中的e1为相应数组中的第二个值，第二类型数据对中的e2为相应数组中的第三个值；
[0029]
s3.2、以o2为原点、以轨道运行时长t为横轴、以轨道环境静态形变值为纵轴，构建第二平面直角坐标系，并将s3.1中获取的各个第二类型数据在第二平面直角坐标系中相应的坐标点进行标注，并根据数据库中预制的第二函数模型对第二平面直角坐标系中标注的坐标点进行线性拟合，得到待测轨道中编号为i的传感器对应轨道环境静态形变值与轨道运行时长之间的关系f1i(t)，
[0030]
所述第二函数模型为y＝p1*tanh(p2*x)，p1为第一系数，p2为第二系数，在线性拟合过程中，选取与标注的各个坐标点之间距离之和最小的拟合曲线为最终的拟合结果；
[0031]
s3.3、获取编号为i的传感器对应各簇对应的时间区间，以一天为一个周期，分别获取同一周期中各簇对应时间区间的并集，得到相应周期内的轨道动态形变时间区间，将每个周期内的轨道动态形变时间区间转化为第一周期内的轨道动态形变时间区间，将第j个周期内的轨道动态形变时间区间记为[b5，b6]，则[b5，b6]转化为第一周期内的轨道动态形变时间区间为[b5-24*(j-1)，b6-24*(j-1)]，
[0032]
计算各个周期内的轨道动态形变时间区间转化为第一周期内的轨道动态形变时间区间后的交集，得到编号为i的传感器处理后的第一周期内的轨道动态形变时间区间b，所述b为多个不相连的时间区间的并集；
[0033]
s3.4、计算b中第k个不相连的时间区间对应的轨道动态形变的恢复偏差值pck，
[0034]
获取转化为第一周期内的轨道动态形变时间区间中包含b中第k个不相连的时间区间的各簇内，对应的各个数组内第四个值的平均值，并将所得平均值作为轨道动态形变值代入g1i，将代入后计算的结果作为pck，将b中第k个不相连的时间区间中的最大值记为tk，进而得到编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数zpi＝f2i(t)，
[0035]
将t∈[0，t1)时第一周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为zpi＝0，
[0036]
将k1≥1且t∈[t
k1
，t
k1+1
)时第一周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为
[0037]
将t∈[t
k2
，24)时第一周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为所述k2为b中不相连的时间区间个数，
[0038]
将t∈[24*(j-1)，24*(j-1)+t1)时第j周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为
[0039]
将k1≥1且t∈[24*(j-1)+t
k1
，24*(j-1)+t
k1+1
)时第j周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为
[0040][0041]
将t∈[24*(j-1)+t
k2
，24*(j-1)+24)时第j周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为所述k2为b中不相连的时间区间个数；
[0042]
s3.5、预测待测轨道静态形变量与轨道运行时长的关系函数g2i，
[0043]
所述g2i＝f1i(t)+f2i(t)。
[0044]
本发明所述s3中预测待测轨道静态形变量与轨道运行时长的关系函数的过程中，考虑到轨道静态形变值等于轨道环境静态形变值与轨道动态形变的综合恢复偏差值之和，进而先获取待测轨道中编号为i的传感器对应轨道环境静态形变值与轨道运行时长之间的关系f1i(t)，再获取编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数zpi＝f2i(t)，进而预测待测轨道静态形变量与轨道运行时长的关系函数g2i；获取zpi＝f2i(t)的过程中，考虑到实际火车的行程时间表是存在周期性的，进而获取不同周期中轨道动态形变时间区间。
[0045]
进一步的，所述s4中分析轨道故障概率与轨道综合形变量之间的关系的方法包括以下步骤：
[0046]
s4.1、获取数据库中每次轨道故障时对应的轨道综合形变量，将数据库中轨道故障的总次数记为m；
[0047]
s4.2、统计轨道综合形变量小于等于u时的轨道故障次数m1，得到相应的轨道故障概率m1/m，并构建第三类型数据对(u，m1/m)；
[0048]
s4.3、以o3为原点、以轨道综合形变量为横轴、以轨道故障概率为纵轴，构建第三平面直角坐标系，并将s4.2中获取的各个第三类型数据在第三平面直角坐标系中相应的坐标点进行标注，并根据数据库中预制的第三函数模型对第三平面直角坐标系中标注的坐标点进行线性拟合，得到待测轨道中编号为i的传感器对应轨道故障概率h与轨道综合形变量u1之间的关系h＝g3i(u1)，
[0049]
所述第二函数模型为y＝p3*(x+p4)2+p5，p3为第三系数，p4为第四系数，p5为第五系数，在线性拟合过程中，选取与标注的各个坐标点之间距离之和最小的拟合曲线为最终的拟合结果。
[0050]
进一步的，所述s5中获取待测轨道运行时长与轨道故障概率之间的关系的方法包括以下步骤：
[0051]
s5.1、获取b中第k个不相连的时间区间对应的轨道动态形变值，
[0052]
获取转化为第一周期内的轨道动态形变时间区间中包含b中第k个不相连的时间区间的各簇内，对应的各个数组内第四个值的平均值dbk，将b中第k个不相连的时间区间中的最小值记为txk，进而得到编号为i的传感器对应的轨道动态形变值dit与轨道运行时长t之间的函数dit＝f3i(t)，
[0053]
当k2≥k1≥1且t∈[24*(j-1)+tx
k1
，24*(j-1)+t
k1
]时，则f3i(t)＝dbk，
[0054]
当k2≥k1≥1且时，则f3i(t)＝0；
[0055]
s5.2、得到轨道综合形变量之间的关系与运行时长之间的关系f3i(t)+g2i；
[0056]
s5.3、将轨道运行时长t对应的轨道综合形变量f3i(t)+g2i作为u1代入到h＝g3i(u1)中，得到待测轨道中编号为i的传感器对应的运行时长对应的轨道故障概率之间的关系h＝g3i[f3i(t)+g2i]。
[0057]
本发明s5中获取待测轨道运行时长与轨道故障概率之间的关系的过程中，将轨道运行时长t对应的轨道综合形变量f3i(t)+g2i作为u1代入到h＝g3i(u1)中，能够准确计算出待测轨道中编号为i的传感器对应的运行时长对应的轨道故障概率之间的函数关系，进而能够将编号为i的传感器对应的运行时长与轨道故障概率进行量化，便于计算出对待测轨道进行检修的时间，并提前对待测轨道监管员进行预警。
[0058]
进一步的，所述传感器的监测数据是实时更新的，相应的待测轨道中轨道动态形变的恢复偏差值与轨道动态形变值之间的关系、待测轨道综合形变量与轨道运行时长的关系函数、轨道故障概率与轨道综合形变量之间的关系及待测轨道运行时长对应的轨道故障概率之间的关系，也是实时更新变化的，进而呈现给待测轨道监管员的待测轨道故障概率为第一阈值时对应的轨道运行时长也是实时更新的。
[0059]
一种长距离无源感知的轨道交通健康监测系统，所述系统包括以下模块：
[0060]
轨道形变量获取模块，所述轨道形变量获取模块通过无源感知设备中的传感器实时获取待测轨道不同监测点分别对应轨道形变量，将无火车通过时的轨道形变量记为静态形变量，将有火车通过时的轨道形变量与历史数据中相同编号传感器监测结果中最近的静态形变量的差值记为轨道动态形变量，并将编号为i的传感器在时间t时监测到的轨道静态形变量及轨道动态形变量构建成一个数组，记为[i，t，ait，dit]，所述ait表示编号为i的传感器在时间t时监测到的轨道静态形变量，所述dit表示编号为i的传感器在时间t时监测到的轨道动态形变量；
[0061]
数据分析模块，所述数据分析模块包括第一分析模块、第二分析模块及第三分析模块，
[0062]
第一分析模块，所述第一分析模块获取历史数据中各个传感器监测数据对应的数组，分析待测轨道中轨道动态形变的恢复偏差值与轨道动态形变值之间的关系；
[0063]
第二分析模块，所述第二分析模块根据第一分析模块中的分析结果，预测待测轨道静态形变量与轨道运行时长的关系函数；
[0064]
第三分析模块，所述第三分析模块获取历史数据库中轨道发生故障时对应的轨道综合形变量，所述待测轨道综合形变量等于待测轨道静态形变值与轨道动态形变值之和，分析轨道故障概率与轨道综合形变量之间的关系；
[0065]
预警检修模块，所述预警检修模块结合待测轨道综合形变量与轨道运行时长的关系函数及轨道故障概率与轨道综合形变量之间的关系，获取待测轨道运行时长与轨道故障概率之间的关系，计算待测轨道故障概率为第一阈值时对应的轨道运行时长，并呈现给待测轨道监管员，进而提前对待测轨道进行检修，所述第一阈值为数据库中预制的常数。
[0066]
进一步的，所述第三分析模块中分析轨道故障概率与轨道综合形变量之间的关系的过程中，所述第三分析模块获取数据库中每次轨道故障时对应的轨道综合形变量，将数
据库中轨道故障的总次数记为m；所述第三分析模块统计轨道综合形变量小于等于u时的轨道故障次数m1，得到相应的轨道故障概率m1/m，并构建第三类型数据对(u，m1/m)；
[0067]
所述第三分析模块以o3为原点、以轨道综合形变量为横轴、以轨道故障概率为纵轴，构建第三平面直角坐标系，将获取的各个第三类型数据在第三平面直角坐标系中相应的坐标点进行标注，并根据数据库中预制的第三函数模型对第三平面直角坐标系中标注的坐标点进行线性拟合，得到待测轨道中编号为i的传感器对应轨道故障概率h与轨道综合形变量u1之间的关系h＝g3i(u1)，
[0068]
所述第二函数模型为y＝p3*(x+p4)2+p5，p3为第三系数，p4为第四系数，p5为第五系数。
[0069]
进一步的，所述传感器的监测数据是实时更新的，呈现给待测轨道监管员的待测轨道故障概率为第一阈值时对应的轨道运行时长也是实时更新的。
[0070]
与现有技术相比，本发明所达到的有益效果是：本发明从轨道的静态形变量、轨道动态形变量、轨道运行时长及轨道故障概率这几个方面进行综合考虑，对不同传感器对应的运行时长与轨道故障概率之间的关系进行量化，准确预测出对待测轨道进行检修的时间，并提前对待测轨道监管员进行预警，实现了对轨道交通健康状态的有效监管。
附图说明
[0071]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0072]
图1是本发明一种长距离无源感知的轨道交通健康监测系统的结构示意图；
[0073]
图2是本发明一种长距离无源感知的轨道交通健康监测方法的流程示意图。
具体实施方式
[0074]
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
[0075]
请参阅图1-图2，本发明提供技术方案：一种长距离无源感知的轨道交通健康监测方法，所述方法包括以下步骤：
[0076]
s1、通过无源感知设备中的传感器实时获取待测轨道不同监测点分别对应轨道形变量，将无火车通过时的轨道形变量记为静态形变量，将有火车通过时的轨道形变量与历史数据中相同编号传感器监测结果中最近的静态形变量的差值记为轨道动态形变量，
[0077]
本实施例中的无源感知设备是将环境中的风能和太阳能转化成电能支持传感器运行的。
[0078]
并将编号为i的传感器在时间t时监测到的轨道静态形变量及轨道动态形变量构建成一个数组，记为[i，t，ait，dit]，所述ait表示编号为i的传感器在时间t时监测到的轨道静态形变量，所述dit表示编号为i的传感器在时间t时监测到的轨道动态形变量，
[0079]
当时间t时火车经过编号为i的传感器对应的监测点时，则判定ait的值为编号为i的传感器的监测结果中，在时间t之前且与t最近的无火车通过时的轨道形变量，dit的值为
编号为i的传感器的监测结果中，时间t对应的轨道形变量与ait的差值，
[0080]
本实施例中若时间tt时火车经过编号为01的传感器对应的监测点，
[0081]
若编号为01的传感器的监测结果中，在时间tt之前且与tt最近的无火车通过时间为tt1，若编号为01的传感器的监测结果中，时间tt1对应的轨道形变量为xbtt1
01
，则aitt的值等于xbtt1
01
，
[0082]
若编号为01的传感器的监测结果中，时间tt对应的轨道形变量为xbtt
01
，则ditt的值等于xbtt
01-xbtt1
01
，
[0083]
则编号为01的传感器在时间tt时监测结果对应的数组为
[0084]
[01，tt，xbtt1
01
，xbtt
01-xbtt1
01
]。
[0085]
当时间t时火车未经过编号为i的传感器对应的监测点时，则判定ait的值为编号为i的传感器的监测结果中，时间t对应的轨道形变量，dit的值为0；
[0086]
s2、获取历史数据中各个传感器监测数据对应的数组，分析待测轨道中轨道动态形变的恢复偏差值与轨道动态形变值之间的关系g1i，所述轨道静态形变值等于轨道环境静态形变值与轨道动态形变的综合恢复偏差值之和，所述轨道动态形变的综合恢复偏差值为待测轨道中，各个轨道动态形变值在恢复的过程中产生的轨道动态形变的恢复偏差值之和；
[0087]
s3、根据s2中的分析结果，预测待测轨道静态形变量与轨道运行时长的关系函数g2i；
[0088]
s4、获取历史数据库中轨道发生故障时对应的轨道综合形变量，所述待测轨道综合形变量等于待测轨道静态形变值与轨道动态形变值之和，分析轨道故障概率与轨道综合形变量之间的关系h＝g3i(u1)；
[0089]
s5、结合待测轨道综合形变量与轨道运行时长的关系函数及轨道故障概率与轨道综合形变量之间的关系，获取待测轨道运行时长与轨道故障概率之间的关系，计算待测轨道故障概率为第一阈值时对应的轨道运行时长，并呈现给待测轨道监管员，进而提前对待测轨道进行检修，所述第一阈值为数据库中预制的常数。
[0090]
本实施例中第一阈值为0.8。
[0091]
所述s2中分析待测轨道中轨道动态形变的恢复偏差值与轨道动态形变值之间的关系的方法包括以下步骤：
[0092]
s2.1、获取编号为i的传感器对应的各个数组[i，t，ait，dit]，将数组中第四个值不为0且t值连续的各个数组划分为一簇，按时间先后顺序对各簇分别进行编号，
[0093]
获取参照组传感器对应的各个数组，所述参照组传感器为获取的各个数组中的第四个值始终为0的传感器；
[0094]
s2.2、构建第一类型数据对(a1，a2)，s2.1中获取的编号为i的传感器对应各簇中除最后一簇之外的每一簇均对应一个第一类型数据对，所述a1表示编号为i的传感器相应簇中各个数组内第四个值的最大值，
[0095]
计算a1相应簇的后一簇中各个数组内第三个值的平均值，记为a3，获取a1相应簇的后一簇中各个数组对应的最小时间b1及最大时间b2，得到时间区间[b1，b2]，计算参照组传感器监测结果中，对应时间区间为[b1，b2]的各个数组内第三个值的平均值，记为a4，所述a2等于a3与a4的差值，
[0096]
计算a1相应簇中各个数组内第三个值的平均值，记为a5，获取a1相应簇中各个数组对应的最小时间b3及最大时间b4，得到时间区间[b3，b4]，计算参照组传感器监测结果中，对应时间区间为[b3，b4]的各个数组内第三个值的平均值，记为a6，所述a2等于(a3-a4)-(a5-a6)；
[0097]
s2.3、以o1为原点、以轨道动态形变值为x1轴、以轨道动态形变的恢复偏差值为y1轴，构建第一平面直角坐标系，并将s2.2中获取的各个第一类型数据在第一平面直角坐标系中相应的坐标点进行标注；
[0098]
s2.4、根据数据库中预制的第一函数模型对第一平面直角坐标系中标注的坐标点进行线性拟合，得到待测轨道中编号为i的传感器对应轨道动态形变的恢复偏差值与轨道动态形变值之间的关系g1i，
[0099]
所述第一函数模型为分段函数，
[0100]
当x1≤xq1时，第一函数模型为y1＝0；
[0101]
当x1≤xq1时，第一函数模型为线性回归方程公式，所述xq1为数据库中预制的常数。
[0102]
本实施例中轨道出现轨道动态形变时，能够恢复到初始状态的轨道弹性变形只有2mm；从理论上讲，超过2mm的轨道弹变形，在火车通过之后是不能完全恢复的，会留下一些残余变形，进而本实施例中xq1的值等于2毫米。
[0103]
所述s3中预测待测轨道静态形变量与轨道运行时长的关系函数的方法包括以下步骤：
[0104]
s3.1、获取参照组传感器对应的各个数组，并将参照组传感器对应的每一个数组中的第二个值与第三个值构成一个第二类型数据对(e1，e2)，第二类型数据对中的e1为相应数组中的第二个值，第二类型数据对中的e2为相应数组中的第三个值；
[0105]
s3.2、以o2为原点、以轨道运行时长t为横轴、以轨道环境静态形变值为纵轴，构建第二平面直角坐标系，并将s3.1中获取的各个第二类型数据在第二平面直角坐标系中相应的坐标点进行标注，并根据数据库中预制的第二函数模型对第二平面直角坐标系中标注的坐标点进行线性拟合，得到待测轨道中编号为i的传感器对应轨道环境静态形变值与轨道运行时长之间的关系f1i(t)，
[0106]
所述第二函数模型为y＝p1*tanh(p2*x)，p1为第一系数，p2为第二系数，在线性拟合过程中，选取与标注的各个坐标点之间距离之和最小的拟合曲线为最终的拟合结果；
[0107]
s3.3、获取编号为i的传感器对应各簇对应的时间区间，以一天为一个周期，分别获取同一周期中各簇对应时间区间的并集，得到相应周期内的轨道动态形变时间区间，将每个周期内的轨道动态形变时间区间转化为第一周期内的轨道动态形变时间区间，将第j个周期内的轨道动态形变时间区间记为[b5，b6]，则[b5，b6]转化为第一周期内的轨道动态形变时间区间为[b5-24*(j-1)，b6-24*(j-1)]，
[0108]
计算各个周期内的轨道动态形变时间区间转化为第一周期内的轨道动态形变时间区间后的交集，得到编号为i的传感器处理后的第一周期内的轨道动态形变时间区间b，所述b为多个不相连的时间区间的并集；
[0109]
s3.4、计算b中第k个不相连的时间区间对应的轨道动态形变的恢复偏差值pck，
[0110]
获取转化为第一周期内的轨道动态形变时间区间中包含b中第k个不相连的时间
区间的各簇内，对应的各个数组内第四个值的平均值，并将所得平均值作为轨道动态形变值代入g1i，将代入后计算的结果作为pck，将b中第k个不相连的时间区间中的最大值记为tk，进而得到编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数zpi＝f2i(t)，
[0111]
将t∈[0，t1)时第一周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为zpi＝0，
[0112]
将k1≥1且t∈[t
k1
，t
k1+1
)时第一周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为
[0113]
将t∈[t
k2
，24)时第一周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为所述k2为b中不相连的时间区间个数，
[0114]
将t∈[24*(j-1)，24*(j-1)+t1)时第j周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为
[0115]
将k1≥1且t∈[24*(j-1)+t
k1
，24*(j-1)+t
k1+1
)时第j周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为
[0116][0117]
将t∈[24*(j-1)+t
k2
，24*(j-1)+24)时第j周期内编号为i的传感器对应的轨道动态形变的综合恢复偏差值zpi与轨道运行时长t之间的函数记为所述k2为b中不相连的时间区间个数；
[0118]
s3.5、预测待测轨道静态形变量与轨道运行时长的关系函数g2i，
[0119]
所述g2i＝f1i(t)+f2i(t)。
[0120]
所述s4中分析轨道故障概率与轨道综合形变量之间的关系的方法包括以下步骤：
[0121]
s4.1、获取数据库中每次轨道故障时对应的轨道综合形变量，将数据库中轨道故障的总次数记为m；
[0122]
s4.2、统计轨道综合形变量小于等于u时的轨道故障次数m1，得到相应的轨道故障概率m1/m，并构建第三类型数据对(u，m1/m)；
[0123]
s4.3、以o3为原点、以轨道综合形变量为横轴、以轨道故障概率为纵轴，构建第三平面直角坐标系，并将s4.2中获取的各个第三类型数据在第三平面直角坐标系中相应的坐标点进行标注，并根据数据库中预制的第三函数模型对第三平面直角坐标系中标注的坐标点进行线性拟合，得到待测轨道中编号为i的传感器对应轨道故障概率h与轨道综合形变量u1之间的关系h＝g3i(u1)，
[0124]
所述第二函数模型为y＝p3*(x+p4)2+p5，p3为第三系数，p4为第四系数，p5为第五系数，在线性拟合过程中，选取与标注的各个坐标点之间距离之和最小的拟合曲线为最终的拟合结果。
[0125]
所述s5中获取待测轨道运行时长与轨道故障概率之间的关系的方法包括以下步骤：
[0126]
s5.1、获取b中第k个不相连的时间区间对应的轨道动态形变值，
[0127]
获取转化为第一周期内的轨道动态形变时间区间中包含b中第k个不相连的时间区间的各簇内，对应的各个数组内第四个值的平均值dbk，将b中第k个不相连的时间区间中的最小值记为txk，进而得到编号为i的传感器对应的轨道动态形变值dit与轨道运行时长t之间的函数dit＝f3i(t)，
[0128]
当k2≥k1≥1且t∈[24*(j-1)+tx
k1
，24*(j-1)+t
k1
]时，则f3i(t)＝dbk，
[0129]
当k2≥k1≥1且时，则f3i(t)＝0；
[0130]
s5.2、得到轨道综合形变量之间的关系与运行时长之间的关系f3i(t)+g2i；
[0131]
s5.3、将轨道运行时长t对应的轨道综合形变量f3i(t)+g2i作为u1代入到h＝g3i(u1)中，得到待测轨道中编号为i的传感器对应的运行时长对应的轨道故障概率之间的关系h＝g3i[f3i(t)+g2i]。
[0132]
所述传感器的监测数据是实时更新的，相应的待测轨道中轨道动态形变的恢复偏差值与轨道动态形变值之间的关系、待测轨道综合形变量与轨道运行时长的关系函数、轨道故障概率与轨道综合形变量之间的关系及待测轨道运行时长对应的轨道故障概率之间的关系，也是实时更新变化的，进而呈现给待测轨道监管员的待测轨道故障概率为第一阈值时对应的轨道运行时长也是实时更新的。
[0133]
一种长距离无源感知的轨道交通健康监测系统，所述系统包括以下模块：
[0134]
轨道形变量获取模块，所述轨道形变量获取模块通过无源感知设备中的传感器实时获取待测轨道不同监测点分别对应轨道形变量，将无火车通过时的轨道形变量记为静态形变量，将有火车通过时的轨道形变量与历史数据中相同编号传感器监测结果中最近的静态形变量的差值记为轨道动态形变量，并将编号为i的传感器在时间t时监测到的轨道静态形变量及轨道动态形变量构建成一个数组，记为[i，t，ait，dit]，所述ait表示编号为i的传感器在时间t时监测到的轨道静态形变量，所述dit表示编号为i的传感器在时间t时监测到的轨道动态形变量；
[0135]
数据分析模块，所述数据分析模块包括第一分析模块、第二分析模块及第三分析模块，
[0136]
第一分析模块，所述第一分析模块获取历史数据中各个传感器监测数据对应的数组，分析待测轨道中轨道动态形变的恢复偏差值与轨道动态形变值之间的关系；
[0137]
第二分析模块，所述第二分析模块根据第一分析模块中的分析结果，预测待测轨道静态形变量与轨道运行时长的关系函数；
[0138]
第三分析模块，所述第三分析模块获取历史数据库中轨道发生故障时对应的轨道综合形变量，所述待测轨道综合形变量等于待测轨道静态形变值与轨道动态形变值之和，分析轨道故障概率与轨道综合形变量之间的关系；
[0139]
预警检修模块，所述预警检修模块结合待测轨道综合形变量与轨道运行时长的关系函数及轨道故障概率与轨道综合形变量之间的关系，获取待测轨道运行时长与轨道故障概率之间的关系，计算待测轨道故障概率为第一阈值时对应的轨道运行时长，并呈现给待测轨道监管员，进而提前对待测轨道进行检修，所述第一阈值为数据库中预制的常数。
[0140]
所述第三分析模块中分析轨道故障概率与轨道综合形变量之间的关系的过程中，所述第三分析模块获取数据库中每次轨道故障时对应的轨道综合形变量，将数据库中轨道故障的总次数记为m；所述第三分析模块统计轨道综合形变量小于等于u时的轨道故障次数
m1，得到相应的轨道故障概率m1/m，并构建第三类型数据对(u，m1/m)；
[0141]
所述第三分析模块以o3为原点、以轨道综合形变量为横轴、以轨道故障概率为纵轴，构建第三平面直角坐标系，将获取的各个第三类型数据在第三平面直角坐标系中相应的坐标点进行标注，并根据数据库中预制的第三函数模型对第三平面直角坐标系中标注的坐标点进行线性拟合，得到待测轨道中编号为i的传感器对应轨道故障概率h与轨道综合形变量u1之间的关系h＝g3i(u1)，
[0142]
所述第二函数模型为y＝p3*(x+p4)2+p5，p3为第三系数，p4为第四系数，p5为第五系数。
[0143]
所述传感器的监测数据是实时更新的，呈现给待测轨道监管员的待测轨道故障概率为第一阈值时对应的轨道运行时长也是实时更新的。
[0144]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0145]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。