本发明属于道岔故障诊断，尤其涉及基于皮尔逊相关性算法的道岔故障曲线识别方法及系统。
背景技术：
1、现有轨道交通控制信号系统识别道岔故障曲线方式如下：道岔作为连接和转换轨道线路的关键设施，其稳定性和安全性对于整个交通网络的顺畅运行至关重要。微机监测系统能够实时采集和记录道岔操作过程中的电流曲线数据，如电源电压、电流变化趋势等，是评估道岔健康状况和诊断潜在故障的基础。
2、通过维保人员分析微机监测采集的电流曲线，可以得到道岔在解锁、转换和锁闭等各个阶段的工作状态，辨别各类故障类型，进而对可能出现的问题进行早期预警。但是依赖人工进行识别，对安全维护人员故障应急处置能力的要求越来越高，人工分析判断效率低、工作量大，已经不能满足行车需求。
3、由于出现的故障曲线会对道岔健康度产生影响，但是现有的运维系统并不能针对故障曲线发出准确的报警信息，并针对道岔进行自动化记录。
技术实现思路
1、为克服相关技术中存在的问题，本发明公开实施例提供了基于皮尔逊相关性算法的道岔故障曲线识别方法及系统，本发明针对轨道交通控制信号系统中道岔故障诊断技术，提出了一种基于皮尔逊相关性算法的道岔故障曲线识别方法，解决现有技术中通过人工经验判断道岔故障类型，可能导致漏报、误报以及不能够及时发现故障的问题。
2、所述技术方案如下：基于皮尔逊相关性算法的道岔故障曲线识别方法，该方法在轨道交通信号智慧运维系统的基础上，根据微机监测采集的三相电流曲线，对电流曲线进行判断，通过皮尔逊相关性算法与正常曲线以及各类型的故障曲线进行计算，进而判断曲线是否出现故障或者确定故障类型，具体包括以下步骤：
3、s1，构建标准曲线数据库，该数据库包含多种典型故障曲线样本以及正常运行条件下的电流曲线；所述多种典型故障曲线样本包括：电源异常、二极管失效、缺口问题故障类型；
4、s2，实现与微机监测系统的无缝集成，实时捕获三相电流的原始数据流；
5、s3，对采集的电流曲线进行预处理，采用动态缩放算法调整电流曲线长度；针对长度小于设定值的曲线进行补零，大于设定值的曲线进行截取；
6、s4，定位故障关键特征区间，该特征区间包括解锁阶段、动作阶段以及缓放阶段，将预处理后电流曲线故障在解锁阶段或缓放阶段提取出来，与标准曲线库进行深度比较；
7、s5，应用皮尔逊相关系数算法，量化待测曲线与标准库中各类型曲线的相似度，找出最匹配的故障类型；
8、s6，设定阈值，低于阈值的曲线标记为未知，对高相关性的异常曲线进一步分类为预警或故障状态；
9、s7，将识别出的预警、故障及未知曲线，纳入道岔健康度评估模块，依据相关性强度自动调整评分，实现故障预警的量化管理；
10、在步骤s3中，所述动态缩放算法根据设备类型和运行时间对数据进行补零或者截取操作；
11、在步骤s3中，对采集的电流曲线进行预处理，包括：数据标准化处理，将数据处理成与各故障类型同一长度；
12、在步骤s4中，定位故障关键特征区间，包括：通过长度判曲线是否具备三个特征区间，对具备的曲线截取固定长度的数据。
13、在步骤s5中，所述皮尔逊相关系数算法用于计算待测曲线与标准曲线之间的线性相关性，其中，相关系数的绝对值越大表示相关性越强，表示完全相关，表示无相关性。
14、在步骤s5中，与标准曲线库进行深度比较，包括：根据与标准曲线库中各曲线的皮尔逊相关系数，通过与正常曲线计算相关系数后判断当前电流曲线是否存在异常；若相关系数低于预设阈值，则判定为故障状态，并进一步根据与特定故障曲线的相关性高低，确定故障的具体类型。
15、在步骤s6中，设定阈值，包括：预警或故障状态的分类基于预设的阈值，定义阈值范围，预设阈值范围为未知曲线（0，0.8）、预警曲线（0.8，0.95）、故障曲线（0.95，1）；当相关性超过阈值时，曲线被分类为预警或故障状态，否则标记为未知。
16、进一步，标记为未知包括：与正常曲线计算得到的相关系数和与故障曲线计算得到的相关系数都低于预设阈值就判定为未知曲线。
17、在步骤s7中，将识别出的预警、故障及未知曲线，纳入道岔健康度评估模块前，还需进行：自动触发故障预警，将故障信息即时推送至运维终端，包括故障类型、发生时间、受影响区域信息，
18、通过健康度评估模块计算各类型的故障曲线对道岔健康的影响程度并进行评分；
19、所述进行评分中，通过程序预设分值，触发故障或者预警进行扣分。
20、本发明的另一目的在于提供一种基于皮尔逊相关性算法的道岔故障曲线识别系统，该系统实施所述的基于皮尔逊相关性算法的道岔故障曲线识别方法，该系统包括：
21、构建标准曲线数据库模块，用于收集并分类n种典型故障曲线样本，包括电源异常、二极管失效、缺口问题故障类型，同时采集正常曲线构建正常标准曲线库；
22、无缝集成模块，用于实现与微机监测系统的无缝集成，持续捕获三相电流的原始数据流；
23、电流曲线长度调整模块，用于对采集到的电流曲线进行预处理，采用动态缩放算法调整曲线长度，适应多变的故障模式；
24、定位故障关键特征区间模块，用于电源故障常发生在解锁阶段，而缺口不良在缓放阶段，通过提取这些特征区间的数据，与标准曲线库进行深度比较；
25、皮尔逊相关系数算法模块，用于量化待测曲线与标准库中各类型曲线的相似度，找出最匹配的故障类型；其中，越大相关性越大，越小相关性越小；时为正相关，时为负相关；
26、设定阈值模块，用于设定阈值，低于阈值的曲线标记为未知，对高相关性的异常曲线进一步分类为预警或故障状态；
27、道岔健康度评估模块，用于将识别出的预警、故障及未知曲线，纳入道岔健康度评估模块，依据相关性强度自动调整评分，实现故障预警的量化管理。
28、结合上述的所有技术方案，本发明所具备的有益效果为：本发明能够对道岔转辙机的三项电流曲线进行故障判断，并识别其故障类型自动化产生报警信息并关联至道岔健康度情况，保证故障处理的准确性和及时性。为提高智慧运维系统的可用性以及轨道交通的道岔安全监控。本发明能够从整体上了解轨道交通道岔的健康状况，既可以提前对存在故障隐患的轨道交通道岔进行维稳，降低出现道岔故障的可能性，也可以为出现道岔故障时对故障原因的溯源追查提供多方位的数据支持，避免道岔故障复现，以确保交通轨道运营的稳定和安全。
29、通过本发明解决了现有技术中通过人工经验判断道岔故障类型，导致漏报和误报的问题，从而实现了道岔自动识别故障类别，提高检修效率及系统可靠性，保证行车安全。通过实时监测和准确识别道岔故障，显著提高了轨道交通系统的安全性和可靠性。减少了因设备故障导致的延误和停运时间，提升了运营效率和服务质量。通过自动化故障预警机制，降低了人工巡检成本，实现了资源的有效配置。长期来看，有助于建立更加完善的城市轨道交通维护体系。
30、本发明通过引入皮尔逊相关性算法结合动态缩放技术，首次实现了对复杂环境下道岔故障的精准定位与分类。提供了一套完整的从数据采集、预处理到故障诊断的解决方案，弥补了现有技术中的不足。本发明能够有效识别多种类型的故障，包括但不限于机械磨损、电气短路等，并确保系统在长时间运行中的稳定性和可靠性，解决了以往系统容易出现误报或漏报的问题。本发明通过引入先进的数据处理技术和统计学方法，解决了普遍认为电流曲线变化复杂，难以直接应用于故障诊断的问题，证明了即使是看似杂乱无章的电流信号也能成为可靠的故障指示器。打破了传统观念中对于电流信号仅限于基本测量用途的认识局限，展示了其在高级分析领域的潜在价值。
1.一种基于皮尔逊相关性算法的道岔故障曲线识别方法，其特征在于，该方法在轨道交通信号智慧运维系统的基础上，根据微机监测采集的三相电流曲线，对电流曲线进行判断，通过皮尔逊相关性算法与正常曲线以及各类型的故障曲线进行计算，进而判断曲线是否出现故障或者确定故障类型，具体包括以下步骤：
2.根据权利要求1所述的基于皮尔逊相关性算法的道岔故障曲线识别方法，其特征在于，在步骤s3中，所述动态缩放算法根据设备类型和运行时间对数据进行补零或者截取操作。
3.根据权利要求1所述的基于皮尔逊相关性算法的道岔故障曲线识别方法，其特征在于，在步骤s3中，对采集的电流曲线进行预处理，包括：数据标准化处理，将数据处理成与各故障类型同一长度。
4.根据权利要求1所述的基于皮尔逊相关性算法的道岔故障曲线识别方法，其特征在于，在步骤s4中，定位故障关键特征区间，包括：通过长度判曲线是否具备三个特征区间，对具备的曲线截取固定长度的数据。
5.根据权利要求1所述的基于皮尔逊相关性算法的道岔故障曲线识别方法，其特征在于，在步骤s5中，所述皮尔逊相关系数算法用于计算待测曲线与标准曲线之间的线性相关性，其中，相关系数的绝对值越大表示相关性越强，表示完全相关，表示无相关性。
6.根据权利要求1所述的基于皮尔逊相关性算法的道岔故障曲线识别方法，其特征在于，在步骤s5中，与标准曲线库进行深度比较，包括：根据与标准曲线库中各曲线的皮尔逊相关系数，通过与正常曲线计算相关系数后判断当前电流曲线是否存在异常；若相关系数低于预设阈值，则判定为故障状态，并进一步根据与特定故障曲线的相关性高低，确定故障的具体类型。
7.根据权利要求1所述的基于皮尔逊相关性算法的道岔故障曲线识别方法，其特征在于，在步骤s6中，设定阈值，包括：预警或故障状态的分类基于预设的阈值，定义阈值范围，预设阈值范围为未知曲线（0，0.8）、预警曲线（0.8，0.95）、故障曲线（0.95，1）；当相关性超过阈值时，曲线被分类为预警或故障状态，否则标记为未知。
8.根据权利要求7所述的基于皮尔逊相关性算法的道岔故障曲线识别方法，其特征在于，标记为未知包括：与正常曲线计算得到的相关系数和与故障曲线计算得到的相关系数都低于预设阈值就判定为未知曲线。
9.根据权利要求1所述的基于皮尔逊相关性算法的道岔故障曲线识别方法，其特征在于，在步骤s7中，将识别出的预警、故障及未知曲线，纳入道岔健康度评估模块前，还需进行：自动触发故障预警，将故障信息即时推送至运维终端，包括故障类型、发生时间、受影响区域信息，
10.一种基于皮尔逊相关性算法的道岔故障曲线识别系统，其特征在于，该系统实施如权利要求1-9任意一项所述的基于皮尔逊相关性算法的道岔故障曲线识别方法，该系统包括：
