基于统计过程控制和序贯概率比检验的高速铁路轨道结构监测数据异常诊断

作     者：于超 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：张艳荣

授予年度：2021年

学科分类：08[工学] 0814[工学-土木工程] 

主      题：轨道结构 监测数据 异常诊断 统计过程控制 序贯概率比检验 控制图 

摘      要：我国高速铁路在运营监测过程中积累了海量的监测数据。目前对于监测数据的挖掘多关注于数据的预处理、相关性分析等基本统计分析以及监测数据的预测方法,极少有人采用统计时间序列方法分析轨道结构的监测数据。轨道结构监测数据是典型的时间序列数据,并且具有明显的间断特性。本研究以某高速铁路高架站轨道结构三年的监测数据为研究对象,采用统计时间序列异常诊断方法,引入统计过程控制和序贯概率比检验两种手段对间断的轨道结构监测数据进行了分析挖掘。本研究的主要工作和成果如下:(1)单变量统计过程控制分析:采用多元线性回归模型和差分方程模型对轨道结构长期监测数据中的常规因素(温度效应、线性趋势、序列依赖性)进行解释和分离;对剔除常规因素影响后的残差序列使用Shewhart控制图和EWMA控制图诊断特殊因素引起的数据变化。结果表明,除了温度效应之外,线性趋势和序列依赖性也是常规因素引起的监测数据变化的重要来源。对于每个监测点,多个控制图同时诊断出两类最突出的特殊事件;对于多个监测点,多个控制图同时诊断出三类突出的特殊事件。(2)多元统计过程控制分析:针对剔除常规因素影响后的残差序列,使用T控制图和MEWMA控制图分析监测数据序列的典型案例。发现,极端温度变化是引起T控制图异常值的重要原因;采用绘制椭圆控制区域的方法可以分析T控制图中异常值的来源;T控制图与MEWMA控制图结合可诊断出异常值是否有大于1天的持续影响;基于多元控制图诊断出的异常值,获得了监测过程中最突出的两类特殊事件。(3)序贯概率比检验分析:使用多元状态估计技术和差分方程模型对训练阶段的监测数据进行建模,然后拟合检查阶段的监测数据获得模型残差,最后使用序贯概率比检验测试(SPRT)对模型残差进行异常诊断。发现,多元状态估计技术(MSET)具有良好的预测效果;差分方程模型可以有效剔除MSET残差中的自相关性;序贯概率比检验测试诊断出的异常值数量可用于判断轨道结构的状态;基于多个监测点的SPRT结果同时诊断出的异常值,获得了监测过程中最突出的特殊事件。图70幅,表24个,参考文献78篇。