技術(shù)特征：

1.基于人工智能的地鐵信號(hào)故障診斷預(yù)測(cè)方法，其特征在于，具體包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于人工智能的地鐵信號(hào)故障診斷預(yù)測(cè)方法，其特征在于，信號(hào)性能指標(biāo)信息，包括：

3.根據(jù)權(quán)利要求2所述的基于人工智能的地鐵信號(hào)故障診斷預(yù)測(cè)方法，其特征在于，所述網(wǎng)速偏差系數(shù)的獲取邏輯為：

4.根據(jù)權(quán)利要求3所述的基于人工智能的地鐵信號(hào)故障診斷預(yù)測(cè)方法，其特征在于，實(shí)際無(wú)線網(wǎng)絡(luò)測(cè)試儀的實(shí)際切換信息，包括：

5.根據(jù)權(quán)利要求4所述的基于人工智能的地鐵信號(hào)故障診斷預(yù)測(cè)方法，其特征在于，通過(guò)信號(hào)評(píng)估系數(shù)量化不同流量模式下的信號(hào)質(zhì)量，包括：

6.根據(jù)權(quán)利要求5所述的基于人工智能的地鐵信號(hào)故障診斷預(yù)測(cè)方法，其特征在于，通過(guò)回歸模型量化地鐵信號(hào)發(fā)生故障的可能性，包括：

7.基于人工智能的地鐵信號(hào)故障診斷預(yù)測(cè)系統(tǒng)，用于實(shí)現(xiàn)權(quán)利要求1-6任一項(xiàng)所述的基于人工智能的地鐵信號(hào)故障診斷預(yù)測(cè)方法，其特征在于，包括無(wú)線網(wǎng)絡(luò)測(cè)試模塊、數(shù)據(jù)采集模塊、信號(hào)質(zhì)量評(píng)估模塊以及故障評(píng)估模塊，模塊之間信號(hào)連接；

技術(shù)總結(jié)
本發(fā)明公開了基于人工智能的地鐵信號(hào)故障診斷預(yù)測(cè)方法及系統(tǒng)，具體涉及信號(hào)故障技術(shù)領(lǐng)域，包括通過(guò)無(wú)線網(wǎng)絡(luò)測(cè)試儀模擬地鐵中的乘客在車廂內(nèi)的活動(dòng)，確定地鐵運(yùn)行過(guò)程中不同的流量模式，并監(jiān)測(cè)地鐵在行駛過(guò)程中信號(hào)切換的過(guò)程，采集無(wú)線網(wǎng)絡(luò)測(cè)試儀生成的信號(hào)性能指標(biāo)信息和實(shí)際無(wú)線網(wǎng)絡(luò)測(cè)試儀的實(shí)際切換信息，通過(guò)信號(hào)評(píng)估系數(shù)量化不同流量模式下的信號(hào)質(zhì)量，將不同流量模式下的信號(hào)評(píng)估系數(shù)和地鐵在運(yùn)行過(guò)程中存在不同流量模式的時(shí)長(zhǎng)占比作為回歸模型的輸入，通過(guò)回歸模型量化地鐵信號(hào)發(fā)生故障的可能性，本發(fā)明有助于發(fā)現(xiàn)潛在的信號(hào)故障，并采取提前預(yù)防措施，從而提高地鐵信號(hào)的穩(wěn)定性和可靠性。

技術(shù)研發(fā)人員：梁爽,彭光杰,牛紹華,劉長(zhǎng)山,韓雷,史光輝,馬濤,劉波,張龍生,張巖
受保護(hù)的技術(shù)使用者：北京茜帝通信技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9