本技术采用大数据智能分析算法，处理高速列车运行过程中产生的大量数据，智能辨识高速列车运行状态。以高速列车外部受流装备为对象，从受电弓状态实时感知与能耗分项统计两个角度，展示非侵入式智能感知技术在高速列车的最新应用。
        1.受电弓状态实时感知
        获取受电弓的原始信号并进行预处理，获取多个原始数据向量；对原始数据向量进行多尺度分解，从每个子频带提取特征量并构建时序特征向量；将特征向量和受电弓故障的分类标记作为特征映射数据，训练故障识别预判机制；以原始数据向量和故障类型分别作为输入输出数据，训练故障识别模型。对受电弓的实时电流信号进行处理，得到原始数据向量和特征向量，故障识别预判模型根据特征向量对受电弓进行故障预判，若有故障，故障识别模型根据原始数据向量对受电弓的故障类型进行识别。实现列车运行状态下，对受电弓进行实时在线监测与故障类型识别，且无需在列车外部及路网沿线另外加装硬件设备。
        2.列车能耗分项统计
        通过大数据智能分析方法，结合位于电路关键位置部分传感器提供的实时数据，可对动力系统、空调系统、照明系统、厨卫系统、用户交互系统等不同功能模块，提供非侵入式能耗分项统计。统计结果能为铁路管理部门提供参考，优化列车运行管理模式，改进各系统的运行机制，降低高速列车运行能耗。

高速列车智能感知技术一方面可以实现高速列车受电弓健康状态的实时监测。如有故障发生，可以第一时间进行调度作业，减少损失。另一方面，电力负荷监测可将用电功率监测细化到总负荷内部每个子系统的功率，从而实现对列车运行各子系统能耗的实时监测。有利于管理部门获取高速列车运行过程中的实际能耗分布，可为提高列车服务品质、降低运行能耗提供有益参考。

产业化

已拥有发明专利2项

图1 高速列车受电装置

图2 受流装置故障特征映射及辨识方法

图3 不同功能模块设备的提取特征

图4 不同设备的分项能耗统计

（未经授权禁止转载）