本技術采用大數據智能分析算法，處理高速列車運行過程中產生的大量數據，智能辨識高速列車運行狀態。以高速列車外部受流裝備為對象，從受電弓狀態實時感知與能耗分項統計兩個角度，展示非侵入式智能感知技術在高速列車的最新應用。

1.受電弓狀態實時感知

獲取受電弓的原始信號并進行預處理，獲取多個原始數據向量；對原始數據向量進行多尺度分解，從每個子頻帶提取特征量并構建時序特征向量；將特征向量和受電弓故障的分類標記作為特征映射數據，訓練故障識別預判機制；以原始數據向量和故障類型分別作為輸入輸出數據，訓練故障識別模型。對受電弓的實時電流信號進行處理，得到原始數據向量和特征向量，故障識別預判模型根據特征向量對受電弓進行故障預判，若有故障，故障識別模型根據原始數據向量對受電弓的故障類型進行識別。實現列車運行狀態下，對受電弓進行實時在線監測與故障類型識別，且無需在列車外部及路網沿線另外加裝硬件設備。

2.列車能耗分項統計

通過大數據智能分析方法，結合位于電路關鍵位置部分傳感器提供的實時數據，可對動力系統、空調系統、照明系統、廚衛系統、用戶交互系統等不同功能模塊，提供非侵入式能耗分項統計。統計結果能為鐵路管理部門提供參考，優化列車運行管理模式，改進各系統的運行機制，降低高速列車運行能耗。

圖1 高速列車受電裝置

圖2 受流裝置故障特征映射及辨識方法

圖3 不同功能模塊設備的提取特征

圖4 不同設備的分項能耗統計