CN102360429B

CN102360429B - 一种交通工具故障隐患排查方法及系统

Info

Publication number: CN102360429B
Application number: CN 201110287654
Authority: CN
Inventors: 陈建校; 陈文光; 王超; 陈超录
Original assignee: Zhuzhou CSR Times Electric Co Ltd
Current assignee: Zhuzhou CRRC Times Electric Co Ltd
Priority date: 2011-09-26
Filing date: 2011-09-26
Publication date: 2013-01-02
Anticipated expiration: 2031-09-26
Also published as: CN102360429A

Abstract

本发明实施例公开了一种交通工具故障隐患排查方法及系统。本发明实施例通过采集交通工具特征数据，建立每一个交通工具的泛特征集，在首次发现故障时，将该故障特征样本添加到故障特征样本集中，并且根据故障特征样本和每一个交通工具的泛特征集得到每一个交通工具的故障特征值集，然后将故障特征值集与故障特征样本集进行匹配，在匹配值大于预置阈值时，则认为该匹配值对应的交通工具具有故障隐患，添加到故障隐患交通工具列表中。由于该方案可以自动地对交通工具的故障隐患进行排查，所以可以大大提高交通工具的故障隐患排查效率，有利于交通工具的维护，以及降低故障排查过程中对正常交通工具的影响。

Description

一种交通工具故障隐患排查方法及系统

技术领域

本发明涉及工程技术领域，具体涉及一种交通工具故障隐患排查方法及系统。

背景技术

故障诊断对现代工程技术系统具有十分重要的意义，但在现有技术中，一般都只会针对已经出现过的故障进行诊断，并且也只能是一种事后报警，对于那些影响大而尚未挖掘出来的故障，故障诊断系统无能为力。

在交通工具的使用过程中，同一类型的交通工具经常会出现同样的故障。所以，在实际的交通工具维护过程中，一旦某一交通工具出现某一个故障，则需要对产生该故障的原因进行分析，然后根据该分析结果针对所有与该故障交通工具同类型的其他交通工具进行人工排查，以防止同一个故障在该类型的其他交通工具中出现。

在对现有技术的研究和实践过程中，本发明的发明人发现，用人工来排查交通工具的故障，其工作量非常巨大，效率极为低下，严重影响正常交通工具的有效赋役时间及其使用效率。

发明内容

本发明实施例提供一种交通工具故障隐患排查方法及系统，可以自动对交通工具的故障隐患进行排查，提高交通工具的故障隐患排查效率。

一种交通工具故障隐患排查方法，包括：

采集交通工具特征数据；

根据所述交通工具特征数据和预置的泛特征域集提取泛特征项，形成每一个交通工具的泛特征集；

获取故障特征样本，并将该故障特征样本添加到故障特征样本集中；

根据故障特征样本和每一个交通工具的泛特征集得到每一个交通工具的故障特征值集；

将每一个交通工具的故障特征值集与故障特征样本集进行匹配，得到匹配值；

在确定所述匹配值大于预置阈值时，将该匹配值对应的交通工具添加到故障隐患交通工具列表中。

一种交通工具故障隐患排查系统，包括数据采集装置和数据处理装置，其中，数据处理装置包括泛特征提取模块、故障特征样本获取模块、故障特征值提取模块和故障隐患识别模块；

数据采集装置，用于采集交通工具特征数据；

泛特征提取模块，用于根据数据采集装置采集到的交通工具特征数据和预置的泛特征域集提取泛特征项，形成每一个交通工具的泛特征集；

故障特征样本获取模块，用于获取故障特征样本，并将该故障特征样本添加到故障特征样本集中；

故障特征值提取模块，用于根据故障特征样本和每一个交通工具的泛特征集得到每一个交通工具的故障特征值集；

故障隐患识别模块，用于将每一个交通工具的故障特征值集与故障特征样本集进行匹配，得到匹配值；在确定所述匹配值大于预置阈值时，将该匹配值对应的交通工具添加到故障隐患交通工具列表中。

本发明实施例通过采集交通工具特征数据，建立每一个交通工具的泛特征集，在首次发现故障时，将该故障特征样本添加到故障特征样本集中，并且根据故障特征样本和每一个交通工具的泛特征集得到每一个交通工具的故障特征值集，然后将故障特征值集与故障特征样本集进行匹配，在匹配值大于预置阈值时，则认为该匹配值对应的交通工具具有故障隐患，添加到故障隐患交通工具列表中。由于该方案可以自动地对交通工具的故障隐患进行排查，所以可以大大提高交通工具的故障隐患排查效率，有利于交通工具的维护，以及降低故障排查过程中对正常交通工具的影响。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的交通工具故障隐患排查方法的流程图；

图2是本发明实施例提供的交通工具故障隐患排查系统的结构示意图；

图3是本发明实施例提供的交通工具故障隐患排查系统的另一结构示意图；

图4是本发明实施例提供的交通工具故障隐患排查系统的执行流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种交通工具故障隐患排查方法及系统。以下分别进行详细说明。

本实施例将从交通工具故障隐患排查系统的角度进行描述。

一种交通工具故障隐患排查方法，包括：采集交通工具特征数据；根据采集到的交通工具特征数据和预置的泛特征域集提取泛特征项，形成每一个交通工具的泛特征集；获取故障特征样本，并将该故障特征样本添加到故障特征样本集中；根据故障特征样本和每一个交通工具的泛特征集得到每一个交通工具的故障特征值集；将每一个交通工具的故障特征值集与故障特征样本集进行匹配，得到匹配值；在确定所述匹配值大于预置阈值时，将该匹配值对应的交通工具添加到故障隐患交通工具列表中。

参见图1，具体流程可以如下：

101、采集交通工具特征数据；

其中，交通工具特征数据可以包括交通工具标志、地点标志、设备标志、时间戳信息、交通工具运行工况数据和交通工具设备状态数据等数据。

102、根据步骤101中采集到的交通工具特征数据和预置的泛特征域集提取泛特征项，形成每一个交通工具的泛特征集；

其中，泛特征域集可以根据实际情况进行预置，用于明确所需要提取的泛特征项，即根据泛特征域集就可以知道交通工具特征数据中的哪些数据可以作为泛特征项。例如，如果泛特征域集为：{交通工具标志，地点标志，设备标志，时间戳信息，交通工具运行工况数据，交通工具设备状态数据}，而采集到车辆1的交通工具特征数据为：

交通工具标志：001

地点标志：A市

设备标志：A000001

时间戳信息：2011

交通工具运行工况数据：X

交通工具设备状态数据：Y

则，根据泛特征域集和车辆1的交通工具特征数据，可以得到车辆1的泛特征集为：{001，A市，A000001，2011，X，Y}。

又例如，如果泛特征域集为：{交通工具标志，设备标志，时间戳信息，交通工具运行工况数据，交通工具设备状态数据}，而采集到车辆1的交通工具特征数据与上述相同，则此时，根据泛特征域集和车辆1的交通工具特征数据，可以得到车辆1的泛特征集为：{001，A000001，2011，X，Y}。

可见，由于第二个例子中的泛特征域集中并没有“地点标志”这个元素，所以，车辆1的泛特征集中也并没有采用“地点标志：A市”这个数据，当然，此处仅仅是举例说明，应当理解的是，泛特征域集中所包含的元素可以根据实际情况进行设置，其实现方式和功能与上述例子类似，在此不再赘述。

其中，在交通工具故障隐患排查系统启动时，可以先对泛特征域集进行初始化。即在根据所述交通工具特征数据和预置的泛特征域集提取泛特征项之前，该交通工具故障隐患排查方法还可以包括：

初始化泛特征域集。

需说明的是，泛特征域集并不同于泛特征集，泛特征域集用于指示哪些特征项可以作为泛特征集的元素，是面向所有交通工具的，而泛特征集是每一个交通工具的泛特征值的集合，是面向某一个交通工具的，即每一个交通工具都对应着一个泛特征集，如果有m个交通工具，则意味着存在m个泛特征集，而泛特征域集则只有一个。

103、获取故障特征样本，并将该故障特征样本添加到故障特征样本集中；例如，具体如下：

在发现新的故障时，用户可以对该新的故障进行分析，以得到故障特征样本，然后将该故障特征样本输入交通工具故障隐患排查系统，交通工具故障隐患排查系统在得到该故障特征样本后，将该故障特征样本添加到故障特征样本集中。

其中，所谓的故障特征样本集，指的是故障特征样本的集合，该故障特征样本集的初始可以为空集，然后根据故障的发生状况进行添加。

104、根据故障特征样本和每一个交通工具的泛特征集得到每一个交通工具的故障特征值集；例如，具体可以如下：

分析故障特征样本和泛特征域集的差异，即确定分析故障特征样本中涉及到的特征项是否存在于泛特征域集中；

若分析故障特征样本中涉及到的特征项在泛特征域集中没有，则将该涉及到的特征项添加到泛特征域集中，并更新每一个交通工具的泛特征集，从更新后的每一个交通工具的泛特征集中提取与故障特征样本具有相同特征项的特征值集，得到每一个交通工具的故障特征值集；

若分析故障特征样本中涉及到的特征项都在泛特征域集中，则从每一个交通工具的泛特征集中提取与故障特征样本具有相同特征项的特征值集，得到每一个交通工具的故障特征值集。

需说明的是，若泛特征域集发生了改变，则每一个交通工具的泛特征集也需要跟着进行更新，比如，如果在泛特征域集中增加了特征项，则更新每一个交通工具的泛特征集具体可以包括：

根据所述交通工具特征数据和添加了特征项后的泛特征域集提取泛特征项，形成每一个交通工具的泛特征集。

105、将每一个交通工具的故障特征值集与故障特征样本集进行匹配，得到匹配值；

106、在确定步骤105中所得到的匹配值大于预置阈值时，将该匹配值对应的交通工具添加到故障隐患交通工具列表中。

当然，如果确定步骤105中所得到的匹配值小于等于预置阈值，则表明该匹配值对应的交通工具不具备该故障隐患。

其中，预置阈值可以根据实际应用的需求进行设置，例如，在交通工具故障隐患排查系统启动时，可以先对该预置阈值进行初始化，以确定与故障特征样本具有多大匹配度的交通工具才具有故障隐患。

由上可知，本实施例通过采集交通工具特征数据，建立每一个交通工具的泛特征集，在首次发现故障时，将该故障特征样本添加到故障特征样本集中，并且根据故障特征样本和每一个交通工具的泛特征集得到每一个交通工具的故障特征值集，然后将故障特征值集与故障特征样本集进行匹配，在匹配值大于预置阈值时，则认为该匹配值对应的交通工具具有故障隐患，添加到故障隐患交通工具列表中。由于该方案可以自动地对交通工具的故障隐患进行排查，所以可以大大提高交通工具的故障隐患排查效率，有利于交通工具的维护，以及降低故障排查过程中对正常交通工具的影响。

相应的，为了更好地实施以上方法，本发明实施例还提供一种交通工具故障隐患排查系统，如图2所示，该交通工具故障隐患排查系统可以包括数据采集装置201和数据处理装置202，其中，数据处理装置202可以包括泛特征提取模块2021、故障特征样本获取模块2022、故障特征值提取模块2023和故障隐患识别模块2024；

数据采集装置201，用于采集交通工具特征数据；其中，交通工具特征数据可以包括交通工具标志、地点标志、设备标志、时间戳信息、交通工具运行工况数据和交通工具设备状态数据等数据。

泛特征提取模块2021，用于根据数据采集装置采集到的交通工具特征数据和预置的泛特征域集提取泛特征项，形成每一个交通工具的泛特征集；

故障特征样本获取模块2022，用于获取故障特征样本，并将该故障特征样本添加到故障特征样本集中；

故障特征值提取模块2023，用于根据故障特征样本获取模块2022获取到的故障特征样本和泛特征提取模块2021形成的每一个交通工具的泛特征集得到每一个交通工具的故障特征值集；

故障隐患识别模块2024，用于将每一个交通工具的故障特征值集与故障特征样本集进行匹配，得到匹配值；在确定该匹配值大于预置阈值时，将该匹配值对应的交通工具添加到故障隐患交通工具列表中。

当然，如果确定该匹配值小于等于预置阈值，则表明该匹配值对应的交通工具不具备该故障隐患。即：

故障隐患识别模块2024，还用于在该匹配值小于等于预置阈值时，确定该匹配值对应的交通工具不具备该故障隐患。

其中，该故障特征值提取模块2023，具体可以用于分析故障特征样本和泛特征域集的差异，若分析故障特征样本中涉及到的特征项在泛特征域集中没有，则将所述涉及到的特征项添加到泛特征域集中，并更新每一个交通工具的泛特征集，从更新后的每一个交通工具的泛特征集中提取与故障特征样本具有相同特征项的特征值集，得到每一个交通工具的故障特征值集；若分析故障特征样本中涉及到的特征项都在泛特征域集中，则从每一个交通工具的泛特征集中提取与故障特征样本具有相同特征项的特征值集，得到每一个交通工具的故障特征值集。

需说明的是，若泛特征域集发生了改变，则每一个交通工具的泛特征集也需要跟着改变，比如，如果在泛特征域集中增加了特征项，则对每一个交通工具的泛特征集也进行更新，即：

泛特征提取模块2021，具体还用于根据所述交通工具特征数据和添加了特征项后的泛特征域集提取泛特征项，形成每一个交通工具的泛特征集。

如图3所示，为了方便用户输入和编辑故障特征样本，该交通工具故障隐患排查系统还可以包括故障特征样本编辑人机接口模块203；

故障特征样本编辑人机接口模块203，用于接收用户输入的故障特征样本，对故障特征样本进行编辑，并发送给故障特征样本获取模块。

此外，为了方便用户查看，还可以将该故障隐患交通工具列表显示出来，即该交通工具故障隐患排查系统还可以包括故障隐患显示模块204；

故障隐患显示模块204，用于将故障隐患识别模块所得到的故障隐患交通工具列表显示出来。

具体实施时，以上各个模块可以为独立的实体，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块的具体实施可参见前面实施例，在此不再赘述。

由上可知，本实施例的交通工具故障隐患排查系统中的数据采集装置201可以采集交通工具特征数据，然后由数据处理装置202建立每一个交通工具的泛特征集，在首次发现故障时，由故障特征样本获取模块2022将该故障特征样本添加到故障特征样本集中，并且由故障特征值提取模块2023根据故障特征样本和每一个交通工具的泛特征集得到每一个交通工具的故障特征值集，然后再由故障隐患识别模块2024将故障特征值集与故障特征样本集进行匹配，在匹配值大于预置阈值时，则认为该匹配值对应的交通工具具有故障隐患，添加到故障隐患交通工具列表中。由于该方案可以自动地对交通工具的故障隐患进行排查，所以可以大大提高交通工具的故障隐患排查效率，有利于交通工具的维护，以及降低故障排查过程中对正常交通工具的影响。

根据前面实施例所描述的方法和系统，以下将举例作进一步详细说明。

在本实施例中，将以该交通工具故障隐患排查系统包括数据采集装置、数据处理装置、故障特征样本编辑人机接口模块和故障隐患显示模块为例进行说明。其中，数据处理装置可以包括泛特征提取模块、故障特征样本获取模块、故障特征值提取模块和故障隐患识别模块；

参见图4，该交通工具故障隐患排查系统的执行流程可以如下：

301、数据采集装置实时采集交通工具特征数据，通过数据传输系统传输给数据处理装置；

其中，采集的交通工具特征数据至少包括交通工具标志、地点标志、设备标志、时间戳信息、交通工具运行工况数据和交通工具设备状态数据等数据；

302、数据处理装置初始化用于识别故障隐患的阀值。

303、数据处理装置初始化泛特征域集，以明确泛特征提取模块首次运行时提取泛特征的特征域的集合。

该泛特征域集可以以泛特征域集列表的形式存在。

304、泛特征提取模块获取泛特征域集，根据数据采集装置采集到的交通工具特征数据与本泛特征提取模块获取到的泛特征域集中的特征项，提取泛特征，形成每一个交通工具的泛特征集。

其中，形成泛特征集的作用是在进行故障隐患排查时提高该交通工具故障隐患排查系统自动排查的效率。

305，某故障第一次发生时，用户可以对该故障特征进行分析和总计，得到故障特征样本，然后通过故障特征样本编辑人机接口模块编辑输入该故障特征样本，故障特征样本编辑人机接口模块将该故障特征样本发送给故障特征样本获取模块。

306、故障特征样本获取模块将该故障特征样本添加到故障特征样本集中，并且发送第一次出现故障的通知给故障特征值提取模块。

其中，故障特征样本集可以以故障特征样本集列表的形式存在。

307、故障特征值提取模块接收到故障特征样本获取模块发送过来的第一次出现故障的通知后，获取故障特征样本集，读取故障特征样本，分析故障特征样本和泛特征域集的差异，比如，可以分析故障特征样本中涉及到的特征项在泛特征域集中是否都存在，然后按照以下方式进行处理：

(1)若分析故障特征样本中涉及到的特征项在泛特征域集中没有，则将所述涉及到的特征项添加到泛特征域集中，比如添加到泛特征域集列表中，并更新每一个交通工具的泛特征集，从更新后的每一个交通工具的泛特征集中提取与故障特征样本具有相同特征项的特征值集，得到每一个交通工具的故障特征值集。

(2)若分析故障特征样本中涉及到的特征项都在泛特征域集中，则从每一个交通工具的泛特征集中提取与故障特征样本具有相同特征项的特征值集，得到每一个交通工具的故障特征值集。

308、故障隐患识别模块读取故障特征样本集，将故障特征值提取模块得到的每一个交通工具的故障特征值集与读取到的故障特征样本集进行匹配，得到匹配值，将该匹配值与用于识别故障隐患的阀值进行比较，若该匹配值大于该阈值，则确定该匹配值对应的交通工具具有该故障隐患，于是将该匹配值对应的交通工具(即故障隐患交通工具)添加到故障隐患交通工具列表中；若该匹配值小于等于该阈值，则确定该匹配值对应的交通工具不具有该故障隐患。以此类推，直至所有交通工具的该故障的故障特征值集均与故障特征样本集匹配完毕，则将故障隐患交通工具列表发送给故障隐患显示模块。

例如，假设有序号分别为1～m共m辆交通工具，其中，m为大于等于1的正整数，则对故障n的排查具体可以如下：

故障隐患识别模块读取故障n所对应的故障特征样本集，将序号为1的交通工具的故障特征值集与故障n所对应的故障特征样本集进行匹配，得到匹配值；

将该匹配值与用于识别故障n的隐患的阀值进行比较；

若该匹配值大于该阈值，则确定该序号为1的交通工具具有该故障n的隐患，于是将该序号为1的交通工具添加到故障n隐患交通工具列表中，然后判断当前交通工具的序号是否为m，若为m，则流程结束，若当前交通工具的序号不为m，则对按照序号的顺序对下一个交通工具进行匹配，比如将序号为2的交通工具的故障特征值集与故障n所对应的故障特征样本集进行匹配，等等；

若该匹配值小于等于该阈值，则确定该序号为1的交通工具不具有该故障n的隐患，于是判断当前交通工具的序号是否为m，若为m，则将故障隐患交通工具列表发送给故障隐患显示模块以执行步骤309；若当前交通工具的序号不为m，则对按照序号的顺序对下一个交通工具进行匹配比如将序号为2的交通工具的故障特征值集与故障n所对应的故障特征样本集进行匹配，等等。

以此类推，直至将所有交通工具匹配完毕。

309、故障隐患显示模块显示具有该故障隐患的交通工具列表。

由上可知，本实施例的交通工具故障隐患排查系统可以采集交通工具特征数据，以建立每一个交通工具的泛特征集，在首次发现故障时，将该故障特征样本添加到故障特征样本集中，并且根据故障特征样本和每一个交通工具的泛特征集得到每一个交通工具的故障特征值集，然后再将故障特征值集与故障特征样本集进行匹配，在匹配值大于预置阈值时，则认为该匹配值对应的交通工具具有故障隐患，添加到故障隐患交通工具列表中。由于该方案可以自动地对交通工具的故障隐患进行排查，所以可以大大提高交通工具的故障隐患排查效率，有利于交通工具的维护，以及降低故障排查过程中对正常交通工具的影响。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

以上对本发明实施例所提供的一种交通工具故障隐患排查方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种交通工具故障隐患排查方法，其特征在于，包括：

采集交通工具特征数据；

在确定所述匹配值大于预置阈值时，将该匹配值对应的交通工具添加到故障隐患交通工具列表中；

其中，所述根据故障特征样本和每一个交通工具的泛特征集得到每一个交通工具的故障特征值集，包括：

分析故障特征样本和泛特征域集的差异；

若分析故障特征样本中涉及到的特征项在泛特征域集中没有，则将所述涉及到的特征项添加到泛特征域集中，并更新每一个交通工具的泛特征集，从更新后的每一个交通工具的泛特征集中提取与故障特征样本具有相同特征项的特征值集，得到每一个交通工具的故障特征值集；

2.根据权利要求1所述的方法，其特征在于，所述更新每一个交通工具的泛特征集，包括：

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述交通工具特征数据和预置的泛特征域集提取泛特征项之前还包括：

初始化泛特征域集。

4.一种交通工具故障隐患排查系统，其特征在于，包括数据采集装置和数据处理装置，其中，数据处理装置包括泛特征提取模块、故障特征样本获取模块、故障特征值提取模块和故障隐患识别模块；

数据采集装置，用于采集交通工具特征数据；

故障隐患识别模块，用于将每一个交通工具的故障特征值集与故障特征样本集进行匹配，得到匹配值；在确定所述匹配值大于预置阈值时，将该匹配值对应的交通工具添加到故障隐患交通工具列表中；

其中，所述故障特征值提取模块，具体用于分析故障特征样本和泛特征域集的差异，若分析故障特征样本中涉及到的特征项在泛特征域集中没有，则将所述涉及到的特征项添加到泛特征域集中，并更新每一个交通工具的泛特征集，从更新后的每一个交通工具的泛特征集中提取与故障特征样本具有相同特征项的特征值集，得到每一个交通工具的故障特征值集；若分析故障特征样本中涉及到的特征项都在泛特征域集中，则从每一个交通工具的泛特征集中提取与故障特征样本具有相同特征项的特征值集，得到每一个交通工具的故障特征值集。

5.根据权利要求4所述的系统，其特征在于，还包括：

故障特征样本编辑人机接口模块，用于接收用户输入的故障特征样本，对故障特征样本进行编辑，并发送给故障特征样本获取模块。

6.根据权利要求4所述的系统，其特征在于，还包括：

故障隐患显示模块，用于将故障隐患识别模块所得到的故障隐患交通工具列表显示出来。