CN103019869B - 一种时序故障树检测方法 - Google Patents
一种时序故障树检测方法 Download PDFInfo
- Publication number
- CN103019869B CN103019869B CN201210476840.6A CN201210476840A CN103019869B CN 103019869 B CN103019869 B CN 103019869B CN 201210476840 A CN201210476840 A CN 201210476840A CN 103019869 B CN103019869 B CN 103019869B
- Authority
- CN
- China
- Prior art keywords
- recollect
- group
- section
- data
- recollecting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Maintenance And Management Of Digital Transmission (AREA)
Abstract
本发明涉及一种时序故障树检测方法,包括:步骤S1、初始化追忆组及其相关联的参数单元;步骤S2、采样策略周期性对每个追忆组实现追忆工作;步骤S3、驱动策略周期性轮询事件报警池;步骤S4、检测策略通过循环队列方法,完成对追忆断面前数据的整合,状态再次从断面前转变成断面后;检测策略按照追忆组定义的采样周期,推动所有需要追忆任务断面前与后数据的拟合,完成整个追忆作业的数据联编;步骤S5、诊断策略从检测策略中收到的追忆数据,使用该追忆组的脚本实现故障诊断与推导,最终确定故障成因所在。与现有技术相比,本发明具有克服了现有技术中故障扫描的盲目性缺陷,解决了故障树存在时序问题的数据,使用脚本扩展系统的灵活性等优点。
Description
技术领域
本发明涉及一种时序故障树检测方法,尤其是涉及一种适用于轨道交通信号处理的时序故障树检测方法。
背景技术
目前,微机监测是监测信号设备运行状态的重要系统,利用微机监测系统实时监测模拟量、超限报警和开关量分合状态。故障树技术来研究和分析微机监测系统的实时数据,提前发现信号设备隐患,预防设备故障,保证信号设备的正常运用,从而为实现设备的状态修奠定基础。
故障智能分析系统,主要依据微机监测追忆时前几分钟的历史数据,通过对每分钟间隔区的数据,使用逐步扫描方法,结合逻辑关系图搜索可能出现的故障。这样的系统难以解决逻辑关系复杂,实时性要求高的环境系统。同样,每个信号码位采集的数据都开辟几分钟的内存空间,而逻辑关系运算表达式中需要结合复杂的站场图中关联的设备点信息。这样的设计存在不科学性,无法适应日益发展的行业需求。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种时序故障树检测方法。
本发明的目的可以通过以下技术方案来实现:
一种时序故障树检测方法,其特征在于,包括:
步骤S1、初始化追忆组及其相关联的参数单元;
步骤S2、采样策略周期性对每个追忆组实现追忆工作,对所有追忆组对象关联的参数单元断面前数据进行归并;
步骤S3、驱动策略周期性轮询事件报警池,符合要求的事件将触发追忆任务组对象的加载;
步骤S4、当驱动策略产生事件驱动之后,追忆组对象的状态已经从初始化状态变为断面前状态,检测策略通过循环队列方法,完成对追忆断面前数据的整合,状态再次从断面前转变成断面后;检测策略按照追忆组定义的采样周期,推动所有需要追忆任务断面前与后数据的拟合,完成整个追忆作业的数据联编;检测策略完成整个断面数据整合之后,状态将从断面后转变成结束,然后将追忆数据传输给诊断策略;
步骤S5、诊断策略从检测策略中收到的追忆数据,使用该追忆组的脚本实现故障诊断与推导,最终确定故障成因所在。
所述的步骤S1具体为:
步骤S11、建立追忆数据模型,该模型包括追忆组表和追忆参数表,其中追忆组表={追忆组号,追忆代码,采样周期,故障前断面数,故障后断面数,脚本},追忆参数表={追忆代码,追忆对象代码,数据类型};
步骤S12、初始化所有追忆组的实例,每个追忆组一个基本追忆组实例;
步骤S13、初始化每个追忆组从属的追忆参数单元;
步骤S14、初始化所有追忆作业的状态为初始化标志。
所述的步骤S2具体如下:
步骤S21,初始化循环组i的值为0和最大追忆组号值;
步骤S22,判断当前i的值是否超过最大追忆组号值,若为是,则退出该循环,否则进行下一步;
步骤S23,判断当前i的追忆组号采集周期是否到,如果该组的采集周期到,对该追忆组对象关联的参数单元断面前数据进行归并,再次进入步骤S22。
与现有技术相比,本发明具有以下优点:
1、克服了现有技术中故障扫描的盲目性缺陷;
2、把追忆原理与脚本方法两者相互结合,解决了故障树存在时序问题的数据,使用脚本扩展系统的灵活性;
3、定义了追忆特征数据表的模型,以实际需求实现了高效的追忆参数的组合;
4、通过事件驱动、多任务和多角色等方法,以触发条件开始按需分配内存空间,增强系统实时性和科学性;
5、本发明应用技术,对不同专业领域中的时序故障树分析具有参考和推广价值。
附图说明
图1为追忆组有效单元示意图;
图2为追忆采样数据流程图;
图3为追忆断面数据流程图;
图4为道岔失表示故障树图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
参考图1-3,说明本发明的技术方案,首先,参考图1,本领域技术人员很容易理解时序故障树内部的有效数据单元结构,在此基础上,参考图2-3,介绍本发明的追忆数据过程方法。
首先参考图1,介绍本发明的追忆数据模型构建方法,追忆组与参数两者之间通过主键和外键来确定一对多关系,包括以下步骤:
步骤100,建立追忆数据组模型,追忆数据组={追忆组号,追忆代码,采样周期,故障前断面数,故障后断面数,脚本};
步骤101,建立追忆参数模型,追忆参数={追忆代码,追忆对象代码,数据类型};
步骤102,输入追忆数据组模型,定义追忆组号、追忆代码、周期(秒)、故障前断面数(m)、故障后断面数(n)和执行脚本,其中追忆代码为主键,m和n是所有追忆参数的临界断面值,脚本作为处理故障成因分析的逻辑处理过程;
步骤103,输入追忆参数模型数据,定义追忆代码、追忆对象代码(点代码)、数据类型,其中追忆代码为外键。
首先参考图2,介绍本发明的追忆采样策略方法,采样策略担当的角色,按照1秒为周期性对每个追忆组实现追忆工作,采样策略周期性把实时数据归并与每个追忆组的参数变量单元,保证在追忆条件满足时断面前的数据不丢失。主要实现代码如下:
包括以下步骤:
步骤104,初始化循环组i的值为0和最大追忆组号值;
步骤105,判断当前i的值是否超过最大追忆组号值,如果i值超过了最大值,则退出该循环,否则进行下一步;
步骤106,判断当前i的追忆组号采集周期是否到,如果该组的采集周期到,处理该追忆组所有关联的参数数据,再次进入步骤105;
步骤107,结束采样过程。
首先参考图3,介绍本发明的追忆过程数据方法,检测策略循环周期为1秒,根据定义的追忆组把相关的数据扫描到定义的数据单元,根据故障属性建立故障分组追忆处理信息,建立追忆信息描述,动态分配追忆存盘数据缓冲区及初始化,包括动态分配内存空间,填充追忆点基本信息(点代码和量测类型)。包括以下步骤:
步骤108,检测是否存在有效的追忆作业,其中状态标志包含:追忆作业无效“PDR_STATUS_INIT=0”,追忆作业前断面“PDR_STATUS_PREV=1”,追忆作业后断面“PDR_STATUS_POST=2”,追忆作业结束“PDR_STATUS_END=3”;
步骤109,处理前断面数据,当故障前处理断面数多于m个,从当前处理断面向前数m,截取m个断面数;当故障前处理断面数不足m个,从当前处理断面向后数n,从而保证断面前的m完整。nCurProcFrameNo为当前处理帧号,具体算法如下:
步骤111,使用检测任务线程,推动全部追忆任务需要完成的断面数据。使用追忆任务缓冲区处理,同时把完成追忆作业任务结束时对空间释放工作。主要实现代码如下:
首先参考图4,介绍本发明典型时序故障树的构建与诊断过程,包括以下步骤:
步骤112,建立道岔失表示故障树:
T:道岔失表示(顶事件);
E1:定位电流故障;
X1:定位表示电路故障;
E3:定位电压故障;
X3:定位表示回路故障;
X4:定位表示回路室外开路故障;
X5:定位表示回路线圈支路(包括室内表示回路)开路故障;
X6:定位故障;
E2:反位电流故障;
X2:反位表示电路故障;
E4:反位电压故障;
X7:反位表示回路故障;
X8:反位表示回路室外开路故障;
X8:反位表示回路线圈支路(包括室内表示回路)开路故障;
X10:反位故障;
步骤113,诊断道岔失表示故障树:
第1步:系统周期性检测各个道岔表示入口条件是否满足要求,即道岔设备定/反位的状态从1变为0时。满足条件进入第2步;
第2步:如果道岔的启动电流在时间段-6到20秒时间段内(当前时刻参考值为0点)所有值为“0.0”安培,而0到12秒时间段中的所有反/定位表示状态为“0”,而任一定/反位表示状态为“1”。满足条件:诊断结果“道岔断表示:定位表示电路故障。”此时流程处理结束。否则进入第3步;
第3步:如果道岔的启动电流在时间段-6到20秒时间段内(当前时刻参考值为0点)所有值为“0.0”安培,而0到25秒时间段中所有的定/反位表示状态和反位表示状态均为“0”。满足条件进入第4步;
第4步:道岔表示电压诊断:
1)如果定/反位直流电压在6到10秒时间段中所有值为“<=10.0”伏特,定位交流电压在6到10秒时间段中所有值为“<=30.0”伏特,那么诊断结果为“道岔失表示:定/反位表示回路故障。”此时流程处理结束,否则进入下一过程2)。
2)如果定/反位直流电压在6到10秒时间段中所有值为“<=10.0”伏特,定位交流电压在6到10秒时间段中所有值为“>=90.0”伏特,那么诊断结果为“道岔失表示:定/反位表示回路室外开路。”此时流程处理结束,否则进入下一过程3)。
3)如果定/反位直流电压在6到10秒时间段中所有值为“25.0<=X<=45.0”伏特,定/反位交流电压在6到10秒时间段中所有值为“65.0<=X<=85.0”伏特,那么诊断结果为“道岔失表示:定/反位表示回路线圈支路(包括室内表示回路)开路。”此时流程处理结束,否则进入下一过程4)。
4)以上条件都不满足,则诊断结果为“道岔失表示:定/反位”此时流程处理结束。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (3)
1.一种时序故障树检测方法,其特征在于,包括:
步骤S1、初始化追忆组及其相关联的参数单元;
步骤S2、采样策略周期性对每个追忆组实现追忆工作,对所有追忆组对象关联的参数单元断面前数据进行归并;
步骤S3、驱动策略周期性轮询事件报警池,符合要求的事件将触发追忆任务组对象的加载;
步骤S4、当驱动策略产生事件驱动之后,追忆组对象的状态已经从初始化状态变为断面前状态,检测策略通过循环队列方法,完成对追忆断面前数据的整合,状态再次从断面前转变成断面后;检测策略按照追忆组定义的采样周期,推动所有需要追忆任务断面前与后数据的拟合,完成整个追忆作业的数据联编;检测策略完成整个断面数据整合之后,状态将从断面后转变成结束,然后将追忆数据传输给诊断策略;
步骤S5、诊断策略从检测策略中收到的追忆数据,使用该追忆组的脚本实现故障诊断与推导,最终确定故障成因所在。
2.根据权利要求1所述的一种时序故障树检测方法,其特征在于,所述的步骤S1具体为:
步骤S11、建立追忆数据模型,该模型包括追忆组表和追忆参数表,其中追忆组表={追忆组号,追忆代码,采样周期,故障前断面数,故障后断面数,脚本},追忆参数表={追忆代码,追忆对象代码,数据类型};
步骤S12、初始化所有追忆组的实例,每个追忆组一个基本追忆组实例;
步骤S13、初始化每个追忆组从属的追忆参数单元;
步骤S14、初始化所有追忆作业的状态为初始化标志。
3.根据权利要求2所述的一种时序故障树检测方法,其特征在于,所述的步骤S2具体如下:
步骤S21,初始化循环组i的值为0和最大追忆组号值;
步骤S22,判断当前i的值是否超过最大追忆组号值,若为是,则退出该循环,否则进行下一步;
步骤S23,判断当前i的追忆组号采集周期是否到,如果该组的采集周期到,对该追忆组对象关联的参数单元断面前数据进行归并,i++后再次进入步骤S22;若采集周期未到,直接i++后返回步骤S22。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210476840.6A CN103019869B (zh) | 2012-11-21 | 2012-11-21 | 一种时序故障树检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210476840.6A CN103019869B (zh) | 2012-11-21 | 2012-11-21 | 一种时序故障树检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103019869A CN103019869A (zh) | 2013-04-03 |
CN103019869B true CN103019869B (zh) | 2015-04-29 |
Family
ID=47968499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210476840.6A Active CN103019869B (zh) | 2012-11-21 | 2012-11-21 | 一种时序故障树检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103019869B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106931840B (zh) * | 2017-01-16 | 2018-07-27 | 南京航空航天大学 | 一种基于时序关系的系统失效生成图方法 |
CN108657233B (zh) * | 2018-06-21 | 2020-05-12 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种基于时序的计算机联锁系统道岔运维智能诊断方法 |
CN111124879A (zh) * | 2019-10-31 | 2020-05-08 | 中国航天系统科学与工程研究院 | 一种基于故障树的待验属性提取方法、介质及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682187A (zh) * | 2011-03-14 | 2012-09-19 | 卡斯柯信号有限公司 | 一种用于轨道交通设备的智能故障诊断方法 |
CN102768511A (zh) * | 2011-05-05 | 2012-11-07 | 北京三博中自科技有限公司 | 一种流程行业故障事件的原因搜索方法和系统 |
-
2012
- 2012-11-21 CN CN201210476840.6A patent/CN103019869B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682187A (zh) * | 2011-03-14 | 2012-09-19 | 卡斯柯信号有限公司 | 一种用于轨道交通设备的智能故障诊断方法 |
CN102768511A (zh) * | 2011-05-05 | 2012-11-07 | 北京三博中自科技有限公司 | 一种流程行业故障事件的原因搜索方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于故障树和规则匹配的故障诊断专家系统;戴钎等;《计算机应用》;20050930;第25卷(第9期);2034-2040 * |
Also Published As
Publication number | Publication date |
---|---|
CN103019869A (zh) | 2013-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809975B (zh) | 一种异常停车判断方法和装置 | |
CN103019869B (zh) | 一种时序故障树检测方法 | |
CN109581871B (zh) | 免疫对抗样本的工业控制系统入侵检测方法 | |
WO2006006084A8 (en) | Establishing command order in an out of order dma command queue | |
CN106448171B (zh) | 一种积水路段预测方法及装置 | |
WO2012170709A3 (en) | System and method for virtual partition monitoring | |
CN105554591A (zh) | 视频分析方法和设备 | |
CN107576435B (zh) | 基于过程数据分析的拧紧工艺在线故障检测仪及其方法 | |
CN101561778B (zh) | 一种检测多任务操作系统任务死循环的方法 | |
CN103810526B (zh) | 一种基于d-s证据理论的知识融合方法 | |
CN105530456A (zh) | 变电站监控方法、装置及系统 | |
EP2405357A3 (en) | Methods systems and apparatus for determining whether built-in-test fault codes are indicative of an actual fault condition or a false alarm | |
CN103502951B (zh) | 操作管理系统、操作管理方法及其程序 | |
JP2017062730A (ja) | 異常診断システム | |
CN115097790A (zh) | 一种基于数字孪生技术的车间人员模型重建及安全防护系统 | |
KR102045161B1 (ko) | 검색 시스템 | |
CN107864187A (zh) | 终端设备联机任务执行方法及服务器 | |
CN104378354A (zh) | 一种基于等级划分的物联网安全模型的方法 | |
CN114881665A (zh) | 一种基于目标识别算法识别窃电嫌疑用户的方法及系统 | |
CN109263650A (zh) | 识别人工介入的方法、装置及交通工具 | |
CN104879295A (zh) | 一种基于多层流模型和故障树最小割集的大型复杂系统故障诊断方法 | |
CN104516271B (zh) | 一种航天器载荷实验流程控制系统及方法 | |
CN103154919A (zh) | 多处理器系统中的异常控制 | |
CN103601062B (zh) | 摩擦式提升机第一故障检测方法 | |
CN109254898A (zh) | 一种软件模块执行顺序监视方法及监视系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |