CN104460651B - 一种基于自主学习的zc双系宕机故障预警方法与装置 - Google Patents

一种基于自主学习的zc双系宕机故障预警方法与装置 Download PDF

Info

Publication number
CN104460651B
CN104460651B CN201410578909.5A CN201410578909A CN104460651B CN 104460651 B CN104460651 B CN 104460651B CN 201410578909 A CN201410578909 A CN 201410578909A CN 104460651 B CN104460651 B CN 104460651B
Authority
CN
China
Prior art keywords
operational factor
early
systems
warning
autonomous learning
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
Application number
CN201410578909.5A
Other languages
English (en)
Other versions
CN104460651A (zh
Inventor
杨扬
刘保生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Traffic Control Technology TCT Co Ltd
Original Assignee
Traffic Control Technology TCT Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Traffic Control Technology TCT Co Ltd filed Critical Traffic Control Technology TCT Co Ltd
Priority to CN201410578909.5A priority Critical patent/CN104460651B/zh
Publication of CN104460651A publication Critical patent/CN104460651A/zh
Application granted granted Critical
Publication of CN104460651B publication Critical patent/CN104460651B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Alarm Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及一种基于自主学习的ZC双系宕机故障预警方法，包括：S1：选取ZC系统正常运行时的运行参数；S2：当ZC系统宕机时，对运行参数进行记录；S3：通过自主学习算法，计算记录的运行参数的频繁项集；S4：分析频繁项集获取ZC系统宕机时的预警参数并将预警参数进行存储生成预警参数数据库；S5：ZC系统正常运行时，监测运行参数，当运行参数达到预警参数的预设预警范围，发出故障预警信息。本发明通过上述方法为ZC宕机时的故障分析提供数据支撑，形成经验数据库，当ZC系统条件参数达到预警范围时，给出预警信息，及时通知维护人员，具有预警的高效性与准确性。本发明还公开了一种基于自主学习的ZC双系宕机故障预警装置。

Description

一种基于自主学习的ZC双系宕机故障预警方法与装置
技术领域
本发明涉及自动控制技术领域，尤其涉及一种基于自主学习的ZC双系宕机故障预警方法与装置。
背景技术
目前，城市轨道交通信号控制系统控制列车运行，保证行车安全和高校运营，是轨道交通的核心系统。信号系统的故障与运营关系密切，将直接影响安全行车和旅客出行，当信号系统故障时，可能造成封站，降低运营效率，甚至造成大面积停运，对整个城市的交通情况都可能产生严重影响。
具体地，ZC(Zone Conductor，区域控制器)是基于通信的列车控制系统(CBTC)的地面核心控制设备，是实现移动闭塞的必备设备。ZC子系统作为涉及行车安全的设备，其能否安全可靠运行将直接影响整个CBTC系统的安全运营和线路同行效率，而对ZC设备的故障进行预警，以便及时维护减少故障率，则对运营维护起着至关重要的作用。
进一步地，目前信号系统维护和故障处理方式存在以下缺陷：1)故障发生后，在子系统维护工作站上给出相关提示，由维护人员现场人工确认并进行维护维修；2)对于影响行车安全和设备正常工作的子系统发生故障后，将导致系统降级，降低运营效率和安全性；3)不具备设备故障分析和预警功能，仅能在故障发生并造成影响后再进行故障处理，且故障发生及处理过程如图1所示。
发明内容
本发明所要解决的技术问题是如何快速、高效且准确的为ZC系统运行时，提供良好的预警手段的关键问题。
为此目的，本发明提出了一种基于自主学习的ZC双系宕机故障预警方法，包括具体以下步骤：
S1：选取ZC系统正常运行时的运行参数；
S2：当ZC系统宕机时，对所述运行参数进行记录；
S3：通过自主学习算法，计算记录的所述运行参数的频繁项集；
S4：分析所述频繁项集获取ZC系统宕机时的预警参数并将所述预警参数进行存储生成预警参数数据库；
S5：ZC系统正常运行时，监测所述运行参数，当所述运行参数达到预警参数的预设预警范围时，发出故障预警信息。
进一步地，所述步骤S3还包括：通过自主学习算法获得关联规则。
具体地，所述运行参数为多个，包括：ZC双系之间通信数据反馈时间超时、双机内存数据不一致、硬同步FPGA信号超时、ZC主机与通信控制器通信异常、系内主机之间表决数据超时和/或系间表决数据超时。
具体地，所述自主学习算法通过连接步和剪枝步两种方式计算得到所述多个运行参数的频繁项集。
为此目的，本发明提出了一种基于自主学习的ZC双系宕机故障预警装置，包括：
选取模块，用于选取ZC系统正常运行时的运行参数；
记录模块，用于当ZC系统宕机时，对所述运行参数进行记录；
计算模块，用于通过自主学习算法，计算记录的所述运行参数的频繁项集；
获取生成模块，用于分析所述频繁项集获取ZC系统宕机时的预警参数并将所述预警参数进行存储生成预警参数数据库；
预警模块，用于ZC系统正常运行时，监测所述运行参数，当所述运行参数达到预警参数的预设预警范围时，发出故障预警信息。
进一步地，所述获取生成模块，还用于通过自主学习算法获得关联规则。
具体地，所述运行参数为多个，包括：ZC双系之间通信数据反馈时间超时、双机内存数据不一致、硬同步FPGA信号超时、ZC主机与通信控制器通信异常、系内主机之间表决数据超时和/或系间表决数据超时。
具体地，所述自主学习算法通过连接步和剪枝步两种方式计算得到所述多个运行参数的频繁项集。
本发明公开一种基于自主学习的ZC双系宕机故障预警方法，通过分析ZC系统设计方案，选取ZC系统相关运行参数并对ZC宕机时的系统参数进行数据记录，通过自主学习算法，计算得出ZC系统参数的频繁项集，得出ZC宕机的预警参数，继而再通过自主学习算法，由频繁项集找到关联规则，为ZC宕机时的故障分析提供数据支撑，形成经验数据库，当ZC系统条件参数达到预警范围时，给出预警信息，及时通知维护人员。本发明还公开了一种基于自主学习的ZC双系宕机故障预警装置。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了现有技术的步骤流程图；
图2示出了本发明实施例中的一种基于自主学习的ZC双系宕机故障预警方法的步骤流程图；
图3示出了ZC系统采用二乘二取二的双机热备平台原理框图；
图4示出了Apriori自主学习算法的步骤流程图；
图5示出了本发明实施例中的一种基于自主学习的ZC双系宕机故障预警装置的结构示意图。
具体实施方式
下面将结合附图对本发明的实施例进行详细描述。
为了更好的理解与应用本发明提出的一种基于自主学习的ZC双系宕机故障预警方法与系统，以如下附图示例进行详细说明。
如图2所示，本发明提供了一种基于自主学习的ZC双系宕机故障预警方法，包括具体以下步骤：
步骤S1：选取ZC系统正常运行时的运行参数。
具体地，ZC系统采用二乘二取二的双机热备平台，且原理如图3所示，当双系同时故障或双系不一致时会发生ZC宕机。通过分析ZC子系统设计方案，选取ZC维护数据中的部分参数，记录其在ZC宕机时的数值。其中，运行参数为多个，包括：I1：ZC双系之间通信数据反馈时间超时；I2：双机内存数据不一致；I3：硬同步FPGA信号超时；I4：ZC主机与通信控制器通信异常；I5：系内主机之间表决数据超时；I6：系间表决数据超时。
步骤S2：当ZC系统宕机时，对运行参数进行记录。
步骤S3：通过自主学习算法，计算记录的运行参数的频繁项集。其中，自主学习算法，即Apriori算法使用频繁项集的先验知识，使用一种称作逐层搜索的迭代方法，k项集用于探索(k+1)项集。具体地，首先，通过扫描ZC宕机记录，找出所有的频繁1项集，该集合记做L1，然后利用L1找频繁2项集的集合L2，L2找L3，逐次进行下去，直到不能再找到任何频繁k项集。最后在所有的频繁集合中找出强规则，即产生用户感兴趣的关联规则。
进一步地，Apriori自主学习算法采用连接步和剪枝步两种方式来找出所有的频繁项集。由此提高了获取记录的运行参数的频繁项集的多样性与准确性。其中，连接步，即为找出Lk，即所有的频繁k项集的集合，通过将Lk-1，即所有的频繁k-1项集的集合与自身连接产生候选k项集的集合。候选集合记作Ck。设l1和l2是Lk-1中的成员。记li[j]表示li中的第j项。假设Apriori自主学习算法对ZC宕机或项集中的项按字典次序排序，即对于(k-1)项集li，li[1]<li[2]<……….<li[k-1]。将Lk-1与自身连接，如果：
(l1[1]＝l2[1])&&(l1[2]＝l2[2])&&……..&&(l1[k-2]＝l2[k-2])&&(l1[k-1]<l2[k-1])，则判定l1和l2是可连接，即连接l1和l2产生的结果是{l1[1],l1[2],……,l1[k-1],l2[k-1]}；剪枝步，即CK是LK的超集，也就是说，CK的成员可能是也可能不是频繁的。通过扫描所有的ZC宕机，确定CK中每个候选的计数，判断是否小于最小支持度计数，如果不是，则认为该候选是频繁的。进一步地，为了压缩Ck,可以利用Apriori自主学习算法的性质：任一频繁项集的所有非空子集也必须是频繁的，反之，如果某个候选的非空子集不是频繁的，那么该候选肯定不是频繁的，从而可以将其从CK中删除。通过上述方法获得ZC宕机的频繁项集，得出ZC宕机的影响因子。如图4所示。
更进一步地，步骤S3还包括：通过自主学习算法获得关联规则：Confidence(A->B)＝P(B|A)＝support_count(AB)/support_count(A)，进而辅助故障分析。具体地，关联规则产生步骤为：对于每个频繁项集l，产生其所有非空真子集；对于每个非空真子集s,如果support_count(l)/support_count(s)>＝min_conf，则输出s->(l-s)，其中，min_conf是最小置信度阈值；通过ZC宕机的关联项集，得出关联规则后，则可对ZC宕机的故障分析提供参考。
步骤S4：分析频繁项集获取ZC系统宕机时的预警参数并将预警参数进行存储生成预警参数数据库。
步骤S5：ZC系统正常运行时，监测运行参数，当运行参数达到预警参数的预设预警范围时，发出故障预警信息。
本发明提出的一种基于自主学习的ZC双系宕机故障预警方法，通过Apriori自主学习算法分析ZC宕机时的系统参数数据，挖掘其内含的、未知的却又实际存在的数据关系，自主学习获得ZC双系宕机的条件参数，得出预警阈值，形成故障预警经验数据库；通过自主学习ZC宕机参数的关联关系，为ZC系统故障提供依据；在ZC运行过程中，对相关参数进行实时监测，当达到报警阈值时，给出报警，将以往故障性维护改为预防性维护，有效降低信号系统核心设备故障率。
为了更好的理解与应用本发明提出的一种基于自主学习的ZC双系宕机故障预警方法，本发明从上述方法中抽象出一种基于自主学习的ZC双系宕机故障预警装置。
如图5所示，本发明提供了一种基于自主学习的ZC双系宕机故障预警装置10，包括：选取模块101、记录模块102、计算模块103、获取生成模块104以及预警模块105。
具体地，选取模块101用于选取ZC系统正常运行时的运行参数，其中，运行参数为多个，包括：ZC双系之间通信数据反馈时间超时、双机内存数据不一致、硬同步FPGA信号超时、ZC主机与通信控制器通信异常、系内主机之间表决数据超时和/或系间表决数据超时；记录模块102用于当ZC系统宕机时，对运行参数进行记录；计算模块103用于通过自主学习算法，计算记录的运行参数的频繁项集，其中，自主学习算法通过连接步和剪枝步两种方式计算得到多个运行参数的频繁项集；获取生成模块104用于分析频繁项集获取ZC系统宕机时的预警参数并将预警参数进行存储生成预警参数数据库；预警模块105用于ZC系统正常运行时，监测运行参数，当运行参数达到预警参数的预设预警范围时，发出故障预警信息。
进一步地，获取生成模块104还用于通过自主学习算法获得关联规则，便于辅助进行故障分析。
本发明公开一种基于自主学习的ZC双系宕机故障预警方法，通过分析ZC系统设计方案，选取ZC系统相关运行参数并对ZC宕机时的系统参数进行数据记录，通过自主学习算法，计算得出ZC系统参数的频繁项集，得出ZC宕机的预警参数，继而再通过自主学习算法，由频繁项集找到关联规则，为ZC宕机时的故障分析提供数据支撑，形成经验数据库，当ZC系统条件参数达到预警范围时，给出预警信息，及时通知维护人员。本发明还公开了一种基于自主学习的ZC双系宕机故障预警装置。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (6)

1.一种基于自主学习的ZC双系宕机故障预警方法，其特征在于，包括具体以下步骤：
S1：选取ZC系统正常运行时的运行参数；
S2：当ZC系统宕机时，对所述运行参数进行记录；
S3：通过自主学习算法，计算记录的所述运行参数的频繁项集；
S4：分析所述频繁项集获取ZC系统宕机时的预警参数并将所述预警参数进行存储生成预警参数数据库；
S5：ZC系统正常运行时，监测所述运行参数，当所述运行参数达到预警参数的预设预警范围时，发出故障预警信息；
所述运行参数为多个，包括：ZC双系之间通信数据反馈时间超时、双机内存数据不一致、硬同步FPGA信号超时、ZC主机与通信控制器通信异常、系内主机之间表决数据超时和/或系间表决数据超时。
2.如权利要求1所述的方法，其特征在于，所述步骤S3还包括：通过自主学习算法获得关联规则。
3.如权利要求1所述的方法，其特征在于，所述自主学习算法通过连接步和剪枝步两种方式计算得到所述多个运行参数的频繁项集。
4.一种基于自主学习的ZC双系宕机故障预警装置，其特征在于，包括：
选取模块，用于选取ZC系统正常运行时的运行参数；
记录模块，用于当ZC系统宕机时，对所述运行参数进行记录；
计算模块，用于通过自主学习算法，计算记录的所述运行参数的频繁项集；
获取生成模块，用于分析所述频繁项集获取ZC系统宕机时的预警参数并将所述预警参数进行存储生成预警参数数据库；
预警模块，用于ZC系统正常运行时，监测所述运行参数，当所述运行参数达到预警参数的预设预警范围时，发出故障预警信息；
其中，所述运行参数为多个，包括：ZC双系之间通信数据反馈时间超时、双机内存数据不一致、硬同步FPGA信号超时、ZC主机与通信控制器通信异常、系内主机之间表决数据超时和/或系间表决数据超时。
5.如权利要求4所述的装置，其特征在于，所述获取生成模块，还用于通过自主学习算法获得关联规则。
6.如权利要求4所述的装置，其特征在于，所述自主学习算法通过连接步和剪枝步两种方式计算得到所述多个运行参数的频繁项集。
CN201410578909.5A 2014-10-24 2014-10-24 一种基于自主学习的zc双系宕机故障预警方法与装置 Active CN104460651B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410578909.5A CN104460651B (zh) 2014-10-24 2014-10-24 一种基于自主学习的zc双系宕机故障预警方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410578909.5A CN104460651B (zh) 2014-10-24 2014-10-24 一种基于自主学习的zc双系宕机故障预警方法与装置

Publications (2)

Publication Number Publication Date
CN104460651A CN104460651A (zh) 2015-03-25
CN104460651B true CN104460651B (zh) 2017-07-11

Family

ID=52906873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410578909.5A Active CN104460651B (zh) 2014-10-24 2014-10-24 一种基于自主学习的zc双系宕机故障预警方法与装置

Country Status (1)

Country Link
CN (1) CN104460651B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105373116B (zh) * 2015-11-24 2018-03-27 交控科技股份有限公司 区域控制器故障展示方法及装置
CN105843772A (zh) * 2016-04-12 2016-08-10 华为技术有限公司 处理数据的装置和方法
CN106371917B (zh) * 2016-08-23 2019-07-02 清华大学 面向实时频繁项集挖掘的加速系统及方法
CN108134779B (zh) * 2017-12-06 2020-09-18 交控科技股份有限公司 Cbtc通信系统协议解析方法、协议库管理方法
CN108363364A (zh) * 2017-12-29 2018-08-03 武汉武钢众鹏信息系统有限公司 一种基于工业大数据驱动的报警方法
CN108200188A (zh) * 2018-01-17 2018-06-22 郑州云海信息技术有限公司 一种执法者服务器确定方法和自主学习服务器系统
CN115396283A (zh) * 2022-08-18 2022-11-25 卡斯柯信号有限公司 一种轨旁安全平台维护检测方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6697802B2 (en) * 2001-10-12 2004-02-24 International Business Machines Corporation Systems and methods for pairwise analysis of event data
US7734443B2 (en) * 2007-08-23 2010-06-08 General Electric Company System and method for prediction of gas turbine trips due to thermocouple failures
CN101937447B (zh) * 2010-06-07 2012-05-23 华为技术有限公司 一种告警关联规则挖掘方法、规则挖掘引擎及系统
CN102809965A (zh) * 2012-07-30 2012-12-05 燕山大学 一种基于故障频繁模式的液压设备故障预警方法
CN103793589B (zh) * 2012-10-31 2017-01-18 中国科学院软件研究所 一种高速列车故障处理方法
CN103744383B (zh) * 2013-12-26 2016-06-22 北京交控科技股份有限公司 地铁信号故障预警方法及系统
CN203720645U (zh) * 2013-12-26 2014-07-16 北京交控科技有限公司 针对列车区域控制器硬件设备的检测装置
CN103871003A (zh) * 2014-03-31 2014-06-18 国家电网公司 一种应用历史故障数据的配电网故障诊断方法

Also Published As

Publication number Publication date
CN104460651A (zh) 2015-03-25

Similar Documents

Publication Publication Date Title
CN104460651B (zh) 一种基于自主学习的zc双系宕机故障预警方法与装置
CN108038049B (zh) 实时日志控制系统及控制方法、云计算系统及服务器
CN110262463B (zh) 一种基于深度学习的轨道交通站台门故障诊断系统
CN104091070B (zh) 一种基于时间序列分析的轨道交通故障诊断方法和系统
CN104280668B (zh) 配电网故障类型识别方法和系统
CN105160483A (zh) 一种基于数据挖掘的二次设备故障诊断方法
CN107054410A (zh) 道岔转辙机的智能诊断系统及诊断方法
CN110850232B (zh) 基于继电保护辅助决策系统的电网故障诊断系统及其方法
CN105045256A (zh) 基于数据对比分析的轨道交通实时故障诊断方法和系统
CN103901882A (zh) 一种列车动力系统在线监控故障诊断的系统及其方法
CN105606957A (zh) 一种基于故障指示器以及公专变的配电网故障研判方法
CN106503439A (zh) 一种基于数据挖掘的采集故障预警系统的方法
CN104535581B (zh) 钢轨损伤探测推车
CN106340818A (zh) 智能变电站继电保护设备检修安措辅助分析预警方法
CN104777827A (zh) 高速铁路信号系统车载设备故障诊断方法
CN106529834A (zh) 核电站安全状态的评估方法、系统及核电站设备
CN104176092A (zh) 一种道岔钢轨伤损监测方法及装置
CN104156579A (zh) 一种动态交通异常数据检测与修复方法
CN102802182A (zh) 一种无线传感器网络故障诊断装置及方法
KR102078654B1 (ko) 전동차의 고장을 예측하는 시스템 및 방법
CN104991549A (zh) 基于fta与多层次模糊神经子网络的轨道电路红光带故障诊断方法
CN115345568A (zh) 一种基于排水管网gis的监测预警方法及系统
CN106131485A (zh) 一种连采机人员监测系统及监测方法
CN105572492A (zh) 一种城轨列车辅助逆变器故障诊断装置
CN204046720U (zh) 一种安全监控系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 100070 Beijing science and Technology Park of Fengtai District Haiying Road No. 6 hospital of Beijing, the headquarters of the International 2 Building No. 3

Applicant after: TRAFFIC CONTROL TECHNOLOGY Co.,Ltd.

Address before: 100070 Beijing science and Technology Park of Fengtai District Haiying Road No. 6 hospital of Beijing, the headquarters of the International 2 Building No. 3

Applicant before: Beijing Traffic Control Technology Co., Ltd.

COR Change of bibliographic data
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100070 Beijing science and Technology Park of Fengtai District Seahawks Hospital No. 6 2, No. 3 (Park)

Applicant after: TRAFFIC CONTROL TECHNOLOGY Co.,Ltd.

Address before: 100070 Beijing science and Technology Park of Fengtai District Haiying Road No. 6 hospital of Beijing, the headquarters of the International 2 Building No. 3

Applicant before: TRAFFIC CONTROL TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant