CN104517195A - 一种动车组的故障定位自动化方法 - Google Patents

一种动车组的故障定位自动化方法 Download PDF

Info

Publication number
CN104517195A
CN104517195A CN201510005091.2A CN201510005091A CN104517195A CN 104517195 A CN104517195 A CN 104517195A CN 201510005091 A CN201510005091 A CN 201510005091A CN 104517195 A CN104517195 A CN 104517195A
Authority
CN
China
Prior art keywords
fault
localization
failure
cost
train unit
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.)
Pending
Application number
CN201510005091.2A
Other languages
English (en)
Inventor
孟敬慈
陈君达
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.)
SHANGHAI GENER INFORMATION TECHNOLOGY Co Ltd
Original Assignee
SHANGHAI GENER INFORMATION TECHNOLOGY 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 SHANGHAI GENER INFORMATION TECHNOLOGY Co Ltd filed Critical SHANGHAI GENER INFORMATION TECHNOLOGY Co Ltd
Priority to CN201510005091.2A priority Critical patent/CN104517195A/zh
Publication of CN104517195A publication Critical patent/CN104517195A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明涉及一种动车组的故障定位自动化方法，包括检修人员提交故障信息，计算引擎服务器针对所给出的故障现象，通过故障现象代码和故障原因代码两组代码的关联模型，计算最佳故障定位策略；计算引擎服务器收集故障定位的现实反馈调整所述的两组代码的关联模型，将检查结果插入检修历史数据中。其优点表现为：本发明可据现实要求，科学的制定动车组故障定位方法，具有很强的可拓展性和可移植性，可便利地应用于动车组的故障处理中；相比于单纯依靠故障历史数据的方法，本发明综合了专家知识，在不完全或片面的历史数据下，具有更安全可靠的优点；相比于单纯依靠手册或经验的方法，本发明具有智能程度高，可自学习的优点。

Description

一种动车组的故障定位自动化方法
技术领域
本发明涉及动车组故障诊断领域，具体地说，是一种动车组的故障定位自动化方法。
背景技术
目前，动车组的故障诊断以传统的故障手册加人工诊断的方式为主。但是，由于动车组运营中不断累积故障历史数据，采用故障手册或者人工诊断的方式不能充分利用历史数据且效率低下。
发明内容
本发明的目的是针对现有技术中的不足，利用历史数据对动车组的故障定位建立模型，用智能优化的手段制定出科学合理的动车组的故障定位自动化方法，提供一种动车组的故障定位自动化方法。
为实现上述目的，本发明采取的技术方案是：一种动车组的故障定位自动化方法，包括：
a.检修人员通过检修终端提交故障信息，系统读取输入的动车组故障现象代码，在动车组故障现象-故障原因关联表中找出与之关联的故障原因代码，并读取维修记录数据库中相应的故障原因维修记录，同时在成本数据库中读取这些故障原因的诊断成本，将这些数据发送给故障定位的计算引擎服务器；
b.计算引擎服务器通过故障现象代码和故障原因代码两组代码的关联模型，针对给定的故障现象，计算最佳故障定位策略；
c.检修人员实时录入故障检修实绩，计算引擎服务器收集故障定位的现实反馈；
d.计算引擎服务器将此次检查结果与以往检修历史合并，成为新的检修历史数据，在R语言中采用贝叶斯方法计算在该数据支持下的两组代码间的条件概率，代入最佳故障定位策略模型，更新最佳故障定位策略，完成模型自学习过程。
步骤a中所述的维修记录包括特定故障现象、维修历史记录中的诊断各故障原因的顺序；所述的成本数据是指诊断每种故障原因的总成本，包括操作成本、人力成本、时间成本和安全成本。
步骤b中所述的最佳故障定位策略是指期望成本最低的故障原因诊断序列，即通过历史数据计算当前条件下各可能原因的条件概率，并据此求出某一解决方案的期望成本，通过对此期望成本的最优化得出最优故障定位解决方案，所述的解决方案为针对某故障现象的一个原因诊断序列。
步骤b中所述的最佳故障定位策略可由以下方法获得：
b.1将每种解决方案表示成一个树，树的节点是一个确认某种原因的诊断行为，或者是一个与用户的交互；
b.2每个诊断行为节点下将分成两个分支，其一为确定诊断行为对应的原因即为目前的故障原因，另一个为确定该原因并非目前故障的原因；同时，交互也分为有限个分支，用来为系统向用户以选择题的方式询问信息；
b.3交互后系统获得了更多信息，进行决策，并将每种可能的决策方案抽象为树状图上的一个点，计算出该点对应的期望成本；
b.4定义点与点之间的相邻关系，在树状图上利用局部搜索算法求得局部最优解，即为最佳故障定位策略。
本发明优点在于：
1、与现有技术相比，本发明可以根据现实要求，科学的制定动车故障定位方法，同时具有很强的可拓展性和可移植性，可便利的应用于其他路局的故障处理当中。
2、相比于单纯依靠故障历史数据的方法，本发明综合了专家知识，在不完全或片面的历史数据下，具有更安全可靠的优点。
3、相比于单纯依靠手册或经验的方法，本发明具有智能程度高、可自学习的优点。
【附图说明】
附图1是本发明方法的流程图。
具体实施方式
下面结合附图对本发明提供的具体实施方式作详细说明。
如附图1所示：一种动车组的故障定位自动化方法，包括：
a.检修人员通过检修终端提交故障信息，系统读取输入的动车组故障现象代码，在动车组故障现象-故障原因关联表中找出与之关联的故障原因代码，并读取维修记录数据库中相应的故障原因维修记录，同时在成本数据库中读取这些故障原因的诊断成本，将这些数据发送给故障定位的计算引擎服务器；
b.计算引擎服务器通过故障现象代码和故障原因代码两组代码的关联模型，针对给定的故障现象，计算最佳故障定位策略；
c.检修人员实时录入故障检修实绩，计算引擎服务器收集故障定位的现实反馈；
d.计算引擎服务器将此次检查结果与以往检修历史合并，成为新的检修历史数据，在R语言中采用贝叶斯方法计算在该数据支持下的两组代码间的条件概率，代入最佳故障定位策略模型，更新最佳故障定位策略，完成模型自学习过程。
步骤a中所述的维修记录包括特定故障现象、维修历史记录中的诊断各故障原因的顺序；所述的成本数据是指诊断每种故障原因的总成本，包括操作成本、人力成本、时间成本和安全成本。
步骤b中所述的最佳故障定位策略是指期望成本最低的故障原因诊断序列，即通过历史数据计算当前条件下各可能原因的条件概率，并据此求出某一解决方案的期望成本，通过对此期望成本的最优化得出最优故障定位解决方案，所述的解决方案为针对某故障现象的一个原因诊断序列。
步骤b中所述的最佳故障定位策略可由以下方法获得：
b.1将每种解决方案表示成一个树，树的节点是一个确认某种原因的诊断行为，或者是一个与用户的交互；
b.2每个诊断行为节点下将分成两个分支，其一为确定诊断行为对应的原因即为目前的故障原因，另一个为确定该原因并非目前故障的原因；同时，交互也分为有限个分支，用来为系统向用户以选择题的方式询问信息；
b.3交互后系统获得了更多信息，进行决策，并将每种可能的决策方案抽象为树状图上的一个点，计算出该点对应的期望成本；
b.4定义点与点之间的相邻关系，在树状图上利用局部搜索算法求得局部最优解，即为最佳故障定位策略。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明方法的前提下，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。

Claims (4)

1.一种动车组的故障定位自动化方法，其特征在于，包括：
a.检修人员通过检修终端提交故障信息，系统读取输入的动车组故障现象代码，在动车组故障现象-故障原因关联表中找出与之关联的故障原因代码，并读取维修记录数据库中相应的故障原因维修记录，同时在成本数据库中读取这些故障原因的诊断成本，将这些数据发送给故障定位的计算引擎服务器；
b.计算引擎服务器通过故障现象代码和故障原因代码两组代码的关联模型，针对给定的故障现象，计算最佳故障定位策略；
c.检修人员实时录入故障检修实绩，计算引擎服务器收集故障定位的现实反馈；
d.计算引擎服务器将此次检查结果与以往检修历史合并，成为新的检修历史数据，在R语言中采用贝叶斯方法计算在该数据支持下的两组代码间的条件概率，代入最佳故障定位策略模型，更新最佳故障定位策略，完成模型自学习过程。
2.根据权利要求1所述的一种动车组的故障定位自动化方法，其特征在于，步骤a中所述的维修记录包括特定故障现象、维修历史记录中的诊断各故障原因的顺序；所述的成本数据是指诊断每种故障原因的总成本，包括操作成本、人力成本、时间成本和安全成本。
3.根据权利要求1所述的一种动车组的故障定位自动化方法，其特征在于，步骤b中所述的最佳故障定位策略是指期望成本最低的故障原因诊断序列，即通过历史数据计算当前条件下各可能原因的条件概率，并据此求出某一解决方案的期望成本，通过对此期望成本的最优化得出最优故障定位解决方案，所述的解决方案为针对某故障现象的一个原因诊断序列。
4.根据权利要求1所述的一种动车组的故障定位自动化方法，其特征在于，步骤b中所述的最佳故障定位策略可由以下方法获得：
b.1将每种解决方案表示成一个树，树的节点是一个确认某种原因的诊断行为，或者是一个与用户的交互；
b.2每个诊断行为节点下将分成两个分支，其一为确定诊断行为对应的原因即为目前的故障原因，另一个为确定该原因并非目前故障的原因；同时，交互也分为有限个分支，用来为系统向用户以选择题的方式询问信息；
b.3交互后系统获得了更多信息，进行决策，并将每种可能的决策方案抽象为树状图上的一个点，计算出该点对应的期望成本；
b.4定义点与点之间的相邻关系，在树状图上利用局部搜索算法求得局部最优解，即为最佳故障定位策略。
CN201510005091.2A 2015-01-04 2015-01-04 一种动车组的故障定位自动化方法 Pending CN104517195A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510005091.2A CN104517195A (zh) 2015-01-04 2015-01-04 一种动车组的故障定位自动化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510005091.2A CN104517195A (zh) 2015-01-04 2015-01-04 一种动车组的故障定位自动化方法

Publications (1)

Publication Number Publication Date
CN104517195A true CN104517195A (zh) 2015-04-15

Family

ID=52792452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510005091.2A Pending CN104517195A (zh) 2015-01-04 2015-01-04 一种动车组的故障定位自动化方法

Country Status (1)

Country Link
CN (1) CN104517195A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106484757A (zh) * 2015-08-27 2017-03-08 株式会社日立制作所 定位铁路网络上的列车事件
CN107479540A (zh) * 2017-09-18 2017-12-15 内蒙古自治区大气探测技术保障中心 故障诊断方法以及系统
CN110221144A (zh) * 2019-05-30 2019-09-10 北京博锐尚格节能技术股份有限公司 建筑机电故障原因定位方法
WO2021098558A1 (zh) * 2019-11-18 2021-05-27 中车永济电机有限公司 电力机车故障的处理方法、装置及系统
CN115293296A (zh) * 2022-09-28 2022-11-04 中国人民解放军海军工程大学 一种机械设备故障定位优化方法和系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050209906A1 (en) * 2002-04-30 2005-09-22 Bayoumi Deia S Distribution/power transformers customer support, tracking problems and recalls
CN103198369A (zh) * 2012-01-06 2013-07-10 上海杰之能信息科技有限公司 动车日常检修计划自动排程信息处理方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050209906A1 (en) * 2002-04-30 2005-09-22 Bayoumi Deia S Distribution/power transformers customer support, tracking problems and recalls
CN103198369A (zh) * 2012-01-06 2013-07-10 上海杰之能信息科技有限公司 动车日常检修计划自动排程信息处理方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李俭川: "贝叶斯网络故障诊断与维修决策方法及应用研究", 《中国优秀博硕士学位论文全文数据库 (博士)（信息科技辑）》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106484757A (zh) * 2015-08-27 2017-03-08 株式会社日立制作所 定位铁路网络上的列车事件
CN106484757B (zh) * 2015-08-27 2019-11-15 株式会社日立制作所 定位铁路网络上的列车事件
CN107479540A (zh) * 2017-09-18 2017-12-15 内蒙古自治区大气探测技术保障中心 故障诊断方法以及系统
CN107479540B (zh) * 2017-09-18 2019-04-23 内蒙古自治区大气探测技术保障中心 故障诊断方法以及系统
CN110221144A (zh) * 2019-05-30 2019-09-10 北京博锐尚格节能技术股份有限公司 建筑机电故障原因定位方法
CN110221144B (zh) * 2019-05-30 2021-08-31 博锐尚格科技股份有限公司 建筑机电故障原因定位方法
WO2021098558A1 (zh) * 2019-11-18 2021-05-27 中车永济电机有限公司 电力机车故障的处理方法、装置及系统
CN115293296A (zh) * 2022-09-28 2022-11-04 中国人民解放军海军工程大学 一种机械设备故障定位优化方法和系统
CN115293296B (zh) * 2022-09-28 2022-12-20 中国人民解放军海军工程大学 一种机械设备故障定位优化方法和系统

Similar Documents

Publication Publication Date Title
CN104517195A (zh) 一种动车组的故障定位自动化方法
CN110440396B (zh) 云边端协同的中央空调全局优化节能控制方法和系统
CN102174994B (zh) 城市供水管网事故爆管在线定位系统
CN106529719B (zh) 基于粒子群优化算法风速融合的风电功率预测的方法
CN107622308A (zh) 一种基于dbn网络的发电设备参数预警方法
CN112785010B (zh) 一种轨道交通列车系统多部件动态维修策略优化方法
CN111817880A (zh) 一种油气田生产设备健康管理系统以及实现方法
CN106296127A (zh) 一种智能变电站业务流程的动态构建系统及方法
CN105574589A (zh) 基于小生境遗传算法的变压器油色谱故障诊断方法
CN109543814A (zh) 一种地铁信号系统各设备故障预测方法
CN115129030A (zh) 一种基于模型与神经网络组合的无人机故障诊断系统
CN105445591A (zh) 变流器故障诊断方法以及变流器故障诊断装置
CN117575623B (zh) 一种空调软管产品制造溯源管理系统
CN106919984A (zh) 基于成本的并联系统可修部件维修决策方法
CN109633335A (zh) 故障识别方法和装置
CN116686535B (zh) 基于数据分析的无人驾驶收割机控制方法及系统
CN103198369A (zh) 动车日常检修计划自动排程信息处理方法及装置
CN113486586B (zh) 设备健康状态评估方法、装置、计算机设备及存储介质
CN110059830A (zh) 一种基于人工智能技术的熟练工种工业模型训练技术
CN112733943B (zh) 一种基于数据混剪技术的热泵故障诊断模型迁移方法
CN115033015A (zh) 基于移动智能终端的输电线路巡检管控系统
CN103646095A (zh) 一种基于数据驱动的共因失效的可靠性判断系统及方法
CN111476383A (zh) 一种泵站机组状态检修动态决策方法
CN108921325B (zh) 一种基于实时路况的停电抢修最优路径的获取方法
CN112488873A (zh) 一种供用电设备健康码及状态轨迹智能挖掘构建方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150415