CN105109521A - 一种轨道列车异常检测方法及系统 - Google Patents
一种轨道列车异常检测方法及系统 Download PDFInfo
- Publication number
- CN105109521A CN105109521A CN201510514178.2A CN201510514178A CN105109521A CN 105109521 A CN105109521 A CN 105109521A CN 201510514178 A CN201510514178 A CN 201510514178A CN 105109521 A CN105109521 A CN 105109521A
- Authority
- CN
- China
- Prior art keywords
- information
- train
- data
- detection
- standard
- 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.)
- Granted
Links
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明实施例公开了一种轨道列车异常检测方法及系统,包括:存储列车标准信息;接收至少两个列车检测信息;在已存储的列车标准信息中筛选出与所述列车检测信息相匹配的列车标准信息;对相匹配的列车检测信息和列车标准信息进行信息处理,并输出信息处理结果;将所述信息处理结果代入预设的逻辑运算函数中进行逻辑运算,并输出逻辑运算结果;根据所述逻辑运算结果判断是否报警。本发明实施例提供的轨道车辆异常检测方法及系统对多个列车检测信息处理分析,并根据分析结果决定是否报警,实现列车检测信息的系统化管理,提高轨道列车异常检测的全面性、准确性和高效性。
Description
技术领域
本发明涉及交通运输技术领域,特别是涉及一种轨道列车异常检测方法及系统。
背景技术
列车作为铁路运输的核心,其异常检测的全面、准确、高效对于铁路运输安全保障来说是至关重要的。
现在的列车异常检测方式主要是:工作人员根据经验对列车进行排查,但是这种检测方式至少存在以下缺点:
1、列车组成结构复杂,细小部件较多,尤其是动车组列车,其一般长度有200多米,从裙板到转向架及中间部底部仅螺栓一项就有1000多项,因此采用人工检测方式存在工作效率低及容易漏检的问题;
2、由于“列车隐蔽部件数量较多;检修作业人员较难记住各零部件的正常状态形式;在列车入库后,其车轮的内外轮辋、踏面、轮缘由于钢轨和转向架结构的遮挡,存在着视觉盲区”等因素导致人工检测的难度增大,进一步降低了工作效率并增加了漏检的概率;
3、对于列车而言,由于其一站直达、停站时间短和长交路运行特点导致无法中途以人工方式予以检修。
发明内容
本发明实施例中提供了一种轨道列车异常检测方法及系统,以解决现有技术中人工检测效率低,容易漏检,检测难度大的问题。
为了解决上述技术问题,本发明实施例公开了如下技术方案:
一种轨道列车异常检测方法,所述方法包括:
存储列车标准信息,所述列车标准信息包括标准信息标记数据和标准数据;
接收至少两个列车检测信息,所述列车检测信息包括检测信息标记数据和检测数据;
在已存储的列车标准信息中筛选出与所述列车检测信息相匹配的列车标准信息,其中,列车检测信息与列车标准信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车标准信息中的标准信息标记数据相同;
对相匹配的列车检测信息和列车标准信息进行信息处理,并输出信息处理结果;
将所述信息处理结果代入预设的逻辑运算函数中进行逻辑运算,并输出逻辑运算结果;
根据所述逻辑运算结果判断是否报警。
优选地,所述方法还包括:
存储列车阈值信息,所述列车阈值信息包括阈值信息标记数据和阈值数据;
在已存储的列车阈值信息中筛选出与所述列车检测信息相匹配的列车阈值信息,其中,列车检测信息与列车阈值信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车阈值信息中的阈值信息标记数据相同;
所述信息处理包括:对检测信息中的检测数据和标准信息中的标准数据进行比对分析,并将比对分析结果与阈值信息中的阈值数据进行数据处理,进而确定信息处理结果,其中,所述阈值信息与所述检测信息相匹配。
优选地,所述信息处理结果还关联有信息处理结果标记数据,所述信息处理结果标记数据与信息处理步骤中列车检测信息的检测信息标记数据以及列车标准信息的标准信息标记数据相同;
所述逻辑运算函数中设有自变量,所述自变量还关联有自变量标记数据;
将所述信息处理结果代入预设的逻辑运算函数,具体为:将信息处理结果赋值给与其相匹配的自变量,其中,信息处理结果与自变量相匹配包括:与信息处理结果相关联的信息处理结果标记数据和与自变量相关联的自变量标记数据相同。
优选地,所述存储列车标准信息,具体为:设置用于存储列车模型信息的故障分析模型库,所述列车模型信息包括车型车号信息以及对应车型车号中的列车标准信息;
接收车型车号信息;
在已存储的列车标准信息中筛选出与所述列车检测信息相匹配的列车标准信息,具体为:根据接收的车型车号信息在所述故障分析模型库中筛选出具有相同车型车号信息的列车模型信息;在所述列车模型信息中筛选出与列车检测信息相匹配的列车标准信息。
优选地,所述标准信息标记数据以及检测信息标记数据包括位置数据和/或属性数据。
优选地,所述方法还包括:
接收列车车速信息,根据列车车速信息以及列车检测信息的接收时间确定检测信息标记数据中的位置数据。
一种轨道列车异常检测系统,所述系统包括:
存储模块,用于存储列车标准信息,所述列车标准信息包括标准信息标记数据和标准数据;
信息接收模块,用于接收至少两个列车检测信息,所述列车检测信息包括检测信息标记数据和检测数据;
信息筛选模块,用于在所述存储模块中筛选出与所述列车检测信息相匹配的列车标准信息,其中,列车检测信息与列车标准信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车标准信息中的标准信息标记数据相同;
信息处理模块,用于对相匹配的列车检测信息和列车标准信息进行信息处理,并输出信息处理结果;
逻辑分析模块,用于将所述信息处理结果代入预设的逻辑运算函数中进行逻辑运算,并输出逻辑运算结果;
报警模块,用于根据所述逻辑运算结果判断是否报警。
优选地,所述存储模块还用于存储列车阈值信息,所述列车阈值信息包括阈值信息标记数据和阈值数据;
所述信息筛选模块还用于在所述存储模块中筛选出与所述列车检测信息相匹配的列车阈值信息,其中,列车检测信息与列车阈值信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车阈值信息中的阈值信息标记数据相同;
所述信息处理包括:对检测信息中的检测数据和标准信息中的标准数据进行比对分析,并将比对分析结果与阈值信息中的阈值数据进行数据处理,进而确定信息处理结果,其中,所述阈值信息与所述检测信息相匹配。
优选地,所述信息处理结果还关联有信息处理结果标记数据,所述信息处理结果标记数据与信息处理步骤中列车检测信息的检测信息标记数据以及列车标准信息的标准信息标记数据相同;
所述逻辑运算函数中设有自变量,所述自变量还关联有自变量标记数据;
将信息处理结果代入预设的逻辑运算函数,具体为:将信息处理结果赋值给与其相匹配的自变量,其中,信息处理结果与自变量相匹配包括:与信息处理结果相关联的信息处理结果标记数据和与自变量相关联的自变量标记数据相同。
优选地,所述存储模块内存储列车标准信息,具体为:所述存储模块内设有用于存储列车模型信息的故障分析模型库,所述列车模型信息包括车型车号信息以及对应车型车号中的列车标准信息;
所述信息接收模块还用于接收车型车号信息;
所述信息筛选模块在存储模块中筛选出与所述列车检测信息相匹配的列车标准信息,具体为:根据信息接收模块接收的车型车号信息在所述故障分析模型库中筛选出具有相同车型车号信息的列车模型信息;在所述列车模型信息中筛选出与列车检测信息相匹配的列车标准信息。
优选地,所述标准信息标记数据以及检测信息标记数据包括位置数据和/或属性数据。
优选地,所述信息接收模块还用于接收列车车速信息,根据列车车速信息以及列车检测信息的接收时间确定检测信息标记数据中的位置数据。
由以上技术方案可见,本发明实施例提供的一种轨道列车异常检测方法及系统对多个列车检测信息处理分析,并根据分析结果决定是否报警,实现列车检测信息的系统化管理,提高轨道列车异常检测的全面性、准确性和高效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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为本发明实施例提供的一种轨道列车异常检测方法的流程示意图;
图2为本发明实施例故障分析模型库结构示意图;
图3为本发明实施例列车模型信息结构示意图;
图4为本发明实施例列车检测信息采集示意图;
图5为本发明实施例线阵相机的拍摄时间与拍摄位置关系示意图;
图6为本发明实施例第一种逻辑运算函数电路结构示意图;
图7为本发明实施例第二种逻辑运算函数电路结构示意图;
图8为本发明实施例第三种逻辑运算函数电路结构示意图;
图9为本发明实施例提供的另一种轨道列车异常检测方法的流程示意图;
图10为本发明实施例提供的一种轨道列车异常检测系统结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
图1为本发明实施例提供的一种轨道列车异常检测方法的流程示意图。该轨道列车异常检测方法可应用于运行的列车或入库封存的列车,列车的种类包括但不限于动车组、货车、客车、地铁或城际轻轨等。本发明实施例提供的轨道车辆异常检测方法对多个列车检测信息处理分析,并根据分析结果决定是否报警,实现列车检测信息的系统化管理,提高轨道列车异常检测的全面性、准确性和高效性。
如图1所示,该轨道列车异常检测方法可以包括以下步骤:
步骤S100:存储列车标准信息,所述列车标准信息包括标准信息标记数据和标准数据;
首先存储列车标准信息,以便在后续步骤中接收到列车检测信息后,以列车标准信息为基准判断列车检测信息是否异常。其中,列车标准信息包括但不限于同一列车上次过车的整车历史信息、无故障列车的整车信息以及列车关键部位标准零部件的信息。
由于列车结构复杂,待检测部位较多,导致列车标准信息存储量较大,在以列车标准信息为基准判断列车检测信息是否异常时,需要首先确定该列车标准信息和列车检测信息是否匹配,即是否属于列车同一部位和/或同一属性信息。例如,当列车检测信息为转向架部位相关信息时,也应当提取同样为转向架部位对应信息的列车标准信息进行比对分析;相反,如果列车检测信息为转向架部位相关信息,而提取的列车标准信息为车轮部位相关信息,显然不符合本实施的要求。在本发明实施例中,对存储的列车标准信息对应标记,使得其与后续步骤中的列车检测信息一一映射。
以下结合表一对本发明实施例中列车标准信息的数据组成进行举例说明。
表一:
由表一可知,列车标准信息包括标准信息标记数据和标准数据,其中,标准信息标记数据包括位置数据(如表一中的齿轮箱、闸瓦)和属性数据(如表一中的图像、音频、温度),通过标准信息标记数据对列车标准信息进行唯一性标记,作为后续步骤中列车检测信息匹配识别的依据。需要说明的是,上述表一仅是一种示例性表述,并不应当将其作为本发明保护范围的限制,本领域的技术人员根据实际需要可以对其进行适应性调整。例如,当列车的某一待检测部位信息仅有一种属性时,则不需要再通过属性数据对列车标准信息进行区分,可以只采用位置数据作为列车标准信息的标准信息标记数据;当列车的某一属性信息仅有一个部位具有时,则不需要再通过位置数据对列车标准信息进行区分,可以只采用属性数据作为标准信息标记数据;或者,仅采用简单的编号对列车标准信息进行唯一性标记。
在另一种实施方式中,所存储的列车标准信息属于多辆不同的列车,为了便于对分属不同列车的列车标准信息进行统一管理和区分,设置用于存储列车模型信息的故障分析模型库。
图2为本发明实施例故障分析模型库结构示意图,图3为本发明实施例列车模型信息结构示意图,如图2并结合图3所示,故障分析模型库10包括多组列车模型信息11,在每组列车模型信息11中又分别包括一组车型车号信息12和多组列车标准信息13,也就是说,根据列车标准信息13所对应的车型车号信息12将列车标准信息13分配到对应的列车模型信息11中,便于列车标准信息13的管理和区分。
步骤S200:接收至少两个列车检测信息,所述列车检测信息包括检测信息标记数据和检测数据;
接收至少两个列车检测信息,该至少两个列车检测信息为不同位置的检测信息(例如,列车受电弓位置的检测信息、列车齿轮箱位置的检测信息等)和/或同一位置不同属性的检测信息(例如列车齿轮箱的图像信息、列车齿轮箱的温度信息、列车齿轮箱的音频信息等)。
为了对列车检测信息进行唯一性标识,列车检测信息中包括检测信息标记数据,其中,检测信息标记数据与标准信息标记数据相同,包括位置数据和/或属性数据。为了便于本领域的技术人员更好地理解本技术方案,以下对列车检测信息中位置数据的获取方式进行示例性说明。
图4为本发明实施例列车检测信息采集示意图,如图4所示,列车轨道20一侧设有用于检测列车车速的测速装置23以及用于拍摄图片的线阵相机22,其中,测速装置23可以包括:测速雷达和/或测速磁钢,以及本领域常用的其它测速方式,在此不再赘述。
当列车21行驶至测速装置23及线阵相机22所在的轨道20范围内时,测速装置23采集列车21的车速v,线阵相机22按照定时器设定的时间,在t1-t2内拍摄图片(其中,t1、t2为列车驶入线阵相机22拍摄范围内的时间,即线阵相机在车头处的时间为0),则根据s=v*t的关系即可得到线阵相机22拍摄的图片所对应的列车21的位置数据。
图5为本发明实施例线阵相机的拍摄时间与拍摄位置关系示意图,在图5中直线L的斜率即代表列车的速度v,则s1=v*t1,s2=v*t2,也就是说,线阵相机22在时间t1-t2内拍摄的图片在列车21上的对应位置为s1-s2(s1、s2为相对车头的位置),进而可以确定列车检测信息中的位置数据。
另外,列车检测信息的属性数据可以由检测装置自身的属性获得。例如,如果通过相机拍摄图片,则其对应的属性数据为图片;如果通过红外装置测量温度,则其对应的属性数据为温度。需要指出的是,上述位置数据和属性数据的获取方式仅是本实施例所列举的具体实现方式,不应当将其理解为对本发明保护范围的限制。
在另一种实施方式中,列车检测信息属于多辆不同的列车,为了区分列车检测信息所对应的列车,还接收车型车号信息,从而使列车检测信息与列车标准信息一一映射。
步骤S300:在已存储的列车标准信息中筛选出与所述列车检测信息相匹配的列车标准信息,其中,列车检测信息与列车标准信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车标准信息中的标准信息标记数据相同;
在接收到列车检测信息后,根据列车检测信息的检测信息标记数据,在已存储的列车标准信息中筛选出与其相匹配的列车标准信息,以便在后续步骤中利用该相匹配的列车标准信息和列车检测信息进行信息处理。
在另一种实施方式中,除了接收列车检测信息之外还接收车型车号信息,首先根据车型车号信息,确定该列车检测信息所对应的车型车号,根据该车型车号在故障分析模型库中查找具有相同车型车号信息的列车模型信息;其次,在该列车模型信息中筛选出与列车检测信息相匹配的列车标准信息,以便在后续步骤中利用该相匹配的列车标准信息和列车检测信息进行信息处理。
在本实施方式中,接收的车型车号信息为X型、2号车,列车检测信息为s1-s2位置的图片信息,系统首先根据接收到的图片信息进行建模形成s1-s2位置的检测模型,然后根据该检测模型在故障分析模型库中直接提取出与其相对应的列车标准信息(即标准模型);或者,系统首先根据接收到的图片信息进行建模形成s1-s2位置的检测模型,然后根据车型车号信息在故障分析模型库中提取出车型车号为X型、2号车的列车模型信息,最后根据检测模型在X型、2号车的列车模型信息中提取出与其相对应的列车标准信息(即标准模型)。
步骤S400:对相匹配的列车检测信息和列车标准信息进行信息处理,并输出信息处理结果;
为了确定检测部位是否异常,需要对相匹配的列车检测信息和列车标准信息进行信息处理,该信息处理包括但不限于检测数据和标准数据之间的差值运算、模拟比对分析、直接比较判断或者本领域技术人员常用的其它信号处理方式,但其目的均在于以列车标准信息为基准判断列车检测信息是否异常,并根据异常状况输出信息处理结果。
例如,标准数据为列车转向架某一部位存在螺钉,则信息处理结果与标准数据及检测数据之间的对应关系可以如表二所示。
表二:
由表二可知,在本实施例中,信息处理结果通过检测数据和标准数据进行比较判断直接得出。
步骤S500:将所述信息处理结果代入预设的逻辑运算函数中进行逻辑运算,并输出逻辑运算结果;
由于在本实施例的前续步骤中接收至少两个列车检测信息,而信息处理结果与列车检测信息的数量相同,因此,信息处理结果的数量同样为至少两个,也就是说在本实施例中将至少两个信息处理结果代入预设的逻辑运算函数中进行逻辑运算,即将至少两个信息处理结果分别赋值给逻辑运算函数中对应的自变量。
逻辑运算函数根据列车检测信息的特点对应设置,包括但不限于“与”、“或”、“异或”、“同或”等逻辑运算符之间的拆分或组合。应当指出的是,将信息处理结果代入逻辑运算函数时,需要将信息处理结果赋值给与其相匹配的自变量,如果将信息处理结果赋值给与其不匹配的自变量显然会输出错误的逻辑运算结果,因此信息处理结果与自变量之间同样应当具有一一映射的关系。
为了确定信息处理结果与自变量之间一一映射的关系,信息处理结果还关联有信息处理结果标记数据,其中,信息处理结果标记数据与信息处理步骤中列车检测信息的检测信息标记数据以及列车标准信息的标准信息标记数据相同;逻辑运算函数中的自变量还关联有自变量标记数据,则将信息处理结果代入预设的逻辑运算函数,具体为:将信息处理结果赋值给与其相匹配的自变量,其中,信息处理结果与自变量相匹配包括:与信息处理结果相关联的信息处理结果标记数据和与自变量相关联的自变量标记数据相同。以下通过几个常用的逻辑运算函数对本实施例进一步说明。
第一种逻辑运算函数:
图6为本发明实施例第一种逻辑运算函数电路结构示意图,如图6所示,自变量a和自变量b通过逻辑与运算30后输出逻辑运算结果z,其逻辑运算函数表达式为:z=a∧b。其中,与自变量a相关联的自变量标记数据为列车侧部二维图像信息,与自变量b相关联的自变量标记数据为列车侧部第三维深度信息。将信息处理结果代入第一种逻辑运算函数,具体为:将与自变量a相匹配的信息处理结果赋值给自变量a,与自变量b相匹配的信息处理结果赋值给自变量b,根据自变量a、b的赋值输出逻辑运算结果z,则第一种逻辑运算函数的输入输出关系如表三所示。
表三:
其中,当逻辑运算结果z为0时,在后续的步骤中不进行报警提醒;当逻辑运算结果z为1时,在后续的步骤中进行报警提醒。也就是说,只有当列车侧部的二维图像信息和第三维深度信息均检测到异常时,才进行报警提醒,当仅有列车侧部的二维图像信息异常,或者仅有第三维深度信息异常时,有可能是列车表面的脏污、水渍或粉笔标记等导致的,则不进行报警提醒,防止系统误报警,提高系统的稳定性。
第二种逻辑运算函数:
图7为本发明实施例第二种逻辑运算函数电路结构示意图,如图7所示,自变量c和自变量d先进行逻辑或运算31,其运算结果再与自变量e进行逻辑或运算31,进而输出逻辑运算结果z,其逻辑运算函数表达式为:z=c∨d∨e。其中,自变量及其相关联的自变量标记数据对应关系如表四所示。
表四:
自变量 | 自变量标记数据 |
c | 列车转向架二维图像信息 |
d | 列车转向架第三维深度信息 |
e | 列车转向架热源信息 |
根据表四,将信息处理结果代入第二种逻辑运算函数,具体为:根据自变量标记数据,分别将信息处理结果赋值给与其相匹配的自变量c、d、e,并输出逻辑运算结果z,则第二种逻辑运算函数的输入输出关系如表五所示。
表五:
由表五可知,在第二种逻辑运算函数中,只有当列车转向架二维图像信息、列车转向架第三维深度信息及列车转向架热源信息均正常时,才不进行报警提醒,上述任何一种列车检测信息异常时,都进行报警提醒,系统的可靠性较高。
第三种逻辑运算函数:
图8为本发明实施例第三种逻辑运算函数电路结构示意图,在该逻辑运算函数中的自变量与第二种逻辑运算函数相同,但自变量之间的逻辑运算关系不同,如图8所示,自变量c和自变量d先进行逻辑与运算30,其运算结果与自变量e再进行逻辑或运算31,进而输出逻辑运算结果z,其逻辑运算函数表达式为:z=(c∧d)∨e,则第三种逻辑运算函数的输入输出关系如表六所示。
表六:
由表六可知,在第三种逻辑运算函数中,只要列车转向架热源信息异常即进行报警提醒,另外,当列车转向架二维图像信息和列车转向架第三维深度信息均异常时也进行报警提醒,其它情况不进行报警提醒。例如,当只有列车转向架二维图像信息异常时,有可能是列车转向架表面的脏污、水渍或粉笔标记等导致的,则不进行报警提醒,防止系统误报警,提高系统的稳定性。
比较上述第二种逻辑运算函数和第三种逻辑运算函数可知,对于列车的同一待检测部位,可以根据需要制定不同的逻辑运算策略,针对不同要求,选择相应的逻辑运算策略。例如,针对列车转向架的检测,当对系统的可靠性要求较高时,可以选择第二种逻辑运算函数,防止漏报警;当对系统的稳定性要求较高时,可以选择第三种逻辑运算函数,防止误报警。
需要指出的是,以上仅为本发明所列举的几种较常用的逻辑运算函数,并不应当将其作为对本发明保护范围的限制,本领域的技术人员可以根据实际需要对逻辑函数进行对应调整,其同样应当落入本发明的保护范围之内。
另外,由于列车的结构复杂、运行环境多变,导致技术人员需要定期对系统进行更新及优化,以满足列车检测的实际需求。其中,系统优化的关键环节在于逻辑运算函数的更新,因此,系统中还设有用于对逻辑运算函数进行调整的用户端接口,技术人员可以通过用户端接口对逻辑运算函数进行添加、删除、修改等操作;或者,在系统中预设逻辑运算函数库,技术人员可以通过用户端接口在逻辑运算函数库中直接调用所需的逻辑运算函数。以下通过一具体实施例对本发明算函数的更新进行举例说明。
在本实施例中,系统初始阶段采用上述第二种逻辑运算函数对列车转向架信息进行逻辑运算,但在系统运行的过程中,技术人员发现系统经常出现误报警(系统报警但列车转向架没有出现异常),针对这种问题,技术人员通过用户端接口对逻辑运算函数进行更新,以提高系统的可靠性。具体为,技术人员通过用户端接口将第二逻辑运算函数修改为第三逻辑运算函数,以避免由于列车转向架表面的脏污、水渍或粉笔标记等导致的系统误报警;或者,系统的逻辑运算函数库中存储有第三逻辑运算函数,技术人员通过用户端接口在逻辑运算函数库中直接调用第三逻辑运算函数对第二逻辑运算进行替换,实现系统中逻辑运算函数的更新。
步骤S600:根据所述逻辑运算结果判断是否报警。
根据逻辑运算结果判断是否报警,具体为:当逻辑运算结果为0时,不进行报警提醒;当逻辑运算结果为1时,进行报警提醒。其中,报警提醒可以为灯光、语音、图像或本领域技术人员常用的其它报警信号,在本发明中对其不做限制。
在上述轨道列车异常检测方法的基础上,本发明还提供另一种轨道列车异常检测方法,图9为本发明实施例提供的另一种轨道列车异常检测方法的流程示意图,如图9所示,在上述方法的基础上,该方法还包括以下步骤:
步骤S110:存储列车阈值信息,所述列车阈值信息包括阈值信息标记数据和阈值数据;
步骤S310:在已存储的列车阈值信息中筛选出与所述列车检测信息相匹配的列车阈值信息,其中,列车检测信息与列车阈值信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车阈值信息中的阈值信息标记数据相同;
由步骤S400可知,为了确定检测部位是否异常,需要对相匹配的列车检测信息和列车标准信息进行信息处理,该信息处理包括但不限于检测数据和标准数据之间的差值运算、模拟比对分析或直接比较判断等,但部分列车检测信息的信息处理结果并不能通过检测数据和标准数据直接得出。例如,在对列车某一零件的安装状态进行检测时,需要根据其深度值判断安装状态是否异常,通过对检测数据和标准数据进行差值运算可以得到该零件实际深度值与标准深度值之间的差值,但仅由该差值并不能直接判断该零件的安装状态是否异常。针对这种状况,在本实施方式中还设定一阈值,通过差值与阈值之间的比对结果判断零件的安装状态是否异常。
也就是说,在本实施例的信息处理过程中,除了用到检测数据和标准数据之外,还需要用到阈值数据。其具体信息处理过程包括:对检测信息中的检测数据和标准信息中的标准数据进行比对分析,并将比对分析结果与阈值信息中的阈值数据进行数据处理,进而确定信息处理结果,其中,所述阈值信息与所述检测信息相匹配。
为了使本领域的技术人员更好地理解本发明,以下结合一具体的应用场景对本实施例中的信息处理过程进行详细说明。
例如,待检测信息为列车闸瓦温度,其存储的标准数据为200℃,阈值数据为50℃。若检测数据小于250℃,则检测数据与标准数据之差小于50℃,即小于阈值数据,判断列车闸瓦温度处于正常状态;反之,若检测数据大于250℃,则检测数据与标准数据之差大于50℃,即大于阈值数据,判断列车闸瓦温度处于异常状态。
由于在本实施例的信息处理过程中需要用到阈值数据,因此,在存储列车标准信息的同时还需要存储列车阈值信息,以及在对列车标准信息进行匹配筛选的同时还需要对列车阈值信息进行匹配筛选。其中,列车阈值信息的存储方式以及匹配筛选方式与列车标准信息相同,在此不再赘述。
以下为本实施例轨道列车异常检测方法的完整步骤:
步骤S100:存储列车标准信息,所述列车标准信息包括标准信息标记数据和标准数据;
步骤S110:存储列车阈值信息,所述列车阈值信息包括阈值信息标记数据和阈值数据;
步骤S200:接收至少两个列车检测信息,所述列车检测信息包括检测信息标记数据和检测数据;
步骤S300:在已存储的列车标准信息中筛选出与所述列车检测信息相匹配的列车标准信息,其中,列车检测信息与列车标准信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车标准信息中的标准信息标记数据相同;
步骤S310:在已存储的列车阈值信息中筛选出与所述列车检测信息相匹配的列车阈值信息,其中,列车检测信息与列车阈值信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车阈值信息中的阈值信息标记数据相同;
步骤S400:对相匹配的列车检测信息和列车标准信息进行信息处理,并输出信息处理结果;
步骤S500:将所述信息处理结果代入预设的逻辑运算函数中进行逻辑运算,并输出逻辑运算结果;
步骤S600:根据所述逻辑运算结果判断是否报警。
在上述方法实施例的基础上,本发明还提供一种轨道列车异常检测系统。
图10为本发明实施例提供的一种轨道列车异常检测系统结构示意图,如图10所示,该系统包括存储模块100、信息接收模块200、信息筛选模块300、信息处理模块400、逻辑分析模块500及报警模块600,各模块之间电连接。
其中,存储模块100,用于存储列车标准信息,所述列车标准信息包括标准信息标记数据和标准数据;
所述存储模块100内存储列车标准信息,具体为:所述存储模块100内设有用于存储列车模型信息的故障分析模型库10,所述列车模型信息11包括车型车号信息12以及对应车型车号中的列车标准信息13;
信息接收模块200,用于接收至少两个列车检测信息,所述列车检测信息包括检测信息标记数据和检测数据;
在另一种实施方式中,所述信息接收模块200还用于接收车型车号信息12;
在另一种实施方式中,所述信息接收模块200还用于接收列车车速信息,根据列车车速信息以及列车检测信息的接收时间确定检测信息标记数据中的位置数据;
信息筛选模块300,用于在所述存储模块100中筛选出与所述列车检测信息相匹配的列车标准信息,其中,列车检测信息与列车标准信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车标准信息中的标准信息标记数据相同;
所述信息筛选模块300在存储模块100中筛选出与所述列车检测信息相匹配的列车标准信息,具体为:根据信息接收模块接收的车型车号信息在所述故障分析模型库中筛选出具有相同车型车号信息的列车模型信息;在所述列车模型信息中筛选出与列车检测信息相匹配的列车标准信息;
信息处理模块400,用于对相匹配的列车检测信息和列车标准信息进行信息处理,并输出信息处理结果;
逻辑分析模块500,用于将所述信息处理结果代入预设的逻辑运算函数中进行逻辑运算,并输出逻辑运算结果;
报警模块600,用于根据所述逻辑运算结果判断是否报警。
在另一种实施方式中:
所述存储模块100还用于存储列车阈值信息,所述列车阈值信息包括阈值信息标记数据和阈值数据;
所述信息筛选模块300还用于在所述存储模块100中筛选出与所述列车检测信息相匹配的列车阈值信息,其中,列车检测信息与列车阈值信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车阈值信息中的阈值信息标记数据相同;
所述信息处理包括:对检测信息中的检测数据和标准信息中的标准数据进行比对分析,并将比对分析结果与阈值信息中的阈值数据进行数据处理,进而确定信息处理结果,其中,所述阈值信息与所述检测信息相匹配。
关于上述系统实施例各模块的详细内容,可参见上述方法实施例中的详细描述,在此不再赘述,另外,上述方法实施例中的步骤顺序仅是一示例性的排列方式,本领域的技术人员可以根据需要对应调整,同样应当落入本发明的保护范围之内。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种轨道列车异常检测方法,其特征在于,所述方法包括:
存储列车标准信息,所述列车标准信息包括标准信息标记数据和标准数据;
接收至少两个列车检测信息,所述列车检测信息包括检测信息标记数据和检测数据;
在已存储的列车标准信息中筛选出与所述列车检测信息相匹配的列车标准信息,其中,列车检测信息与列车标准信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车标准信息中的标准信息标记数据相同;
对相匹配的列车检测信息和列车标准信息进行信息处理,并输出信息处理结果;
将所述信息处理结果代入预设的逻辑运算函数中进行逻辑运算,并输出逻辑运算结果;
根据所述逻辑运算结果判断是否报警。
2.根据权利要求1所述的轨道列车异常检测方法,其特征在于,还包括:
存储列车阈值信息,所述列车阈值信息包括阈值信息标记数据和阈值数据;
在已存储的列车阈值信息中筛选出与所述列车检测信息相匹配的列车阈值信息,其中,列车检测信息与列车阈值信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车阈值信息中的阈值信息标记数据相同;
所述信息处理包括:对检测信息中的检测数据和标准信息中的标准数据进行比对分析,并将比对分析结果与阈值信息中的阈值数据进行数据处理,进而确定信息处理结果,其中,所述阈值信息与所述检测信息相匹配。
3.根据权利要求1或2所述的轨道列车异常检测方法,其特征在于,
所述信息处理结果还关联有信息处理结果标记数据,所述信息处理结果标记数据与信息处理步骤中列车检测信息的检测信息标记数据以及列车标准信息的标准信息标记数据相同;
所述逻辑运算函数中设有自变量,所述自变量还关联有自变量标记数据;
将所述信息处理结果代入预设的逻辑运算函数,具体为:将信息处理结果赋值给与其相匹配的自变量,其中,信息处理结果与自变量相匹配包括:与信息处理结果相关联的信息处理结果标记数据和与自变量相关联的自变量标记数据相同。
4.根据权利要求1或2所述的轨道列车异常检测方法,其特征在于,
所述存储列车标准信息,具体为:设置用于存储列车模型信息的故障分析模型库,所述列车模型信息包括车型车号信息以及对应车型车号中的列车标准信息;
接收车型车号信息;
在已存储的列车标准信息中筛选出与所述列车检测信息相匹配的列车标准信息,具体为:根据接收的车型车号信息在所述故障分析模型库中筛选出具有相同车型车号信息的列车模型信息;在所述列车模型信息中筛选出与列车检测信息相匹配的列车标准信息。
5.根据权利要求1或2所述的轨道列车异常检测方法,其特征在于,所述标准信息标记数据以及检测信息标记数据包括位置数据和/或属性数据。
6.根据权利要求5所述的轨道列车异常检测方法,其特征在于,所述方法还包括:
接收列车车速信息,根据列车车速信息以及列车检测信息的接收时间确定检测信息标记数据中的位置数据。
7.一种轨道列车异常检测系统,其特征在于,所述系统包括:
存储模块,用于存储列车标准信息,所述列车标准信息包括标准信息标记数据和标准数据;
信息接收模块,用于接收至少两个列车检测信息,所述列车检测信息包括检测信息标记数据和检测数据;
信息筛选模块,用于在所述存储模块中筛选出与所述列车检测信息相匹配的列车标准信息,其中,列车检测信息与列车标准信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车标准信息中的标准信息标记数据相同;
信息处理模块,用于对相匹配的列车检测信息和列车标准信息进行信息处理,并输出信息处理结果;
逻辑分析模块,用于将所述信息处理结果代入预设的逻辑运算函数中进行逻辑运算,并输出逻辑运算结果;
报警模块,用于根据所述逻辑运算结果判断是否报警。
8.根据权利要求7所述的轨道列车异常检测系统,其特征在于,
所述存储模块还用于存储列车阈值信息,所述列车阈值信息包括阈值信息标记数据和阈值数据;
所述信息筛选模块还用于在所述存储模块中筛选出与所述列车检测信息相匹配的列车阈值信息,其中,列车检测信息与列车阈值信息相匹配,具体为:列车检测信息中的检测信息标记数据与列车阈值信息中的阈值信息标记数据相同;
所述信息处理包括:对检测信息中的检测数据和标准信息中的标准数据进行比对分析,并将比对分析结果与阈值信息中的阈值数据进行数据处理,进而确定信息处理结果,其中,所述阈值信息与所述检测信息相匹配。
9.根据权利要求7或8所述的轨道列车异常检测系统,其特征在于,
所述信息处理结果还关联有信息处理结果标记数据,所述信息处理结果标记数据与信息处理步骤中列车检测信息的检测信息标记数据以及列车标准信息的标准信息标记数据相同;
所述逻辑运算函数中设有自变量,所述自变量还关联有自变量标记数据;
将信息处理结果代入预设的逻辑运算函数,具体为:将信息处理结果赋值给与其相匹配的自变量,其中,信息处理结果与自变量相匹配包括:与信息处理结果相关联的信息处理结果标记数据和与自变量相关联的自变量标记数据相同。
10.根据权利要求7或8所述的轨道列车异常检测系统,其特征在于,所述标准信息标记数据以及检测信息标记数据包括位置数据和/或属性数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510514178.2A CN105109521B (zh) | 2015-08-20 | 2015-08-20 | 一种轨道列车异常检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510514178.2A CN105109521B (zh) | 2015-08-20 | 2015-08-20 | 一种轨道列车异常检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105109521A true CN105109521A (zh) | 2015-12-02 |
CN105109521B CN105109521B (zh) | 2017-07-07 |
Family
ID=54657717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510514178.2A Active CN105109521B (zh) | 2015-08-20 | 2015-08-20 | 一种轨道列车异常检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105109521B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110268425A (zh) * | 2017-02-09 | 2019-09-20 | 卡特彼勒公司 | 用于分析机器数据的系统 |
CN110715808A (zh) * | 2019-09-25 | 2020-01-21 | 中车青岛四方机车车辆股份有限公司 | 故障检测方法及装置 |
CN112364434A (zh) * | 2020-11-10 | 2021-02-12 | 济南轨道交通集团有限公司 | 一种基于车辆状态bim模型的故障定位方法及系统 |
CN112606880A (zh) * | 2020-12-23 | 2021-04-06 | 卡斯柯信号有限公司 | 基于布尔逻辑运算中引入车辆信息的铁路信号控制方法 |
CN115402380A (zh) * | 2022-09-29 | 2022-11-29 | 天津市英贝特航天科技有限公司 | 一种地铁列车对标装置及控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002022424A1 (de) * | 2000-09-15 | 2002-03-21 | Deutsche Bahn Ag | Verfahren und vorrichtung zur fehlerüberwachung von komponenten von schienenfahrzeugen |
CN102323070A (zh) * | 2011-06-10 | 2012-01-18 | 北京华兴致远科技发展有限公司 | 列车异常检测方法和系统 |
CN102768121A (zh) * | 2012-07-31 | 2012-11-07 | 北京交通大学 | 基于鲁棒观测器的列车悬挂系统故障检测方法 |
CN103906664A (zh) * | 2011-10-28 | 2014-07-02 | 纽特尔公司 | 用于动态控制组件的导向滚轮的滚动的系统,该组件用于引导沿至少一条导轨运行的车辆 |
-
2015
- 2015-08-20 CN CN201510514178.2A patent/CN105109521B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002022424A1 (de) * | 2000-09-15 | 2002-03-21 | Deutsche Bahn Ag | Verfahren und vorrichtung zur fehlerüberwachung von komponenten von schienenfahrzeugen |
CN102323070A (zh) * | 2011-06-10 | 2012-01-18 | 北京华兴致远科技发展有限公司 | 列车异常检测方法和系统 |
CN103906664A (zh) * | 2011-10-28 | 2014-07-02 | 纽特尔公司 | 用于动态控制组件的导向滚轮的滚动的系统,该组件用于引导沿至少一条导轨运行的车辆 |
CN102768121A (zh) * | 2012-07-31 | 2012-11-07 | 北京交通大学 | 基于鲁棒观测器的列车悬挂系统故障检测方法 |
Non-Patent Citations (1)
Title |
---|
李骏: ""动车组运行故障动态图像检测系统(TEDS)设计与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110268425A (zh) * | 2017-02-09 | 2019-09-20 | 卡特彼勒公司 | 用于分析机器数据的系统 |
CN110715808A (zh) * | 2019-09-25 | 2020-01-21 | 中车青岛四方机车车辆股份有限公司 | 故障检测方法及装置 |
CN110715808B (zh) * | 2019-09-25 | 2022-01-14 | 中车青岛四方机车车辆股份有限公司 | 故障检测方法及装置 |
CN112364434A (zh) * | 2020-11-10 | 2021-02-12 | 济南轨道交通集团有限公司 | 一种基于车辆状态bim模型的故障定位方法及系统 |
CN112606880A (zh) * | 2020-12-23 | 2021-04-06 | 卡斯柯信号有限公司 | 基于布尔逻辑运算中引入车辆信息的铁路信号控制方法 |
CN112606880B (zh) * | 2020-12-23 | 2022-08-26 | 卡斯柯信号有限公司 | 基于布尔逻辑运算中引入车辆信息的铁路信号控制方法 |
CN115402380A (zh) * | 2022-09-29 | 2022-11-29 | 天津市英贝特航天科技有限公司 | 一种地铁列车对标装置及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105109521B (zh) | 2017-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105109521A (zh) | 一种轨道列车异常检测方法及系统 | |
CN102323070B (zh) | 列车异常检测方法和系统 | |
CN103903465B (zh) | 一种道路拥堵原因实时发布方法及系统 | |
CN107273802B (zh) | 一种铁路列车闸瓦钎环故障的检测方法及装置 | |
CN103077526B (zh) | 具有深度检测功能的列车异常检测方法及系统 | |
CN202279134U (zh) | 一种列车故障检测系统 | |
CN110136044B (zh) | 一种物品分拣方法、系统、设备及智能终端 | |
CN107918762B (zh) | 一种公路遗撒物快速检测系统及方法 | |
CN106128126B (zh) | 利用平面感知技术减少高峰时间遇红灯次数的方法及系统 | |
CN105373782A (zh) | 一种从图片或者视频中自动识别危化品车辆的方法 | |
CN107977596A (zh) | 一种车牌状态识别方法及装置 | |
CN105667545A (zh) | 一种铁路机车车号识别方法及系统 | |
CN105447617A (zh) | 一种基于车辆轨迹数据分析的预警积分方法及系统 | |
CN103886761B (zh) | 能够快速发现道路异常停车的智能卡口系统及其运行方法 | |
CN105912979B (zh) | 一种车辆占道的检测方法及装置 | |
CN113570253B (zh) | 一种动态场景的考核方法、系统、电子设备及存储介质 | |
CN105574870A (zh) | 多功能轨道扣件图像检测系统及其检测方法 | |
CN205157057U (zh) | 轨道列车红外检测系统 | |
CN115527364B (zh) | 一种基于雷视数据融合的交通事故溯源方法及系统 | |
CN113781018B (zh) | 铁路行车安全监测系统的自动分类监测作业方法和装置 | |
CN110769042B (zh) | 一种用于铁路装卸作业信息采集的系统 | |
CN110042736A (zh) | 路面质量检测方法、装置及系统 | |
CN114218295A (zh) | 一种交通设备数据异常监测预警方法及系统 | |
CN205003848U (zh) | 动态称重非现场综合执法管理系统 | |
CN113422829A (zh) | 客运车辆告警方法、告警装置、计算机存储介质及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |