CN107248000A - 一种基于数据挖掘的车载信号设备智能维修方法 - Google Patents
一种基于数据挖掘的车载信号设备智能维修方法 Download PDFInfo
- Publication number
- CN107248000A CN107248000A CN201710512213.6A CN201710512213A CN107248000A CN 107248000 A CN107248000 A CN 107248000A CN 201710512213 A CN201710512213 A CN 201710512213A CN 107248000 A CN107248000 A CN 107248000A
- Authority
- CN
- China
- Prior art keywords
- data
- daily record
- vehicle
- signal device
- failure
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012423 maintenance Methods 0.000 title claims abstract description 12
- 238000007418 data mining Methods 0.000 title claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 230000010354 integration Effects 0.000 claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000011835 investigation Methods 0.000 claims abstract description 4
- 238000003860 storage Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 9
- 238000009412 basement excavation Methods 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G06Q50/40—
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于数据挖掘的车载信号设备智能维修方法，其特征在于，主要包括以下步骤：第一，数据整合和统一；第二，数据清洗；第三，建立规则库；第四，数据分析，即调用规则库将第二步留下的规则化的日志中的检查项进行逐一检查，以筛选和过滤出所需的异常信息；第五，描述和可视化，对所筛选出的异常信息逐一进行分析排查，以找出故障原因。本发明对信号系统车载设备日常运行数据进行大数据挖掘和构建关联规则，形成相应的因果对应关系，并通过对列车运行状态的趋势分析和运行事件的组合比对，以实现对列车运行过程中的显性或隐性故障进行报警和提前预测，从而降低信号系统部件故障对运营造成的负面影响，以实现车载信号设备的智能维修。
Description
技术领域
本发明涉及一种基于数据挖掘的车载信号设备智能维修方法。
背景技术
城市轨道交通中的列车控制系统(ATC)分为计算机联锁、列车自动保护系统(ATP)、列车自动驾驶系统(ATO)、列车自动监控系统(ATS)和无线局域网系统(DCS)5个主要部分，其中ATP与ATO合称为车载信号设备，直接控制列车的运行，对列车安全运行起着重要作用。车载信号设备智能维修日志包含列车运行中记录的ATP、ATO、平台等数据信息，其现有存储结构各不相同，而且数据中各项关联性规则也各异。因此，亟需一种适应于各种存储模型的分析方法，通过规则库调用不同的分析策略，对列车运行中的实时数据进行分析，实现车载信号设备的智能维修。
发明内容
本发明针对现有技术的不足，提供一种基于数据挖掘的车载信号设备智能维修方法，以对列车运行中的实时数据进行分析，从而实现车载信号设备的智能维修。
为了达到上述目的，本发明一种基于数据挖掘的车载信号设备智能维修方法，主要包括以下步骤：
第一，数据整合和统一，将分散的、无特定存储格式的日志进行提取、转换、合并、导入的操作，以使其成为易操作、有特定规律的日志；
第二，数据清洗，即将已生成的特定格式的有规律的日志进行清洗，剔除不需要的信息，并对日志进行最终的规则化，以使之适应后续的预处理；
第三，建立规则库，所述规则库为人为生成，涵盖日志检中所有检查项的检查规则；
第四，数据分析，即调用规则库将第二步留下的规则化的日志中的检查项进行逐一检查，以筛选和过滤出所需的异常信息；
第五，描述和可视化，对所筛选出的异常信息逐一进行分析排查，以找出故障原因。
优选地，所述第一步中数据整合和统一，包括有日志存储形式和文本格式的整合和统一。
优选地，所述第五步中的故障包括显性故障和隐性故障；对显性故障，找出其发生的原因，并生成解决方法，而对隐性故障，则定位出问题原因，以达到“事前修”的目的。
本发明对信号系统车载设备日常运行数据进行大数据挖掘。通过对车载日志的数据信息构建相关性分组或关联规则，形成相应的因果对应关系，并通过对列车运行状态的趋势分析和运行事件的组合比对，以实现对列车运行过程中的显性或隐性故障进行报警和提前预测，从而降低信号系统部件故障对运营造成的负面影响，这对列车故障的维修具有明显的指导意义，有助于提高列车的运行质量。
附图说明
图1为本发明的流程图；
图2为本发明的数据整合、统一和清洗的流程示意图；
图3为本发明数据分析的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
参照图1～3，本发明实施例一种基于数据挖掘的车载信号设备智能维修方法，主要包括以下步骤：
第一，数据整合和统一，将分散的、无特定存储格式的日志进行提取、转换、合并、导入的操作，以使其成为易操作、有特定规律的日志；
第二，数据清洗，即将已生成的特定格式的有规律的日志进行清洗，剔除不需要的信息，并对日志进行最终的规则化，以使之适应后续的预处理；
第三，建立规则库，所述规则库为人为生成，涵盖日志检中所有检查项的检查规则；
第四，数据分析，即调用规则库将第二步留下的规则化的日志中的检查项进行逐一检查，以筛选和过滤出所需的异常信息；
第五，描述和可视化，对所筛选出的异常信息逐一进行分析排查，以找出故障原因；对显性故障，找出其发生的原因，并生成解决方法，而对隐性故障，则定位出问题原因，以达到“事前修”的目的。
参照图1～3，所述第一步中数据整合和统一，包括有日志存储形式和文本格式的整合和统一。基于目前日志的存储模式和原始分析策略，现采用VBA+Excel的方法实现对日志中的异常信息进行检测与提取。VBA+Excel方法不仅可以直接调用Excel自有的各种功能，还可以兼容Visual Basic的编程语言，因而在最大限度地缩减了检测与提取时间，基本上可以实现Excel处理数据的全自动化运行，即实现真正的“办公软件自动化”。日志存储采用分时形式，即每小时记录一个文件，文件格式为二进制格式或文本格式。对于二进制文件，可以将其直接转换为数据表格文件，再将该车当天的数据合并为独立文件；对于文本文件，直接合并为独立文件后，将其导入数据表格。
通过数据整合与统一，日志被转换为特定的存储格式，但该日志中还不适用于后期的分析处理，必须实现数据信息的规则化、最简化、无错化。通过该步骤后，无论前期的日志存储格式和内容是否发生变化，都可以保证后期的分析过程不受影响。所述第二步数据清洗的功能主要是通过增加、删除、排序、纠正等措施，对不同来源数据按照特定规则模式进行格式化处理。
规则库是数据分析过程中最复杂、最重要的环节，数据整合与统一和数据清洗2个部分也是为规则库的建立和后期分析处理做准备。数据分析规则库的建立是基于固定的数据模型，该模型的任何变动都会导致规则库失去作用。规则库包含日志分析与检查中用到的所有策略，是以特定的逻辑判断表达式存在。检查策略是基于一种相关性分组或关联规则的方法，基本分为2类：(1)横向匹配。当给定一个确定输入时，在特定限制条件下，判断输出是否符合逻辑。(2)纵向匹配。连续时间内，某项输出的结果在逻辑上有一定关系，判断该连续输出是否符合相应逻辑。通过该策略可以挖掘出已发生故障及其所在的时间点等信息，也可以发现列车运行中的潜在故障隐患。规则库内检查项由各子系统开发人员提供，通过特定方式将其转化为可供调用的相应策略。随着检查策略不断完善，故障检查的完备性也会越来越强。
基于完善的规则库，可以得到更全面的分析结果。数据分析的过程主要包含补充参考值、筛选异常项、添加辅助信息、生成故障描述4个步骤。每一子类的分析，都需要建立相应的结果模板，作用主要在于存放筛选结果，再通过调用原始数据，得到分析该异常所需的辅助信息；存放列车相关的固定数据信息，如应答器安装位置、错误原因代码表、线路地图数据等。
由上述分析过程可以得到各显性故障和隐性故障的基本信息，再根据每一条分析策略的具体检查目的，对其进行综合性描述。常规情况下，一天的日志包含多个大类，其全部分析过程所需时间较长。因此，设计实现全自动分析过程不仅可节约人力与时间成本，还可以使分析结果更加规范明了和简洁全面。通过前期大量的分析结果，有助于后期对该分析系统进行完善，从而使其达到越来越智能的效果和目的。
本发明对信号系统车载设备日常运行数据进行大数据挖掘。通过对车载日志的数据信息构建相关性分组或关联规则，形成相应的因果对应关系，并通过对列车运行状态的趋势分析和运行事件的组合比对，以实现对列车运行过程中的显性或隐性故障进行报警和提前预测，从而降低信号系统部件故障对运营造成的负面影响，以实现车载信号设备的智能维修，这对列车故障的维修具有明显的指导意义，有助于提高列车的运行质量。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (3)
1.一种基于数据挖掘的车载信号设备智能维修方法，其特征在于，主要包括以下步骤：
第一，数据整合和统一，将分散的、无特定存储格式的日志进行提取、转换、合并、导入的操作，以使其成为易操作、有特定规律的日志；
第二，数据清洗，即将已生成的特定格式的有规律的日志进行清洗，剔除不需要的信息，并对日志进行最终的规则化，以使之适应后续的预处理；
第三，建立规则库；
第四，数据分析，即调用规则库将第二步留下的规则化的日志中的检查项进行逐一检查，以筛选和过滤出所需的异常信息；
第五，描述和可视化，对所筛选出的异常信息逐一进行分析排查，以找出故障原因。
2.根据权利要求1所述的一种基于数据挖掘的车载信号设备智能维修方法，其特征在于，所述第一步中数据整合和统一，包括有日志存储形式和文本格式的整合和统一。
3.根据权利要求1所述的一种基于数据挖掘的车载信号设备智能维修方法，其特征在于，所述第五步中的故障包括显性故障和隐性故障；对显性故障，找出其发生的原因，并生成解决方法，而对隐性故障，则定位出问题原因。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710512213.6A CN107248000A (zh) | 2017-06-28 | 2017-06-28 | 一种基于数据挖掘的车载信号设备智能维修方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710512213.6A CN107248000A (zh) | 2017-06-28 | 2017-06-28 | 一种基于数据挖掘的车载信号设备智能维修方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107248000A true CN107248000A (zh) | 2017-10-13 |
Family
ID=60013561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710512213.6A Pending CN107248000A (zh) | 2017-06-28 | 2017-06-28 | 一种基于数据挖掘的车载信号设备智能维修方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107248000A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108008332A (zh) * | 2017-11-29 | 2018-05-08 | 国网山东省电力公司电力科学研究院 | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 |
| CN108337309A (zh) * | 2018-02-02 | 2018-07-27 | 辽宁友邦网络科技有限公司 | 一种车辆数据管理方法及系统 |
| CN110059126A (zh) * | 2019-04-25 | 2019-07-26 | 湖南中车时代通信信号有限公司 | 基于lkj异常值数据的复杂关联网络分析方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040181512A1 (en) * | 2003-03-11 | 2004-09-16 | Lockheed Martin Corporation | System for dynamically building extended dictionaries for a data cleansing application |
| CN103136335A (zh) * | 2013-01-31 | 2013-06-05 | 北京千分点信息科技有限公司 | 一种基于数据平台的数据控制方法 |
| CN103778589A (zh) * | 2014-02-25 | 2014-05-07 | 北京全路通信信号研究设计院有限公司 | 一种铁路信号系统监测方法及系统 |
| CN104239197A (zh) * | 2014-10-10 | 2014-12-24 | 浪潮电子信息产业股份有限公司 | 一种基于大数据日志分析的管理用户异常行为发现方法 |
| CN105160483A (zh) * | 2015-09-10 | 2015-12-16 | 国家电网公司 | 一种基于数据挖掘的二次设备故障诊断方法 |
-
2017
- 2017-06-28 CN CN201710512213.6A patent/CN107248000A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040181512A1 (en) * | 2003-03-11 | 2004-09-16 | Lockheed Martin Corporation | System for dynamically building extended dictionaries for a data cleansing application |
| CN103136335A (zh) * | 2013-01-31 | 2013-06-05 | 北京千分点信息科技有限公司 | 一种基于数据平台的数据控制方法 |
| CN103778589A (zh) * | 2014-02-25 | 2014-05-07 | 北京全路通信信号研究设计院有限公司 | 一种铁路信号系统监测方法及系统 |
| CN104239197A (zh) * | 2014-10-10 | 2014-12-24 | 浪潮电子信息产业股份有限公司 | 一种基于大数据日志分析的管理用户异常行为发现方法 |
| CN105160483A (zh) * | 2015-09-10 | 2015-12-16 | 国家电网公司 | 一种基于数据挖掘的二次设备故障诊断方法 |
Non-Patent Citations (1)
| Title |
|---|
| 黄廉等: "基于数据挖掘的车载信号设备智能维修方法的实现", 《城市轨道交通》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108008332A (zh) * | 2017-11-29 | 2018-05-08 | 国网山东省电力公司电力科学研究院 | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 |
| CN108008332B (zh) * | 2017-11-29 | 2020-02-14 | 国网山东省电力公司电力科学研究院 | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 |
| CN108337309A (zh) * | 2018-02-02 | 2018-07-27 | 辽宁友邦网络科技有限公司 | 一种车辆数据管理方法及系统 |
| CN110059126A (zh) * | 2019-04-25 | 2019-07-26 | 湖南中车时代通信信号有限公司 | 基于lkj异常值数据的复杂关联网络分析方法及系统 |
| CN110059126B (zh) * | 2019-04-25 | 2023-04-07 | 湖南中车时代通信信号有限公司 | 基于lkj异常值数据的复杂关联网络分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103699698B (zh) | 一种基于改进贝叶斯的轨道交通故障识别方法及系统 | |
| CN103345207B (zh) | 一种轨道交通监控数据的挖掘分析与故障诊断系统 | |
| CN103456175B (zh) | 基于车辆号牌识别和网格化监控的伴随车实时检测方法 | |
| CN106354118A (zh) | 一种基于故障树的列车故障诊断系统及方法 | |
| 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 | |
| CN109204389B (zh) | 一种地铁设备故障诊断和自愈方法、系统 | |
| CN108398934B (zh) | 一种用于轨道交通的设备故障监控的系统 | |
| CN107248000A (zh) | 一种基于数据挖掘的车载信号设备智能维修方法 | |
| CN105160483A (zh) | 一种基于数据挖掘的二次设备故障诊断方法 | |
| CN112949715A (zh) | 一种基于svm的轨道交通故障诊断方法 | |
| CN106504367A (zh) | 车辆故障预警方法和装置 | |
| CN111914687B (zh) | 一种基于车联网主动识别事故的方法 | |
| CN114389359A (zh) | 一种基于云边协同的集控式继电保护设备智能运维方法 | |
| CN112000557A (zh) | 轨道交通信号系统自动化测试装置 | |
| CN104777827A (zh) | 高速铁路信号系统车载设备故障诊断方法 | |
| CN114048952B (zh) | 基于边缘物联技术和神经网络的炼铁厂安全态势感知方法 | |
| CN103049365B (zh) | 信息与应用资源运行状态监控及评价方法 | |
| CN112000558A (zh) | 轨道交通信号系统自动化测试用例生成方法 | |
| CN111806516A (zh) | 一种用于智能列车监测与运维的健康管理装置及方法 | |
| CN112576312A (zh) | 智能化综采工作面电液控支架数据收集及处理方法 | |
| CN110509963A (zh) | 适用于stp运行试验的作业序列选择方法 | |
| CN109815124A (zh) | 基于mbse的联锁功能缺陷分析的方法及装置、联锁系统 | |
| CN117333038A (zh) | 一种基于大数据的经济趋势分析系统 | |
| CN111062496A (zh) | 一种基于LabVIEW的城市轨道交通车站屏蔽门智能检修系统 | |
| CN116881958A (zh) | 电网大数据安全防护方法、系统、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171013 |