CN107600110A - 一种车载列车组故障预测与健康管理系统 - Google Patents

Abstract

本发明公开了一种车载列车组故障预测与健康管理系统，包括：预定数量的车辆级PHM子系统和列车组级PHM子系统；且每个车辆级PHM子系统中具有车辆智能镜像模型，列车组级PHM子系统具有列车组智能镜像模型；该系统采用分布式结构，感知从零部件级到子系统级再到整车的相关信息，系统可移植性强，基于车载智能镜像模型，实现对列车状态的透明化管理与分析，降低车载列车组故障预测与健康管理系统分析、应用成本，提升企业快速响应能力、具备状态检修能力、增加企业服务型收益占比。

Description

一种车载列车组故障预测与健康管理系统

技术领域

本发明涉及数据处理技术领域，特别涉及一种车载列车组故障预测与健 康管理系统。

背景技术

近年来轨道交通运营总里程和列车上线数量逐年稳步增加，为确保运行 安全性和提高运维经济性，迫切需要进行轨道交通装备故障预测与健康管理 系统级产品开发。故障预测与健康管理(Prognostics and Health Management, PHM)：利用工业系统中产生的各类数据，经过信号处理和数据分析等运算 手段，实现对复杂工业系统的健康状态进行检测、预测和管理的系统工程。 PHM技术将设备的健康管理从传统的故障管理转变为衰退管理，通过预测性 维护实现设备的零宕机和持续可靠运行。

目前轨道交通领域尚未出现成熟的故障预测与健康管理(PHM)系统级 产品。国外轨道交通领域主要以故障诊断专家系统为主，包括西门子的 EFLEET系统，庞巴迪的CCREMOTE系统，日本的MON系列监控系统等。国 内轨道交通领域主要以监控与安防系统为主，包括机车远程监测与诊断系统 (CMD)、机车车载安全防护系统(6A)、车辆运行安全监控系统(5T)、 LKJ列车监控系统等。

我国列车组的运维依然采用按里程计划维护策略，列车组的运营及维护 费用居高不下，目前只有京沪线等几条繁忙线路实现了盈利，因此需要状态 维护和预测性维护手段，用来优化生产组织，延长检修周期，优化检修内容， 优化修程修制，提升检修效率，以促进动车组检修服务方式的转变。

车载列车组故障预测与健康管理技术(PHM)是工业大数据的核心应用 场景之一，也是实现状态维护和预测性维护最为关键的核心技术。高铁行业 的大数据运用应当以运维作为突破点。如何建立车载列车组故障预测与健康 管理系统，即通过PHM技术在列车组上的运用，降低车辆故障率、降低企业 运维成本、提升企业快速响应能力、具备状态检修能力、增加企业服务型收 益占比。

发明内容

本发明的目的是提供一种车载列车组故障预测与健康管理系统，该系统 采用分布式结构，感知从零部件级到子系统级再到整车的相关信息，系统可 移植性强，基于车载智能镜像模型，实现对列车状态的透明化管理与分析。

为解决上述技术问题，本发明提供一种车载列车组故障预测与健康管理 系统，包括：预定数量的车辆级PHM子系统和列车组级PHM子系统；其中，

所述车辆级PHM子系统包括：

车辆数据接入模块，用于接收车辆中第一预定传感器发送的车辆数据；

车辆数据分析模块，用于利用已构建的车辆智能镜像模型对所述车辆数 据进行分析处理，得到车辆分析结果；所述车辆分析结果包括故障相关信息、 状态信息和车辆健康评估信息；其中，所述车辆智能镜像模型为利用实体车 辆产生的数据所建立的反应车辆状态的数学模型，并具有输入输出的预测传 递关系模型以及关键部件之间关联关系；

车辆发送模块，用于将所述车辆分析结果发送给列车组数据接入模块；

所述列车组级PHM子系统包括：

列车组数据接入模块，用于接收列车组中第二预定传感器发送的列车组 数据和所述车辆分析结果；

列车组数据分析模块，用于利用已构建的车载智能镜像模型对所述列车 组数据和所述车辆分析结果进行分析处理，得到列车组分析结果；所述列车 组分析结果包括故障相关信息、列车组健康评估信息以及性能评估和决策信 息；其中，所述车载智能镜像模型为利用实体列车组产生的数据所建立的反 应列车组系统状态的数学模型，并具有输入输出的预测传递关系模型。

可选的，所述车辆数据接入模块，包括：

车辆接收单元，用于接收车辆中第一预定传感器发送的车辆数据；

车辆数据预处理单元，用于对所述车辆数据进行融合、清洗和特征提取；

所述列车组数据接入模块，包括：

列车组接收单元，用于接收列车组中第二预定传感器发送的列车组数据 和所述车辆分析结果；

列车组数据预处理单元，用于对所述列车组数据进行融合、清洗和特征 提取。

可选的，所述车辆数据分析模块具体为利用已构建的车载智能镜像模型 对所述列车组数据和所述车辆分析结果进行分析处理，得到列车组分析结果 的模块；

其中，所述车载智能镜像模型包含列车级故障诊断算法、列车级故障预 警算法、列车级健康评估算法、列车级故障预测算法、列车级智能决策算法 和性能评估算法。

可选的，所述车辆级PHM子系统采用PXI平台或cRIO平台；所述列车 组级PHM子系统采用PXI平台或cRIO平台。

可选的，所述车辆级PHM子系统，还包括：车辆数据存储模块，用于对 所述车辆数据进行在线存储和/或离线存储；

所述列车组级PHM子系统，还包括：列车组数据存储模块，用于对所述 列车组数据和所述车辆分析结果进行在线存储和/或离线存储。

可选的，所述列车组级PHM子系统，还包括：

列车组结果输出模块，用于显示所述列车组分析结果和/或向预设用户发 送所述列车组分析结果。

可选的，所述列车组级PHM子系统，还包括：

发送模块，用于将所述列车组分析结果发送给列车组故障预测与健康管 理地面智能处理系统。

可选的，所述列车组级PHM子系统，还包括：

预留维护网络端口，用于通过有线和/或无线连接至以太网总线对所述车 辆级PHM子系统和所述列车组级PHM子系统中各设备进行单点维护和原始 数据管理。

可选的，所述列车组数据分析模块，还包括：

更新单元，用于根据反馈数据对所述车载智能镜像模型和/或所述车辆智 能镜像模型进行更新。

可选的，所述列车组级PHM子系统，还包括：

人机交互模块，用于显示关键信息，接收用户输入的信息，并执行所述 信息对应的操作。

本发明所提供的一种车载列车组故障预测与健康管理系统，包括：预定 数量的车辆级PHM子系统和列车组级PHM子系统；且每个车辆级PHM子系统 中具有车辆智能镜像模型，列车组级PHM子系统具有列车组智能镜像模型； 该系统采用分布式结构，感知从零部件级到子系统级再到整车的相关信息， 系统可移植性强，基于车载智能镜像模型，实现对列车状态的透明化管理与 分析，降低车载列车组故障预测与健康管理系统分析、应用成本，提升企业 快速响应能力、具备状态检修能力、增加企业服务型收益占比。

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，下面 描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不 付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例所提供的车载列车组故障预测与健康管理系统的结 构框图；

图2为本发明实施例所提供的动车组现有传感器布置示意图；

图3为本发明实施例所提供的车载列车组PHM系统信息传递的示意图；

图4为本发明实施例所提供的车载动车组PHM系统的示意图；

图5为本发明实施例所提供的车载动车组PHM系统框图。

具体实施方式

本发明的核心是提供一种车载列车组故障预测与健康管理系统，该系统 采用分布式结构，感知从零部件级到子系统级再到整车的相关信息，系统可 移植性强，基于车载智能镜像模型，实现对列车状态的透明化管理与分析。

为使本发明实施例的目的、技术方案和优点更加清楚，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，都属于本发明保护的范围。

本实施例提供的车载列车组故障预测与健康管理系统采用分布式结构、 模块化设计，使系统具有较好的不同车型适应性、可移植性，能够根据实际 需要增减组成设备。具体请参考图1，图1为本发明实施例所提供的车载列车 组故障预测与健康管理系统的结构框图；该系统可以包括：预定数量的车辆 级PHM子系统100和列车组级PHM子系统200；其中，

车辆级PHM子系统100可以包括：

车辆数据接入模块110，用于接收车辆中第一预定传感器发送的车辆数 据；

车辆数据分析模块120，用于利用已构建的车辆智能镜像模型对车辆数据 进行分析处理，得到车辆分析结果；车辆分析结果包括故障相关信息、状态 信息和车辆健康评估信息；其中，车辆智能镜像模型为利用实体车辆产生的 数据所建立的反应车辆状态的数学模型，并具有输入输出的预测传递关系模 型以及关键部件之间关联关系；

车辆发送模块130，用于将车辆分析结果发送给列车组数据接入模块；

列车组级PHM子系统200可以包括：

列车组数据接入模块210，用于接收列车组中第二预定传感器发送的列车 组数据和车辆分析结果；

列车组数据分析模块220，用于利用已构建的车载智能镜像模型对列车组 数据和车辆分析结果进行分析处理，得到列车组分析结果；列车组分析结果 包括故障相关信息、列车组健康评估信息以及性能评估和决策信息；其中， 车载智能镜像模型为利用实体列车组产生的数据所建立的反应列车组系统状 态的数学模型，并具有输入输出的预测传递关系模型。

具体的，本实施例并不限定车辆级PHM子系统100的具体数量，其可以 是在列车组中每一个车辆中均设置有车辆级PHM子系统100，也可以是每两 个车辆(即每两节车厢)设置一个车辆级PHM子系统100。用户可以根据实 际情况进行选择。优选的，可以为列车组中每一个车辆中均设置有车辆级PHM 子系统100，这样可以减少每一个车辆级PHM子系统100的计算量，这样在 同样处理能力的硬件上可以提高计算的精确性。

本实施例中并不限定第一预定传感器和第二预定传感器的种类和数量， 其可以根据车辆智能镜像模型和车载智能镜像模型的计算需求进行设置。其 中第一预定传感器一般与车辆关键子系统对应的数据相关，即用来采集牵引 系统、制动系统、转向架系统和车体系统等对应的实时数据，第二预定传感 器一般与列车组整车对应的数据相关，即用来采集列车组整车对应的状态数 据。传感器可以包括速度、加速度、压力、电压、电流、温度等。进一步， 为了减少传感器布置数量，降低费用和空间需求，降低系统重量，减少布线，提高数据同步性。优选的，在选择传感器时可以选用复合型传感器。且为了 提高系统可靠性，减少误报情况的出现，优选的，使不同传感器间具备相互 校核功能。

进一步为了提高数据的可用性，以及后续分析处理的速度。优选的，车 辆数据接入模块，包括：车辆接收单元，用于接收车辆中第一预定传感器发 送的车辆数据；车辆数据预处理单元，用于对车辆数据进行融合、清洗和特 征提取；列车组数据接入模块，包括：列车组接收单元，用于接收列车组中 第二预定传感器发送的列车组数据和车辆分析结果；列车组数据预处理单元， 用于对列车组数据进行融合、清洗和特征提取。具体的，即本实施例通过对 数据进行处理，可以去除无用数据，非法数据，并将不符合后续使用的数据 进行格式转换，单位转换等，以及实现数据的融合，提取数据特征。

具体的，本实施例并不对车辆分析结果以及列车组分析结果所包含的内 容进行限定，其根据实际的车辆智能镜像模型和车载智能镜像模型以及输入 数据的不同，会存在一些差异。例如车辆分析结果包括故障相关信息、状态 信息和车辆健康评估信息。且故障相关信息又可以包含故障诊断信息、故障 预警信息、故障预测信息。列车组分析结果包括故障相关信息、列车组健康 评估信息以及性能评估和决策信息。且故障相关信息又可以包含故障诊断信 息、故障预警信息、故障预测信息。可选的，车辆数据分析模块具体为利用已构建的车载智能镜像模型对列车组数据和车辆分析结果进行分析处理，得 到列车组分析结果的模块；其中，车载智能镜像模型可以包含列车级故障诊 断算法、列车级故障预警算法、列车级健康评估算法、列车级故障预测算法、 列车级智能决策算法和性能评估算法。从而实现对列车组数据和车辆分析结 果的分析。

车辆数据分析模块120以及列车组数据分析模块220中的车辆智能镜像 模型和车载智能镜像模型均采用了基于信息物理系统技术、大数据技术等手 段，传统车载故障诊断专家系统实时性差、移植性差、功能固定、分析效率 低等问题，进行实现对列车状态的透明化管理与分析。可以节省车载故障预 测与健康管理系统对应软件的开发及更新成本；提高车载故障预测与健康管 理系统的运行效率。例如，本实施例通过构建车载智能镜像模型，在信息空 间构建车辆运行的完全映射，实现对列车状态的透明化管理与分析，包括故 障诊断、故障预警、健康评估、性能预测和智能决策，并将诊断结果、评估 结果、预测结果和决策信息反馈到地面故障预测与健康管理系统。

其中，车载智能镜像模型的目的是在信息空间构建车辆的映射，使车辆 的信息被量化和透明化，其作用包括：

(1)对车辆实时运行状态信息的管理，具备简洁并全面的车辆在轨运行 信息库，并能够快速检索状态、特征、数据；

(2)实现对车辆实时运行状态的量化，具备输入输出的传递关系；

(3)利用数据建立和管理系统及关键部件之间的关联关系。

车辆智能镜像模型和车载智能镜像模型的构建基于信息物理系统技术的 车辆在轨运行状态信息库建立；车辆实时运行状态输入输出传递模型建立以 及基于数据驱动的车辆系统及关键部件之间的关联关系模型建立。

进一步，可选的，列车组级PHM子系统可以通过APP形式进行设置， 即在顶层布置列车组级PHM子系统对应的APP，主要由车辆级PHM系统 APP、列车级故障诊断算法、列车级故障预警算法、列车级健康评估算法、列 车级故障预测算法、列车级智能决策算法等六部分组成，主要对车辆PHM结 果，基于固化的列车PHM处理流程模板进行综合处理并得到列车PHM结果。 同时列车级PHM系统APP集成智能处理中心反馈信息作为列车PHM处理时 的有益补充。即列车组级PHM子系统对应的软件框架主要可以包含算法/模 型工具库、系统主环境、车载PHM软件系统APP、系统UI四个部分。

其中，算法工具库提供车载列车组PHM应用所涉及的数采设备管理、数 据文件管理、数据前处理、特征提取、故障诊断、故障预警、故障评估、故 障趋势预测等关键算法或模型的基础工具库。

系统主环境主要由Run Time管理、任务调度与负载均衡、算法工具库集 成与调用、以及快速建模分析界面等部分构成。

车载列车组PHM软件系统APP，即为已固化的满足车载列车组PHM处 理功能的算法流程模板，主要分为三个层次：基础层为零部件级PHM模块 APP；中间层为由所属零部件及PHM模块APP所组成的子系统级PHM单元 APP；顶层为列车级PHM系统APP。

软件功能：主要实现各层级的数据前处理、特征提取、故障诊断、故障 预警、健康评估、故障预测等功能。

本实施例并不对具体的软件运行环境进行限定。例如操作系统可以为Red HatLinux 9.0，系统服务代理的操作系统为Red Hat Linux 9.0。对应的软件功 能可以支持对采集硬件进行运行状态监测，以及灵活设置数采参数配置、和 触发条件规则。在MongoDB数据库的基础上建立分布式存储，能够满足微秒 级响应及支持大于100kHz频率数据快速写入、无损压缩、数据备份、和批量 处理的要求。支持对封装的算法工具包模块进行Service的方式调用。数据处 理精度保证小数点后5位有效数字，数据分析算法模块应保证同一算法模块 支持多个并行运行。算法模块均采用Python和R等开源算法进行开发及封装， 服务器WEBSERVER采用java编程语言。为了满足硬件和软件需求，可选的， 车辆级PHM子系统采用PXI平台或cRIO平台；列车组级PHM子系统采用 PXI平台或cRIO平台。

本实施例中并不对各个模块之间数据传输、传感器等硬件与各个模块的 数据传输以及模块与外界系统之间的数据传输的具体方式进行限定。可以根 据实际情况进行选择。

下面请参考图5提供一种具体的车载列车组PHM系统(也即列车组车载 PHM系统)信息传递的示意图，车载列车组PHM网络系统采用以太网总线 拓扑结构，用以传输车辆运行状态、事件记录、原始数据等。每列车有一套 列车级车载PHM系统(对应列车组级PHM子系统)，包括以太网交换机 (ECNN)、存储硬件(SSDU)、处理硬件(CPHMU)、显示硬件(DISU)、 通信接口(COMM)。

1)其中感知硬件(SENS)与采集硬件(DAQU)之间通过线缆进行数据 传输。

2)采集硬件(DAQU)、存储硬件(SSDU)、处理硬件(CPHMU)通 过PXI总线进行相互间数据交互。

3)制动控制单元(EBCU)/牵引控制单元(TCU)通过以太网与车载PHM 单元进行数据交互。

4)子系统级PHM单元通过以太网与车载PHM单元进行数据交互。

5)车载PHM单元的通信接口(COMM)通过HDMI接口与显示硬件 (DISU)进行数据交互。

车载列车组PHM系统通过车地数据传输系统可以实现与地面PHM系统 (对应列车组故障预测与健康管理地面智能处理系统)数据交换。另外，车 载列车组PHM系统预留维护网络端口，通过有线或无线的方式，可以对连接 至以太网总线的所有设备实现单点维护、原始数据管理等从而可以提高系统 的稳定性和可靠性。优选的，列车组级PHM子系统还可以包括：预留维护网 络端口，用于通过有线和/或无线连接至以太网总线对车辆级PHM子系统和 列车组级PHM子系统中各设备进行单点维护和原始数据管理。

基于上述技术方案，本发明实施例提供的车载列车组故障预测与健康管 理系统，采用分布式结构，感知从零部件级到子系统级再到整车的相关信息， 系统可移植性强，基于车载智能镜像模型，实现对列车状态的透明化管理与 分析，降低车载列车组故障预测与健康管理系统分析、应用成本，提升企业 快速响应能力、具备状态检修能力、增加企业服务型收益占比。

基于上述实施例，为了实现对数据的存储、快速查询以及管理与调用。 本实施例中车辆级PHM子系统还可以包括：车辆数据存储模块，用于对车辆 数据进行在线存储和/或离线存储；列车组级PHM子系统还可以包括：列车 组数据存储模块，用于对列车组数据和车辆分析结果进行在线存储和/或离线 存储。

具体的，当然在线存储以及离线存储两种形式，可以提高数据查询效率， 又能够对存储资源进行合理的利用。进一步，由于数据一部分存储在车辆数 据存储模块，一部分存储在列车组数据存储模块，即通过数据分级存储，减 少列车级主机存储要求，降低数据丢失风险。且分级存储还可以便于数据分 级处理，减少列车级主机处理数据，增强主机综合处理能力。进而可以实现 列车数据本地化处理，在列车上尽可能的进行数据处理，减少车地数据传输 量，提高系统响应速度。

基于上述任意实施例，列车组级PHM子系统还可以包括：

列车组结果输出模块，用于显示列车组分析结果和/或向预设用户发送列 车组分析结果。

具体的，该列车组结果输出模块可以通过列车中的显示屏等输出设备进 行列车组分析结果的显示或输出。进一步还可以向预设用户发送分析结果。 本实施例并不限定预设用户的数量和具体对象，用户可以根据实际需求进行 设定和修改。例如这里的预设用户可以是主机厂/制造商以及列车组故障预测 与健康管理地面智能处理系统。

本实施例并不限定具体的向预设用户发送列车组分析结果的形式，例如 可以向预设用户预留的邮箱，手机等发送分析结果，进一步为了提高用户获 取数据的智能性还可以构建以平台搭载APP形式的智能服务平台，实现状态 显示(可以利用可视化技术实现)、故障预警、故障诊断、故障评估、故障 趋势预测、运维决策等功能，并将结果推送给车辆用户及主机厂、供应商。

基于上述任意实施例，列车组级PHM子系统还可以包括：

发送模块，用于将列车组分析结果发送给列车组故障预测与健康管理地 面智能处理系统。

具体的，可以通过列车组故障预测与健康管理地面智能处理系统实现对 列车组分析结果的校正等，从而可以提高列车组分析结果的准确性，以便针 对列车实际情况做出更加准确的处理决策。

基于上述任意实施例，为了提高智能镜像模型的准确性和可靠性，列车 组数据分析模块还可以包括：

更新单元，用于根据反馈数据对车载智能镜像模型和/或车辆智能镜像模 型进行更新。具体的，可以对车载智能镜像模型和车辆智能镜像模型都进行 更新。

基于上述任意实施例，为了提高用户对车载列车组故障预测与健康管理 系统控制的便利性，列车组级PHM子系统还可以包括：

人机交互模块，用于显示关键信息，接收用户输入的信息，并执行信息 对应的操作。具体的，用户可以通过人机交互模块进行分析结果的查询，传 感器采集数据的查询等，便于用户对车载列车组故障预测与健康管理系统的 控制。

下面可以举例说明上述车载列车组故障预测与健康管理系统的整体架 构：车载列车组PHM系统(即车载列车组故障预测与健康管理系统)硬件分 为两个层次：基础层为车辆级PHM系统硬件；顶层为列车级PHM系统硬件。 以8编组车辆为例，每辆车布置一个车辆级PHM系统硬件(即对应车辆级PHM 子系统)，完成从零部件→子系统→车辆的感知→采集→存储→处理功能； 然后每列车布置一个列车级PHM系统硬件(即对应列车组级PHM子系统)，完成车辆→列车的存储→处理→显示功能，同时承担对外的信息发送与接收 功能。车辆级PHM系统硬件按照“感知→采集→存储→处理”的流程配置模 块；列车级PHM系统硬件按照“感知→采集→存储→处理→显示/通讯”的流 程配置模块。

1)首先车辆级PHM子系统将处理后的状态信息、故障信息接入到列车级 存储硬件，作为列车级处理硬件的数据源。

2)列车级存储硬件根据需求用于存储列车的状态数据、故障数据。

3)列车级处理硬件用于综合处理车辆级PHM系统结果。

4)列车级通讯硬件承担动车组车载PHM系统的外部通信与信息交互功 能。

5)列车级显示硬件则进行动车组车载PHM系统处理结果的显示。

列车组级PHM子系统的软件系统可以设置为APP，即按照“零部件→子 系统→车辆→列车”的递进关系分别配置各层级的PHM软件系统APP，且零 部件级、子系统级、车辆级软件系统APP均包括数据前处理、特征提取、故障 诊断、故障预警、健康评估、故障预测六个功能模块，列车级软件系统APP 则包括故障诊断、故障预警、健康评估、故障预测、智能决策等五个功能模 块。

车载列车组故障预测与健康管理系统可以分为硬件和软件两个部分：

1)为了提高车载列车组PHM系统的运行效率，以去中心化作为指导思想， 车载PHM系统硬件分为两个层次：基础层为子系统级PHM系统硬件即车辆级 PHM系统硬件；顶层为列车级PHM系统硬件。车辆级PHM系统硬件按照“感 知→处理→存储”的流程配置模块；列车级PHM系统硬件按照“感知→处理 →存储→显示/通讯”的流程配置模块。以8编组车辆为例，每辆车根据需要布 置车辆级PHM系统硬件，每列车布置一个列车级PHM系统硬件。

2)列车级PHM系统软件则包含算法/模型工具库、系统主环境、车载PHM 软件系统APP、系统UI等四个部分。其中车载PHM软件系统APP则按照“零部 件→子系统→列车”的递进关系分别配置各层级的PHM软件系统APP，且零 部件级、子系统级软件APP均包括数据前处理、特征提取、故障诊断、故障预 警、健康评估、故障预测六个功能模块，列车级软件系统APP则包括故障诊断、 故障预警、健康评估、故障预测、智能决策等五个功能模块。

其中，子系统级PHM系统硬件主要由子系统级感知硬件、子系统级采集 硬件、子系统级存储硬件、子系统级处理硬件四个部分组成。列车级车载PHM 系统硬件主要由子系统PHM单元硬件、列车级存储硬件、列车级处理硬件、 列车级显示硬件、列车级通讯硬件组成。为了保证分析结果的准确性对应的 硬件性能要求可以如下：1)系统加固，抗振性能满足运用要求；2)采用导 冷方式散热，没有风扇，系统噪声极小；3)采用密闭结构，对高湿、高粉尘环境适应能力大大增加；硬件功能要求可以如下：1)采集主机：通过集成固 态硬盘、数字I/O、扫描A/D、总线通讯控制器、无线模块以及GPS模块等关键 硬件模块，实现对车载总线数据、模拟量、离散量的采集。2)适配与调理： 根据传感器的实际配置以及测试数据的适配与接口测试控制需求，研制适配 与调理模块，实现多种信号的适配调理、测试通道控制以及传感器信号放大 等功能。3)电源：根据动车组实际供电情况，选型设计直流电源模块和交转 直适配器，并配备稳压电源。4)线缆与航插：根据车载PHM系统的传感器接 口，视情研制与其兼容的线缆航插，满足测试接口连接要求。硬件配置要求 可以如下：1)配置电压、温度、加速度、位移、应变等多测量接口，具有数 字量输入和输出通道；支持IEPE信号调理。2)24位分辨率，51.2kS/s采样率， 抗混叠滤波。3)基于WEP/WPA/WPA2/802.11X的安全性，兼容IEEE 802.11 a/b/g，千兆以太网接口；4)标准GPS/北斗实时定位导航模块；5)Intel处理器、非易失性存储、FPGA高速控制、Real-Time嵌入式操作系统，具备移动硬 盘接口。

软件部分，操作系统可以为Red Hat Linux 9.0，系统服务代理的操作系统 为RedHat Linux 9.0。对应的软件功能可以支持对采集硬件进行运行状态监 测，以及灵活设置数采参数配置、和触发条件规则。在MongoDB数据库的基 础上建立分布式存储，能够满足微秒级响应及支持大于100kHz频率数据快速 写入、无损压缩、数据备份、和批量处理的要求。支持对封装的算法工具包 模块进行Service的方式调用。数据处理精度保证小数点后5位有效数字，数据 分析算法模块应保证同一算法模块支持多个并行运行。算法模块均采用Python 和R等开源算法进行开发及封装，服务器WEBSERVER采用java编程语言。

基于上述技术方案，本发明实施例提的车载列车组故障预测与健康管理 系统，采用分布式结构，感知从零部件级到子系统级再到整车的相关信息， 完成实时数据融合、清洗、特征提取及存储等工作。根据处理后的状态特征， 列车组级PHM子系统基于车载智能镜像模型，实现对列车状态的透明化管理 与分析，包括故障诊断、故障预警、健康评估、性能预测和智能决策，并将 诊断结果、评估结果、预测结果和决策信息反馈到地面PHM系统。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是 与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示 例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现， 为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性 地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行， 取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定 的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本 发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、 处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存 储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编 程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任 意其它形式的存储介质中。

以上对本发明所提供的车载列车组故障预测与健康管理系统进行了详细 介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上 实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对 于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以 对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保 护范围内。

Claims (10)

1.一种车载列车组故障预测与健康管理系统，其特征在于，包括：预定数量的车辆级PHM子系统和列车组级PHM子系统；其中，

所述车辆级PHM子系统包括：

车辆数据接入模块，用于接收车辆中第一预定传感器发送的车辆数据；

车辆数据分析模块，用于利用已构建的车辆智能镜像模型对所述车辆数据进行分析处理，得到车辆分析结果；所述车辆分析结果包括故障相关信息、状态信息和车辆健康评估信息；其中，所述车辆智能镜像模型为利用实体车辆产生的数据所建立的反应车辆状态的数学模型，并具有输入输出的预测传递关系模型以及关键部件之间关联关系；

车辆发送模块，用于将所述车辆分析结果发送给列车组数据接入模块；

所述列车组级PHM子系统包括：

列车组数据接入模块，用于接收列车组中第二预定传感器发送的列车组数据和所述车辆分析结果；

列车组数据分析模块，用于利用已构建的车载智能镜像模型对所述列车组数据和所述车辆分析结果进行分析处理，得到列车组分析结果；所述列车组分析结果包括故障相关信息、列车组健康评估信息以及性能评估和决策信息；其中，所述车载智能镜像模型为利用实体列车组产生的数据所建立的反应列车组系统状态的数学模型，并具有输入输出的预测传递关系模型。

2.根据权利要求1所述的车载列车组故障预测与健康管理系统，其特征在于，所述车辆数据接入模块，包括：

车辆接收单元，用于接收车辆中第一预定传感器发送的车辆数据；

车辆数据预处理单元，用于对所述车辆数据进行融合、清洗和特征提取；

所述列车组数据接入模块，包括：

列车组接收单元，用于接收列车组中第二预定传感器发送的列车组数据和所述车辆分析结果；

列车组数据预处理单元，用于对所述列车组数据进行融合、清洗和特征提取。

3.根据权利要求2所述的车载列车组故障预测与健康管理系统，其特征在于，所述车辆数据分析模块具体为利用已构建的车载智能镜像模型对所述列车组数据和所述车辆分析结果进行分析处理，得到列车组分析结果的模块；

其中，所述车载智能镜像模型包含列车级故障诊断算法、列车级故障预警算法、列车级健康评估算法、列车级故障预测算法、列车级智能决策算法和性能评估算法。

4.根据权利要求3所述的车载列车组故障预测与健康管理系统，其特征在于，所述车辆级PHM子系统采用PXI平台或cRIO平台；所述列车组级PHM子系统采用PXI平台或cRIO平台。

5.根据权利要求4所述的车载列车组故障预测与健康管理系统，其特征在于，所述车辆级PHM子系统，还包括：车辆数据存储模块，用于对所述车辆数据进行在线存储和/或离线存储；

所述列车组级PHM子系统，还包括：列车组数据存储模块，用于对所述列车组数据和所述车辆分析结果进行在线存储和/或离线存储。

6.根据权利要求1-5任一项所述的车载列车组故障预测与健康管理系统，其特征在于，所述列车组级PHM子系统，还包括：

列车组结果输出模块，用于显示所述列车组分析结果和/或向预设用户发送所述列车组分析结果。

7.根据权利要求6所述的车载列车组故障预测与健康管理系统，其特征在于，所述列车组级PHM子系统，还包括：

发送模块，用于将所述列车组分析结果发送给列车组故障预测与健康管理地面智能处理系统。

8.根据权利要求7所述的车载列车组故障预测与健康管理系统，其特征在于，所述列车组级PHM子系统，还包括：

预留维护网络端口，用于通过有线和/或无线连接至以太网总线对所述车辆级PHM子系统和所述列车组级PHM子系统中各设备进行单点维护和原始数据管理。

9.根据权利要求8所述的车载列车组故障预测与健康管理系统，其特征在于，所述列车组数据分析模块，还包括：

更新单元，用于根据反馈数据对所述车载智能镜像模型和/或所述车辆智能镜像模型进行更新。

10.根据权利要求9所述的车载列车组故障预测与健康管理系统，其特征在于，所述列车组级PHM子系统，还包括：

人机交互模块，用于显示关键信息，接收用户输入的信息，并执行所述信息对应的操作。