CN107697107B - 一种列车组故障预测与健康管理地面智能处理系统及方法 - Google Patents
一种列车组故障预测与健康管理地面智能处理系统及方法 Download PDFInfo
- Publication number
- CN107697107B CN107697107B CN201710817070.XA CN201710817070A CN107697107B CN 107697107 B CN107697107 B CN 107697107B CN 201710817070 A CN201710817070 A CN 201710817070A CN 107697107 B CN107697107 B CN 107697107B
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- analysis result
- train set
- analysis
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/40—Handling position reports or trackside vehicle data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种列车组故障预测与健康管理地面智能处理系统及方法,该地面智能处理系统包括:数据接入模块,接收通过预设路径发送的列车组对应的数据;数据分析模块,利用已构建的地面智能镜像模型对数据进行分析处理,得到分析结果;分析结果包括故障相关信息、列车组健康评估信息以及智能决策信息;其中,地面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;能够节省地面故障预测与健康管理的分析、应用成本,解决现有地面故障分析中心功能可扩展性差,计算负载大的问题,提高车辆安全性以及企业运维效率。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种列车组故障预测与健康管理地面智能处理系统及方法。
背景技术
目前,我国高速铁路里程超过2.2万公里,动车组保有量达到2586标准组,“四纵四横”高铁主骨架基本建成。“十三五”我国高速铁路仍将保持快速发展,高铁覆盖面积从“四纵四横”进一步扩展至“八纵八横”,高速铁路运营里程达到3.8万公里。然而,我国的高速铁路发展也面临着一系列的挑战,主要体现在以下两个方面:
(1)“走出去”成为中国高铁未来的重要战略,但在“走出去”的过程中受到来自日本和欧洲产品的强大竞争压力,因此需要我国高铁在技术可靠性、成本、和服务等方面不断提升综合竞争力。
(2)目前我国动车组的运维依然采用按里程计划维护策略,动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。目前的地面列车组故障预测与健康管理系统存在地面故障分析中心功能可扩展性差、计算负载大、成果应用有限等问题。因此,如何节省地面故障预测与健康管理的分析、应用成本,提高车辆安全性以及企业运维效率,是本领域技术人员需要解决的技术问题。
发明内容
本发明的目的是提供一种列车组故障预测与健康管理地面智能处理系统及方法,节省地面故障预测与健康管理的分析、应用成本,提高车辆安全性以及企业运维效率。
为解决上述技术问题,本发明提供一种列车组故障预测与健康管理地面智能处理系统,所述地面智能处理系统包括:
数据接入模块,用于接收通过预设路径发送的列车组对应的数据;
数据分析模块,用于利用已构建的地面智能镜像模型对所述数据进行分析处理,得到分析结果;所述分析结果包括故障相关信息、列车组健康评估信息以及智能决策信息;其中,所述地面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,本方案还包括:
结果输出模块,用于显示所述分析结果和/或向预设用户发送所述分析结果。
可选的,所述数据接入模块,包括:
接收单元,用于接收所述列车组搭载的车载列车组故障预测与健康管理系统传输的实时数据和非实时数据,供应商系统发送的运维数据、工厂内部的制造和设计数据以及仿真试验数据;
集成单元,用于所述列车组多源异构数据的集成;
数据预处理单元,用于将所述接收单元接收的数据以及所述集成单元集成的数据进行清洗、转换。
可选的,所述数据分析模块,包括:
数据处理单元,用于将所述实时数据利用流式数据处理方法进行处理得到第一数据,将所述非实时数据、所述运维数据、所述制造和设计数据以及所述仿真试验数据利用批式数据处理方法进行处理得到第二数据;
地面智能镜像模型分析单元,用于将所述第一数据和所述第二数据作为所述地面智能镜像模型的输入,利用所述地面智能镜像模型进行分析处理,得到分析结果;其中,所述故障相关信息包括故障诊断信息、故障预警信息、故障统计信息、故障预测信息。
可选的,所述数据分析模块,还包括:
地面智能镜像模型更新单元,用于利用认知计算和大数据挖掘算法对所述非实时数据、所述运维数据、所述制造和设计数据以及所述仿真试验数据进行知识挖掘,并根据知识挖掘结果对所述地面智能镜像模型进行更新。
可选的,所述数据分析模块,还包括:
分析结果对比单元,用于将所述分析结果与所述车载列车组故障预测与健康管理系统中车载智能镜像模型的分析结果进行聚类分析,并根据聚类分析结果更新所述分析结果。
可选的,本方案还包括:
数据存储模块,用于对所述数据进行在线存储和/或离线存储。
本发明还提供一种列车组故障预测与健康管理地面智能处理方法,所述方法包括:
接收通过预设路径发送的列车组对应的数据;
利用已构建的地面智能镜像模型对所述数据进行分析处理,得到分析结果;所述分析结果包括故障相关信息、列车组健康评估信息以及智能决策信息;其中,所述地面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,本方案还包括:
利用认知计算和大数据挖掘算法对所述非实时数据、所述运维数据、所述制造和设计数据以及所述仿真试验数据进行知识挖掘,病根知识挖掘结果对所述地面智能镜像模型进行更新。
可选的,本方案还包括:
将所述分析结果与所述车载列车组故障预测与健康管理系统中车载智能镜像模型的分析结果进行聚类分析,并根聚类分析结果更新所述分析结果。
本发明所提供的一种列车组故障预测与健康管理地面智能处理系统,该地面智能处理系统包括:数据接入模块,接收通过预设路径发送的列车组对应的数据;数据分析模块,利用已构建的地面智能镜像模型对数据进行分析处理,得到分析结果;分析结果包括故障相关信息、列车组健康评估信息以及智能决策信息;其中,地面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。
可见,该系统仅利用地面智能镜像模型能够全面的对数据进行分析,得到故障相关数据,列车组健康评估信息以及智能决策信息;即能够节省地面故障预测与健康管理的分析、应用成本,解决现有地面故障分析中心功能可扩展性差,计算负载大的问题,提高车辆安全性以及企业运维效率。本发明还提供了一种列车组故障预测与健康管理地面智能处理方法,具有上述有益效果。
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列车组故障预测与健康管理地面智能处理系统的结构框图;
图2为本发明实施例所提供的一种具体的列车组故障预测与健康管理地面智能处理系统的结构示意图;
图3为本发明实施例所提供的列车组故障预测与健康管理地面智能处理方法的流程图。
具体实施方式
本发明的核心是提供一种列车组故障预测与健康管理地面智能处理系统及方法,节省地面故障预测与健康管理的分析、应用成本,提高车辆安全性以及企业运维效率。
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。
请参考图1,图1为本发明实施例所提供的列车组故障预测与健康管理地面智能处理系统的结构框图;该地面智能处理系统(可以简称为系统)可以包括:
数据接入模块100,用于接收通过预设路径发送的列车组对应的数据;
数据分析模块200,用于利用已构建的地面智能镜像模型对数据进行分析处理,得到分析结果;分析结果包括故障相关信息、列车组健康评估信息以及智能决策信息;其中,地面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,本实施例并不限定具体预设路径的数量以及预设路径的具体对象。用户可以根据自身对于故障预测与健康管理结果的精确度以及自身硬件的计算能力进行选择所需要的数据,进而确定每种所需数据的发送路径,并将其作为预设路径。因此本实施例也不对数据的种类进行限定。例如本实施例中的数据可以包含列车组搭载的车载列车组故障预测与健康管理系统传输的实时数据和非实时数据,日常检修及高级检修等运维数据,工厂内部的制造和设计数据、人工录入数据、仿真试验数据、以及列车组多源异构数据等等。列车组对应的数据来源越丰富,对应后续数据分析模块200得到的分析结果越精确。优选的,数据接入模块100可以包括:
接收单元,用于接收列车组搭载的车载列车组故障预测与健康管理系统传输的实时数据和非实时数据,供应商系统发送的运维数据、工厂内部的制造和设计数据以及仿真试验数据。
集成单元,用于列车组多源异构数据的集成。
数据预处理单元,用于将接收单元接收的数据以及集成单元集成的数据进行清洗、转换。
具体的,接收单元接收的实时数据可以包括列车组中传感器实时采集的列车状态数据列车当前运行情况数据等,非实时数据可以包括列车组搭载的车载列车组故障预测与健康管理系统计算得到的故障预测与健康管理数据等。列车组中的列车组故障预测与健康管理系统可以通过卫星天线/2G/3G/4G/WIFI等向地面智能处理系统中的数据接入模块发送实时数据和非实时数据。这里的卫星天线/2G/3G/4G/WIFI可以理解为预设路径。运维数据、制造和设计数据以及仿真试验数据也可以理解为另一种形式的非实时数据。这一部分数据的获取可以通过车辆用户、主机厂或者供应商获取。例如车辆用户可以包括铁路总局,动车段所,检修基地,路局。主机厂或者供应商可以包括设计部门、生产部门、售后部门以及检修部门。它们也可以通过卫星天线/2G/3G/4G/WIFI/有限向地面智能处理系统中的数据接入模块发送数据。
即接收单元和集成单元实现对列车组(如动车组)设计、制造、运行、检修等过程中数据的接入,以及多源异构数据的集成。
数据预处理单元实现对接收到的数据进行清洗和转换。即本实施例通过数据预处理单元对获取的数据中的无用数据,非法数据等进行去除,并将不符合后续使用的数据进行格式转换,单位转换等。因此数据预处理单元能够提高数据的可用性,以及后续分析处理的速度。
具体的,本实施例并不对分析结果所包含的内容进行限定,其根据实际的地面智能镜像模型以及输入数据的不同,会存在一些差异。例如分析结果可以包含故障相关信息、列车组健康评估信息以及智能决策信息。且故障相关信息又可以包含故障诊断信息、故障预警信息、故障统计信息、故障预测信息。
数据分析模块200中的地面智能镜像模型采用了基于信息物理系统技术、大数据技术等手段,克服了传统地面数据分析中心功能有限、计算负载大、可扩展性差的问题,进而达到了分析效率高、结果关联性大、应用扩展性强等效果,从而有效支撑车辆集群管理的目的。其中,本实施例通过构建地面智能镜像模型,解决了传统地面故障诊断专家系统计算负载大、实时性差、功能固定、可移植性差等问题;本实施例可以节省列车组故障预测与健康管理地面智能处理系统软件的扩展及更新成本并提高其运行效率。
具体的,地面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。即地面智能镜像模型利用反应列车组系统状态的数学模型将实体系统“不可见因素”进行预测和透明化的过程,若其与车载故障预测与健康管理系统中的车载智能镜像模型联合工作时可以实现列车故障的镜像模拟及相关故障指令的信息传输。
地面智能镜像模型能够对列车组实体系统进行对称性的管理,即在信息网路空间中构建实体系统的映射,使实体系统的信息被量化和透明化,在构建完成这种映射后,大量的运算、仿真、和信息交换都可以在网络空间快速进行,产生的计算结果可以指导车辆系统的运行。
首先其可以实现对列车组状态信息的管理:即当列车组的工况或健康状态发生改变时,自动记录设备新状态数据的快照,并贴上新的状态标签进行存储,从而建立列车组集群、单车、关键部件的在轨运行信息库,并能够快速检索状态、特征、数据。
其次可以建立与列车组系统相互映射的镜像模型:即利用列车组实体产生的数据建立对列车组状态进行量化的数学模型,并形成输入输出的预测传递关系模型,从而将列车组不可见因素进行预测和透明化。
即可选的,数据分析模块可以包括:
数据处理单元,用于将实时数据利用流式数据处理方法进行处理得到第一数据,将非实时数据、运维数据、制造和设计数据以及仿真试验数据利用批式数据处理方法进行处理得到第二数据。
地面智能镜像模型分析单元,用于将第一数据和第二数据作为地面智能镜像模型的输入,利用地面智能镜像模型进行分析处理,得到分析结果。
具体的,本实施例并不限定具体的流式数据处理方法以及批式数据处理方法的具体过程。可以根据实际需求进行确定。例如,流式数据处理可以包含数据重构与描述、模型库、方法库以及性能指标分析与评估。其中,数据重构与描述可以包括数据特征、概率分析以及离散表达。模型库可以包括数据驱动模型、机理模型、混合模型以及仿真模型。方法库可以包括定制优化目标、定义限制条件、选择优化算法以及提供优化决策。性能指标分析与评估可以包括单指标分析评估、多维指标分析以及评估量化。批式数据处理可以包括挑选聚类参数、聚类模型、集群内特征分析以及集群间特征比较。其中,挑选聚类参数可以包括数据特征、概率分布以及参数选择。聚类模型可以包括聚类趋势分析、集群数量评估、聚类算法以及聚类质量验证。集群内特征分析可以包括相关性分析、状态预测、趋势分析以及离散点辨识。集群间特征比较可以包括差异性评估、模式识别、根原因分析以及影响程度评估。
即数据分析模块200可以实现整合数据资源,构建一体化的智能处理中心,提供数据处理、数据分析、数据挖掘等功能。
基于上述技术方案,本发明实施例提的列车组故障预测与健康管理地面智能处理系统,解决了地面故障分析中心功能可扩展性差、计算负载大、成果应用有限的问题;可以节省地面故障预测与健康管理的分析、应用成本;提高列车组安全性以及企业运维效率。
基于上述实施例,为了提高分析结果的可用便捷性,该地面智能处理系统还可以包括:
结果输出模块,用于显示分析结果和/或向预设用户发送分析结果。
具体的,该结果输出模块可以通过地面智能处理系统中的显示屏等输出设备进行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。
本实施例并不限定具体的向预设用户发送分析结果的形式,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、故障统计、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,为了提高地面智能镜像模型的准确性和可靠性;该地面智能处理系统数据分析模块200还可以包括:
地面智能镜像模型更新单元,用于利用认知计算和大数据挖掘算法对非实时数据、运维数据、制造和设计数据以及仿真试验数据进行知识挖掘,并根据知识挖掘结果对地面智能镜像模型进行更新。
具体的,此外还可以对列车组运行的历史大数据进行知识挖掘,如事件之间的因果关系、时序关系、不同参数对列车组故障的定量及定性描述等,以更新地面智能镜像模型的分析算法和故障预测算法,实现知识的自主产生、利用、和分享。从而可以提高地面智能镜像模型的准确性和可靠性,保证了分析结果的可靠性。
基于上述任意实施例,为了提高数据分析模块的分析结果的准确性,数据分析模块200还可以包括:
分析结果对比单元,用于将分析结果与车载列车组故障预测与健康管理系统中车载智能镜像模型的分析结果进行聚类分析,并根据聚类分析结果更新分析结果。
具体的,本实施例中的地面智能镜像模型还可以实现集群分析与大数据挖掘:即可以按照状态参数的相似性对车载智能镜像模型进行聚类分析,随后可以对不同聚类中的镜像模型进行横向和纵向的比较。并通过比较结果对数据分析模块的分析结果进行更新,从而提高了数据分析模块的分析结果的准确性和可靠性。
基于上述任意实施例,为了实现对数据的存储、快速查询以及管理与调用。进一步本实施中该地面智能处理系统还可以包括:
数据存储模块,用于对数据进行在线存储和/或离线存储。
具体的,当然数据存储模块通过数据接入模块输出的数据进行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。
下面请参考图2,提供了一种具体的列车组故障预测与健康管理地面智能处理系统的结构示意图;其中,数据接收与集成层即数据接入模块,数据仓库即数据存储模块,数据处理层即数据分析模块,应用平台即结果输出模块。智能处理中心即列车组故障预测与健康管理地面智能处理系统。
基于上述技术方案,本发明实施例提的列车组故障预测与健康管理地面智能处理系统,基于已构建的地面智能镜像模型按照不同的流程对实时数据流和非实时数据流的处理,实现从列车组集群→系统集群→关键零部件集群的故障预测与健康管理。同时利用认知计算和大数据挖掘等智能算法对非实时数据进行知识挖掘,优化地面智能镜像模型性能。该系统的应用平台则基于上述分析结果进行状态展,并向用户和主机厂/制造商进行信息推送;该系统解决了地面故障分析中心功能可扩展性差、计算负载大、成果应用有限的问题;可以节省地面故障预测与健康管理的分析、应用成本;提高列车组安全性以及企业运维效率。
下面对本发明实施例提供的列车组故障预测与健康管理地面智能处理方法进行介绍,下文描述的列车组故障预测与健康管理地面智能处理方法与上文描述的列车组故障预测与健康管理地面智能处理系统可相互对应参照。
请参考图3,图3为本发明实施例所提供的列车组故障预测与健康管理地面智能处理方法的流程图;该方法可以包括:
S100、接收通过预设路径发送的列车组对应的数据;
S110、利用已构建的地面智能镜像模型对数据进行分析处理,得到分析结果;分析结果包括故障相关信息、列车组健康评估信息以及智能决策信息;其中,地面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。
基于上述实施例,该方法还可以包括:
利用认知计算和大数据挖掘算法对非实时数据、运维数据、制造和设计数据以及仿真试验数据进行知识挖掘,病根知识挖掘结果对地面智能镜像模型进行更新。
基于上述任意实施例,该方法还可以包括:
将分析结果与车载列车组故障预测与健康管理系统中车载智能镜像模型的分析结果进行聚类分析,并根聚类分析结果更新分析结果。
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。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
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一种列车组故障预测与健康管理地面智能处理系统及方法进行了详细介绍。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 (5)
1.一种列车组故障预测与健康管理地面智能处理系统,其特征在于,所述地面智能处理系统,包括:
数据接入模块,用于接收通过预设路径发送的列车组对应的数据;
数据分析模块,用于利用已构建的地面智能镜像模型对所述数据进行分析处理,得到分析结果;所述分析结果包括故障相关信息、列车组健康评估信息以及智能决策信息;其中,所述地面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,所述故障相关信息包括故障诊断信息、故障预警信息、故障统计信息和故障预测信息;
所述数据接入模块,包括:
接收单元,用于接收所述列车组搭载的车载列车组故障预测与健康管理系统传输的实时数据和非实时数据,供应商系统发送的运维数据、工厂内部的制造和设计数据以及仿真试验数据;
集成单元,用于所述列车组多源异构数据的集成;
数据预处理单元,用于将所述接收单元接收的数据以及所述集成单元集成的数据进行清洗以及转换;
所述数据分析模块,还包括:
分析结果对比单元,用于将所述分析结果与所述车载列车组故障预测与健康管理系统中车载智能镜像模型的分析结果进行聚类分析,并根据聚类分析结果更新所述分析结果;
所述数据分析模块,还包括:
地面智能镜像模型更新单元,用于利用认知计算和大数据挖掘算法对所述非实时数据、所述运维数据、所述制造和设计数据以及所述仿真试验数据进行知识挖掘,并根据知识挖掘结果对所述地面智能镜像模型进行更新。
2.根据权利要求1所述的地面智能处理系统,其特征在于,还包括:
结果输出模块,用于显示所述分析结果和/或向预设用户发送所述分析结果。
3.根据权利要求1所述的地面智能处理系统,其特征在于,所述数据分析模块,包括:
数据处理单元,用于将所述实时数据利用流式数据处理方法进行处理得到第一数据,将所述非实时数据、所述运维数据、所述制造和设计数据以及所述仿真试验数据利用批式数据处理方法进行处理得到第二数据;
地面智能镜像模型分析单元,用于将所述第一数据和所述第二数据作为所述地面智能镜像模型的输入,利用所述地面智能镜像模型进行分析处理,得到分析结果;其中,所述故障相关信息包括故障诊断信息、故障预警信息、故障统计信息和故障预测信息。
4.根据权利要求3所述的地面智能处理系统,其特征在于,还包括:
数据存储模块,用于对所述数据进行在线存储和/或离线存储。
5.一种列车组故障预测与健康管理地面智能处理方法,其特征在于,所述方法包括:
接收通过预设路径发送的列车组对应的数据;具体的,接收所述列车组搭载的车载列车组故障预测与健康管理系统传输的实时数据和非实时数据,供应商系统发送的运维数据、工厂内部的制造和设计数据以及仿真试验数据;将所述列车组多源异构数据集成;将接收单元接收的数据以及集成单元集成的数据进行清洗以及转换;
利用已构建的地面智能镜像模型对所述数据进行分析处理,得到分析结果;所述分析结果包括故障相关信息、列车组健康评估信息以及智能决策信息;其中,所述地面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,所述故障相关信息包括故障诊断信息、故障预警信息、故障统计信息和故障预测信息;
还包括:
将所述分析结果与所述车载列车组故障预测与健康管理系统中车载智能镜像模型的分析结果进行聚类分析,并根据聚类分析结果更新所述分析结果;
还包括:
利用认知计算和大数据挖掘算法对所述非实时数据、所述运维数据、所述制造和设计数据以及所述仿真试验数据进行知识挖掘,病根知识挖掘结果对所述地面智能镜像模型进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710817070.XA CN107697107B (zh) | 2017-09-12 | 2017-09-12 | 一种列车组故障预测与健康管理地面智能处理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710817070.XA CN107697107B (zh) | 2017-09-12 | 2017-09-12 | 一种列车组故障预测与健康管理地面智能处理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107697107A CN107697107A (zh) | 2018-02-16 |
CN107697107B true CN107697107B (zh) | 2020-03-10 |
Family
ID=61171438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710817070.XA Active CN107697107B (zh) | 2017-09-12 | 2017-09-12 | 一种列车组故障预测与健康管理地面智能处理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107697107B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108694448A (zh) * | 2018-05-08 | 2018-10-23 | 成都卡莱博尔信息技术股份有限公司 | Phm平台 |
CN111061148A (zh) * | 2018-10-17 | 2020-04-24 | 帆宣系统科技股份有限公司 | 智能型预诊断和健康管理系统与方法 |
CN109814529A (zh) * | 2019-01-23 | 2019-05-28 | 北京博得交通设备有限公司 | 一种列车门故障预测与健康管理系统 |
CN109636068A (zh) * | 2019-01-23 | 2019-04-16 | 北京博得交通设备有限公司 | 一种列车门电机故障预测方法 |
CN109813559A (zh) * | 2019-03-29 | 2019-05-28 | 深圳市元征科技股份有限公司 | 一种车辆诊断方法及相关设备 |
CN110428066B (zh) * | 2019-07-25 | 2023-04-07 | 中南大学 | 一种智能列车电气装置在线状态评估与运维系统及其方法 |
CN112241151A (zh) * | 2020-09-25 | 2021-01-19 | 北京索为云网科技有限公司 | 工业运维场景下的数据处理方法、装置、设备及介质 |
CN112232405B (zh) * | 2020-10-13 | 2022-09-02 | 中车青岛四方机车车辆股份有限公司 | 齿轮箱的故障预测、监测和诊断方法及相应装置 |
CN112328590B (zh) * | 2020-12-01 | 2023-04-07 | 西安交通大学 | 一种热力设备运行数据深度清洗方法 |
CN113204895B (zh) * | 2021-05-31 | 2024-04-16 | 江苏中车数字科技有限公司 | 一种基于图形算法开发的轨道车辆实时在线phm方法 |
CN114348072B (zh) * | 2021-12-28 | 2022-09-16 | 钟志旺 | 一种铁路通信信号设备健康码形成方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106406296A (zh) * | 2016-12-14 | 2017-02-15 | 东北大学 | 一种基于车载和云端的列车故障诊断系统及方法 |
CN106444584A (zh) * | 2016-11-10 | 2017-02-22 | 中车青岛四方机车车辆股份有限公司 | 轨道车辆的监控系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100588580C (zh) * | 2006-12-28 | 2010-02-10 | 上海轨道交通设备发展有限公司 | 一种轨道交通综合监控系统及方法 |
CN102407867B (zh) * | 2011-08-09 | 2013-11-06 | 河南辉煌科技股份有限公司 | 城市轨道交通信号维护支持系统 |
WO2017070301A1 (en) * | 2015-10-20 | 2017-04-27 | International Electronic Machines Corp. | Operations monitoring for effect mitigation |
-
2017
- 2017-09-12 CN CN201710817070.XA patent/CN107697107B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106444584A (zh) * | 2016-11-10 | 2017-02-22 | 中车青岛四方机车车辆股份有限公司 | 轨道车辆的监控系统 |
CN106406296A (zh) * | 2016-12-14 | 2017-02-15 | 东北大学 | 一种基于车载和云端的列车故障诊断系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107697107A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107697107B (zh) | 一种列车组故障预测与健康管理地面智能处理系统及方法 | |
CN107589695B (zh) | 一种列车组故障预测与健康管理系统 | |
CN109872003B (zh) | 对象状态预测方法、系统、计算机设备及存储介质 | |
CN101442762B (zh) | 网络性能分析以及网络故障定位方法和装置 | |
CN110210980A (zh) | 一种驾驶行为评估方法、装置和存储介质 | |
CN111915026B (zh) | 故障处理方法、装置、电子设备及存储介质 | |
CN114676883A (zh) | 基于大数据的电网运行管理方法、装置、设备及存储介质 | |
CN111191839A (zh) | 一种换电预测方法和系统及存储介质 | |
CN111126880A (zh) | 一种用户画像生成方法、装置及设备 | |
CN115423429A (zh) | 基于图像和声音信息的多模态一体化配网运营系统 | |
CN111461399A (zh) | 一种基于故障非线性离散分布的驻点坐标配置方法 | |
Ramesh et al. | Station-level demand prediction for bike-sharing system | |
CN117076521A (zh) | 基于大数据的运营数据分析方法及系统 | |
CN117649027B (zh) | 基于智慧车站的数据处理方法及系统 | |
CN117172721A (zh) | 用于融资业务的数据流转监管预警方法及系统 | |
CN111144628A (zh) | 一种分布式供能的冷热电负荷预测模型系统及方法 | |
CN111798237B (zh) | 基于应用日志的异常交易诊断方法及系统 | |
CN114757448A (zh) | 一种基于数据空间模型的制造环节间最优价值链构建方法 | |
CN114048978A (zh) | 一种基于机器学习模型的供需调度策略融合应用 | |
CN111372269A (zh) | 一种用于5g无线网络的干扰管理系统及干扰处理方法 | |
CN118368316B (zh) | 一种基于边缘计算的远程电表数据采集方法及系统 | |
CN117892212B (zh) | 一种分布式异构能源站点态势感知监测方法 | |
CN118505021A (zh) | 一种涉及生态保护红线项目智能论证方法及系统 | |
CN117499817B (zh) | 一种分布式电表采集系统及采集方法 | |
CN112822451B (zh) | 一种用于感知系统构建的前端节点优化选择方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |