CN108228378A - 列车组故障预测的数据处理方法及装置 - Google Patents

列车组故障预测的数据处理方法及装置 Download PDF

Info

Publication number
CN108228378A
CN108228378A CN201810012568.3A CN201810012568A CN108228378A CN 108228378 A CN108228378 A CN 108228378A CN 201810012568 A CN201810012568 A CN 201810012568A CN 108228378 A CN108228378 A CN 108228378A
Authority
CN
China
Prior art keywords
data
failure predication
preprocessing module
train groups
train
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
CN201810012568.3A
Other languages
English (en)
Inventor
郝伟
孙华
贺婷婷
何彬
孙赫勇
张春
黄天立
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.)
Beijing Jiaotong University
CRRC Qingdao Sifang Co Ltd
Original Assignee
Beijing Jiaotong University
CRRC Qingdao Sifang 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 Beijing Jiaotong University, CRRC Qingdao Sifang Co Ltd filed Critical Beijing Jiaotong University
Priority to CN201810012568.3A priority Critical patent/CN108228378A/zh
Publication of CN108228378A publication Critical patent/CN108228378A/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
    • G06Q10/20—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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • 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
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明提供一种列车组故障预测的数据处理方法，包括：向数据预处理模块发送对于故障预测所需数据的请求；从数据预处理模块接收所请求的数据，用于进行列车组故障预测；其中，从列车组的各业务系统获取的数据按照预设的数据模型分类存储在所述数据预处理模块中。本发明还提供了一种列车组故障预测的数据处理装置。本发明通过将列车组故障预测所涉及到的多源异构数据进行统一、分类存储，节约了网络资源，提高了数据响应速度，提高了故障预测的速率和准确率，提升了铁路系统对运营维护活动的决策能力。

Description

列车组故障预测的数据处理方法及装置
技术领域
本发明涉及铁路车辆故障预测领域，尤其涉及一种列车组故障预测的数据处理方法和装置。
背景技术
故障预测是指根据设备或系统现有的或历史的性能状态和数据信息，开展预测性的诊断，进行故障趋势分析，确定设备或者系统的机械磨损程度、剩余寿命或正常工作的时间长度，以在被监测设备或系统发生故障之前的适宜时机采取维修措施。故障预测能提高铁路系统对维修活动的决策能力，而列车组关键部件的维护管理，是保证运输时各环节安全的重要因素。
列车组关键部件的故障预测涉及到列车组全生命周期中许多信息系统的数据，例如关键部件制造厂商提供的部件属性信息，列车组车地通信系统中关键部件的运行状态、实时故障信息，铁路局列车段和车辆制造厂的MRO(Maintenance,Repair&Operations)系统中的详细故障信息以及维修履历等。这些数据存储于不同地点、不同业务的系统中，现有技术中为进行列车组故障预测，每次采集数据都需要分别对每一个相关的系统进行访问、处理、分析，采集和处理过程繁琐且用时较长，导致故障预测的效率和准确率都比较低。
发明内容
本发明提供一种列车组故障预测的数据处理方法及装置，用于解决现有技术中的上述问题。
根据本发明的第一方面，提供了一种列车组故障预测的数据处理方法，包括：
向数据预处理模块发送对于故障预测所需数据的请求；
从数据预处理模块接收所请求的数据，用于进行列车组故障预测；
其中，从列车组的各业务系统获取的数据按照预设的数据模型分类存储在所述数据预处理模块中。
优选地，所述获取的数据在数据预处理模块中经过数据冲突检查及处理，包括：由数据预处理模块判断分类存储的同一类别内是否出现数据冲突，若是，则使用数据融合方法解决冲突。
优选地，数据预处理模块定时从各业务系统中获取新数据，在每次获取新数据后进行数据冲突检查及处理。
优选地，在从数据预处理模块接收所请求的数据之前，由数据预处理模块对所请求的数据进行数据冲突检查及处理。
优选地，所述按照预设的数据模型分类存储包括：
按照动态数据和静态数据对数据分别进行存储。
优选地，所述动态数据包括列车运行数据、部件工作数据、检测数据、维修履历数据以及环境数据中的一个或多个。
优选地，所述静态数据包括部件的基本数据和/或线路数据。
根据本发明的第二方面，提供了一种列车组故障预测的数据处理装置，其特征在于，包括：
请求模块，用于向数据预处理模块发送对于故障预测所需数据的请求；
预测模块，用于从数据预处理模块接收所请求的数据，用于进行列车组故障预测；
其中，从列车组的各业务系统获取的数据按照预设的数据模型分类存储在所述数据预处理模块中。
根据本发明的第三方面，提供了一种电子设备，其特征在于，包括：
至少一个处理器；
以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如本发明第一方面所述的方法。
根据本发明的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，其特征在于，所述计算机程序使所述计算机执行如本发明第一方面所述的方法。
由上述技术方案可知，本发明将列车组故障预测所涉及到的多源异构数据进行统一存储，避免了在故障预测需要数据时与作为信息源的业务系统的多次连接和数据传输，节约了网络资源，提高了数据响应速度；通过将获得的数据按照数据模型规定的维度进行分类整理，能够直接从对应分类处提供处理好的最新数据，提高了分析预测的效率和准确率。此外，通过冲突检查与处理避免了相同类型数据因系统不同、版本不同而造成误差，进一步提高了故障预测的准确率；通过将实际运行过程中复杂多样的数据都纳入数据模型规定的维度中，进一步保障了信息获取的全面性，提升了铁路系统对运营维护活动的决策能力。
附图说明
图1为根据本发明实施例提供的一种列车组故障预测的数据处理方法的流程图；
图2为根据本发明实施例提供的一种数据预处理模块采集并处理数据的流程图；
图3为根据本发明实施例提供的一种数据模型的示意图；
图4为根据本发明实施例提供的一种列车组故障预测的数据处理装置的示意图。
具体实施方式
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地描述，显然，所描述的实施例是本发明实施例一部分实施例，而不是全部的实施例。
图1示出了列车组故障预测的数据处理方法的流程，本发明所述的列车组优选地为动车组。该方法包括：
S11向数据预处理模块发送对于故障预测所需数据的请求：
当列车组管理系统需要进行故障预测时，系统中的故障预测模块将向数据预处理模块发送请求，该请求是针对故障预测所需的数据，其可以是某一种数据，例如“风力数据”，也可以是某一类型的数据，例如“环境数据”，还可以是数据预处理模块中的全部数据。
S12从数据预处理模块接收所请求的数据，用于进行列车组故障预测：
数据预处理模块根据故障预测模块在上一步骤中发送的请求进行查找，将相应的数据发送给故障预测模块。故障预测模块从数据预处理模块接收所请求的数据，并使用接收到的这些数据进行列车组故障的预测分析。
其中，所述数据预处理模块中存储的数据是从列车组的各业务系统获取的，这些数据按照预设的数据模型分类存储在该数据预处理模块中。
优选地，所述获取的数据在数据预处理模块中经过了数据冲突检查及处理，包括：由数据预处理模块判断分类存储的同一类别内是否出现数据冲突，若是，则使用数据融合方法解决冲突。而对于不同类别的数据，可以无需进行检查。列车组的故障预测，尤其是关键部件的故障预测，涉及到列车组全生命周期中许多业务系统的数据，不同系统关于同一数据可能存在不同版本，数据预处理模块从各业务系统获取到的这些数据就可能存在数据重复、数据格式不匹配等情况，统称为“数据冲突”。数据预处理模块对所获取并存储的同一类别的数据进行检查，如发现该情况，则使用数据融合方法予以解决。数据融合是利用计算机技术将来自多个源的信息进行分析和综合处理，吸取不同数据源的特点，从中提取出统一的、比单一数据更好、更丰富的信息的过程。数据融合技术已在传感器、遥感等很多领域得到广泛使用，在本实施例中可通过数据融合方法实现对重复数据的去重和数据格式的转换等各种数据冲突情况的处理，而具体的融合算法在此不做限定。
优选地，所述获取的数据是数据预处理模块定时地从各业务系统中获取的，并且在每次获取新数据后进行数据冲突检查及处理。列车组故障预测涉及的数据中很多是随着时间动态变化的，因此会不断地产生新的数据，需要对数据预处理模块中存储的数据及时进行补充或更新。为了减少数据交互对网络资源的占用，数据预处理模块定时地访问各业务系统并取得数据，所取回的数据也可以仅为上次访问后新增或改变的数据。可以由管理员设置该定时的时点或者两次访问的时间间隔，也可以由数据预处理模块基于数据更新的历史数据自动设置或调整访问的时点。在每次获取到新数据后，数据预处理模块对所存储的同一类中的数据进行冲突检查及处理，以及时消除可能出现的数据冲突。
优选地，在从数据预处理模块接收所请求的数据之前，由数据预处理模块对所请求的数据进行数据冲突检查及处理。在数据预处理模块中，即使是同一类别，存储的数据量也可能会非常巨大，为了保障用于故障预测的数据是准确的，在故障预测模块接收所请求的数据之前，数据预处理模块针对所请求的数据进行数据冲突检查。
优选地，所述按照预设的数据模型分类存储包括：按照动态数据和静态数据对数据分别进行存储。所述动态数据是指在列车生命期内会不断变化的数据，例如列车运行数据、部件工作数据、检测数据、维修履历数据、环境数据等，列车运行数据是对于整辆列车而言的运行状态信息；部件工作数据是针对列车组关键部件本身的工作状态数据，包括时间、部件温度和其他工作状态信息；检测数据：是列车在动车运用所的日常检查和返厂检修时进行相关项目检测的信息；维修履历数据是关于列车组关键部件自身的故障及维修履历信息；环境数据是列车在运行时的环境信息。所述静态数据是指在列车生命期内通常不会再变化的数据，例如部件的基本数据和/或线路数据。列车基础数据是列车组关键部件自身的产品信息；列车线路数据是有关铁路运行线路的信息。
在该实施例中，通过将列车组故障预测所涉及到的多源异构数据进行统一存储，避免了故障预测模块需要与作为信息源的业务系统的多次连接和数据传输，节约了网络资源，提高了数据响应速度；通过将获得的数据按照数据模型规定的维度进行分类整理，能够直接从对应分类处提供处理好的最新数据，提高了分析预测的效率和准确率；通过冲突检查与处理避免了相同类型数据因系统不同、版本不同而造成误差，进一步提高了故障预测的准确率。
参见图2，为了更充分理解本发明的技术内容，在上述实施例的基础上，详细说明数据预处理模块采集并预处理数据的流程，其包括步骤：
S21从列车组的各业务系统获取数据：
在该步骤中，数据预处理模块通过数据传输接口连接各个业务系统，并从中获取到故障检测所涉及的各种数据。优选地，数据预处理模块可以定时地访问各业务系统以获取数据，可减少网络资源的占用。该定时可以由管理员设置，或者基于数据更新的频率自动地确定，对于不同的业务系统也可以具有不同的定时设置，例如每小时获取一次部分业务系统的数据，而每天获取一次其它业务系统的数据。对于来自不同业务系统的数据，可以优选地进行统一格式的处理，例如将文本文件、图片、表单等统一转换为文本文件格式，以便于数据的分类存储和后续处理。
S22按照预设的数据模型对数据进行分类存储：
数据预处理模块在获取数据后，将所有数据按照预设的数据模型进行分类，同一类别的数据存储在相同的逻辑位置以便于访问和提取。其中所述数据模型是通过分析关键部件全生命周期过程和研究列车组故障预测所需要的数据而设定的，其规定了各种数据的归类原则，对于所获取的数据，基于该数据模型即可确定其属于哪一类别，并按照该类别进行区分存储。
数据模型的设置对于故障预测的效率会有直接地影响，图3示出了优选的数据模型。根据面向故障预测的数据特征，将数据分为静态数据和动态数据，其中静态数据包括部件的基本数据和列车线路数据；根据数据的共性与特性以及列车生命周期的多个阶段，动态数据又可分为列车运行数据、部件工作数据、检测数据、维修履历数据以及环境数据。所获取的各个业务系统中的数据按照上述7个分类进行整理存储，并提供给上层故障预测模块数据接口以备调用。
进一步地，线路数据、基础数据、环境数据、列车运行数据、部件工作数据、检测数据和维修履历数据7个分类的详细内容如下：
(1)线路数据：属于静态数据，是有关铁路运行线路的信息，包括列车运行线路的车站信息、轨道线路位置信息、轨道坡度和弯度等。
(2)基础数据：属于静态数据，是列车组关键部件自身的产品信息，包括供应商、生产日期、产品型号、以及厂家设计的额定信息。其中额定信息针对部件的不同而有所差异，例如针对牵引电机，额定信息包括额定电流、额定电压、额定功率、额定转速等。
(3)环境数据：属于动态数据，是列车在运行时的环境信息，对所有关键部件共享，包括时间、地区、天气(晴、阴、雨、雪等)、温度、湿度、风力等。
(4)列车运行数据：属于动态数据，是对于整辆列车而言的运行状态信息，是列车上所有部件共享的数据，包括时间、车次、运行交路、位置、速度、加速度、走形公里数等。
(5)部件工作数据：属于动态数据，是针对列车组关键部件本身的工作状态数据，包括时间、部件温度和其他工作状态信息。例如，针对牵引电机而言，部件温度包括电机表面温度、电机轴承驱动侧温度、电机轴承非驱动侧温度、电机大齿轮温度、电机小齿轮温度、电机定子温度，其他工作状态信息包括MM电流反馈值、3次电压有效值等。
(6)检测数据：属于动态数据，是列车在动车运用所的日常检查和返厂检修时进行相关项目检测的信息，包括检测时间、检测内容、检测地点、检测结果和检测方法等。
(7)维修履历数据：属于动态数据，是关于列车组关键部件自身的故障及维修履历信息，包括发现日期、故障名称、故障概况、故障原因、处理日期、处理情况和检修单位等。
在该数据模型中，将地区、天气、温度、湿度等环境数据以及列车运行线路的轨道路线、坡度、弯度等线路数据都纳入进来，为故障预测提供了更全面的数据，有助于提高故障预测的准确性。
S23进行数据冲突检查与处理：
数据预处理模块判断同一类别内是否出现数据冲突，若是，则使用数据融合方法解决冲突。由于同一类别的数据来自不同的业务系统，即使在经过步骤S21中的统一格式处理后，仍然可能存在数据重复、数据格式不匹配等数据冲突，需要进行数据融合方法的处理，包括调整日期、调整数据格式、删除重复数据等操作以解决冲突情况。数据冲突检查的处理可以定期执行，也可以在每次获取到新数据时执行。
S24当收到数据请求时，查找并返回所请求的数据：
当故障预测模块提出用于故障预测的数据请求时，数据预处理模块直接从对应分类获取数据，无论故障预测模块请求的是某一个数据、还是某一类数据、或者是全部数据，均能够快捷清晰地予以提供。
优选地，在向故障预测模块提供所请求的数据之前，数据预处理模块对所请求的数据再次进行数据冲突检查，将检查后的数据发送给上层故障预测模块，从而进一步保障了所提供的数据的易用性。
图4示出了列车组故障预测的数据处理装置，其包括请求模块41和预测模块42，其中：
请求模块41用于向数据预处理模块发送对于故障预测所需数据的请求；预测模块42，用于从数据预处理模块接收所请求的数据，用于进行列车组故障预测。其中，从列车组的各业务系统获取的数据按照预设的数据模型分类存储在所述数据预处理模块中。
该数据处理装置位于故障预测模块中，数据处理装置与数据预处理模块之间具有数据通讯的接口。数据预处理模块优选地包括数据库以存储从各业务系统获取的数据。
优选地，所述获取的数据在数据预处理模块中经过数据冲突检查及处理，包括：由数据预处理模块判断分类存储的同一类别内是否出现数据冲突，若是，则使用数据融合方法解决冲突。具体地，数据预处理模块定时从各业务系统中获取新数据，在每次获取新数据后进行数据冲突检查及处理。以及/或者在从数据预处理模块接收所请求的数据之前，由数据预处理模块对所请求的数据进行数据冲突检查及处理。优选地，所述按照预设的数据模型分类存储包括：按照动态数据和静态数据对数据分别进行存储。所述动态数据包括列车运行数据、部件工作数据、检测数据、维修履历数据以及环境数据中的一个或多个。所述静态数据包括部件的基本数据和/或线路数据。动态数据和静态数据具体可以包括如参照图3所述的各类型数据。
根据本发明的再一个实施例，提供了一种电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上文参照图1所述的方法。
根据本发明的再一个实施例，提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行如上文参照图1所述的方法。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本领域普通技术人员可以理解：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (10)

1.一种列车组故障预测的数据处理方法，其特征在于，包括：
向数据预处理模块发送对于故障预测所需数据的请求；
从数据预处理模块接收所请求的数据，用于进行列车组故障预测；
其中，从列车组的各业务系统获取的数据按照预设的数据模型分类存储在所述数据预处理模块中。
2.根据权利要求1所述的方法，其特征在于，所述获取的数据在数据预处理模块中经过数据冲突检查及处理，包括：由数据预处理模块判断分类存储的同一类别内是否出现数据冲突，若是，则使用数据融合方法解决冲突。
3.根据权利要求2所述的方法，其特征在于，数据预处理模块定时从各业务系统中获取新数据，在每次获取新数据后进行数据冲突检查及处理。
4.根据权利要求2或3所述的方法，其特征在于，在从数据预处理模块接收所请求的数据之前，由数据预处理模块对所请求的数据进行数据冲突检查及处理。
5.根据权利要求1所述的方法，其特征在于，所述按照预设的数据模型分类存储包括：
按照动态数据和静态数据对数据分别进行存储。
6.根据权利要求5所述的方法，其特征在于，所述动态数据包括列车运行数据、部件工作数据、检测数据、维修履历数据以及环境数据中的一个或多个。
7.根据权利要求5或6所述的方法，其特征在于，所述静态数据包括部件的基本数据和/或线路数据。
8.一种列车组故障预测的数据处理装置，其特征在于，包括：
请求模块，用于向数据预处理模块发送对于故障预测所需数据的请求；
预测模块，用于从数据预处理模块接收所请求的数据，用于进行列车组故障预测；
其中，从列车组的各业务系统获取的数据按照预设的数据模型分类存储在所述数据预处理模块中。
9.一种电子设备，其特征在于，包括：
至少一个处理器；
以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1-7任一所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，其特征在于，所述计算机程序使所述计算机执行如权利要求1-7任一所述的方法。
CN201810012568.3A 2018-01-05 2018-01-05 列车组故障预测的数据处理方法及装置 Pending CN108228378A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810012568.3A CN108228378A (zh) 2018-01-05 2018-01-05 列车组故障预测的数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810012568.3A CN108228378A (zh) 2018-01-05 2018-01-05 列车组故障预测的数据处理方法及装置

Publications (1)

Publication Number Publication Date
CN108228378A true CN108228378A (zh) 2018-06-29

Family

ID=62643234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810012568.3A Pending CN108228378A (zh) 2018-01-05 2018-01-05 列车组故障预测的数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN108228378A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109543850A (zh) * 2018-10-26 2019-03-29 中国铁道科学研究院集团有限公司电子计算技术研究所 一种铁路货车全寿命周期状态数据处理的方法及装置
CN110361207A (zh) * 2019-07-25 2019-10-22 中南大学 一种智能列车走行部在线状态预测系统及其方法
CN111077871A (zh) * 2018-10-19 2020-04-28 北京全路通信信号研究设计院集团有限公司 一种铁路信号系统故障智能分析的平台
CN111597634A (zh) * 2020-05-12 2020-08-28 中车青岛四方机车车辆股份有限公司 一种确定动车组性能参数的方法及装置
CN113919082A (zh) * 2021-12-14 2022-01-11 成都运达科技股份有限公司 一种列车纵向动力学建模方法及系统
CN117114352A (zh) * 2023-09-15 2023-11-24 北京阿帕科蓝科技有限公司 车辆维护方法、装置、计算机设备和存储介质
CN117555619A (zh) * 2024-01-11 2024-02-13 浙江惠瀜网络科技有限公司 数据预处理方法、装置、设备和介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07257495A (ja) * 1994-03-25 1995-10-09 Fuji Heavy Ind Ltd 故障診断装置
CN105323111A (zh) * 2015-11-17 2016-02-10 南京南瑞集团公司 一种运维自动化系统及方法
CN107229695A (zh) * 2017-05-23 2017-10-03 深圳大学 多平台航空电子大数据系统及方法
CN107256219A (zh) * 2017-04-24 2017-10-17 卡斯柯信号有限公司 应用于自动列车控制系统海量日志的大数据融合分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07257495A (ja) * 1994-03-25 1995-10-09 Fuji Heavy Ind Ltd 故障診断装置
CN105323111A (zh) * 2015-11-17 2016-02-10 南京南瑞集团公司 一种运维自动化系统及方法
CN107256219A (zh) * 2017-04-24 2017-10-17 卡斯柯信号有限公司 应用于自动列车控制系统海量日志的大数据融合分析方法
CN107229695A (zh) * 2017-05-23 2017-10-03 深圳大学 多平台航空电子大数据系统及方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111077871A (zh) * 2018-10-19 2020-04-28 北京全路通信信号研究设计院集团有限公司 一种铁路信号系统故障智能分析的平台
CN111077871B (zh) * 2018-10-19 2021-06-22 北京全路通信信号研究设计院集团有限公司 一种铁路信号系统故障智能分析的平台
CN109543850A (zh) * 2018-10-26 2019-03-29 中国铁道科学研究院集团有限公司电子计算技术研究所 一种铁路货车全寿命周期状态数据处理的方法及装置
CN110361207A (zh) * 2019-07-25 2019-10-22 中南大学 一种智能列车走行部在线状态预测系统及其方法
CN111597634A (zh) * 2020-05-12 2020-08-28 中车青岛四方机车车辆股份有限公司 一种确定动车组性能参数的方法及装置
CN111597634B (zh) * 2020-05-12 2023-10-10 中车青岛四方机车车辆股份有限公司 一种确定动车组性能参数的方法及装置
CN113919082A (zh) * 2021-12-14 2022-01-11 成都运达科技股份有限公司 一种列车纵向动力学建模方法及系统
CN117114352A (zh) * 2023-09-15 2023-11-24 北京阿帕科蓝科技有限公司 车辆维护方法、装置、计算机设备和存储介质
CN117114352B (zh) * 2023-09-15 2024-04-09 北京阿帕科蓝科技有限公司 车辆维护方法、装置、计算机设备和存储介质
CN117555619A (zh) * 2024-01-11 2024-02-13 浙江惠瀜网络科技有限公司 数据预处理方法、装置、设备和介质

Similar Documents

Publication Publication Date Title
CN108228378A (zh) 列车组故障预测的数据处理方法及装置
CN110825801B (zh) 基于分布式架构的列车信号系统车载日志分析系统和方法
CN102497393B (zh) 高速列车智能化系统及其通信方法
RU2546320C2 (ru) Интеллектуальная сеть
US20160292802A1 (en) Asset Management Support System
CN105302098A (zh) 一种基于ietm的地铁车辆互操作维修保障平台及其搭建方法
Chebel-Morello et al. From prognostics and health systems management to predictive maintenance 2: knowledge, reliability and decision
CN105574593B (zh) 基于云计算和大数据的轨道状态静态检控系统及方法
CN111199257A (zh) 高铁行车设备故障诊断方法及装置
Feng et al. A technical framework of PHM and active maintenance for modern high-speed railway traction power supply systems
CN114297935A (zh) 基于数字孪生的机场航站楼离港优化运行仿真系统及方法
Brahimi et al. Development of a prognostics and health management system for the railway infrastructure—Review and methodology
Bhanji et al. Advanced enterprise asset management systems: Improve predictive maintenance and asset performance by leveraging Industry 4.0 and the Internet of Things (IoT)
Rahman et al. A review of KDD-data mining framework and its application in logistics and transportation
CN118183216A (zh) 带式输送机的故障诊断方法以及系统
Andrzejczak et al. Computerization of operation process in municipal transport
CN118220276A (zh) 一种车次号校准方法、装置、计算设备和存储介质
Talamo et al. Industry 4.0 for failure information management within proactive maintenance
KR101365481B1 (ko) 도심재생사업의 수행을 지원하기 위한 사업별 포털 생성 관리 시스템
CN111709597B (zh) 一种电网生产域运营监测系统
US20160140499A1 (en) Engineering document mobile collaboration tool
CN116562437A (zh) 轨道电路补偿电容故障预测方法和装置
Liu et al. Design of cyber-physical systems architecture for prognostics and health management of high-speed railway transportation systems
Estevan Dependability and safety evaluation of railway signalling systems based on field data
Bai et al. Research on intelligent operation and maintenance technology of urban rail transit based on cloud computing platform

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

Application publication date: 20180629

RJ01 Rejection of invention patent application after publication