CN108288019A - 一种城市轨道交通预防性维修对象识别方法及装置 - Google Patents
一种城市轨道交通预防性维修对象识别方法及装置 Download PDFInfo
- Publication number
- CN108288019A CN108288019A CN201711276288.5A CN201711276288A CN108288019A CN 108288019 A CN108288019 A CN 108288019A CN 201711276288 A CN201711276288 A CN 201711276288A CN 108288019 A CN108288019 A CN 108288019A
- Authority
- CN
- China
- Prior art keywords
- fault
- monitored object
- failure
- monitored
- preset quantity
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012544 monitoring process Methods 0.000 claims abstract description 55
- 230000008439 repair process Effects 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 15
- 238000009434 installation Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000001052 transient effect Effects 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 6
- 241000406668 Loxodonta cyclotis Species 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000004888 barrier function Effects 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000005662 electromechanics Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- NRTLIYOWLVMQBO-UHFFFAOYSA-N 5-chloro-1,3-dimethyl-N-(1,1,3-trimethyl-1,3-dihydro-2-benzofuran-4-yl)pyrazole-4-carboxamide Chemical compound C=12C(C)OC(C)(C)C2=CC=CC=1NC(=O)C=1C(C)=NN(C)C=1Cl NRTLIYOWLVMQBO-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种城市轨道交通预防性维修对象识别方法及装置。其中，所述方法包括：获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性；根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象；若判断获知所述目标维修对象满足预设条件，则确定所述目标维修对象为预防性维修对象。所述装置用于执行上述方法。本发明提供的城市轨道交通预防性维修对象识别方法及装置，为轨道交通设备及系统提供维修决策支持方法，提高了设备及系统的利用率和可靠性。
Description
技术领域
本发明涉及轨道交通技术领域，具体涉及一种城市轨道交通预防性维修对象识别方法及装置。
背景技术
城市轨道交通的全面维修管理是覆盖机电设备、车辆、轨道及各类相关系统的综合运行维护。机电设备作为轨道交通运营的重要物资，涉及轨道交通系统的各项环节。设备维护模式主要包括以故障为主的维修、以设备使用或时间为主的维护、以设备状况为主的维护等。在维修过程中，根据不同的专业，需要占用有限的时空资源，如正线上设备无法更换的，需要在夜间停运的天窗时间进行；固定件设备维修，需要调用维修机械或关闭供电才能进行的，需要对维修机械和维修时间进行匹配。随着城市轨道交通线路的增多和运营时间的增长，维修量日益加大。
目前轨道交通的维修管理通常以计划性检修为主，预防性检修为辅，主要针对系统、子系统、单体设备、装置、组件、部件。计划性维修主要是针对设备故障后的定向检修，预防性检修修采取的是修复如新的方式，即通过预防性检修活动使装备恢复到初始使用状态。预防性维修分两种：基于时间和基于设备状态的预防性检修。为保证设备正常运行，运营企业通常设有设备巡检制度，匹配有运维及设备巡检系统，开展计划性检修工作。目前制定检修策略主要是根据已报修的故障清单和登记表，更换和维修既有设备，涉及较大系统和装备的，需专业维修机构或返厂维修。通用的计划性检修方式存在一定的局限性。随着线路数增多，运营里程增长，大规模的检修需求涌现时难以快速确定设备检修的次序。预防性检修需要以设备检查和设备状态监测的数据为基础，目前设备运行故障数据量庞大，并且与维修管理系统相互独立，无法根据设备故障的数据进行特征规律和致因分析，难以实现真正意义上的预防性检修。此外，单一的运维及巡检系统仅作为检修业务的前端应用，提供的数据不足以支撑预防性检修的需要。
因此，如何提出一种预防性检修方法，能够识别出城市轨道交通的需要进行预防性维修的对象，以提高设备及系统的利用率和可靠性成为业界亟待解决的重要课题。
发明内容
针对现有技术中的缺陷，本发明提供一种城市轨道交通预防性维修对象识别方法及装置。
一方面，本发明提出一种城市轨道交通预防性维修对象识别方法，包括：
获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性；
根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象；
若判断获知所述目标维修对象满足预设条件，则确定所述目标维修对象为预防性维修对象。
另一方面，本发明提供一种城市轨道交通预防性维修对象识别装置，包括：
获取单元，用于获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性；
筛选单元，用于根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象；
判断单元，用于在判断获知所述目标维修对象满足预设条件之后，确定所述目标维修对象为预防性维修对象。
再一方面，本发明提供一种电子设备，包括：处理器、存储器和通信总线，其中：
所述处理器和所述存储器通过所述通信总线完成相互间的通信；
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述各实施例提供的城市轨道交通预防性维修对象识别方法。
又一方面，本发明提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上述各实施例提供的城市轨道交通预防性维修对象识别方法。
本发明提供的城市轨道交通预防性维修对象识别方法及装置，由于能够获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据第一预设数量的监控对象的故障相关数据分别获得各个监控对象的对象属性和故障属性，然后根据各个监控对象的对象属性和故障属性从第一预设数量的监控对象中获得目标维修对象，在判断获知所述目标维修对象满足预设条件之后，确定所述目标维修对象为预防性维修对象，大幅度减少了通过现场巡查记录和经验判断来定位维修目标的不确定性，有利于预防轨道交通设备故障而造成的交通事故，为轨道交通设备及系统提供维修决策支持方法，提高了轨道交通设备及系统的利用率和可靠性。
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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明一实施例城市轨道交通预防性维修对象识别方法的流程示意图；
图2为本发明另一实施例城市轨道交通预防性维修对象识别方法的流程示意图；
图3为本发明一实施例城市轨道交通预防性维修对象识别装置的结构示意图；
图4为本发明一实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、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。
图1为本发明一实施例城市轨道交通预防性维修对象识别方法的流程示意图，如图1所示，本发明提供的城市轨道交通预防性维修对象识别方法，包括：
S101、获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性；
具体地，轨道交通设置有各类机电设备的监控系统，通过设置传感器探测点，按照车站系统、中心系统的层级，逐级采集信息，获取各类所述机电设备的实时运行状态、设备的故障告警信息等。轨道交通相关的系统包括电力监控系统(以下简称SCADA系统)、环境与设备监控系统(以下简称BAS系统)、防灾报警系统(以下简称FAS系统)、列车自动监控系统(以下简称ATS系统)、乘客资讯系统(以下简称PIS系统)、自动售检票系统(以下简称AFC系统)、屏蔽门系统(以下简称PSD系统)等。在所述轨道交通相关的系统中对各类所述机电设备的在线监测结果和离线检测结果都将统一汇集到综合监控系统。所述城市轨道交通预防性维修对象识别装置(以下简称识别装置)可以从所述综合监控系统获得第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据。所述识别装置根据所述第一预设数量的监控对象的故障相关数据获得各个所述监控对象的对象属性和故障属性，所述对象属性包括设备名称、设备编码、安装位置、所属系统、运行状态、控制模式、监控内容、接口系统、归口专业等，所述故障属性包括故障类型、故障开始时间、故障结束时间、检修开始时间、检修结束时间、故障影响等。
其中，所述第一预设历史时期可以根据实际需要进行选择，例如选择过去6个月的数据，本发明实施例不做限定。可理解的是，所述第一预设历史时期的设定应该保证可以获得充足的故障相关数据进行后续分析，能够覆盖工作日和非工作日。所述第一预设数量根据实际需要进行设定，本发明实施例不做限定。由于城市轨道交通包括的设备非常多，故障报警后全部都进行即时检修成本太高而且部分设备可降级模式运行的进行即时检修的价值不大，可以根据预防性检修的需要和设备特性，结合成本和价值等因素，根据预设监控条件对所述城市轨道交通包括的设备或者系统进行筛选获得所述第一预设数量的监控对象，以便进行即时检修。所述预设监控条件根据实际情况进行设定，本发明实施例不做限定。
例如，所述预设监控条件可以是(1)设备的运行状态对行车或运营成本有较大影响，比如导致主变电所断电；导致运营期间任一区间或更多区间接触轨或接触网失电；造成车站400V照明失电；导致事故、轨道故障、列车故障、列车区间非正常停车大于2分钟等异常情况，造成行车降级运营；影响车站重要设备房间火灾报警；对事故发生情况下，消除事故所需的设备动作存在干扰。(2)设备有相对较多的检测手段监测设备状态，即具有可用的监测数据供分析，比如处于电力监控系统监控下；供电设备包括正线单边供电、越区供电、35KV/10KV/400V单母线供电、单整流机组运行报警；信号故障；全线、联锁区、设备集中站故障；折返站道岔故障、站台紧急停车按钮触发导致列车区间非正常停车大于2分钟；防灾监控系统的区域烟感、温感设备报警；环控系统的水喷淋设备故障无法对火灾情况下启动灭火。(3)设备有一定的历史数据积累，以支持动态检修周期的分析，比如可以从所述综合监控系统提取的所述监控设备过去一年的故障相关数据；所述监控对象在资产管理系统有记录，可以获得相关数据。
S102、根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象；
具体地，所述识别装置在获得各个所述监控对象的对象属性和故障属性之后，可以根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象。
例如，所述识别装置根据所述故障属性包括的故障类型对所有监控对象进行统计分类，获得第一分类汇总表，然后根据根据故障关联性规则以及所述监控对象的对象属性和/或故障属性对所有监控对象进行统计分类，获得第二分类汇总表，接着基于所述第一分类汇总表和所述第二分类汇总表，获得所述第二分类汇总表中与所述第一分类汇总表中的所述故障类型对应的监控对象，构成基础故障库，所述基础故障库包括所述故障类型以及所述故障类型对应的所述监控对象，再对所述基础故障库的故障类型进行聚类分析，获得第二预设数量的故障簇，基于所述对象属性包括的故障时间、安装位置或者所属系统对应的故障频率分别对各个所述故障簇中的所述监控对象进行排序，获得各个所述故障簇中的所述监控对象的排位，在判断获知所述故障簇中的所述监控对象的排位高于所述故障簇的预设排位之后，确定所述监控对象为所述目标维修对象。
S103、若判断获知所述目标维修对象满足预设条件，则确定所述目标维修对象为预防性维修对象。
具体地，所述识别装置在获得所述目标维修对象之后，进行所述目标维修对象是否满足预设条件的判断，如果所述目标维修对象满足预设条件，那么确认所述所述目标维修对象为预防性维修对象，需要进行预防性检修。
例如，所述预设条件包括所述目标维修对象的故障属性和/或对象属性符合所述故障关联性规则对应的故障属性和/或对象属性，且所述目标维修对象的故障类型是所述基础故障库中的故障类型。所述识别装置将所述目标维修对象的故障属性和/或对象属性与故障关联性规则对应的故障属性和/或对象属性进行比较，同时将所述目标维修对象的故障类型与基础故障库中的故障类型进行比较，如果所述目标维修对象的故障属性和/或对象属性与故障关联性规则对应的故障属性和/或对象属性相符合，且所述目标维修对象的故障类型包括在所述基础故障库的故障类型中，那么所述目标维修对象为所述预防性维修对象。所述故障关联性规则是预设的，所述基础故障库是在获得所述目标维修对象的过程中获得的。
本发明提供的城市轨道交通预防性维修对象识别方法，由于能够获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据第一预设数量的监控对象的故障相关数据分别获得各个监控对象的对象属性和故障属性，然后根据各个监控对象的对象属性和故障属性从第一预设数量的监控对象中获得目标维修对象，在判断获知所述目标维修对象满足预设条件之后，确定所述目标维修对象为预防性维修对象，大幅度减少了通过现场巡查记录和经验判断来定位维修目标的不确定性，有利于预防轨道交通设备故障而造成的交通事故，提高了轨道交通设备的利用率和可靠性。
图2为本发明另一实施例城市轨道交通预防性维修对象识别方法的流程示意图，如图2所示，在上述各实施例的基础上，进一步地，所述根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象包括：
S1021、根据故障类型对所有监控对象进行统计分类，获得第一分类汇总表；其中，所述故障属性包括所述故障类型；
具体地，所述识别装置可以获得所有监控对象的故障类型，所述故障属性包括所述故障类型。所述识别装置根据所述故障类型对所有的监控对象进行统计分类，获得第一分类汇总表，所述第一分类汇总表包括所述故障类型以及所述故障类型对应的所述监控对象，所述监控对象在所述第一分类汇总表中可以以所述监控对象的设备名称或者设备编码表示，所述对象属性包括所述设备名称和所述设备编码。其中，所述故障类型包括故障模式和故障内容，所述故障模式包括：正常模式、异常模式、降级模式、区间阻塞、火灾模式、防烟模式等，所述故障内容是对所述故障模式的具体描述。
S1022、根据故障关联性规则以及所述监控对象的对象属性和/或故障属性对所有监控对象进行统计分类，获得第二分类汇总表；其中，所述故障关联性规则是预设的，并与至少一个所述故障属性和/或对象属性对应；
具体地，所述识别装置判断所有监控对象是否满足故障关联性规则，如果所述监控对象满足所述故障关联性规则，那么将所述监控对象储存到第二分类汇总表中，所述第二分类汇总表包括所述故障关联性规则以及满足所述故障关联性规则的所述监控对象。其中，所述故障关联性规则是预设的，并与至少一个所述故障属性和/或对象属性对应。可理解的是，所述故障相关性规则可以有多个，所述监控设备可以满足至少一个所述故障相关性规则。
例如，预设五个所述故障关联性规则，a.所述监控对象归属于同一系统，对应于所述对象属性的所属系统，比如风机、水泵、空调水系统的所属系统都是BAS系统，所述风机、所述水泵和空调水系统满足所述监控对象归属于同一系统；b.所述监控对象之间存在电路连接关系和接口关系，对应于所述对象属性的接口系统，如果两个所述监控对象的接口系统相同，那么两个所述监控对象满足所述监控对象之间存在电路连接关系和接口关系；c.具有联动控制的模式关系，对应于所述对象属性的控制模式，如果两个所述监控对象的控制模式相同，那么两个所述监控对象具有联动控制的模式关系；d.位于同一线路/车站/区间/主变电所供电的所述监控对象，在同一时间段内同时发出故障告警，对应于所述对象属性的安装位置和所述故障属性的故障发生时间，如果两个所述监控对象的故障发生时间在所述同一时间段且两个所述监控对象的安装位置属于同一线路/车站/区间/主变电所，那么所述两个所述监控对象满足位于同一线路/车站/区间/主变电所供电的所述监控对象，在同一时间段内同时发出故障告警；e.所述监控对象之间存在必然的逻辑关系，对应于所述对象属性的监控内容和所述故障属性的故障类型，如果两个所述监控对象的监控内容和故障类型相同，那么两个所述监控对象满足所述监控对象之间存在必然的逻辑关系。
S1023、基于所述第一分类汇总表和所述第二分类汇总表，获得所述第二分类汇总表中与所述第一分类汇总表中的所述故障类型对应的监控对象，构成基础故障库，所述基础故障库包括所述故障类型以及所述故障类型对应的所述监控对象；
具体地，所述识别装置在获得所述第一分类汇总表和所述第二分类汇总表之后，在所述第一分类汇总表中查找所述第二分类汇总表中的所述监控对象，获得所述第二分类汇总表中与所述第一分类汇总表中的所述故障类型对应的监控对象，即获得了所述故障类型以及所述故障类型对应的所述监控对象，所述故障类型以及所述故障类型对应的所述监控对象构成了基础故障库。可理解的是，所述故障类型可以对应多个所述监控对象。
S1024、对所述基础故障库的故障类型进行聚类分析，获得第二预设数量的故障簇；
具体地，所述识别装置在获得所述基础故障库之后，对所述基础故障库的故障类型进行聚类分析，可以采用k-means聚类分析法。所述识别装置计算获得每个所述故障类型的故障相关值，随机选择第二预设数量的所述基础故障库的故障类型作为分别作为所述第二预设数量的故障簇的初始中心，计算获得所述第二预设数量的故障簇，所述故障簇中任何一个所述故障类型的故障相关值与所述故障簇的故障相关值的差值的绝对值，比与其他故障簇的故障相关值的差值的绝对值小。其中，所述故障类型的故障相关值是根据所述故障类型对应的所有所述监控对象的故障相关值求平均获得的，所述监控对象的故障相关值是基于所述监控对象满足所述故障关联性规则的数量预设的。所述故障簇包括至少一个所述故障类型以及所述故障类型对应的所述监控对象。其中，所述第二预设数量根据实际经验进行设置，本发明实施例不做限定。
例如，所述故障基础库的故障类型A对应监控对象a、监控对象b、监控对象c、监控对象d、监控对象e五个所述监控对象。假设预设五个所述故障相关性规则，并设定同时满足五个所述故障相关性规则的所述监控对象的故障相关值在4和5之间；同时满足四个所述故障相关性规则的所述监控对象的故障相关值在3和4之间；同时满足三个所述故障相关性规则的所述监控对象的故障相关值在2和3之间；同时满足二个所述故障相关性规则的所述监控对象的故障相关值在1和2之间；满足一个所述故障相关性规则的所述监控对象的故障相关值在0和1之间。再根据实际经验设定所述监控对象的故障相关值，假设所述监控对象a满足五个所述故障相关性规则，可以设定所述监控对象a的故障相关值为4.5；假设所述监控对象b和监控对象c满足三个所述故障相关性规则，可以设定所述监控对象a的故障相关值为2.5；假设所述监控对象d满足二个所述故障相关性规则，可以设定所述监控对象a的故障相关值为1.2；假设所述监控对象e满足一个所述故障相关性规则，可以设定所述监控对象e的故障相关值为0.8。可以计算获得故障类型A对应的故障相关值为(4.5+2.5+2.5+1.2+0.8)/5＝2.3。
S1025、基于故障时间、安装位置或者所属系统对应的故障频率分别对各个所述故障簇中的所述监控对象进行排序，获得各个所述故障簇中的所述监控对象的排位；其中，所述对象属性包括所述故障时间、所述安装位置和所述所属系统；
具体地，所述识别装置可以获得各个所述故障簇中的所述监控对象的故障性数据，并根据故障时间、安装位置或者所属系统分别对各个所述故障簇进行统计，获得每个所述故障簇中各个所述监控对象在所述故障时间、所述安装位置或者所述所属系统条件下的故障频率，所述故障频率为在所述第一预设历史时期内所有监控对象故障发生的次数。然后按照所述故障时间、所述安装位置或者所述所属系统对应的故障频率对所述故障簇内的所述监控对象进行排序，获得所述监控对象在所述故障簇中的排位。其中，所述对象属性包括所述故障时间、所述安装位置和所述所属系统。
S1026、若判断获知所述故障簇中的所述监控对象的排位高于所述故障簇的预设排位，则所述监控对象为所述目标维修对象。
具体地，所述识别装置将所述故障簇中每个所述监控对象的排位与所述故障簇的预设排位进行对比，如果所述监控对象的排位高于所述预设排位，将所述监控对象作为所述目标维修对象。其中，所述预设排位根据实际经验进行设置，本发明实施例不做限定。
例如，所述故障簇中包括10个所述监控对象，根据实际经验要在所述故障簇中选取50％的所述监控对象，将所述预设排位设置为第6位，则排序前五位的所述监控对象作为所述目标维修对象。
在上述各实施例的基础上，进一步地，本发明提供的城市轨道交通预防性维修对象识别方法还包括：
在获得各个所述监控对象的对象属性和故障属性之后，按照所述对象属性包括的所属系统对所有的监控对象进行分类，获得每个所述所属系统对应的所述监控对象；
根据每个所述所属系统对应的各个所述监控对象的对象属性和故障属性从所述所属系统对应的所述监控对象中获得所述所属系统对应的目标维修对象；
具体地，对于城市轨道交通运营管理企业而言，所述轨道交通相关的系统针对不同系统和业务场景，各个系统所关注的检修对象不同并且各个系统的检修对象的重要性也不相同，例如ATS系统、SCADA系统中的设备或子系统故障，对城市轨道交通日常运营影响最大，但统计出的故障数量不一定最多。因此，本实施例提供的城市轨道交通预防性维修对象识别方法，将在获得各个所述监控对象的对象属性和故障属性之后，按照所述对象属性包括的所属系统对所有的监控对象进行分类，获得每个所述所属系统对应的所述监控对象；再在每个所述所属系统下，进行所述所属系统对应的目标维修对象的获取。
所述识别装置根据每个所述所属系统对应的各个所述监控对象的对象属性和故障属性从所述所属系统对应的所述监控对象中获得所述所属系统对应的目标维修对象的具体过程包括：
根据故障类型对所述所属系统对应的所有监控对象进行统计分类，获得第三分类汇总表，所述第三分类汇总表的具体获得过程与步骤S1021类似，此处不再赘述；
根据故障关联性规则以及所述所属系统对应的所述监控对象的对象属性和/或故障属性对所有监控对象进行统计分类，获得第四分类汇总表；所述第四分类汇总表的具体获得过程与步骤S1022类似，此处不再赘述；
根据所述第三分类汇总表和所述第四分类汇总表，获得所述第四分类汇总表中与所述第三分类汇总表中的所述故障类型对应的监控对象，构成所述所属系统的基础故障库，所述所属系统的基础故障库包括所述故障类型以及所述故障类型对应的所述监控对象；所述所属系统的基础故障库的具体获得过程与步骤S1023类似，此处不再赘述；
对所述所属系统的基础故障库的故障类型进行聚类分析，获得预设个数的所述所属系统的故障簇；所述所属系统的故障簇的具体获得过程与步骤S1024类似，此处不再赘述。其中，所述预设个数根据实际经验进行设置，本发明实施例不做限定。
基于故障时间或者安装位置对应的故障频率分别对各个所述所属系统的故障簇中的所述监控对象进行排序，获得各个所述所属系统的故障簇中的所述监控对象的排位；所述所属系统的故障簇中的所述监控对象的排位的具体获得过程与步骤S1025类似，此处不再赘述。
若判断获知所述所属系统的故障簇中的所述监控对象的排位高于所述所属系统的故障簇的预设排位，则所述监控对象为所述所属系统对应的目标维修对象。确定所述监控对象为所述所属系统对应的目标维修对象的具体过程与步骤S1026类似，此处不再赘述。
在上述各实施例的基础上，进一步地，本发明提供的城市轨道交通预防性维修对象识别方法还包括：
根据校验规则对所述目标维修对象进行校验；其中，所述校验规则为：获取第二预设历史时期内满足所述预设监控条件的所述第一预设数量的监控对象的故障相关数据，计算获得所述目标维修对象的故障类型的故障率，对比所述故障类型的故障率和预设故障率，所述第一预设历史时期与所述第二预设历史时期的时间跨度相等，且所述第二预设历史时期晚于所述第一预设历史时期。
具体地，所述识别装置在获得所述目标维修对象之后，根据校验规则对所述目标维修对象进行校验，以评估所述目标维修对象获得的准确性。其中，所述校验规则为：所述故障关联性规则获取第二预设历史时期内满足所述预设监控条件的所述第一预设数量的监控对象的故障相关数据，所述第二预设历史时期可以是与所述第一预设历史时期相邻的时间段，并计算获得所述目标维修对象的故障类型的故障率，即所述目标维修对象的故障类型发生故障的次数与所述第二预设历史时期内发生的故障的总数的比值，对比所述故障类型的故障率和预设故障率，如果所述故障类型的故障率大于所述预设故障率，所述目标维修对象应该是重点关注的监控对象。其中，所述第一预设历史时期与所述第二预设历史时期的时间跨度相等，且所述第二预设历史时期晚于所述第一预设历史时期；所述预设故障率根据实际经验进行设置，本发明实施例不做限定。
在上述各实施例的基础上，进一步地，所述预设条件包括：
所述目标维修对象的故障属性和/或对象属性符合所述故障关联性规则对应的故障属性和/或对象属性，且所述目标维修对象的故障类型是所述基础故障库中的故障。
具体地，所述识别装置在获得所述目标维修对象之后，将所述目标维修对象的故障属性和对象属性与故障关联性规则对应的故障属性和对象属性进行比较，同时将所述目标维修对象的故障属性与基础故障库中的故障属性进行比较，如果所述目标维修对象的故障属性和对象属性与故障关联性规则对应的故障属性和对象属性相符合，且所述目标维修对象的故障属性包括在所述基础故障库的故障属性中，那么所述目标维修对象为所述预防性维修对象。
在上述各实施例的基础上，进一步地，本发明提供的城市轨道交通预防性维修对象识别方法还包括：
获取所述预防性维修对象的所属系统、故障类型和归口专业，构成预防性维修对象筛选规则；其中，所述对象属性包括归口专业；
获取所述满足所述预防性维修对象筛选规则的报警数量，根据所述报警数量计算获得影响力概率，若判断获知所述影响力概率小于阈值，则满足所述预防性维修对象筛选规则的监控对象不再作为所述预防性维修对象。
具体地，所述识别装置在获得所述预防性维修对象之后，获取所述预防性维修对象的所属系统、故障类型和归口专业，所述所属系统、所述故障类型和所述归口专业构成预防性维修对象筛选规则。其中，所述对象属性包括归口专业，所述归口专业为各个所述轨道交通相关的系统下的子系统，例如对于BAS系统，所述归口专业包括：大系统、小系统、空调水系统、照明系统、给排水系统、电扶梯系统等；对于FAS系统，所述归口专业包括：区间火灾/阻塞、车站火灾等；对于PSCADA系统，所述归口专业包括：400V照明、35KV开关、1500V开关、第三轨供电、UPS电源供电系统等；对于通信系统，所述归口专业包括：无线通信、广播、时钟、公专/专用电话、CCTV、门禁、传输系统等；如果所述轨道交通相关的系统没有包括任何子系统，则将系统本身作为所述归口专业。
所述识别装置在所述第一预设数量的监控对象的故障相关数据中，根据所述所属系统、所述故障类型和所述归口专业，统计满足所述预防性维修对象筛选规则的故障数量，所述识别装置根据所述第一预设数量的监控对象的故障相关数据获得故障总数，将所述故障数量与所述故障总数的比值作为影响力概率，将所述影响力概率与阈值进行比较，如果所述影响力概率小于阈值，那么满足所述预防性维修对象筛选规则的监控对象不再作为所述预防性维修对象。其中，所述阈值根据经验进行设置，本发明实施例不做限定。
进一步地，所述识别装置根据所述预防性维修对象的故障类型在所述第一预设数量的监控对象的故障相关数据中统计获得所述故障类型的故障数量，通过所述第一预设数量的监控对象的故障相关数据可以统计获得故障总数，将所述故障类型的故障数量与所述故障总数的比值，作为所述故障类型的准确率，如果所述准确率高于设定值，说明本发明提供的城市轨道交通预防性维修对象识别方法能够准确识别出所述故障类型。其中，所述设定值根据实际需要进行设定。
在所述第一历史时期内的影响力概率大于等于所述阈值的所述预防性维修对象，构成所述第一历史时期的预防性检修库，在所述第二历史时期内采用本发明提供的城市轨道交通预防性维修对象识别方法获得所述第二历史时期内的影响力概率大于等于所述阈值的所述预防性维修对象，构成所述第二历史时期的预防性检修库，对比所述第一历史时期的预防性检修库和所述第二历史时期的预防性检修库，判断所述第一历史时期的预防性检修库中的预防性维修对象与所述第二历史时期的预防性检修库中的预防性维修对象的相同的预防性维修对象的比例，所述比例越高说明本发明提供的城市轨道交通预防性维修对象识别方法的决策价值越高。在上述各实施例的基础上，进一步地，本发明提供的城市轨道交通预防性维修对象识别方法还包括：
对所述目标维修对象分配优先级，其中，基于故障频率对各个所述故障簇进行排序，所述故障频率的排位靠前的所述故障簇中所述排位高的所述目标维修对象对应的优先级高，所述故障簇的故障频率为所述故障簇中所有故障类型的故障频率之和。
具体地，所述识别装置根据故障频率对各个所述故障簇进行排序，所述故障簇的故障频率为所述故障簇中所有故障类型的故障频率之和，所述故障类型的故障频率即在所述第一预设历史时期内所有监控对象由所述故障类型导致故障发生的次数。所述识别装置可以根据所述第一预设数量的监控对象的故障相关数据获得所述故障类型的故障频率。来源于所述故障频率排序高的所述故障簇的所述目标维修对象的优先级高于来源于所述故障频率排序低的所述故障簇的所述目标维修对象，来源于同一个所述故障簇的所述目标维修对象，所述排位靠前的所述目标维修对象的优先级高。
在上述各实施例的基础上，进一步地，在所述获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据之后，对所述故障相关数据进行预处理；
相应地，所述根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性包括：
根据所述第一预设数量的监控对象的经过预处理的所述故障相关数据分别获得各个所述监控对象的对象属性和故障属性。
具体地，所述识别装置在获得所述第一预设数量的监控对象的故障相关数据之后，对所述第一预设数量的监控对象的故障相关数据进行预处理，所述预处理包括根据从所述资产管理系统调取的设备相关数据，确定所述监控目标与所述设备相关数据中资产编码记录的设备信息的一致性，排除不属于合理维修范围内的设备，例如新采购的未达到维修期的设备；过滤异常的所述故障相关数据，例如因网络通讯中断产生的大量通讯报警数据，非调试期的同一时段内设备的故障状态频繁变换等。经过所述预处理，提高了所述故障相关数据的可靠性。
相应地，根据所述第一预设数量的监控对象的经过预处理的所述故障相关数据分别获得各个所述监控对象的对象属性和故障属性。利用预处理后的故障相关数据对进行预防性维修对象识别，提高了识别的准确性。
图3为本发明一实施例城市轨道交通预防性维修对象识别装置的结构示意图，如图3所示，所述城市轨道交通预防性维修对象识别装置包括获取单元301、筛选单元302和判断单元303，其中：
获取单元301用于获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性；筛选单元302用于根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象；判断单元303用于在判断获知所述目标维修对象满足预设条件之后，确定所述目标维修对象为预防性维修对象。
具体地，轨道交通设置有各类机电设备的监控系统，通过设置传感器探测点，按照车站系统、中心系统的层级，逐级采集信息，获取各类所述机电设备的实时运行状态、设备的故障告警信息等。轨道交通相关的系统包括电力监控系统(以下简称SCADA系统)、环境与设备监控系统(以下简称BAS系统)、防灾报警系统(以下简称FAS系统)、列车自动监控系统(以下简称ATS系统)、乘客资讯系统(以下简称PIS系统)、自动售检票系统(以下简称AFC系统)、屏蔽门系统(以下简称PSD系统)等。在所述轨道交通相关的系统中对各类所述机电设备的在线监测结果和离线检测结果都将统一汇集到综合监控系统。获取单元301可以从所述综合监控系统获得第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据。获取单元301根据所述第一预设数量的监控对象的故障相关数据获得各个所述监控对象的对象属性和故障属性，所述对象属性包括设备名称、设备编码、安装位置、所属系统、运行状态、控制模式、监控内容、接口系统、归口专业等，所述故障属性包括故障类型、故障开始时间、故障结束时间、检修开始时间、检修结束时间、故障影响等。
其中，所述第一预设历史时期可以根据实际需要进行选择，例如选择过去6个月的数据，本发明实施例不做限定。可理解的是，所述第一预设历史时期的设定应该保证可以获得充足的故障相关数据进行后续分析，能够覆盖工作日和非工作日。所述第一预设数量根据实际需要进行设定，本发明实施例不做限定。由于城市轨道交通包括的设备非常多，故障报警后全部都进行即时检修成本太高而且部分设备可降级模式运行的进行即时检修的价值不大，，可以根据预防性检修的需要和设备特性，结合成本和价值等因素，根据预设监控条件对所述城市轨道交通包括的设备或者系统进行筛选获得所述第一预设数量的监控对象，以便进行即时检修。所述预设监控条件根据实际情况进行设定，本发明实施例不做限定。
筛选单元302在获得各个所述监控对象的对象属性和故障属性之后，可以根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象。
判断单元303在获得所述目标维修对象之后，进行所述目标维修对象是否满足预设条件的判断，如果所述目标维修对象满足预设条件，那么确认所述所述目标维修对象为预防性维修对象，需要进行预防性检修。
本发明提供的城市轨道交通预防性维修对象识别装置，由于能够获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据第一预设数量的监控对象的故障相关数据分别获得各个监控对象的对象属性和故障属性，然后根据各个监控对象的对象属性和故障属性从第一预设数量的监控对象中获得目标维修对象，在判断获知所述目标维修对象满足预设条件之后，确定所述目标维修对象为预防性维修对象，大幅度减少了通过现场巡查记录和经验判断来定位维修目标的不确定性，有利于预防轨道交通设备故障而造成的交通事故，提高了轨道交通设备的利用率和可靠性。
本发明提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
图4为本发明一实施例提供的电子设备的实体结构示意图，如图4所示，所述电子设备包括处理器(processor)401、存储器(memory)402和通信总线403；
其中，处理器401、存储器402通过通信总线403完成相互间的通信；
处理器401用于调用存储器402中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性；根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象；若判断获知所述目标维修对象满足预设条件，则确定所述目标维修对象为预防性维修对象。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性；根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象；若判断获知所述目标维修对象满足预设条件，则确定所述目标维修对象为预防性维修对象。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性；根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象；若判断获知所述目标维修对象满足预设条件，则确定所述目标维修对象为预防性维修对象。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，装置，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置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的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上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各实施例技术方案的精神和范围。
Claims (10)
1.一种城市轨道交通预防性维修对象识别方法，其特征在于，包括：
获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性；
根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象；
若判断获知所述目标维修对象满足预设条件，则确定所述目标维修对象为预防性维修对象。
2.根据权利要求1所述的方法，其特征在于，所述根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象包括：
根据故障类型对所有监控对象进行统计分类，获得第一分类汇总表；其中，所述故障属性包括所述故障类型；
根据故障关联性规则以及所述监控对象的对象属性和/或故障属性对所有监控对象进行统计分类，获得第二分类汇总表；其中，所述故障关联性规则是预设的，并与至少一个所述故障属性和/或所述对象属性对应；
基于所述第一分类汇总表和所述第二分类汇总表，获得所述第二分类汇总表中与所述第一分类汇总表中的所述故障类型对应的监控对象，构成基础故障库，所述基础故障库包括所述故障类型以及所述故障类型对应的所述监控对象；
对所述基础故障库的故障类型进行聚类分析，获得第二预设数量的故障簇；
基于故障时间、安装位置或者所属系统对应的故障频率分别对各个所述故障簇中的所述监控对象进行排序，获得各个所述故障簇中的所述监控对象的排位；其中，所述对象属性包括所述故障时间、所述安装位置和所述所属系统；
若判断获知所述故障簇中的所述监控对象的排位高于所述故障簇的预设排位，则所述监控对象为所述目标维修对象。
3.根据权利要求2所述的方法，其特征在于，还包括：
根据校验规则对所述目标维修对象进行校验；其中，所述校验规则为：获取第二预设历史时期内满足所述预设监控条件的所述第一预设数量的监控对象的故障相关数据，计算获得所述目标维修对象的故障类型的故障率，对比所述故障类型的故障率和预设故障率，所述第一预设历史时期与所述第二预设历史时期的时间跨度相等，且所述第二预设历史时期晚于所述第一预设历史时期。
4.根据权利要求2所述的方法，其特征在于，所述预设条件包括：
所述目标维修对象的故障属性和/或对象属性符合所述故障关联性规则对应的故障属性和/或对象属性，且所述目标维修对象的故障类型是所述基础故障库中的故障类型。
5.根据权利要求4所述的方法，其特征在于，还包括：
获取所述预防性维修对象的所属系统、故障类型和归口专业，构成预防性维修对象筛选规则；其中，所述对象属性包括归口专业；
获取所述满足所述预防性维修对象筛选规则的报警数量，根据所述报警数量计算获得影响力概率，若判断获知所述影响力概率小于阈值，则满足所述预防性维修对象筛选规则的监控对象不再作为所述预防性维修对象。
6.根据权利要求2所述的方法，其特征在于，还包括：
对所述目标维修对象分配优先级，其中，基于故障频率对各个所述故障簇进行排序，所述故障频率的排位靠前的所述故障簇中所述排位高的所述目标维修对象分配的优先级高，所述故障簇的故障频率为所述故障簇中所有故障类型的故障频率之和。
7.根据权利要求1至6任一项所述的方法，其特征在于，在所述获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据之后，对所述故障相关数据进行预处理；
相应地，所述根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性包括：
根据所述第一预设数量的监控对象的经过预处理的所述故障相关数据分别获得各个所述监控对象的对象属性和故障属性。
8.一种城市轨道交通预防性维修对象识别装置，其特征在于，包括：
获取单元，用于获取第一预设历史时期内满足预设监控条件的第一预设数量的监控对象的故障相关数据，并根据所述第一预设数量的监控对象的故障相关数据分别获得各个所述监控对象的对象属性和故障属性；
筛选单元，用于根据各个所述监控对象的对象属性和故障属性从所述第一预设数量的监控对象中获得目标维修对象；
判断单元，用于在判断获知所述目标维修对象满足预设条件之后，确定所述目标维修对象为预防性维修对象。
9.一种电子设备，其特征在于，包括：处理器、存储器和通信总线，其中：
所述处理器和所述存储器通过所述通信总线完成相互间的通信；
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至7任一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711276288.5A CN108288019B (zh) | 2017-12-06 | 2017-12-06 | 一种城市轨道交通预防性维修对象识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711276288.5A CN108288019B (zh) | 2017-12-06 | 2017-12-06 | 一种城市轨道交通预防性维修对象识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108288019A true CN108288019A (zh) | 2018-07-17 |
| CN108288019B CN108288019B (zh) | 2020-06-16 |
Family
ID=62831999
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711276288.5A Active CN108288019B (zh) | 2017-12-06 | 2017-12-06 | 一种城市轨道交通预防性维修对象识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108288019B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111667392A (zh) * | 2020-06-12 | 2020-09-15 | 成都国铁电气设备有限公司 | 一种基于时空聚类的铁路接触网缺陷热点区域预警方法 |
| CN112698615A (zh) * | 2020-11-10 | 2021-04-23 | 四川省东宇信息技术有限责任公司 | 一种基于云平台的设备故障反馈系统 |
| CN112722007A (zh) * | 2021-01-04 | 2021-04-30 | 中国铁道科学研究院集团有限公司 | 一种基于深度学习的列车运行综合预警方法 |
| CN113988326A (zh) * | 2021-10-09 | 2022-01-28 | 南京理工大学 | 一种地铁设备维修优化方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101950382A (zh) * | 2010-09-01 | 2011-01-19 | 燕山大学 | 一种带有风险控制的液压设备最优维修决策方法 |
| CN102975745A (zh) * | 2012-11-30 | 2013-03-20 | 北京交控科技有限公司 | 一种地铁信号系统的预防性维护系统及方法 |
| CN104268678A (zh) * | 2014-09-15 | 2015-01-07 | 中国石油化工股份有限公司武汉分公司 | 一种以动态可靠性为基础的设备预防性维修方法 |
| US9104650B2 (en) * | 2005-07-11 | 2015-08-11 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system for preventative maintenance |
-
2017
- 2017-12-06 CN CN201711276288.5A patent/CN108288019B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9104650B2 (en) * | 2005-07-11 | 2015-08-11 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system for preventative maintenance |
| CN101950382A (zh) * | 2010-09-01 | 2011-01-19 | 燕山大学 | 一种带有风险控制的液压设备最优维修决策方法 |
| CN102975745A (zh) * | 2012-11-30 | 2013-03-20 | 北京交控科技有限公司 | 一种地铁信号系统的预防性维护系统及方法 |
| CN104268678A (zh) * | 2014-09-15 | 2015-01-07 | 中国石油化工股份有限公司武汉分公司 | 一种以动态可靠性为基础的设备预防性维修方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111667392A (zh) * | 2020-06-12 | 2020-09-15 | 成都国铁电气设备有限公司 | 一种基于时空聚类的铁路接触网缺陷热点区域预警方法 |
| CN112698615A (zh) * | 2020-11-10 | 2021-04-23 | 四川省东宇信息技术有限责任公司 | 一种基于云平台的设备故障反馈系统 |
| CN112722007A (zh) * | 2021-01-04 | 2021-04-30 | 中国铁道科学研究院集团有限公司 | 一种基于深度学习的列车运行综合预警方法 |
| CN113988326A (zh) * | 2021-10-09 | 2022-01-28 | 南京理工大学 | 一种地铁设备维修优化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108288019B (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108288019A (zh) | 一种城市轨道交通预防性维修对象识别方法及装置 | |
| CN105045256B (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 | |
| US10422833B2 (en) | Systems and methods for classifying power line events | |
| CN111734885B (zh) | 一种换流阀在线监测与评估的方法及系统 | |
| CN107219837B (zh) | 一种用于地铁屏蔽门故障监控与预警智能系统 | |
| CN104753178A (zh) | 一种电网故障处理系统 | |
| CN112884325A (zh) | 一种客站设备应用分析及健康状况评价方法及系统 | |
| CN114267178B (zh) | 一种车站的智能运营维护方法及装置 | |
| CN108398934A (zh) | 一种用于轨道交通的设备故障监控的系统 | |
| CN104459378A (zh) | 一种智能变电站故障诊断方法 | |
| Dupuy et al. | Airline fleet maintenance: Trade-off analysis of alternate aircraft maintenance approaches | |
| CN107069966A (zh) | 一种变电站远程在线监视及状态评估系统 | |
| Brahimi et al. | Development of a prognostics and health management system for the railway infrastructure—Review and methodology | |
| CN105469186A (zh) | 一种能够自监测的风险监测系统及自监测方法 | |
| CN106849367A (zh) | 一种变电站远程在线监视及状态评估方法 | |
| CN110310016A (zh) | 一种基于事件化识别的配电网多源信息融合智能告警方法 | |
| CN107294205B (zh) | 一种基于保信主站数据的变电站状态监视方法 | |
| CN112950064A (zh) | 一种电网安全风险影响因素分析方法及装置 | |
| CN105383521B (zh) | 应用于城市轨道交通线网指挥系统的实时监控方法 | |
| Hu et al. | Research on entropy based corrective maintenance difficulty estimation of metro signaling | |
| CN116243103A (zh) | 基于多源数据的输变电设备状态智能感知预警方法 | |
| CN115358371A (zh) | 基于深度学习的电网监控信息事件化智能辨识方法 | |
| CN114715234A (zh) | 列车运行控制系统的数字孪生系统、装置和方法 | |
| CN110018378B (zh) | 多报修工单分布同一架空线路不同变压器的故障研判方法 | |
| Du Toit et al. | Improving the response time for the corrective maintenance of rail infrastructure: a case study of the Western Cape Passenger Rail Network |
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 | ||
| CB02 | Change of applicant information |
Address after: 100081 Beijing city Haidian District Daliushu Road No. 2 Applicant after: INSTITUTE OF COMPUTING TECHNOLOGIES, CARS Applicant after: BEIJING JINGWEI INFORMATION TECHNOLOGY Co.,Ltd. Address before: 100081 Beijing city Haidian District Daliushu Road No. 2 Applicant before: INSTITUTE OF COMPUTING TECHNOLOGY, CHINA ACADEMY OF RAILWAY SCIENCES Applicant before: BEIJING JINGWEI INFORMATION TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Ming Inventor after: Cai Yujing Inventor after: Wang Zhifei Inventor after: Song Xiaohe Inventor after: Bao Dabiao Inventor after: Wang Guanpeng Inventor after: Wang Shisheng Inventor after: Bai Li Inventor after: Liu Yangxue Inventor after: Xuan Xiubin Inventor after: Xing Dong Inventor after: Zhao Junhua Inventor after: E Yinming Inventor after: Gao Fan Inventor before: Zhang Ming Inventor before: Wang Shisheng Inventor before: Bai Li Inventor before: Liu Yangxue Inventor before: Xuan Xiubin Inventor before: Xing Dong Inventor before: Zhao Junhua Inventor before: E Yinming |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |