CN110009117A - 基于列车状态数据的机理模型生成方法及装置 - Google Patents
基于列车状态数据的机理模型生成方法及装置 Download PDFInfo
- Publication number
- CN110009117A CN110009117A CN201910245471.1A CN201910245471A CN110009117A CN 110009117 A CN110009117 A CN 110009117A CN 201910245471 A CN201910245471 A CN 201910245471A CN 110009117 A CN110009117 A CN 110009117A
- Authority
- CN
- China
- Prior art keywords
- train
- index
- mechanism model
- data
- 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.)
- Pending
Links
- 230000007246 mechanism Effects 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 51
- 238000012986 modification Methods 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005194 fractionation Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000010223 real-time analysis Methods 0.000 claims description 2
- 230000001052 transient effect Effects 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 13
- 230000000875 corresponding effect Effects 0.000 description 29
- 238000012423 maintenance Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 210000001520 comb Anatomy 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明实施例提供一种基于列车状态数据的机理模型生成方法及装置，该方法包括：将列车的状态指标以及指标运算符输出至用户界面进行显示；接收用户根据所述状态指标、所述指标运算符以及设置的指标阈值拟合而得到的规则函数；根据所述规则函数生成机理模型；其中，所述状态指标根据列车状态数据解析后得到，所述列车状态数据包括WTD数据。由于无需技术人员针对列车关键部件进行机理模型的单独开发工作，从而能够降低业务人员对机理模型开发工作的依赖度，提升模型的分析效率，进而增强列车的安全运营能力。
Description
技术领域
本发明实施例涉及列车故障分析领域，尤其涉及一种基于列车状态数据的机理模型生成方法及装置。
背景技术
列车的PHM(Prognostics and Health Management，预测与健康管理)系统是未来列车运营保障的发展方向，PHM能够根据列车运行现状进行监控和分析，提前预判故障的发生时机，进行为针对性、预测性的维修提供依据，而不必等到故障真的发生再进行事后维修。通过实现预测性的维修，不仅可以降低维修成本，减少维修时间，提升列车运营的效率，而且能够避免重大恶性事故发生。
随着动车组PHM系统的正式应用和逐渐完善，对列车运行安全进行分析的技术要求越来越高。目前PHM系统对列车进行机理分析，主要通过技术人员建立用于故障诊断的机理模型后，PHM系统根据建立的机理模型进行数据挖掘得到分析结果。
机理模型的开发需要大量的技术人员参与，现有业务人员难以完成，然而业务人员对列车交路工况与故障发生的机理模型更为熟知。机理模型的开发工作量较大，需要花费大量时间，若机理模型因需求的变更而进行调整时，则需要技术人员重新投入大量时间进行开发。因此，目前基于技术人员开发机理模型进行机理分析的方法效率较低。
发明内容
为了解决上述问题，本发明实施例提供一种基于列车状态数据的机理模型生成方法及装置。
第一方面，本发明实施例提供一种基于列车状态数据的机理模型生成方法，包括：将列车的状态指标以及指标运算符输出至用户界面进行显示；接收用户根据所述状态指标、所述指标运算符以及设置的指标阈值拟合而得到的规则函数；根据所述规则函数生成机理模型；其中，所述状态指标根据列车状态数据解析后得到，所述列车状态数据包括WTD数据。
第二方面，本发明实施例提供一种基于列车状态数据的机理模型生成装置，包括：输出模块，用于将列车的状态指标以及指标运算符输出至用户界面进行显示；输入模块，用于接收用户根据所述状态指标、所述指标运算符以及设置的指标阈值拟合而得到的规则函数；处理模块，用于根据所述规则函数生成机理模型；其中，所述状态指标根据列车状态数据解析后得到，所述列车状态数据包括WTD数据。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本发明第一方面基于列车状态数据的机理模型生成方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明第一方面基于列车状态数据的机理模型生成方法的步骤。
本发明实施例提供的基于列车状态数据的机理模型生成方法及装置，通过将列车的状态指标以及指标运算符输出至用户界面进行显示，接收用户根据所述状态指标、指标运算符以及设置的指标阈值拟合而得到的规则函数，将规则函数作为机理模型。由于无需技术人员针对机理模型进行单独的开发工作，从而能够降低对机理模型开发工作的依赖度，提升机理模型的分析效率，进而增强列车的安全运营能力。
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为本发明实施例提供的基于列车状态数据的机理模型生成方法流程图；
图2为本发明实施例提供的基于列车状态数据的机理模型生成装置结构图；
图3为本发明实施例提供的一种电子设备的实体结构示意图。
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、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作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。
无线数据传输装置(简称WTD)是列车上设置的数据采集装置，能够采集、分析和处理动车组各种数据信息，实现数据的本地存储，同时将动车组运行状态信息及故障记录信息实时地发送到地面，实现地面对在途动车组运行情况的实时检测和远程维护。
机理分析是通过对系统内部原因的分析研究，从而找出其发展变化规律的一种科学研究方法。
事件中心是一种完全托管的实时数据引入服务，它简单、受信任且可缩放。每秒可流式传输来自任何源的数百万个事件，从而可构建动态数据管道并立即应对业务挑战。使用异地灾难恢复和异地复制功能，可在紧急情况下继续处理数据。
目前，基于PHM系统对列车进行机理分析，需要技术人员针对机理模型进行开发，此方法时间花费较大、效率较低。为解决这一问题，本发明实施例提供一种基于列车状态数据的机理模型生成方法。该方法在本发明实施例中通过PHM系统来实现。图1为本发明实施例提供的基于列车状态数据的机理模型生成方法流程图，如图1所示，本发明实施例提供一种基于列车状态数据的机理模型生成方法，包括：
101，将列车的状态指标以及指标运算符输出至用户界面进行显示。
在101中，列车状态指标为根据列车状态数据解析后得到的指标参数。列车状态数据为列车运行时、列车检修维护过程中以及列车经设计制造后本身存在的数据，大部分可通过各种测量装置、传感器等设备获取，目前主要包括列车运行过程中实时下发到地面的数据(即列车下地数据)。在本发明实施例中，主要将WTD数据(WTD设备传输的数据)作为列车状态数据，经解析后梳理得到列车状态指标。例如，解析得到的列车状态指标包括：1车空簧压力、1车外温传感器温度信息、1车1路4位轴箱温度状态等。指标运算符为对列车状态指标进行数学运算的符号，包括数学级的与、或、非、大于、小于、不等于，以及算术级的加、减、乘、除、括号等运算符号。PHM系统将上述列车状态指标、指标运算符输出至用户界面进行显示，如web界面，以供用户进行设置。
在具体实施中，PHM系统获取的列车状态指标基于实时WTD数据流，通常使用kafka(一种高吞吐量的分布式发布订阅消息系统)作为二进制消息缓存平台，考虑到数据链路的可视化，还可选择mysql、hive、hbase以及es等多种平台作为可视化输出平台。基于数据链路完全可视化原则，将所有状态指标记录到中间临时表，以使得过报表工具和清单展示工具随时进行展示，即在用户界面显示。流程配置可采用streamsets工具进行配置，能完成多数据源的流程配置，实现具有多输出类型和消息反复消费的流程，而且数据大部分采用基于内存json格式进行传递，方便实用。
102，接收用户根据指标树、指标运算符以及用户设置的指标阈值拟合得到的规则函数，作为机理分析模型。
在102中，本发明实施例的用户主要为检修、技术中心等业务部门的业务人员，区别于开发人员，业务人员熟悉交路工况与故障发生的机理模型。指标阈值为用户针对状态指标设置的阈值，例如对应压力的牛顿数值，对应温度的摄氏度数值，可在界面显示可设置的数值框。业务人员根据交路工况与故障发生的机理模型，结合用户界面显示的列车状态指标、指标运算符，结合输入的指标阈值，配置机理分析对应的拟合函数。最后，PHM系统接收配置完成的规则函数。在具体应用中，可利用streamsets作为规则函数的主要配置与开发平台。
103、根据规则函数生成机理模型。
在103中，根据规则函数获得机理模型，可直接将规则函数作为机理模型，或进行其它处理后生成机理模型。PHM系统将该拟合函数作为列车的机理模型用于后续的机理分析。
本发明实施例提供的基于列车状态数据的机理模型生成方法，通过将列车的状态指标以及指标运算符输出至用户界面进行显示，接收用户根据状态指标、指标运算符以及设置的指标阈值拟合而得到的规则函数，将规则函数作为机理模型。由于无需技术人员针对机理模型进行单独的开发工作，从而能够降低对机理模型开发工作的依赖度，提升机理模型的分析效率，进而增强列车的安全运营能力。
基于上述实施例的内容，作为一种可选实施例，上述规则函数为用户根据状态指标的界面标签，以及指标运算符的界面标签进行拖拽操作，并输入对应的指标阈值得到。即在用户界面上显示状态数据对应的界面标签，以及指标运算符对应的界面标签。用户通过如web等用户界面，对标签进行拖拽操作进行拟合规则函数的操作，同时针对状态指标设置对应的指标阈值并通过用户界面进行输入，最终完成规则函数的拟合。本发明实施例通过简单的拖拽实现机理模型的配置，不仅降低了机理模型开发对业务人员的技术要求，而且减少人工工作量，实现业务人员将模型开发与技术要求隔离，通过简单的托拉拽等操作即可配置机理模型，最终降低数据挖掘难度，提升机理分析效率。
基于上述实施例的内容，作为一种可选实施例，根据规则函数生成机理模型之后，还包括：获取所述机理模型中状态指标对应的指标值，对列车进行机理分析。PHM系统将该拟合函数作为列车的机理模型用于后续的机理分析，指标值是状态指标的具体数值。在本发明实施例中通过获取的WTD数据解析后得到状态指标，同时WTD数据中也包括了状态指标对应的具体数值。通过解析WTD数据能够同时得到状态指标以及对应的指标数值。根据该机理模型中对应的状态指标，获取相关状态指标对应的指标值。通过指标值，以及得到的机理模型，PHM系统能够对列车的运行状况进行分析，通过流计算自动进行算法计算，并输出结果到事件中心。分析过程包括通过机理模型进行实时监控，以及根据一段时间的大量数据实现有针对性、预测性的机理分析，对列车故障的发生时机进行预判。
基于上述实施例的内容，作为一种可选实施例，列车状态数据还包括：MRO(Maintenance,Repair&Operations，维护、维修、运行)数据。本发明实施例以WTD数据为基础，结合MRO数据作为列车状态数据，从而针对机理模型的生成提供更全面的状态指标，从而使机理分析的结果更准确。
基于上述实施例的内容，作为一种可选实施例，将列车的状态指标以及指标运算符输出至用户界面进行显示之前，还包括：根据获取的列车状态数据，按照车型分类、接口类型、车号进行数据拆分，获得列车基础指标；根据列车基础指标数据，按照列车的系统分类对基础指标数据进行梳理得到每一系统的列车状态指标；相应地，将列车状态指标输出至用户界面进行显示，具体为：按照系统分类，将每一系统和每一系统对应的列车状态指标输出至用户界面进行显示。
WTD数据的数据包中包括车型、数据接口类型，以及用于确定各列车状态参数的取值的数据内容，需按照一定的规则将WTD数据中的状态指标和相应的指标取值解析出来。WTD的数据接口类型包括主故障类、实时数据类以及故障通报数据类等。本发明实施例中，预先针对每一列车车型，配置有与每一列车车型对应的解析配置协议；解析配置协议中针对不同的数据接口类型，配置有对应的解析配置信息。可通过Spark等流程序在提取出数据接口类型和车型之后，可以根据车型和数据接口类型，从数据库中查找出对应的解析配置信息，按照车型分类、接口类型、车号进行数据拆分，得到多个基础指标。
列车的系统分类可包括：整列车参数、供风系统、制动系统、网络控制系统、车内设置系统、转向架等多个系统。对基础指标数据进行梳理，得到每一系统下属的列车状态指标。机理分析可以系统为单位进行分析，系统上级分类还可包括车号以及车型分类，从而构建树状结构的指标体系。相应的，在用户界面，也可按照系统分类(同时可结合车型分类、车号、车厢号等)的形式，将对应的指标输出至用户界面进行显示。例如，先显示多个系统分类，用户通过web界面点击任一系统后，将该系统下的状态指标进行展示。
在具体实施中，可通过PHM系统结合数据仓库来实现，将获取的列车状态数据输入至数据仓库ODS层，利用ODS层按照车型分类、接口类型、车号进行拆分，输出基础指标数据。将基础指标数据输入至数据仓库DM层，利用DM层按列车的系统分类对基础指标数据进行梳理得到列车状态指标。
本发明实施例提供的基于列车状态数据的机理模型生成方法，按照列车的系统分类对基础指标数据进行梳理得到每一系统的列车状态指标，并相应地按照系统分类，有利于指标体系的建立，将每一系统和每一系统对应的列车状态指标输出至用户界面进行显示，有利于提高规则函数拟合的效率，进而能够提高机理分析效率。
基于上述实施例的内容，作为一种可选实施例，接收用户根据状态指标、指标运算符以及设置的指标阈值拟合而得到的规则函数之后，还包括：若接收到对规则函数的修改操作，则根据修改后的规则函数生成机理模型。
即开放规则函数的在线修改，可以让用户对已经配置完成的在线规则函数使用用户界面进行参数的修改操作。修改操作包括但不限于：状态指标的增加、修改、删除，指标运算符的修改，指标阈值的调整。PHM系统通过用户界面接收用户修改后得到的规则函数，将修改后的规则函数作为当前分析的机理模型进行分析。
另外，对于配置好的机理模型，需要进行模型的数据分析和验证工作，即将根据模型进行机理分析得到的不合理的异常数据发送给业务部门进行模型的修正。模型的在线监控或预测命中率需要长期进行跟踪和调整，通过大量数据和对应的分析结果，验证模型的合理性。可通过业务部门和开发人员随时进行模型的机理配置和数据预测推演，并及时快速进行模型的在线调整。对调整后的机理模型观察分析持续一定周期，将最后修改满足要求的机理模型提交上线。从而提升模型的预测准确率，减少检修部门的无效工作量。本发明实施例通过接收对规则函数的修改操作，并将修改后的规则函数作为机理分析模型，能够实现机理模型的及时在线调整。
基于上述实施例的内容，作为一种可选实施例，获取机理模型中状态指标对应的指标值，对列车进行机理分析，包括：实时获取或周期性获取机理分析模型对应的指标值，结合机理模型，对列车进行实时的机理分析。
WTD数据是持续发送的流数据，在本发明实施例中可以根据实时获取的WTD数据中的状态指标值，结合机理模型进行实时分析，将分析得到的预测结果或者状态信息发送至事件中心，即对接收到的数据及时分析。为了减少计算开销，也可以按一定周期进行获取，如1分钟、5分钟。具体分析过程可通过列车PHM系统实现，包括但不限于将指标值代入机理分析模型，若分析结果为异常，则将异常结果发送至事件中心，若无异常，则将列车的当前状态信息发送至事件中心。通过接收到异常结果，进行针对性的检修派单处理，从而提升检修人员的作业效率。
本实施例提供的基于列车状态数据的机理模型生成方法，通过实时获取或按预设时长获取机理分析模型对应的指标值，结合机理模型，对列车进行机理分析，从而对列车的运行状态进行实时在线预判，提高了列车状态数据在线挖掘的效率。
基于上述实施例的内容，作为一种可选实施例，获取所述机理模型中状态指标对应的指标值，对列车进行机理分析，包括：持续获取机理分析模型对应的指标值，将获取的指标值按照预设时长进行统计分析后，结合机理模型，对列车进行机理分析。
预设时长是统计分析的时间段，通常选取为日或月，统计分析包括同比、环比、累计值、最值、累计次数等统计分析方法。本发明实施例中主要针对异常指标值以外的状态数据，根据对此类状态数据的统计分析，进而预测列车的机理状态的发展趋势。本发明实施例中，主要根据WTD数据中的SDR(状态数据请求，Status Data Requirement)数据进行分析，SDR数据中包括列车全部重要参数数据，如速度、时间牵引制动、温度等。PHM系统持续获取这些状态指标的指标值，按照上述统计分析的方法以日或月为单位进行统计分析，按照时间拟合出机理分析的结果。
图2为本发明实施例提供的基于列车状态数据的机理模型生成装置结构图，如图2所示，该基于列车状态数据的机理模型生成装置包括：输出模块201、输入模块202和处理模块203。其中，输出模块201用于将列车的状态指标以及指标运算符输出至用户界面进行显示；输入模块202用于接收用户根据状态指标、指标运算符以及设置的指标阈值拟合而得到的规则函数；处理模块203用于根据规则函数生成机理模型；其中，状态指标根据列车状态数据解析后得到，列车状态数据包括WTD数据。
输出模块201发送的列车状态指标为根据列车状态数据解析后得到的指标参数。列车状态数据为列车运行时或列车经设计制造后本身存在的数据，大部分可通过各种测量装置、传感器等设备获取。在本发明实施例中，主要将WTD数据作为列车状态数据，经解析后梳理得到列车状态指标。指标运算符为对列车状态指标进行数学运算的符号，包括数学级的与、或、非、大于、小于、不等于，以及算术级的加、减、乘、除、括号等运算符号。输出模块201将上述列车状态指标、指标运算符输出至用户界面进行显示，以供用户进行设置。
本发明实施例的用户主要为检修、技术中心等业务部门的业务人员。指标阈值为用户针对状态指标设置的阈值，例如对应压力的牛顿数值，对应温度的摄氏度数值，可在输入模块202对应的界面显示可设置的数值框。业务人员根据交路工况与故障发生的机理模型，结合用户界面显示的列车状态指标、指标运算符，结合输入的指标阈值，通过输入模块202配置机理分析对应的拟合函数。最后，输入模块202将配置完成的规则函数输入至基于列车状态数据的机理模型生成装置。
处理模块203根据规则函数获得机理模型，如直接将规则函数作为机理模型，PHM系统将该拟合函数作为列车的机理模型用于后续的机理分析。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。
本发明实施例提供的基于列车状态数据的机理模型生成装置，通过输出模块将列车的状态指标以及指标运算符输出至用户界面进行显示，输入模块接收用户根据状态指标、指标运算符以及设置的指标阈值拟合而得到的规则函数，处理模块将规则函数作为机理模型进行机理分析。由于无需技术人员针对机理模型进行单独的开发工作，从而能够降低对机理模型开发工作的依赖度，提升机理模型的分析效率，进而增强列车的安全运营能力。
图3为本发明实施例提供的一种电子设备的实体结构示意图，如图3所示，该服务器可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和总线304，其中，处理器301，通信接口302，存储器303通过总线304完成相互间的通信。通信接口302可以用于电子设备的信息传输。处理器301可以调用存储器303中的逻辑指令，以执行包括如下的方法：将列车的状态指标以及指标运算符输出至用户界面进行显示；接收用户根据状态指标、指标运算符以及设置的指标阈值拟合而得到的规则函数；根据规则函数生成机理模型；其中，状态指标根据列车状态数据解析后得到，列车状态数据包括WTD数据。
此外，上述的存储器303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，服务器，或者网络设备等)执行本发明上述各方法实施例的全部或部分步骤。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)
1.一种基于列车状态数据的机理模型生成方法，其特征在于，包括：
将列车的状态指标以及指标运算符输出至用户界面进行显示；
接收用户根据所述状态指标、所述指标运算符以及设置的指标阈值拟合而得到的规则函数；
根据所述规则函数生成机理模型；
其中，所述状态指标根据列车状态数据解析后得到，所述列车状态数据包括无线数据传输装置WTD数据。
2.根据权利要求1所述的方法，其特征在于，所述规则函数为用户根据所述状态指标的界面标签，以及所述指标运算符的界面标签进行拖拽操作，并输入对应的指标阈值得到。
3.根据权利要求1所述的方法，其特征在于，所述根据所述规则函数生成机理模型之后，还包括：
获取所述机理模型中状态指标对应的指标值，对列车进行机理分析。
4.根据权利要求1所述的方法，其特征在于，所述将列车的状态指标以及指标运算符输出至用户界面进行显示之前，还包括：
根据获取的列车状态数据，按照车型分类、接口类型以及车号进行数据拆分，获得基础指标；
按照列车的系统分类对所述基础指标数据进行梳理得到每一系统的列车状态指标；
相应地，将列车状态指标输出至用户界面进行显示，具体为：
按照系统分类，将每一系统和每一系统对应的列车状态指标输出至用户界面进行显示。
5.根据权利要求1所述的方法，其特征在于，所述接收用户根据所述状态指标、所述指标运算符以及设置的指标阈值拟合而得到的规则函数之后，还包括：
若接收到对所述规则函数的修改操作，则根据修改后的规则函数生成机理分析模型。
6.根据权利要求3所述的方法，其特征在于，所述获取所述机理模型中状态指标对应的指标值，对列车进行机理分析，包括：
实时获取或周期性获取所述机理分析模型对应的指标值，结合所述机理模型，对列车进行实时的机理分析。
7.根据权利要求3所述的方法，其特征在于，所述获取所述机理模型中状态指标对应的指标值，对列车进行机理分析，包括：
持续获取所述机理分析模型对应的指标值，将获取的指标值按照预设时长进行统计分析后，结合所述机理模型，对列车进行机理分析；
其中，所述统计分析包括同比、环比、累计值、最值以及累计次数分析。
8.一种基于列车状态数据的机理模型生成装置，其特征在于，包括：
输出模块，用于将列车的状态指标以及指标运算符输出至用户界面进行显示；
输入模块，用于接收用户根据所述状态指标、所述指标运算符以及设置的指标阈值拟合而得到的规则函数；
处理模块，用于根据所述规则函数生成机理模型；
其中，所述状态指标根据列车状态数据解析后得到，所述列车状态数据包括WTD数据。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于列车状态数据的机理模型生成方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述基于列车状态数据的机理模型生成方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910245471.1A CN110009117A (zh) | 2019-03-28 | 2019-03-28 | 基于列车状态数据的机理模型生成方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910245471.1A CN110009117A (zh) | 2019-03-28 | 2019-03-28 | 基于列车状态数据的机理模型生成方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110009117A true CN110009117A (zh) | 2019-07-12 |
Family
ID=67168694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910245471.1A Pending CN110009117A (zh) | 2019-03-28 | 2019-03-28 | 基于列车状态数据的机理模型生成方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110009117A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110430277A (zh) * | 2019-08-13 | 2019-11-08 | 山东浪潮人工智能研究院有限公司 | 一种基于云计算、大数据、物联网技术的车联网应用系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106394539A (zh) * | 2016-10-14 | 2017-02-15 | 清华大学 | 一种高速列车制动系统关键部件的状态监测方法和装置 |
| CN107784063A (zh) * | 2017-07-27 | 2018-03-09 | 平安科技（深圳）有限公司 | 算法的生成方法及终端设备 |
| CN108327745A (zh) * | 2018-01-02 | 2018-07-27 | 中车青岛四方机车车辆股份有限公司 | 一种列车数据实时解析方法和装置 |
| 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 |
| CN109190930A (zh) * | 2018-08-14 | 2019-01-11 | 北京九狐时代智能科技有限公司 | 一种指标生成方法及装置 |
-
2019
- 2019-03-28 CN CN201910245471.1A patent/CN110009117A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106394539A (zh) * | 2016-10-14 | 2017-02-15 | 清华大学 | 一种高速列车制动系统关键部件的状态监测方法和装置 |
| CN107784063A (zh) * | 2017-07-27 | 2018-03-09 | 平安科技（深圳）有限公司 | 算法的生成方法及终端设备 |
| CN108327745A (zh) * | 2018-01-02 | 2018-07-27 | 中车青岛四方机车车辆股份有限公司 | 一种列车数据实时解析方法和装置 |
| 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 |
| CN109190930A (zh) * | 2018-08-14 | 2019-01-11 | 北京九狐时代智能科技有限公司 | 一种指标生成方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 铁道部运输局: "《既有线提速200km/h行车组织》", 31 January 2007, 中国铁道出版社 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110430277A (zh) * | 2019-08-13 | 2019-11-08 | 山东浪潮人工智能研究院有限公司 | 一种基于云计算、大数据、物联网技术的车联网应用系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Arbabzadeh et al. | A data-driven approach for driving safety risk prediction using driver behavior and roadway information data | |
| CN107589695B (zh) | 一种列车组故障预测与健康管理系统 | |
| De Ambroggi et al. | Modelling and assessment of dependent performance shaping factors through Analytic Network Process | |
| EP3038026A1 (en) | Method and system for automatic evaluation of robustness and disruption management for commerical airline flight operations | |
| US11176499B2 (en) | Predicting outcomes from measures of group cooperation with applications in traffic alert and control | |
| CN103617110A (zh) | 服务器设备状态检修系统 | |
| CN102520697A (zh) | 一种远程协同诊断的现场信息预处理方法 | |
| CN110162445A (zh) | 基于主机日志及性能指标的主机健康评价方法及装置 | |
| US20210081501A1 (en) | System and method for automated insight curation and alerting | |
| Burns et al. | An empirically benchmarked human reliability analysis of general aviation | |
| CN104412190A (zh) | 用于人机接口(hmi)设备的健康评估的系统和方法 | |
| CN111915026A (zh) | 故障处理方法、装置、电子设备及存储介质 | |
| CN109739912A (zh) | 数据分析方法及系统 | |
| Mandala | Integrating AWS IoT and Kafka for Real-Time Engine Failure Prediction in Commercial Vehicles Using Machine Learning Techniques | |
| CN116720324A (zh) | 基于预测模型的牵引变电所关键设备故障预警方法及系统 | |
| CN115909740A (zh) | 车路协同实现方法、装置、计算机设备及存储介质 | |
| Azimi et al. | A Layered Quality Framework for Machine Learning-driven Data and Information Models. | |
| CN113253709B (zh) | 一种适用于轨道交通车辆健康诊断方法及装置 | |
| CN110009117A (zh) | 基于列车状态数据的机理模型生成方法及装置 | |
| US11879810B2 (en) | Predicting tire imbalance and/or wheel misalignment | |
| Glemba et al. | Theoretical study of improving the safety of the “Operator, machine, and environment” system when performing transport operations | |
| CN117149569A (zh) | 一种板卡运行状态预警方法、装置及电子设备 | |
| Xue et al. | A data aggregation-based spatiotemporal model for rail transit risk path forecasting | |
| CN116128197A (zh) | 一种智慧机场管理系统和方法 | |
| CN105117606A (zh) | 一种确定元件故障概率变化趋势的方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |