CN110210161A - 列车车辆健康状态的评估方法、装置及存储介质 - Google Patents
列车车辆健康状态的评估方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110210161A CN110210161A CN201910505730.XA CN201910505730A CN110210161A CN 110210161 A CN110210161 A CN 110210161A CN 201910505730 A CN201910505730 A CN 201910505730A CN 110210161 A CN110210161 A CN 110210161A
- Authority
- CN
- China
- Prior art keywords
- components
- value
- score
- mileage
- big component
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及列车检修技术领域,公开了一种列车车辆健康状态的评估方法、装置及存储介质,解决了现有技术中无法定量评估车辆实时健康状态的问题。该方法包括:获取列车的里程数据以及所有零部件的监测数据;根据零部件的类型对应的剩余寿命评分模型、列车的里程数据以及每个零部件的监测数据,得到每个零部件的剩余寿命分值与状态监测分值;将每个零部件的剩余寿命分值与状态监测分值的差值确定为每个零部件的健康得分;根据所有零部件的健康得分以及对应的预设零部件权重值,得到零部件所属大部件的健康得分;根据所有大部件的健康得分以及对应的预设大部件权重值,得到大部件所属列车车辆的健康状态得分。本发明实施例适用于车辆健康状态评估。
Description
技术领域
本发明涉及列车检修技术领域,具体地,涉及一种列车车辆健康状态的评估方法、装置及存储介质。
背景技术
我国铁路列车的检修制度以“日常检查、定期检修”的计划预防修为主。目前,我国绝大多数铁路列车定期检修只有厂修、段修2级修程,实行厂修、段修2级定期检修和列检、临修相结合的检修制度。随着车辆技术装备不断升级,车辆零部件的使用寿命与可靠性已经得到大幅度提升,且由于列车使用效率不同,执行定期检修时车辆的实际技术状态也不尽相同。现有检修规程的更新相对滞后于车辆技术水平的发展,车辆在厂、段修时执行统一的检修作业标准,普遍存在过度检修的现象。因此,传统列车的修程修制已不适应于我国铁路列车发展的要求,要实现铁路列车的状态修,需要得到列车车辆的健康状态。传统的对于列车车辆健康状态的判定是在定期检修中基于检修工人的经验得出的定性的结论。但要实现基于列车车辆的健康状态确定维修策略,在现有技术中则无法实现。
发明内容
本发明实施例的目的是提供一种列车车辆健康状态的评估方法、装置及存储介质,解决了现有技术中无法定量评估列车车辆实时健康状态的问题,通过列车车辆中不同类型零部件的健康得分,以及基于层次分析法确定预设零部件权重,从而利用零部件的健康得分和对应的预设零部件权重计算上一层级的大部件健康得分,并利用大部件的健康得分和对应的预设大部件权重从而得到列车车辆的健康状态得分,实现了对列车车辆健康状态的实时监测、科学评判。
为了实现上述目的,本发明第一方面实施例提供一种列车车辆健康状态的评估方法,所述方法包括:获取列车的里程数据以及列车所有零部件的监测数据;根据每个零部件的类型对应的剩余寿命评分模型、所述列车的里程数据以及每个零部件的监测数据,得到每个零部件的剩余寿命分值与状态监测分值;将每个零部件的剩余寿命分值与状态监测分值的差值确定为每个零部件的健康得分;根据所有零部件的健康得分以及对应的预设零部件权重值,得到零部件所属大部件的健康得分;根据所有大部件的健康得分以及对应的预设大部件权重值,得到大部件所属列车车辆的健康状态得分。
进一步地,所述零部件的类型包括:全寿命零部件、基于退化规律的使用寿命零部件以及基于可靠度的使用寿命零部件,其中,所述全寿命零部件是指价值高,实行强制报废的关键零部件,所述基于退化规律的使用寿命零部件是指由于退化造成的零部件失效的使用寿命零部件,所述基于可靠度的使用寿命零部件是指由于偶发故障造成零部件失效的使用寿命零部件。
进一步地,所述根据每个零部件的类型对应的剩余寿命评分模型、所述列车的里程数据以及每个零部件的监测数据,得到每个零部件的剩余寿命分值与状态监测分值包括:按照每个零部件的类型,根据所述列车的里程数据以及类型对应的剩余寿命评分模型,得到每个零部件的剩余寿命分值;根据每个零部件的监测数据,得到每个零部件的状态监测分值。
进一步地,所述按照每个零部件的类型,根据所述列车的里程数据以及类型对应的剩余寿命评分模型,得到每个零部件的剩余寿命分值包括:当零部件属于全寿命零部件时,获取该零部件的寿命里程限值与检修里程限值,并从所述里程数据中提取运营里程和前一次检修后运营里程;将所述寿命里程限值与运营里程的差值确定为使用剩余寿命里程,并将所述检修里程限值与前一次检修后运营里程的差值确定为检修剩余寿命里程;判断该零部件的寿命里程限值与检修里程限值是否相同;当该零部件的寿命里程限值与检修里程限值相同时,根据得到该零部件的剩余寿命分值L,其中,m1与m2为系数,且m1+m2=1,Dr为所述检修剩余寿命里程,Dmax为所述检修里程限值;当该零部件的寿命里程限值与检修里程限值不相同时,判断所述使用剩余寿命里程是否大于零;当所述使用剩余寿命里程大于零时,根据得到该零部件的剩余寿命分值L。
进一步地,所述按照每个零部件的类型,根据所述列车的里程数据以及类型对应的剩余寿命评分模型,得到每个零部件的剩余寿命分值包括:当零部件属于基于退化规律的使用寿命零部件时,从所述里程数据中提取当前行驶里程,并根据yi=fi(z|θi)得到该零部件的第i个退化参数对应的当前退化量yi,其中,z为所述当前行驶里程,fi为所述第i个退化参数对应的退化模型,θi为所述第i个退化参数对应的模型参数;根据该零部件的每个退化参数对应的退化量限度范围以及当前退化量,根据得到该零部件的第i个退化参数的退化分值Yi,其中,yimin与yimax分别为第i个退化参数的对应的退化量限度范围中的最差使用限度与最优使用限度,g1与g2为系数,且g1+g2=G,G为健康状态满分分值;获取该零部件的退化参数的个数;当该零部件的退化参数的个数为一时,将所述退化分值确定为该零部件的剩余寿命分值;当该零部件的退化参数的个数大于一时,将多个退化参数对应的退化分值中的最小值确定为该零部件的剩余寿命分值。
进一步地,所述按照每个零部件的类型,根据所述列车的里程数据以及类型对应的剩余寿命评分模型,得到每个零部件的剩余寿命分值包括:当零部件属于基于可靠度的使用寿命零部件时,从所述里程数据中提取当前行驶里程,并根据得到该零部件的累积失效概率F(x),其中,x为所述当前行驶里程,f(x)为沿里程x的失效概率密度;根据Re=l1+l2*[1-F(x)],得到该零部件的剩余寿命分值Re,其中,l1与l2为系数,且
进一步地,所述根据每个零部件的监测数据,得到每个零部件的状态监测分值包括:分别从THDS车辆轴温智能探测系统、TPDS货车运行状态地面安全监测系统、TADS铁路货车滚动轴承早期故障轨边声学诊断系统、TWDS货车轮对尺寸动态检测系统以及TFDS铁路货车运行故障动态图像监测系统获取所述列车的监测数据;从所述列车的监测数据中提取每个零部件的监测数据;当零部件的监测数据中包括THDS报警数据时,根据所述THDS报警数据对应的温度报警等级,以及所述温度报警等级与温度报警扣分值的预设对应关系,得到该零部件的THDS状态参数监测分值;当零部件的监测数据中包括TPDS报警数据时,根据所述TPDS报警数据对应的损伤报警等级,以及所述损伤报警等级与损伤报警扣分值的预设对应关系,得到该零部件的TPDS状态参数监测分值;当零部件的监测数据中包括TADS当前报警数据时,从TADS中获取该零部件前预设次数探测得到的历史报警数据,并根据W(X1,X2,X3,X4)=λ3X3(λ1X1+λ2X2+λ4X4),得到该零部件的TADS状态参数监测分值W,其中,X1为在所述当前报警数据与所述历史报警数据中最大报警等级数对应的扣分基数,X2为在所述当前报警数据与所述历史报警数据中报警等级数对应的扣分基数之和,X3为在所述当前报警数据与所述历史报警数据中报警次数与报警类型的商,X4为在所述当前报警数据与所述历史报警数据中最大连续报警次数,λ1,λ2,λ3,λ4为调节系数;当零部件的监测数据中包括TWDS监测数据时,根据预设TWDS监测数据范围以及预设数据权重,得到该零部件的TWDS状态参数监测分值;当零部件的监测数据中包括TFDS报警数据时,根据所述TFDS报警数据对应的严重等级,以及所述严重等级与故障扣分值的预设对应关系,得到该零部件的TFDS状态参数监测分值;根据每个零部件的状态参数监测分值以及对应的预设参数权重,得到每个零部件的状态监测分值。
进一步地,在所述根据每个零部件的监测数据,得到每个零部件的状态监测分值之后,所述方法还包括:当所述状态监测分值大于状态监测分值的上限时,将所述状态监测分值的上限确定为该零部件的状态监测分值。
进一步地,所述方法还包括:通过层次分析法,分别确定所有零部件对应的预设零部件权重值以及所有大部件对应的预设大部件权重值。
进一步地,所述通过层次分析法,分别确定所有零部件对应的预设零部件权重值以及所有大部件对应的预设大部件权重值包括:分别获取大部件判断矩阵以及所有大部件对应的零部件判断矩阵,所述大部件判断矩阵包括大部件之间的重要性比对预设值,所述零部件判断矩阵包括属于同一个大部件的零部件之间的重要性比对预设值;根据得到第a个大部件对应的零部件判断矩阵中元素的归一化结果,其中,Baij为属于第a个大部件的零部件Bai相对于零部件Baj的重要性比对预设值,为Baij的归一化结果,n为属于第a个大部件的零部件个数;根据得到属于第a个大部件的零部件Bai对应的预设零部件权重值βai;根据得到所述大部件判断矩阵中元素的归一化结果,其中,Aij为大部件Ai相对于大部件Aj的重要性比对预设值,为Aij的归一化结果,m为属于所述列车车辆的大部件的个数;根据得到第i个大部件对应的预设大部件权重值ηi。
进一步地,根据所有零部件的健康得分以及对应的预设零部件权重值,得到零部件所属大部件的健康得分包括:根据得到第i个大部件的健康得分hi,其中,βij为属于第i个大部件的第j个零部件对应的预设零部件权重值,Cij为属于第i个大部件的第j个零部件的健康得分,n为属于第i个大部件的零部件个数,m为属于所述列车车辆的大部件的个数。
进一步地,所述根据所有大部件的健康得分以及对应的预设大部件权重值,得到大部件所属列车车辆的健康状态得分包括:根据得到大部件所属列车车辆的健康状态得分w,其中,ηi为第i个大部件对应的预设大部件权重值,hi为第i个大部件的健康得分,m为属于所述列车车辆的大部件的个数。
进一步地,在所述得到所述列车车辆的健康状态得分之后,所述方法还包括:判断所述列车车辆的健康状态得分是否处于预设维修得分范围;当所述列车车辆的健康状态得分处于所述预设维修得分范围时,提示所述列车车辆需要进行维修。
本发明第二方面实施例提供一种列车车辆健康状态的评估装置,所述装置用于执行如上所述的列车车辆健康状态的评估方法。
本发明第三方面实施例提供一种存储介质,所述存储介质中存储有指令,当其在计算机上运行时,使得计算机执行如上所述的列车车辆健康状态的评估方法。
通过上述技术方案,在获取列车的里程数据以及列车所有零部件的监测数据之后,根据每个零部件的类型对应的剩余寿命评分模型、所述列车的里程数据以及每个零部件的监测数据,得到每个零部件的剩余寿命分值与状态监测分值,然后将每个零部件的剩余寿命分值与状态监测分值的差值确定为每个零部件的健康得分,之后根据所有零部件的健康得分以及对应的预设零部件权重值,得到零部件所属大部件的健康得分,根据所有大部件的健康得分以及对应的预设大部件权重值,最终得到大部件所属列车车辆的健康状态得分。本发明实施例解决了现有技术中无法定量评估列车实时健康状态的问题,通过列车中不同类型零部件的健康得分,以及基于层次分析法确定预设零部件权重,从而利用零部件的健康得分和对应的预设零部件权重计算上一层级的大部件健康得分,并利用大部件的健康得分和对应的预设大部件权重从而得到列车车辆的健康状态得分,实现了对列车车辆健康状态的实时监测、科学评判。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是本发明实施例提供的车辆、大部件和零部件的三级层次结构示意图;
图2是本发明实施例提供的一种列车车辆健康状态的评估方法的流程示意图;
图3是本发明实施例提供的部分全寿命零部件的寿命里程限值与检修里程限值表格;
图4是本发明实施例提供的THDS温度报警等级与温度报警扣分值的预设对应关系示例;
图5是本发明实施例提供的TPDS损伤报警等级与损伤报警扣分值的预设对应关系示例;
图6是本发明实施例提供的TFDS可发现故障的严重程度进行等级划分的示例;
图7是本发明实施例提供的THDS、TADS与TPDS联合报警等级与扣分分值的预设对应关系示例;
图8是本发明实施例提供的大部件A对应的零部件判断矩阵示意图;
图9是本发明实施例提供的列车中一个车辆的健康状态得分示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
对列车进行健康状态评估的基础是对组成列车的零部件进行状态评估。列车上零部件众多,不同零部件对车辆状态的影响程度各不相同,不同零部件的失效形式也不相同。根据列车零部件寿命管理特点,对列车全部零部件进行分类管理,将零部件划分为三类:全寿命零部件、使用寿命零部件和易损零部件。其中全寿命零部件是指价值高,实行强制报废的关键零部件;使用寿命零部件是指有一定价值、可重复修复使用的重要零部件;易损零部件是指使用过程中容易损耗的、可简单修复或直接报废的一般零部件,本发明实施例中对于易损零部件的健康状态不进行评估。
另外,对于使用寿命零部件还分为基于退化规律的使用寿命零部件以及基于可靠度的使用寿命零部件。其中,所述基于退化规律的使用寿命零部件是指由于退化造成的零部件失效的使用寿命零部件,其主要失效形式为磨耗、腐蚀等退化失效,例如入车轮、立柱磨耗板等零部件。而所述基于可靠度的使用寿命零部件是指由于偶发故障造成零部件失效的使用寿命零部件。所述基于可靠度的使用寿命零部件是一些使用寿命零部件的失效不是由于退化造成的,零部件的健康状态不能用退化量的大小来衡量。这类零部件的失效大多是由于某些偶发故障,例如零部件的开焊、裂纹、折断等。对于这类零部件的健康状态可以通过大量统计同工况下同类零部件的故障发生情况,得到零部件在不同里程下的可靠度,可靠度的大小能够反映该里程下零部件出现故障的概率。在本发明实施例中,所针对的零部件就是上述三类零部件:全寿命零部件、基于退化规律的使用寿命零部件以及基于可靠度的使用寿命零部件,进行健康状态的评估。为了清晰的表示车辆参与评估的零部件以及各零部件的评分要素,构建了综合评判层次分析图,如图1所示。其中根据车辆的物料清单构建参与评估零部件的车辆、大部件、零部件三级层次结构,然后逐层计算健康得分。下面将详细描述本发明实施例的实现过程。
图2是本发明实施例提供的一种列车车辆健康状态的评估方法的流程示意图。如图2所示,所述方法包括如下步骤:
步骤201,获取列车的里程数据以及列车所有零部件的监测数据;
步骤202,根据每个零部件的类型对应的剩余寿命评分模型、所述列车的里程数据以及每个零部件的监测数据,得到每个零部件的剩余寿命分值与状态监测分值;
步骤203,将每个零部件的剩余寿命分值与状态监测分值的差值确定为每个零部件的健康得分;
步骤204,根据所有零部件的健康得分以及对应的预设零部件权重值,得到零部件所属大部件的健康得分;
步骤205,根据所有大部件的健康得分以及对应的预设大部件权重值,得到大部件所属列车车辆的健康状态得分。
其中,实时获取列车的里程数据以及列车所有零部件的监测数据。所述里程数据可包括多种数据,例如,运营里程、前一次检修后运营里程、当前行驶里程等里程相关数据,而所述监测数据可以从5T系统中获取,5T包括THDS(Trace Hotbox Detection System,车辆轴温智能探测系统)、TPDS(Truck Performance Detection System,货车运行状态地面安全监测系统)、TADS(Trackside Acoustic Detection System,铁路货车滚动轴承早期故障轨边声学诊断系统)、TWDS(Trouble of Wheel Detection System,货车轮对尺寸动态检测系统)以及TFDS(Trouble of moving Freight car Detection System,铁路货车运行故障动态图像监测系统)。其中,THDS是利用安装在轨边的温度探测装置,采用辐射测温技术,实时监测运行状态下的列车轴承温度,发现车辆轴承故障隐患,保证铁路运输安全的车辆安全防范系统。TPDS实时在线监测运行中货车轮轨间的动力学参数,并对其运行状态进行分级评判,在此基础上各TPDS探测站联网识别运行状态不良车辆。TPDS兼有货车超偏载报警和踏面损伤报警功能。TADS主要利用轨边声学诊断装置对通过货车运行噪声采集分析,从中发现轴承的早期故障。TFDS通过图像可以发现车体底部的多种故障,是在运行过程中发现零部件故障的重要手段。TWDS主要是针对车轮外形尺寸进行监测,可以获得车轮每次通过探测站时的车轮几何尺寸,主要包括踏面圆周磨耗、轮缘厚度、轮缘垂直磨耗、轮辋厚度等。
在步骤202中,根据每个零部件的类型对应的剩余寿命评分模型、所述列车的里程数据以及每个零部件的监测数据,得到每个零部件的剩余寿命分值与状态监测分值,分为两步骤,分别通过按照每个零部件的类型,根据所述列车的里程数据以及类型对应的剩余寿命评分模型,得到每个零部件的剩余寿命分值,以及根据每个零部件的监测数据,得到每个零部件的状态监测分值。下面将所零部件在所属不同类型时,得到剩余寿命分值的步骤进行描述。
当零部件属于全寿命零部件时,如图3所示,全寿命零部件存在两个限值,寿命里程限值与检修里程限值。寿命里程限值是指该零部件可在列车上使用的总里程。检修里程限值是指该零部件被检修之后距离下次检修所使用的总里程。另外,从所获取的里程数据中提取运营里程和前一次检修后运营里程,并将所述寿命里程限值与运营里程的差值确定为使用剩余寿命里程,将所述检修里程限值与前一次检修后运营里程的差值确定为检修剩余寿命里程。其中,使用剩余寿命里程为当前到所述寿命里程限值的剩余里程。检修剩余寿命里程为当前到所述检修里程限值的剩余里程。由图3可知,存在寿命里程限值与检修里程限值相同的全寿命零部件,如轴向橡胶垫、轴箱橡胶垫、弹性旁承体、心盘磨耗盘、滑块磨耗套、旁承磨耗板等零部件的限值均为120万公里,存在寿命里程限值与检修里程限值不相同的全寿命零部件。对于上述两种全寿命零部件,对应执行两种操作。首先,判断该零部件的寿命里程限值与检修里程限值是否相同。当该零部件的寿命里程限值与检修里程限值相同时,根据得到该零部件的剩余寿命分值L,其中,m1与m2为系数,且m1+m2=1,Dr为所述检修剩余寿命里程,Dmax为所述检修里程限值。若是健康状态得分为百分制,则m1可设为0.6,m2可设为0.4,m1与m2的数值可根据车型、工况、探测站布局具体设定。当该零部件的寿命里程限值与检修里程限值不相同时,则判断所述使用剩余寿命里程是否大于零。当所述使用剩余寿命里程大于零时,根据得到该零部件的剩余寿命分值L。对于上述寿命里程限值与检修里程限值相同的零部件,由于二者数值相同,因此只要直接根据公式获取剩余寿命分值即可,而对于寿命里程限值与检修里程限值不相同的零部件,由于检修里程限值小于寿命里程限值,在一次检修后,认为该零部件状态最优,因此需要进一步判断使用剩余寿命里程是否大于零,从而才能保证得到是剩余寿命分值的正确性。
当零部件属于基于退化规律的使用寿命零部件时,从所述里程数据中提取当前行驶里程,并根据yi=fi(z|θi)得到该零部件的第i个退化参数对应的当前退化量yi,其中,z为所述当前行驶里程,fi为所述第i个退化参数对应的退化模型,θi为所述第i个退化参数对应的模型参数。每个退化参数对应的退化模型的选择需根据不同零部件的退化特点进行选择,例如多项式回归模型、混合效应模型、基于Wiener过程的退化、基于Gamma过程的退化模型等。退化参数对应的模型参数则可利用极大似然估计、EM算法、贝叶斯估计的算法得到。为满足列车的运用要求,每个退化参数均有对应的退化量限度范围,例如,yimin表示第i个退化参数的最差使用限度即失效阈值,yimax表示第i个退化参数的最优使用限度。每个退化参数的当前退化量均要在上述两个限度范围内。若是当前退化量未在限度范围内,可直接提示该使用寿命零部件需要进行维修。若是当前退化量在限度范围内,则根据得到该零部件的第i个退化参数的退化分值Yi,其中,yimin与yimax分别为第i个退化参数的对应的退化量限度范围中的最差使用限度与最优使用限度,g1与g2为系数,且g1+g2=G,G为健康状态满分分值。例如,当健康状态得分为百分制时,则g1可设为60,g2可设为40。获取该零部件的退化参数的个数,当该零部件的退化参数的个数为一时,则直接将所述退化分值确定为该零部件的剩余寿命分值。当该零部件的退化参数的个数大于一时,将多个退化参数对应的退化分值中的最小值确定为该零部件的剩余寿命分值。
当零部件属于基于可靠度的使用寿命零部件时,从所述里程数据中提取当前行驶里程,通过历史失效数据可以得到所述待评估零部件失效的概率密度函数f(x)。然后,根据得到该零部件的累积失效概率F(x),其中,x为所述当前行驶里程,f(x)为沿里程x的失效概率密度。之后,根据Re=l1+l2*[1-F(x)],得到该零部件的剩余寿命分值Re,其中,l1与l2为系数,且例如,当健康状态得分为百分制时,则l1可设为60,l2可设为0.4。
通过上述实施方式,得到三类零部件对应的剩余寿命分值,下面将描述得到每个零部件的状态监测分值的实现方式。
首先,分别从THDS、TPDS、TAD、TWDS以及TFDS获取所述列车的监测数据。由于上述5个系统均会获取到不同零部件的监测数据,因此,可以从中提取出将要计算状态监测分值的零部件的监测数据。另外,如果健康状态得分为百分制,则状态监测分值的上限设置为30。下面分别针对5种系统的监测数据的处理方式进行描述。
当零部件的监测数据中包括THDS报警数据时,THDS报警数据对应的温度报警等级分为微热、强热、激热三级,所述温度报警等级与温度报警扣分值的预设对应关系如图4所示,其中TH1,TH2,TH3具体数值需要根据车型、工况、探测站布局具体确定,但需满足:0≤TH1<TH2<TH3≤状态监测分值的上限(例如为30)。则根据所述THDS报警数据对应的温度报警等级,以及所述温度报警等级与温度报警扣分值的预设对应关系,得到该零部件的THDS状态参数监测分值。
当零部件的监测数据中包括TPDS报警数据时,对于TPDS主要利用其中对于踏面损伤的报警,反映车轮踏面的健康状态,踏面损伤报警分为一级、二级、三级,其中一级报警对应的故障最为严重,如图5所示。其中TP1,TP2,TP3具体数值需要根据车型、工况、探测站布局具体确定,但需满足:0≤TP1<TP2<TP3≤状态监测分值的上限(例如为30)。则根据所述TPDS报警数据对应的损伤报警等级,以及所述损伤报警等级与损伤报警扣分值的预设对应关系,得到该零部件的TPDS状态参数监测分值。
当零部件的监测数据中包括TADS当前报警数据时,对于TADS报警主要反映轴承的早期故障,TADS报警类型分为四种,滚子故障、内圈故障、外圈故障以及其它,而且每种报警类型分为一级报警、二级报警、三级报警三个等级,等级不同代表着故障特征的明显程度不同。一级报警代表着故障特征最为明显,轴承出现故障的可能性最大。由于TADS反映的是轴承早期故障因此利用轴承报警数据对轴承健康状态进行评价时应该考虑历史报警情况,具体考虑的评价因素如下:报警等级高低、报警故障类型是否相同、报警频率、是否连续历史报警情况等。因此,要将以上因素进行量化并构造评价函数,通过评价函数数值大小反映轴承健康状态。在本发明实施例中考虑的历史报警时间长度为前预设次数探测得到的历史报警数据,例如所述前预设次数为29,则所述当前报警数据与所述历史报警数据中包括当前报警数据在内的前30次探测得到的报警数据,从而具体评价函数为:
W(X1,X2,X3,X4)=λ3X3(λ1X1+λ2X2+λ4X4)
其中,W为所述待评估零部件的TADS状态参数监测分值,λ1,λ2,λ3,λ4为调节系数,其大小需根据具体车型、使用时间、线路及工况条件具体确定。TADS系统报警按照严重程度从高到低可分为一级、二级、三级报警。分别对一级、二级、三级报警设置扣分基数,例如,可分别设置为3,2,1。X1为在所述当前报警数据与所述历史报警数据中最大报警等级数对应的扣分基数,例如所述当前报警数据与历史报警数据中存在的报警等级包括一级和二级,则X1为一级报警对应的扣分基数3;X2为在所述当前报警数据与所述历史报警数据中报警等级数对应的扣分基数之和,例如所述当前报警数据与历史报警数据中存在的报警等级包括3个一级,4个二级,2个三级,则X2为3*3+4*2+2*1=19;X3为在所述当前报警数据与所述历史报警数据中报警次数与报警类型的商,例如所述当前报警数据与所述历史报警数据中报警次数为9次,9次报警中存在内圈故障和外圈故障两种报警类型,则X3为9/2=4.5;X4为在所述当前报警数据与所述历史报警数据中最大连续报警次数,例如所述当前报警数据与所述历史报警数据中连续报警有3和6,则X4为6。
当零部件的监测数据中包括TWDS监测数据时,根据预设TWDS监测数据范围以及预设数据权重,得到该零部件的TWDS状态参数监测分值。其中,可能存在零部件的TWDS监测数据包括多个状态参数指标,则根据Himax=Tthreshold*βi得到第i个状态参数指标对应的最大状态参数监测分值,其中,Tthreshold为状态监测分值的上限(例如为30),βi为第i个状态参数指标对应的预设数据权重,0<βi≤1,根据第i个状态参数指标的大小以及其在预设TWDS监测数据范围中的位置,根据其对应的最大状态参数监测分值得到第i个状态参数指标对应的状态参数监测分值。例如,当第i个状态参数指标在其预设TWDS监测数据范围中的位置为最差状态值时,则其对应的状态参数监测分值为最大状态参数监测分值。
当零部件的监测数据中包括TFDS报警数据时,TFDS通过图像可以发现车体底部的多种故障,通过TFDS可发现故障的严重程度进行等级划分,根据具体车型以及故障危害等级确定扣分分值。本发明实施例中对故障的严重等级划分为A、B、C三个等级,分别对应扣分分值为30、20、10分,如图6所示为交叉支撑装置故障严重等级划分的示例图。则根据所述TFDS报警数据对应的严重等级,以及所述严重等级与故障扣分值的预设对应关系,得到该零部件的TFDS状态参数监测分值。
当通过上述方式得到所述待评估零部件在5T系统中的状态参数监测分值之后,无论是一种系统中得到了一个状态参数监测分值,还是一种系统中得到了多个状态参数监测分值,均可根据T=T1*α1+T2*α2+...+Ti*αi...+TN*αN得到所述待评估零部件的状态监测分值,其中Ti为零部件在5T系统中得到的状态参数监测分值,αi为对应的预设参数权重,可根据各状态参数监测分值的重要性,进行不同的设置。
另外,当所述状态监测分值大于状态监测分值的上限时,将所述状态监测分值的上限确定为该零部件的状态监测分值。例如,当T>Tthreshold时,则T=Tthreshold。
另外,在本发明的一种实施方式中,当该零部件为列车的轴承时,其可通过联合报警得到其状态监测分值。其中,THDS,TADS的监测是针对轴承的,TPDS反映踏面损伤大小,当踏面损伤出现时会出现冲击载荷可能导致轴承故障,因此有必要对三者进行联合考虑。具体方式是当THDS出现热轴报警时查询:1)第一预设日期(例如30)内TADS监测数据;2)第二预设日期(例如15)日内TPDS监测数据;3)该列车最近一次TFDS动态检查记录。如果TADS、TPDS出现报警、TFDS发现轴承甩油,在原有单个系统得到的状态参数监测分值进行适当增加。如图7所示,其中具体扣分分值可调,可根据具体车型、使用时间、线路及工况条件具体确定,但应大于原单个设备的单个系统得到的状态参数监测分值。
通过上述实施例,可得到所述列车的所有零部件的剩余寿命分值与状态监测分值,然后根据G=U-T得到每个零部件的健康得分G,其中U为零部件对应的剩余寿命分值,T为零部件对应的状态监测分值,且若是零部件的健康状态得分采用百分制,满分为100,则60≤U≤100,T≤30。
由于不同零部件对于列车车辆的健康状态的影响程度不同,因此利用层次分析法结合专家经验得出所有零部件的权重分配。列车车辆健康状态评估是一个层次性评估,下一层的健康状态直接影响上一层的健康状态,上一层的健康状态是对下一层健康状态的综合。在进行列车车辆健康状态评估时,要从被监测对象出发,从下到上依次进行健康状态评估。因此,将列车车辆建立一个多层次的递阶结构,由上至下分为车辆—大部件—零部件等级层次,采用层次分析法实现每层元素的权重求解和逐级评分。层次分析法是将半定性、半定量复杂问题转化为定量计算的一种有效决策方法。如图1所示,首先利用所有零部件的健康得分以及对应的预设零部件权重值,得到零部件所属大部件的健康得分,然后再根据所有大部件的健康得分以及对应的预设大部件权重值,得到大部件所属列车车辆的健康状态得分。其中,设置由零部件到大部件的预设零部件权重值β,以及由大部件到车辆的预设大部件权重值η。下面将详细描述上述权重值的获取过程。
首先,构造所有大部件对应的零部件判断矩阵以及大部件判断矩阵,其中所述大部件判断矩阵包括大部件之间的重要性比对预设值,所述零部件判断矩阵包括属于同一个大部件的零部件之间的重要性比对预设值。采用专家打分法,确定每层中各因素(零部件)的重要程度(即故障危害度),将故障危害度分为四个等级,分别为:严重,严重影响行车安全,需立即拦停;较严重,影响行车安全,需尽快维修;中等,可容忍故障暂时存在,对行车安全影响较小,需安排维修;轻度,危害度低,具有可替代性,短期内不影响行车安全。确定各零部件的危害度等级后,即可构造上述判断矩阵。以构造所有大部件对应的零部件判断矩阵为例,如图8所示,其中Bij表示相对于大部件A来说,零部件Bi相对于零部件Bj的相对重要性。另外,图8所示的判断矩阵具有如下性质:
其中,零部件判断矩阵中的重要性比对预设值可按照表1所示。
表1
零部件B<sub>i</sub>相对于零部件B<sub>j</sub>的相对重要性 | 分值B<sub>ij</sub> |
同等重要 | 1 |
明显重要 | 3 |
强烈重要 | 5 |
比较结果处于以上结果的中间值 | 2,4 |
按照表1和图8所示的方式,即可构建大部件对应的零部件判断矩阵,对于多个大部件,如m个大部件,则可得到m个大部件对应的m个零部件判断矩阵,并通过下述方式得到每个大部件中的零部件对应的预设零部件权重值:
根据得到第a个大部件对应的零部件判断矩阵中元素的归一化结果,其中,Baij为属于第a个大部件的零部件Bai相对于零部件Baj的重要性比对预设值,为Baij的归一化结果,n为属于第a个大部件的零部件个数。然后,根据得到属于第a个大部件的零部件Bai对应的预设零部件权重值βai。
利用类似的方式,可得到大部件对应的预设大部件权重值:
根据得到所述大部件判断矩阵中元素的归一化结果,其中,Aij为大部件Ai相对于大部件Aj的重要性比对预设值,为Aij的归一化结果,m为属于所述列车车辆的大部件的个数。然后,根据得到第i个大部件对应的预设大部件权重值ηi。
在得到上述预设零部件权重值以及预设大部件权重值之后,根据得到第i个大部件的健康得分hi,其中,βij为属于第i个大部件的第j个零部件对应的预设零部件权重值,Cij为属于第i个大部件的第j个零部件的健康得分,n为属于第i个大部件的零部件个数,m为属于所述列车车辆的大部件的个数。然后,根据得到大部件所属列车车辆的健康状态得分w,其中,ηi为第i个大部件对应的预设大部件权重值,hi为第i个大部件的健康得分,m为属于所述列车车辆的大部件的个数。如图9所示,最终得到所述列车中的其中一个车辆的健康状态得分。
在本发明的一种实施方式中,在得到所述列车车辆的健康状态得分之后,判断所述列车车辆的健康状态得分是否处于预设维修得分范围,若所述列车车辆的健康状态得分处于所述预设维修得分范围时,则提示所述列车车辆需要进行维修。
通过本发明实施例可以实现对列车车辆健康状态的实时监测、科学评判、列车故障精准修理、大幅节约检修成本、加快车辆周转速度、提高运输效率。
另外,列车车辆上的零部件众多,不同的零部件具有不同的失效形式和失效原因,不同零部件的健康状态还可以通过不同的在线监测设备反映出来。因此,本发明实施例首先根据车辆上零部件参与评分的因素进行梳理,得到零部件综合层次分析图,为对车辆进行综合评分提供了基础。再有,列车车辆由多个大部件组成,每个大部件又包含多个零部件,不同的大部件和零部件发生故障的失效形式和危害度也不尽相同。因此,要综合各零部件的健康状态以及零部件的重要程度对列车中的车辆健康状态进行综合评价。通过建立专家系统,来确定不同零部件对于保证运行安全的重要程度以及同一零部件不同故障模式的危害度,利用专家知识建立权值分配体系。本发明实施例对车辆健康状态的评分不依赖于单一类型评分因素,而是综合考虑零部件运用里程、退化规律、失效概率统计、在线监测设备的监测情况等多方面因素。同时,参与评分的零部件不仅局限于某几种,而是覆盖了列车的七个大部件,由此得出的健康状态评分更具综合性。
相应的,本发明实施例还提供一种列车车辆健康状态的评估装置,所述装置用于执行上述实施例所述的列车车辆健康状态的评估方法。装置的具体实现过程参加上述列车车辆健康状态的评估方法的实现过程。
相应的,本发明实施例还提供一种存储介质,所述存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例所述的列车车辆健康状态的评估方法。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (15)
1.一种列车车辆健康状态的评估方法,其特征在于,所述方法包括:
获取列车的里程数据以及列车所有零部件的监测数据;
根据每个零部件的类型对应的剩余寿命评分模型、所述列车的里程数据以及每个零部件的监测数据,得到每个零部件的剩余寿命分值与状态监测分值;
将每个零部件的剩余寿命分值与状态监测分值的差值确定为每个零部件的健康得分;
根据所有零部件的健康得分以及对应的预设零部件权重值,得到零部件所属大部件的健康得分;
根据所有大部件的健康得分以及对应的预设大部件权重值,得到大部件所属列车车辆的健康状态得分。
2.根据权利要求1所述的方法,其特征在于,所述零部件的类型包括:全寿命零部件、基于退化规律的使用寿命零部件以及基于可靠度的使用寿命零部件,其中,所述全寿命零部件是指价值高,实行强制报废的关键零部件,所述基于退化规律的使用寿命零部件是指由于退化造成的零部件失效的使用寿命零部件,所述基于可靠度的使用寿命零部件是指由于偶发故障造成零部件失效的使用寿命零部件。
3.根据权利要求2所述的方法,其特征在于,所述根据每个零部件的类型对应的剩余寿命评分模型、所述列车的里程数据以及每个零部件的监测数据,得到每个零部件的剩余寿命分值与状态监测分值包括:
按照每个零部件的类型,根据所述列车的里程数据以及类型对应的剩余寿命评分模型,得到每个零部件的剩余寿命分值;
根据每个零部件的监测数据,得到每个零部件的状态监测分值。
4.根据权利要求3所述的方法,其特征在于,所述按照每个零部件的类型,根据所述列车的里程数据以及类型对应的剩余寿命评分模型,得到每个零部件的剩余寿命分值包括:
当零部件属于全寿命零部件时,获取该零部件的寿命里程限值与检修里程限值,并从所述里程数据中提取运营里程和前一次检修后运营里程;
将所述寿命里程限值与运营里程的差值确定为使用剩余寿命里程,并将所述检修里程限值与前一次检修后运营里程的差值确定为检修剩余寿命里程;
判断该零部件的寿命里程限值与检修里程限值是否相同;
当该零部件的寿命里程限值与检修里程限值相同时,根据得到该零部件的剩余寿命分值L,其中,m1与m2为系数,且m1+m2=1,Dr为所述检修剩余寿命里程,Dmax为所述检修里程限值;
当该零部件的寿命里程限值与检修里程限值不相同时,判断所述使用剩余寿命里程是否大于零;
当所述使用剩余寿命里程大于零时,根据得到该零部件的剩余寿命分值L。
5.根据权利要求3所述的方法,其特征在于,所述按照每个零部件的类型,根据所述列车的里程数据以及类型对应的剩余寿命评分模型,得到每个零部件的剩余寿命分值包括:
当零部件属于基于退化规律的使用寿命零部件时,从所述里程数据中提取当前行驶里程,并根据yi=fi(z|θi)得到该零部件的第i个退化参数对应的当前退化量yi,其中,z为所述当前行驶里程,fi为所述第i个退化参数对应的退化模型,θi为所述第i个退化参数对应的模型参数;
根据该零部件的每个退化参数对应的退化量限度范围以及当前退化量,根据得到该零部件的第i个退化参数的退化分值Yi,其中,yimin与yimax分别为第i个退化参数的对应的退化量限度范围中的最差使用限度与最优使用限度,g1与g2为系数,且g1+g2=G,G为健康状态满分分值;
获取该零部件的退化参数的个数;
当该零部件的退化参数的个数为一时,将所述退化分值确定为该零部件的剩余寿命分值;
当该零部件的退化参数的个数大于一时,将多个退化参数对应的退化分值中的最小值确定为该零部件的剩余寿命分值。
6.根据权利要求3所述的方法,其特征在于,所述按照每个零部件的类型,根据所述列车的里程数据以及类型对应的剩余寿命评分模型,得到每个零部件的剩余寿命分值包括:
当零部件属于基于可靠度的使用寿命零部件时,从所述里程数据中提取当前行驶里程,并根据得到该零部件的累积失效概率F(x),其中,x为所述当前行驶里程,f(x)为沿里程x的失效概率密度;
根据Re=l1+l2*[1-F(x)],得到该零部件的剩余寿命分值Re,其中,l1与l2为系数,且
7.根据权利要求3所述的方法,其特征在于,所述根据每个零部件的监测数据,得到每个零部件的状态监测分值包括:
分别从THDS车辆轴温智能探测系统、TPDS货车运行状态地面安全监测系统、TADS铁路货车滚动轴承早期故障轨边声学诊断系统、TWDS货车轮对尺寸动态检测系统以及TFDS铁路货车运行故障动态图像监测系统获取所述列车的监测数据;
从所述列车的监测数据中提取每个零部件的监测数据;
当零部件的监测数据中包括THDS报警数据时,根据所述THDS报警数据对应的温度报警等级,以及所述温度报警等级与温度报警扣分值的预设对应关系,得到该零部件的THDS状态参数监测分值;
当零部件的监测数据中包括TPDS报警数据时,根据所述TPDS报警数据对应的损伤报警等级,以及所述损伤报警等级与损伤报警扣分值的预设对应关系,得到该零部件的TPDS状态参数监测分值;
当零部件的监测数据中包括TADS当前报警数据时,从TADS中获取该零部件前预设次数探测得到的历史报警数据,并根据W(X1,X2,X3,X4)=λ3X3(λ1X1+λ2X2+λ4X4),得到该零部件的TADS状态参数监测分值W,其中,X1为在所述当前报警数据与所述历史报警数据中最大报警等级数对应的扣分基数,X2为在所述当前报警数据与所述历史报警数据中报警等级数对应的扣分基数之和,X3为在所述当前报警数据与所述历史报警数据中报警次数与报警类型的商,X4为在所述当前报警数据与所述历史报警数据中最大连续报警次数,λ1,λ2,λ3,λ4为调节系数;
当零部件的监测数据中包括TWDS监测数据时,根据预设TWDS监测数据范围以及预设数据权重,得到该零部件的TWDS状态参数监测分值;
当零部件的监测数据中包括TFDS报警数据时,根据所述TFDS报警数据对应的严重等级,以及所述严重等级与故障扣分值的预设对应关系,得到该零部件的TFDS状态参数监测分值;
根据每个零部件的状态参数监测分值以及对应的预设参数权重,得到每个零部件的状态监测分值。
8.根据权利要求3所述的方法,其特征在于,在所述根据每个零部件的监测数据,得到每个零部件的状态监测分值之后,所述方法还包括:
当所述状态监测分值大于状态监测分值的上限时,将所述状态监测分值的上限确定为该零部件的状态监测分值。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过层次分析法,分别确定所有零部件对应的预设零部件权重值以及所有大部件对应的预设大部件权重值。
10.根据权利要求9所述的方法,其特征在于,所述通过层次分析法,分别确定所有零部件对应的预设零部件权重值以及所有大部件对应的预设大部件权重值包括:
分别获取大部件判断矩阵以及所有大部件对应的零部件判断矩阵,所述大部件判断矩阵包括大部件之间的重要性比对预设值,所述零部件判断矩阵包括属于同一个大部件的零部件之间的重要性比对预设值;
根据得到第a个大部件对应的零部件判断矩阵中元素的归一化结果,其中,Baij为属于第a个大部件的零部件Bai相对于零部件Baj的重要性比对预设值,为Baij的归一化结果,n为属于第a个大部件的零部件个数;
根据得到属于第a个大部件的零部件Bai对应的预设零部件权重值βai;
根据得到所述大部件判断矩阵中元素的归一化结果,其中,Aij为大部件Ai相对于大部件Aj的重要性比对预设值,为Aij的归一化结果,m为属于所述列车车辆的大部件的个数;
根据得到第i个大部件对应的预设大部件权重值ηi。
11.根据权利要求1所述的方法,其特征在于,根据所有零部件的健康得分以及对应的预设零部件权重值,得到零部件所属大部件的健康得分包括:
根据得到第i个大部件的健康得分hi,其中,βij为属于第i个大部件的第j个零部件对应的预设零部件权重值,Cij为属于第i个大部件的第j个零部件的健康得分,n为属于第i个大部件的零部件个数,m为属于所述列车车辆的大部件的个数。
12.根据权利要求1所述的方法,其特征在于,所述根据所有大部件的健康得分以及对应的预设大部件权重值,得到大部件所属列车车辆的健康状态得分包括:
根据得到大部件所属列车车辆的健康状态得分w,其中,ηi为第i个大部件对应的预设大部件权重值,hi为第i个大部件的健康得分,m为属于所述列车车辆的大部件的个数。
13.根据权利要求1所述的方法,其特征在于,在所述得到所述列车车辆的健康状态得分之后,所述方法还包括:
判断所述列车车辆的健康状态得分是否处于预设维修得分范围;
当所述列车车辆的健康状态得分处于所述预设维修得分范围时,提示所述列车车辆需要进行维修。
14.一种列车车辆健康状态的评估装置,其特征在于,所述装置用于执行上述权利要求1-13任一项所述的列车车辆健康状态的评估方法。
15.一种存储介质,其特征在于,所述存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述权利要求1-13任一项所述的列车车辆健康状态的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910505730.XA CN110210161B (zh) | 2019-06-12 | 2019-06-12 | 列车车辆健康状态的评估方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910505730.XA CN110210161B (zh) | 2019-06-12 | 2019-06-12 | 列车车辆健康状态的评估方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110210161A true CN110210161A (zh) | 2019-09-06 |
CN110210161B CN110210161B (zh) | 2021-04-06 |
Family
ID=67792156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910505730.XA Active CN110210161B (zh) | 2019-06-12 | 2019-06-12 | 列车车辆健康状态的评估方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210161B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110850847A (zh) * | 2019-11-25 | 2020-02-28 | 北京锦鸿希电信息技术股份有限公司 | 一种列车车载设备故障监控方法及装置 |
CN111563693A (zh) * | 2020-05-20 | 2020-08-21 | 深圳达实智能股份有限公司 | 轨道交通设备健康值的评分方法、设备和存储介质 |
CN112188436A (zh) * | 2020-09-28 | 2021-01-05 | 四川紫荆花开智能网联汽车科技有限公司 | 一种基于v2x通信的车载单元监测系统和方法 |
CN112381380A (zh) * | 2020-11-11 | 2021-02-19 | 北京航天测控技术有限公司 | 航天器的系统健康检测方法和装置 |
CN113988542A (zh) * | 2021-10-08 | 2022-01-28 | 广州运达智能科技有限公司 | 一种城轨列车正线故障的评估方法及系统 |
CN116228207A (zh) * | 2023-05-08 | 2023-06-06 | 北京京天威科技发展有限公司 | 动态获取车辆检修质量的方法、存储介质及计算机设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2056094A1 (en) * | 2007-10-12 | 2009-05-06 | Universiteit Hasselt | Fluorescence imaging system |
CN102645341A (zh) * | 2012-04-19 | 2012-08-22 | 李军 | 一种机动车健康状况的检测方法及系统 |
CN104637021A (zh) * | 2013-11-08 | 2015-05-20 | 广州市地下铁道总公司 | 一种状态修模式的城轨车辆辅助维修系统 |
EP2965877A2 (de) * | 2014-07-08 | 2016-01-13 | Günther Zimmer | Verfahren und antrieb für eine vorrichtung zum beschleunigen eines auf block fahrenden getriebezuges |
CN105758656A (zh) * | 2016-01-25 | 2016-07-13 | 西南交通大学 | 一种高速列车制动部件的安全管理系统 |
CN106203642A (zh) * | 2016-07-18 | 2016-12-07 | 王力 | 一种电力机车故障预测及健康管理的方法 |
CN107563620A (zh) * | 2017-08-21 | 2018-01-09 | 云南电网有限责任公司保山供电局 | 一种基于设备全寿命信息的综合评价方法 |
CN109187240A (zh) * | 2018-08-27 | 2019-01-11 | 中车青岛四方机车车辆股份有限公司 | 一种轨道车辆结构件的检修周期制定方法及装置 |
CN109214690A (zh) * | 2018-09-14 | 2019-01-15 | 安徽云轨信息科技有限公司 | 一种多因素综合评估车辆检修计划平衡排程系统及方法 |
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 |
-
2019
- 2019-06-12 CN CN201910505730.XA patent/CN110210161B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2056094A1 (en) * | 2007-10-12 | 2009-05-06 | Universiteit Hasselt | Fluorescence imaging system |
CN102645341A (zh) * | 2012-04-19 | 2012-08-22 | 李军 | 一种机动车健康状况的检测方法及系统 |
CN104637021A (zh) * | 2013-11-08 | 2015-05-20 | 广州市地下铁道总公司 | 一种状态修模式的城轨车辆辅助维修系统 |
EP2965877A2 (de) * | 2014-07-08 | 2016-01-13 | Günther Zimmer | Verfahren und antrieb für eine vorrichtung zum beschleunigen eines auf block fahrenden getriebezuges |
CN105758656A (zh) * | 2016-01-25 | 2016-07-13 | 西南交通大学 | 一种高速列车制动部件的安全管理系统 |
CN106203642A (zh) * | 2016-07-18 | 2016-12-07 | 王力 | 一种电力机车故障预测及健康管理的方法 |
CN107563620A (zh) * | 2017-08-21 | 2018-01-09 | 云南电网有限责任公司保山供电局 | 一种基于设备全寿命信息的综合评价方法 |
CN109187240A (zh) * | 2018-08-27 | 2019-01-11 | 中车青岛四方机车车辆股份有限公司 | 一种轨道车辆结构件的检修周期制定方法及装置 |
CN109214690A (zh) * | 2018-09-14 | 2019-01-15 | 安徽云轨信息科技有限公司 | 一种多因素综合评估车辆检修计划平衡排程系统及方法 |
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 |
Non-Patent Citations (1)
Title |
---|
沈功田 等: "大型机械系统的健康管理理论研究及应用设想", 《机械工程学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110850847A (zh) * | 2019-11-25 | 2020-02-28 | 北京锦鸿希电信息技术股份有限公司 | 一种列车车载设备故障监控方法及装置 |
CN110850847B (zh) * | 2019-11-25 | 2021-03-19 | 北京锦鸿希电信息技术股份有限公司 | 一种列车车载设备故障监控方法及装置 |
CN111563693A (zh) * | 2020-05-20 | 2020-08-21 | 深圳达实智能股份有限公司 | 轨道交通设备健康值的评分方法、设备和存储介质 |
CN111563693B (zh) * | 2020-05-20 | 2023-10-31 | 深圳达实智能股份有限公司 | 轨道交通设备健康值的评分方法、设备和存储介质 |
CN112188436A (zh) * | 2020-09-28 | 2021-01-05 | 四川紫荆花开智能网联汽车科技有限公司 | 一种基于v2x通信的车载单元监测系统和方法 |
CN112188436B (zh) * | 2020-09-28 | 2023-02-28 | 四川紫荆花开智能网联汽车科技有限公司 | 一种基于v2x通信的车载单元监测系统和方法 |
CN112381380A (zh) * | 2020-11-11 | 2021-02-19 | 北京航天测控技术有限公司 | 航天器的系统健康检测方法和装置 |
CN112381380B (zh) * | 2020-11-11 | 2024-05-21 | 北京航天测控技术有限公司 | 航天器的系统健康检测方法和装置 |
CN113988542A (zh) * | 2021-10-08 | 2022-01-28 | 广州运达智能科技有限公司 | 一种城轨列车正线故障的评估方法及系统 |
CN113988542B (zh) * | 2021-10-08 | 2023-12-19 | 广州运达智能科技有限公司 | 一种城轨列车正线故障的评估方法及系统 |
CN116228207A (zh) * | 2023-05-08 | 2023-06-06 | 北京京天威科技发展有限公司 | 动态获取车辆检修质量的方法、存储介质及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110210161B (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222437A (zh) | 列车车列健康状态的评估方法、装置及存储介质 | |
CN110210161A (zh) | 列车车辆健康状态的评估方法、装置及存储介质 | |
CN110222436B (zh) | 列车零部件健康状态的评估方法、装置及存储介质 | |
CN110203249A (zh) | 列车修程的处理方法、装置及存储介质 | |
CN107153914B (zh) | 一种汽车运行风险的评价系统及方法 | |
CN111351664B (zh) | 一种基于lstm模型的轴承温度预测和报警诊断方法 | |
Kumar et al. | Holistic procedure for rail maintenance in Sweden | |
CN109214554A (zh) | 一种不落轮工况下的铁道车辆轮对整车镟修策略决策算法 | |
CN111798040B (zh) | 一种动车组智能混合检修方法、装置、设备以及存储介质 | |
Nowakowski et al. | Diagnostics of the drive shaft bearing based on vibrations in the high-frequency range as a part of the vehicle's self-diagnostic system | |
Appoh et al. | Hybrid adaptive model to optimise components replacement strategy: A case study of railway brake blocks failure analysis | |
Zvolenský et al. | Improved method of processing the output parameters of the diesel locomotive engine for more efficient maintenance | |
Asplund et al. | Assessment of the data quality of wayside wheel profile measurements. | |
Müller et al. | Definition of wheel maintenance measures for reducing ground vibration | |
Liu et al. | Research of prognostics and health management for EMU | |
CN115081784A (zh) | 用于机车车轮的故障预测与健康管理系统 | |
CN112014593B (zh) | 一种铁路轨道基础装备质量状况监测评估装置和方法 | |
Sliż et al. | Identification of factors that differentiate motor vehicles that have experienced wear or failure of brake system components during the warranty service period | |
Abadi et al. | Analysis of the relationship between geometric parameters of railway track and twist failure by using data mining techniques | |
CN111507629A (zh) | 一种轨道故障诊断方法及系统 | |
Talabgaew et al. | Application of Big Data and RAM Analysis for Railway Maintenance Performance: A Case Study of Thailand Airport Rail Link | |
Dick et al. | Wheel Failure Investigation Program: Phase I | |
CN110210782B (zh) | 制定零部件检修周期的方法和装置及机器可读存储介质 | |
CN106053081A (zh) | 铁路车辆滚动轴承故障诊断方法 | |
Sun et al. | Research on Safety Evaluation System and Evaluation Method of Rolling Stock Equipment Portrait |
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 |