CN110758478B - 铁路信号设备预告警系统及方法 - Google Patents

Abstract

本发明提供了一种铁路信号设备预告警系统及方法，涉及铁路信号设备的技术领域，能够在数据采集装置采集表征铁路信号设备运行状态的状态数据时，将状态数据发送至数据处理装置进行预处理，并将预处理后的状态数据发送至神经网络专家系统，神经网络专家系统将接收到的状态数据与预先存储的预告警知识进行匹配，如果匹配成功则生成预告警信息，将预告警信息通过数据处理装置发送至前端展示装置进行信息显示，通过上述铁路信号设备预告警系统及方法，大大减少了铁路运维人员的巡检工作量，降低了铁路信号设备的故障发生率，进而降低了铁路信号设备运营维护成本，同时提高了运维效率。

Description

铁路信号设备预告警系统及方法

技术领域

本发明涉及铁路信号设备技术领域，尤其是涉及一种铁路信号设备预告警系统及方法。

背景技术

铁路信号设备是指挥列车运行、保证行车安全、提高运输效率、改善行车组织方式、实现行车指挥现代化的关键设施，在铁路运输生产过程中发挥着重要的作用。

目前铁路信号设备维护相对比较落后，主要依靠人工巡检，这种巡检方式使得巡检人员的工作强度增大且效率低下，其次，易出现误判、漏判等问题，通常，上述巡检方法是在设备发生故障后巡检人员才进行维护操作的，实时性差，滞后性强，容易对铁路正常运营产生不利影响。

发明内容

有鉴于此，本发明的目的在于提供一种铁路信号设备预告警系统及方法，以缓解上述技术问题。

第一方面，本发明实施例提供了一种铁路信号设备预告警系统，其中，该系统包括：数据处理装置，以及与数据处理装置连接的神经网络专家系统、前端展示装置和多个数据采集装置；数据采集装置安装在铁路信号设备上，用于采集表征铁路信号设备运行状态的状态数据，并将状态数据发送至数据处理装置，其中，状态数据携带有铁路信号设备的身份标识；数据处理装置，用于对状态数据进行预处理，并将预处理后的状态数据发送至神经网络专家系统；神经网络专家系统用于将状态数据与预先存储的预告警知识进行匹配，如果匹配成功则生成预告警信息，将预告警信息通过数据处理装置发送至前端展示装置进行信息显示。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，数据采集装置包括多类传感器，用于采集铁路信号设备的多类状态数据，其中，状态数据不限于以下中的一种或多种：应力数据、电流数据、电压数据、电阻数据、油压数据、道岔缺口数据、振动数据和温湿度数据。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，数据处理装置包括依次连接的通信主机、第一消息队列、消息路由、第二消息队列、流式处理引擎和内存数据库，消息路由还与分布式数据库连接；通信主机还与数据采集装置连接，用于将状态数据根据预设的数据协议组装成消息体通过第一消息队列传输至消息路由其中，第一消息队列还用于对消息体进行存储；消息路由用于将消息体中的状态数据分成第一数据流和第二数据流，第一数据流存储至分布式数据库中，第二数据流通过第二消息队列发送至流式处理引擎，其中，第二消息队列还用于对第二数据流进行存储；流式处理引擎还与神经网络专家系统连接，用于对第二数据流进行预处理后发送至神经网络专家系统进行预告警知识的匹配，并根据接收到的预告警信息生成预告警消息体，将预告警消息体发送至内存数据库进行存储。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，神经网络专家系统包括依次连接的知识库、推理机和解释器，解释器还与知识库连接；推理机包括预先训练好的BP神经网络和预先存储的逻辑推理机，用于接收流式处理引擎发送的第二数据流，并将第二数据流与预先存储在知识库中的预告警知识进行匹配，根据匹配结果生成预告警信息发送至解释器；解释器还与流式处理引擎连接，用于在知识库中查找与预告警信息匹配的知识，并将预告警信息和知识发送至流式处理引擎。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，数据处理装置还包括与分布式数据库连接的离线处理引擎；离线处理引擎还与BP神经网络连接，用于对分布式数据库中存储的数据进行预处理后生成标签数据对BP神经网络进行训练。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，神经网络专家系统还包括人机交互界面；人机交互界面，用于将用户输入的预告警知识存储至知识库中，并根据用户的修改规则对知识库中的预告警知识进行修改；知识库还存储有BP神经网络的网络参数。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，神经网络专家系统还包括与推理机连接的综合数据库；综合数据库用于存储推理机运行过程中的运行数据。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第七种可能的实施方式，其中，前端展示装置包括数据读取接口，以及与数据读取接口连接的显示单元；数据读取接口与内存数据库连接，用于读取存储在内存数据库中的预告警消息体中的数据，并将数据发送至显示单元进行显示。

结合第一方面的第七种可能的实施方式，本发明实施例提供了第一方面的第八种可能的实施方式，其中，前端展示装置还包括与数据读取接口连接的输入单元；输入单元用于将输入的维修记录信息通过数据读取接口发送至内存数据库中的预告警消息体；内存数据库还与分布式数据库连接，用于将内存数据库中存储的数据发送至分布式数据库进行存储。

第二方面，本发明实施例还提供一种铁路信号设备预告警方法，其中，该方法应用于上述的铁路信号设备预告警系统，上述方法包括：数据采集装置安装在铁路信号设备上，采集表征铁路信号设备运行状态的状态数据，并将状态数据发送至数据处理装置，其中，状态数据携带有铁路信号设备的身份标识；数据处理装置对状态数据进行预处理，并将预处理后的状态数据发送至神经网络专家系统；神经网络专家系统将状态数据与预先存储的预告警知识进行匹配，如果匹配成功则生成预告警信息，将预告警信息通过数据处理装置发送至前端展示装置进行信息显示。

本发明实施例带来了以下有益效果：

本发明实施例提供的一种铁路信号设备预告警系统及方法，能够在数据采集装置采集表征铁路信号设备告警状态的状态数据时，将状态数据发送至数据处理装置进行预处理，并将预处理后的状态数据发送至神经网络专家系统，神经网络专家系统将接收到的状态数据与预先存储的预告警知识进行匹配，如果匹配成功则生成预告警信息，将预告警信息通过数据处理装置发送至前端展示装置进行信息显示，通过上述铁路信号设备预告警系统及方法，大大减少了铁路运维人员的巡检工作量，降低了铁路信号设备运营维护成本，同时提高了运维效率，进而降低了铁路信号设备的故障发生率。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域技术人员来讲，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一种铁路信号设备预告警系统的结构示意图；

图2为本发明实施例提供的另一种铁路信号设备预告警系统的结构示意图；

图3为本发明实施例提供的一种铁路信号设备预告警系统的工作流程图；

图4为本发明实施例提供的一种铁路信号设备预告警方法的流程图。

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，下面将结合附图对本发明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。

由于铁路信号设备是多因素、多目标、关系纵横交叉的复杂系统，其中有很多难以用数值计算的方法进行精确表示的问题，没有直接的求解方法，一般需要依赖于专家的知识经验与直觉，专家系统擅长解决的是难以建立数学模型而又依赖专家经验知识的问题，但现有的传统专家系统存在以下弱点：首先，知识获取主要依靠人工移植，效率低，而且有些经验知识很难用规则或者数学模型来严格描述；其次，传统专家系统只对那些用相应经验知识完整描述的问题能够得到正确结论，即只能处理浅层的、表面的、经验性的知识，难于处理深层的、本质的、理性的知识；最后，一般的专家系统不具备自学习能力和联想记忆功能，不能在运行过程中自我完善、发展和创新，不能用联想记忆、识别和类比等方式进行推理，这样系统不能在实践中不断自我完善，也不能从环境变化中发展和创新知识。因此，利用专家系统对铁路信号设备进行检测时容易造成检测不准确甚至可能离正确检测结果相差甚远，基于此，本发明实施例提供的一种铁路信号设备预告警系统及方法，可以缓解上述技术问题。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种铁路信号设备预告警系统进行详细介绍。

实施例一：

本发明实施例提供了一种铁路信号设备预告警系统，如图1所示的一种铁路信号设备预告警系统的结构示意图，该系统包括：数据处理装置100，以及与数据处理装置100连接的神经网络专家系统101、前端展示装置102和多个数据采集装置103。

具体地，为了便于说明，图1中以2个数据采集装置为例进行说明，具体实现时，每个数据采集装置均安装在一铁路信号设备上，用于采集表征铁路信号设备运行状态的状态数据，并将状态数据发送至数据处理装置，其中，状态数据携带有铁路信号设备的身份标识；数据处理装置，用于对状态数据进行预处理，并将预处理后的状态数据发送至神经网络专家系统；神经网络专家系统用于将状态数据与预先存储的预告警知识进行匹配，如果匹配成功则生成预告警信息，将预告警信息通过数据处理装置发送至前端展示装置进行信息显示。

具体实现时，每台铁路信号设备上都安装一数据采集装置，实现该铁路信号设备预告警系统对多个铁路信号设备进行状态数据的采集，其中，数据采集装置包括多类传感器，用于采集铁路信号设备的多类状态数据，其中，状态数据不限于以下中的一种或多种：应力数据、电流数据、电压数据、电阻数据、油压数据、道岔缺口数据、振动数据和温湿度数据。因此，上述数据采集装置包括能够采集上述应力数据、电流数据、电压数据、电阻数据、油压数据、道岔缺口数据、振动数据和温湿度数据等数据对应的传感器和采集器。

在实际使用时，数据采集装置可以对铁路信号设备需要监控预警的状态数据进行采集，且，采集到的每个铁路信号设备对应的状态数据都携带有自身的身份标识；将上述多个铁路信号设备的状态数据经数据处理装置进行预处理后发送至神经网络专家系统，利用神经网络专家系统将多个铁路信号设备的状态数据分别与预先存储的预告警知识一一进行匹配，其中，预告警知识是指专家的经验知识和常用规则，具体地，如果状态数据与预告警知识匹配成功则生成预告警信息，其中，生成的预告警信息中携带有与预告警知识匹配的状态数据对应的铁路信号设备的身份标识，神经网络专家系统将生成的预告警信息通过数据处理装置发送至前端展示装置进行信息显示，使得用户根据预告警信息及预告警信息携带的身份标识，对相应的铁路信号设备采取相应措施。

本发明实施例提供的一种铁路信号设备预告警系统，能够在数据采集装置采集表征铁路信号设备运行状态的状态数据时，将状态数据发送至数据处理装置进行预处理，并将预处理后的状态数据发送至神经网络专家系统，神经网络专家系统将接收到的状态数据与预先存储的预告警知识进行匹配，如果匹配成功则生成预告警信息，将预告警信息通过数据处理装置发送至前端展示装置进行信息显示，通过上述铁路信号设备预告警系统及方法，大大减少了铁路运维人员的巡检工作量，降低了铁路信号设备运营维护成本，同时提高了运维效率，进而降低了铁路信号设备的故障发生率。

优选地，图2示出了另一种铁路信号设备预告警系统的结构示意图，如图2所示，数据处理装置包括依次连接的通信主机200、第一消息队列201、消息路由202、第二消息队列203、流式处理引擎204和内存数据库205，消息路由202还与分布式数据库206连接；通信主机200还与数据采集装置103连接，用于将状态数据根据预设的数据协议组装成消息体通过第一消息队列传输至消息路由，其中，第一消息队列还用于对消息体进行存储；消息路由用于将消息体中的状态数据分成第一数据流和第二数据流，第一数据流存储至分布式数据库中，第二数据流通过第二消息队列发送至流式处理引擎，其中，第二消息队列还用于对第二数据流进行存储；流式处理引擎204还与神经网络专家系统101连接，用于对第二数据流进行预处理后发送至神经网络专家系统进行预告警知识的匹配，并根据接收到的预告警信息生成预告警消息体，将预告警消息体发送至内存数据库205进行存储。

具体实现时，为了便于说明，图3示出了一种铁路信号设备预告警系统的工作流程图，如图3所示，为了便于说明，图中以三个铁路信号设备300为例进行说明，每个铁路信号设备300都有对应的数据采集装置103，三个数据采集装置103将采集到的状态数据发送至通信主机中根据预设的数据协议组装成消息体后通过第一消息队列传输至消息路由，消息路由将消息体中的状态数据分成第一数据流和第二数据流，第一数据流存储至分布式数据库中，第二数据流通过第二消息队列发送至流式处理引擎；流式处理引擎204还与神经网络专家系统101连接，用于对第二数据流进行预处理后发送至神经网络专家系统进行预告警知识的匹配，并根据接收到的预告警信息生成预告警消息体，其中，预告警消息体包括预告警编码、预告警详细信息、设备异常参数以及相应维修建议等信息，然后将预告警消息体缓存至内存数据库205中；如果没有满足匹配的进行预告警的条件规则，则不生成任何预告警消息体。

在实际使用时，上述第一消息队列还用于对消息体进行持久化存储；并且，第一消息队列还可以防止因通信主机发送的消息体数量剧增，造成的消息路由因突发的超负荷请求而出现的崩溃现象；进一步，第一消息队列还可以降低其前后数据处理过程之间的耦合度，当系统的某一部分失效时，不会影响到整个系统的正常运行。

具体地，上述第二消息队列还用于对第二数据流进行持久化存储；并且，第二消息队列还可以防止因消息路由发送的消息体数量剧增，造成的流式处理引擎因突发的超负荷请求而出现的崩溃现象；进一步，第二消息队列还可以降低其前后数据处理过程之间的耦合度，当系统的某一部分失效时，不会影响到整个系统的正常运行。

如图2所示，神经网络专家系统包括依次连接的知识库207、推理机208和解释器209，解释器209还与知识库207连接；推理机包括预先训练好的BP神经网络和预先存储的逻辑推理机，用于接收流式处理引擎发送的第二数据流，并将第二数据流与预先存储在知识库中的预告警知识进行匹配，根据匹配结果生成预告警信息发送至解释器；解释器还与流式处理引擎连接，用于在知识库中查找与预告警信息匹配的知识，并将预告警信息和知识发送至流式处理引擎。

具体地，推理机是由预先训练好的BP(Back Propagation，反向传播)神经网络和预先存储的逻辑推理机构成的，具体实现时，流式处理引擎对第二数据流进行解析后根据预先设定的判断规则判断第二数据流是利用BP神经网络还是利用逻辑推理机进行故障诊断，其中，针对规则比较明确，可以通过逻辑推理机进行故障诊断的故障类型，将数据发送至逻辑推理机，对于难以用逻辑表示清楚或者影响因素暂不明确的故障类型，需要通过BP神经网络进行故障诊断，则将数据发送至BP神经网络，流式处理引擎在判断出第二数据流需要利用BP神经网络还是利用逻辑推理机进行故障诊断后，对第二数据流进行特征提取，转换为逻辑推理机或BP神经网络可识别的数据结构和形式，然后，流式处理引擎将经过格式转换的数据输入神经网络专家系统后，相应的推理机根据知识库207中的预告警知识进行推理判断故障诊断。

进一步，推理机208将生成的预告警信息发送至解释器209，解释器根据推理机的预告警信息以及结合知识库207中的存储的告警信息与规则，将预告警信息输出为基础技术人员容易理解的设备报警信息及维修方案，然后由流式处理引擎将其组装成预告警消息体传输至内存数据库中进行存储。

具体地，如图2所示，前端展示装置包括数据读取接口210，以及与数据读取接口连接的显示单元211；数据读取接口与内存数据库连接，用于读取存储在内存数据库中的预告警消息体中的数据，并将数据发送至显示单元进行显示。

进一步，如图2所示，前端展示装置还包括与数据读取接口连接的输入单元212；输入单元用于将输入的维修记录信息通过数据读取接口发送至内存数据库中的预告警消息体；内存数据库还与分布式数据库连接，用于将内存数据库中存储的数据发送至分布式数据库进行存储。

具体实现时，如图3所示，前端展示装置通过数据读取接口读取内存数据库中的预告警消息体中的数据，并将数据在显示单元中进行实时展示，维修人员可通过显示单元看到预告警信息及维修建议进行预告警确认动作并采取相应措施。维修人员可以通过前端展示装置中的输入单元将维修记录信息输入，然后继续调用数据读取接口，将维修记录信息追加至预告警消息体中，将预告警消息体更新为已处理的预告警消息体，如图3所示，由于内存数据库还与分布式数据库连接，因此，可将内存数据库中存储的数据发送至分布式数据库进行存储。

在实际使用时，如图2所示，数据处理装置还包括与分布式数据库连接的离线处理引擎213；离线处理引擎还与BP神经网络连接，用于对分布式数据库中存储的数据进行预处理后生成标签数据对BP神经网络进行训练。

在实际使用时，为了提高BP神经网络的预测精度，需要对BP神经网络定期进行训练，在本实施例中，如图3所示，利用离线处理引擎对存储在分布式数据库中的数据进行归一化和特征提取后作为训练样本输入至BP神经网络中进行训练，其中，分布式数据库中的数据包括上述的第一数据流即状态数据、还包括已处理的预告警消息体和预先标记的铁路信号设备故障数据，在BP神经网络训练过程中，采用误差反传算法，将学习过程分为两个阶段：第一阶段，将训练样本通过输入层经隐含层逐层处理并计算每个单元的实际输出值；第二阶段，若在输出层未得到期望的输出值，则逐层递归地计算实际输出和期望输出的误差，根据误差调节各单元权值，经过反复学习训练，得出与最小误差相对应的网络权值和阈值，完成BP神经网络的训练。在本实施例中，利用训练好的BP神经网络对上述采集到的铁路信号设备的状态数据进行推理，生成铁路信号设备对应的预告警信息。

进一步，如图2所示，神经网络专家系统还包括人机交互界面214；人机交互界面，用于将用户输入的预告警知识存储至知识库中，并根据用户的修改规则对知识库中的预告警知识进行修改；知识库还存储有BP神经网络的网络参数。

具体地，人机交互界面与知识库连接，将用户输入的预告警知识存储至知识库中，并根据用户的修改规则对知识库中的预告警知识进行修改，然后由专家依据自身经验和分析将该网络的输入、输出、权值和阈值转换为逻辑概念作为预警知识存储在知识库中。

具体实现时，如图2所示，神经网络专家系统还包括与推理机连接的综合数据库215；综合数据库用于存储推理机运行过程中的运行数据。

在实际应用时，综合数据库与神经网络专家系统中的推理机进行连接，用于缓存神经网络专家系统运行过程中的初始数据、求解状态、中间结果以及输出结果等。当一次推理过程全部完成，综合数据库中关于此次推理过程的数据随之清除。

实施例二：

在上述实施例的基础上，本发明实施例还提供了一种铁路信号设备预告警方法，该方法应用于上述的铁路信号设备预告警系统，如图4所示的一种铁路信号设备预告警方法的流程图，该方法包括以下步骤：

步骤S402，数据采集装置安装在铁路信号设备上，采集表征铁路信号设备运行状态的状态数据，并将状态数据发送至数据处理装置，其中，状态数据携带有铁路信号设备的身份标识；

步骤S404，数据处理装置对状态数据进行预处理，并将预处理后的状态数据发送至神经网络专家系统；

步骤S406，神经网络专家系统将状态数据与预先存储的预告警知识进行匹配，如果匹配成功则生成预告警信息，将预告警信息通过数据处理装置发送至前端展示装置进行信息显示。

本发明实施例提供的铁路信号设备预告警方法，与上述实施例提供的铁路信号设备预告警系统具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的方法的具体工作过程，可以参考前述系统实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种铁路信号设备预告警系统，其特征在于，所述系统包括：数据处理装置，以及与所述数据处理装置连接的神经网络专家系统、前端展示装置和多个数据采集装置；

所述数据采集装置安装在铁路信号设备上，用于采集表征所述铁路信号设备运行状态的状态数据，并将所述状态数据发送至所述数据处理装置，其中，所述状态数据携带有所述铁路信号设备的身份标识；

所述数据处理装置，用于对所述状态数据进行预处理，并将预处理后的所述状态数据发送至所述神经网络专家系统；

所述神经网络专家系统用于将所述状态数据与预先存储的预告警知识进行匹配，如果匹配成功则生成预告警信息，将所述预告警信息通过所述数据处理装置发送至所述前端展示装置进行信息显示；

其中，所述数据处理装置包括依次连接的通信主机、第一消息队列、消息路由、第二消息队列、流式处理引擎和内存数据库，所述消息路由还与分布式数据库连接；

所述通信主机还与数据采集装置连接，用于将状态数据根据预设的数据协议组装成消息体通过所述第一消息队列传输至所述消息路由，其中，所述第一消息队列还用于对所述消息体进行存储；

所述消息路由用于将所述消息体中的状态数据分成第一数据流和第二数据流，所述第一数据流存储至所述分布式数据库中，所述第二数据流通过所述第二消息队列发送至所述流式处理引擎，其中，所述第二消息队列还用于对所述第二数据流进行存储；

所述流式处理引擎还与所述神经网络专家系统连接，用于对所述第二数据流进行预处理后发送至所述神经网络专家系统进行所述预告警知识的匹配，并根据接收到的所述预告警信息生成预告警消息体，将所述预告警消息体发送至所述内存数据库进行存储。

2.根据权利要求1所述的系统，其特征在于，所述数据采集装置包括多类传感器，用于采集所述铁路信号设备的多类状态数据，其中，所述状态数据不限于以下中的一种或多种：应力数据、电流数据、电压数据、电阻数据、油压数据、道岔缺口数据、振动数据和温湿度数据。

3.根据权利要求1所述的系统，其特征在于，所述神经网络专家系统包括依次连接的知识库、推理机和解释器，所述解释器还与所述知识库连接；

推理机包括预先训练好的BP神经网络和预先存储的逻辑推理机，用于接收所述流式处理引擎发送的所述第二数据流，并将所述第二数据流与预先存储在所述知识库中的所述预告警知识进行匹配，根据匹配结果生成所述预告警信息发送至所述解释器；

所述解释器还与所述流式处理引擎连接，用于在所述知识库中查找与所述预告警信息匹配的知识，并将所述预告警信息和所述知识发送至所述流式处理引擎。

4.根据权利要求3所述的系统，其特征在于，所述数据处理装置还包括与所述分布式数据库连接的离线处理引擎；

所述离线处理引擎还与所述BP神经网络连接，用于对所述分布式数据库中存储的数据进行预处理后生成标签数据对所述BP神经网络进行训练。

5.根据权利要求4所述的系统，其特征在于，所述神经网络专家系统还包括人机交互界面；

所述人机交互界面，用于将用户输入的所述预告警知识存储至所述知识库中，并根据所述用户的修改规则对所述知识库中的预告警知识进行修改；

所述知识库还存储有所述BP神经网络的网络参数。

6.根据权利要求3所述的系统，其特征在于，所述神经网络专家系统还包括与所述推理机连接的综合数据库；

所述综合数据库用于存储所述推理机运行过程中的运行数据。

7.根据权利要求1所述的系统，其特征在于，所述前端展示装置包括数据读取接口，以及与所述数据读取接口连接的显示单元；

所述数据读取接口与所述内存数据库连接，用于读取存储在所述内存数据库中的所述预告警消息体中的数据，并将所述数据发送至所述显示单元进行显示。

8.根据权利要求7所述的系统，其特征在于，所述前端展示装置还包括与所述数据读取接口连接的输入单元；

所述输入单元用于将输入的维修记录信息通过所述数据读取接口发送至所述内存数据库中的所述预告警消息体；

所述内存数据库还与所述分布式数据库连接，用于将所述内存数据库中存储的数据发送至所述分布式数据库进行存储。

9.一种铁路信号设备预告警方法，其特征在于，所述方法应用于权利要求1-8任一项所述的铁路信号设备预告警系统，所述方法包括：

数据采集装置安装在铁路信号设备上，采集表征所述铁路信号设备运行状态的状态数据，并将所述状态数据发送至所述数据处理装置，其中，所述状态数据携带有所述铁路信号设备的身份标识；

数据处理装置对所述状态数据进行预处理，并将预处理后的所述状态数据发送至所述神经网络专家系统；

神经网络专家系统将所述状态数据与预先存储的预告警知识进行匹配，如果匹配成功则生成预告警信息，将所述预告警信息通过所述数据处理装置发送至所述前端展示装置进行信息显示；

其中，所述数据处理装置包括依次连接的通信主机、第一消息队列、消息路由、第二消息队列、流式处理引擎和内存数据库，所述消息路由还与分布式数据库连接；

所述通信主机还与数据采集装置连接，用于将状态数据根据预设的数据协议组装成消息体通过所述第一消息队列传输至所述消息路由，其中，所述第一消息队列还用于对所述消息体进行存储；

所述消息路由用于将所述消息体中的状态数据分成第一数据流和第二数据流，所述第一数据流存储至所述分布式数据库中，所述第二数据流通过所述第二消息队列发送至所述流式处理引擎，其中，所述第二消息队列还用于对所述第二数据流进行存储；

所述流式处理引擎还与所述神经网络专家系统连接，用于对所述第二数据流进行预处理后发送至所述神经网络专家系统进行所述预告警知识的匹配，并根据接收到的所述预告警信息生成预告警消息体，将所述预告警消息体发送至所述内存数据库进行存储。

Images