CN111260822B - 一种基于大数据的轨道交通车辆健康状态分析方法及终端 - Google Patents

一种基于大数据的轨道交通车辆健康状态分析方法及终端 Download PDF

Info

Publication number
CN111260822B
CN111260822B CN201911421202.2A CN201911421202A CN111260822B CN 111260822 B CN111260822 B CN 111260822B CN 201911421202 A CN201911421202 A CN 201911421202A CN 111260822 B CN111260822 B CN 111260822B
Authority
CN
China
Prior art keywords
data
rail transit
transit vehicle
characteristic
server
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.)
Active
Application number
CN201911421202.2A
Other languages
English (en)
Other versions
CN111260822A (zh
Inventor
杨文刚
倪军
孙丰诚
张�浩
苏修武
卢朝忠
何建武
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.)
Hangzhou AIMS Intelligent Technology Co Ltd
Original Assignee
Hangzhou AIMS Intelligent Technology 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 Hangzhou AIMS Intelligent Technology Co Ltd filed Critical Hangzhou AIMS Intelligent Technology Co Ltd
Priority to CN201911421202.2A priority Critical patent/CN111260822B/zh
Publication of CN111260822A publication Critical patent/CN111260822A/zh
Application granted granted Critical
Publication of CN111260822B publication Critical patent/CN111260822B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]

Abstract

本发明涉及轨道交通技术领域，具体涉及一种基于大数据的轨道交通车辆健康状态分析方法及终端，包括以下步骤：A）在轨道交通车辆上部署边缘计算终端以及传感器，采集轨道交通车辆实时运行数据，将数据缓存；B）边缘计算终端将数据进行预处理，并与时间轴关联构成运行状态数据，并提取特征数据；C）边缘计算终端通过通信模块将提取获得的特征数据传输到服务器，边缘计算终端根据预设判断规则判断特征数据是否存在异常，若存在则发出报警；D）在服务器建立故障模型；E）将特征数据导入服务器内的故障模型，获得轨道交通车辆健康状态。本发明的实质性效果是：实现了对轨道交通车辆的远程监控，提高轨道交通车辆的可靠性和准确性。

Description

一种基于大数据的轨道交通车辆健康状态分析方法及终端
技术领域
本发明涉及轨道交通技术领域，具体涉及一种基于大数据的轨道交通车辆健康状态分析方法及终端。
背景技术
随着经济的快速发展，轨道交通在城市化进程不断扩展。城市中的轨道交通线路越来越多，成为人们出行的重要且频繁使用的交通工具。轨道交通具有低污染、高速度、高发车频率、高客运量以及连续运行时间长的优点。但也正因为其长时间连续运行且客运量大，导致其对硬件的安全性要求非常高。运行中的轨道交通车辆需要定期检测，以发现硬件的故障或缺陷，及时维修更换。目前通常在夜间进行车辆的检测，即一日检测一次。但一日一次检测频率难以准确掌握轨道交通车辆的状态，且检测时轨道交通车辆通常处于静止、无载客状态，无法全面的掌握轨道交通车辆在日间载客运行的状态。采用人工检测的方式，不仅检测效率低，检测结果存在主观因素，准确性较差。导致轨道交通车辆安全性低。因而有必要提高轨道交通车辆检测的时效性和准确性。
如中国专利CN110222980A，公开日2019年6月5日，一种轨道交通轴承的健康评估方法及系统，所述健康评估方法包括：获取轨道交通的轴承在正常运行状态下的历史采样时间段内的历史运行数据；获取轨道交通的轴承在当前运行状态下的当前采样时间段内的当前运行数据；分别将历史运行数据和当前运行数据作为训练参数，输入高斯混合模型算法，输出第一高斯混合模型和第二高斯混合模型；根据第一高斯混合模型和第二高斯混合模型计算得到当前运行状态与正常运行状态的第一重合度；根据第一重合度确定当前运行情况的健康程度。其基于计算得到的当前运行状态与正常运行状态的重合度判断当前运行情况的健康程度。但其不能解决轨道交通车辆检测的时效差和准确性低的问题。
发明内容
本发明要解决的技术问题是：目前轨道交通车辆健康状态检测的时效性差和准确性低的技术问题。提出了一种更具有时效性的基于大数据的轨道交通车辆健康状态分析方法及终端。
为解决上述技术问题，本发明所采取的技术方案为：一种基于大数据的轨道交通车辆健康状态分析方法，包括以下步骤：A)在轨道交通车辆上部署边缘计算终端以及传感器，采集轨道交通车辆实时运行数据，将数据缓存；B)边缘计算终端将数据进行预处理，并与时间轴关联构成运行状态数据，并提取特征数据；C)边缘计算终端通过通信模块将提取获得的特征数据传输到服务器，边缘计算终端根据预设判断规则判断特征数据是否存在异常，若存在则发出报警；D)在服务器建立故障模型；E)将特征数据导入服务器内的故障模型，获得轨道交通车辆健康状态。
作为优选，步骤A)中使用的传感器包括振动传感器、转速传感器、声音传感器以及温度传感器，采集的轨道交通车辆实时运行数据包括轨道交通车辆的每个转向架轴的转速、轴的振动、轴承外圈的振动、轴承附近的声音以及轴承内圈的温度。
作为优选，步骤B)中将数据进行预处理包括：降噪处理和归一化处理，其中归一化处理的计算式为
Figure BDA0002352435040000021
其中at为数据实测值，amax以及amin分别为对应测量数据的人工设定的上、下限值，a为归一化后的数值。
作为优选，步骤B)中提取特征数据包括以下步骤：B1)获得每个运行状态数据的最大值、最小值、均值以及均方差；B2)将运行状态数据进行离散傅里叶变换，获得运行状态数据的频率组成；B3)人工设定若干个特征频带，计算特征频带内运行状态数据的能量和。
作为优选，步骤C)中传输方式包括：3/4/5G、蓝牙、Wi-Fi以及LoRa通信，当轨道交通车辆运行在地面下时，轨道交通车辆运行轨道沿线以设定间距设有LoRa网关，轨道交通车辆运行轨道站点设有3/4/5G基站、蓝牙网关或者Wi-Fi网关，当轨道交通车辆运行在地面上时，轨道交通车辆运行轨道沿线由3/4/5G信号覆盖，轨道交通车辆运行轨道站点设有蓝牙网关或者Wi-Fi网关。
作为优选，步骤C)中，边缘计算终端通过通信模块将提取获得的特征数据传输到服务器的方法包括：C1)周期性将特征数据按照设定顺序排列，构成特征向量W＝<w1,w2,…wn>，n为特征数据的数量，关联时间戳并存储；C2)构建特征数N，N为n位二进制数，边缘计算终端存储有每个特征数据的正常数值区间Hi,i∈[1,n]，
Figure BDA0002352435040000022
i∈[1,n]，其Biti为特征数N的第i位，构建数据向量V为空向量，从i＝1至n，依次判断wi∈Hi是否成立，若不成立则将wi加入到数据向量V的最后一个位置；C3)当轨道交通车辆位于两个站点之间运行时，间隔时间t将特征数N、数据向量V以及时间戳通过3/4/5G通信或LoRa通信发送到服务器，其中，当轨道交通车辆运行在地面下时通过LoRa通信发送，当车辆运行在地面上时通过3/4/5G通信发送；C4)当轨道交通车辆位于站点时，将存储的全部特征向量W及所关联的时间戳通过3/4/5G基站、蓝牙网关或者Wi-Fi网关全部发送给服务器；C5)服务器将特征数据导入服务器内的故障模型，若故障模型输出无故障，则更新每个特征数据的正常数值区间Hi,i∈[1,n]。
作为优选，步骤D)中的故障模型为神经网络模型，其训练数据为历史采集数据以及实验室条件下的实验数据关联故障类型后所得样本数据。
作为优选，在步骤E)中，将特征数据导入服务器内的故障模型前，将特征数据与预设第一阈值以及第二阈值对比，若超过第一阈值则发出预警，指示需要检查，若超过第二阈值则发出报警，指示需要维修或更换。
一种基于大数据的轨道交通车辆健康状态分析终端，用于执行如前述的一种基于大数据的轨道交通车辆健康状态分析方法，包括供电模块、无线通信模块、数据存储器、主处理器模块和若干个RS232智能传感器接口，传感器通过RS232智能传感器接口与主处理器模块连接，无线通信模块以及数据存储器均与主处理器模块连接，供电模块为各个模块供电。
作为优选，所述供电模块包括电源接口、电源管理芯片和若干个供电输出接口，所述电源接口与直流输入电压连接，所述电源管理芯片输出12V/5V/3.3V/1.8V/1.2V的直流电压，电源芯片为具有过温保护、过流保护功能的电源芯片，若干个供电输出接口分别输出12V/5V/3.3V/1.8V/1.2V中的一个电压等级的直流电压。
本发明的实质性效果是：实现了对轨道交通车辆的远程监控，成本低廉、部署简单快速，边缘计算终端能够执行轨道交通车辆健康初步监控任务，在通信条件较差时，边缘计算终端能够提供轨道交通车辆健康的监控，提高轨道交通车辆的可靠性，通过对设定的特征数据的收集和分析，避免人工检测时存在的主观因素，提高轨道交通车辆健康状态监控的准确性。
附图说明
图1为实施例一轨道交通车辆健康状态分析方法流程框图。
图2为实施例一提取特征数据的方法流程框图。
图3为实施例一特征数据传输到服务器的方法流程框图。
图4为实施例一轨道交通车辆健康状态分析终端结构示意图。
其中：100、无线通信模块，200、供电模块，300、数据存储器，400、主处理器模块，500、RS232智能传感器接口。
具体实施方式
下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。
实施例一：
一种基于大数据的轨道交通车辆健康状态分析方法，如图1所示，本实施例包括以下步骤：A)在轨道交通车辆上部署边缘计算终端以及传感器，采集轨道交通车辆实时运行数据，将数据缓存。使用的传感器包括振动传感器、转速传感器、声音传感器以及温度传感器，采集的轨道交通车辆实时运行数据包括轨道交通车辆的每个转向架轴的转速、轴的振动、轴承外圈的振动、轴承附近的声音以及轴承内圈的温度。
B)边缘计算终端将数据进行预处理，并与时间轴关联构成运行状态数据，并提取特征数据。将数据进行预处理包括：降噪处理和归一化处理，其中归一化处理的计算式为
Figure BDA0002352435040000041
其中at为数据实测值，amax以及amin分别为对应测量数据的人工设定的上、下限值，a为归一化后的数值。
如图2所示，提取特征数据包括以下步骤：B1)获得每个运行状态数据的最大值、最小值、均值以及均方差；B2)将运行状态数据进行离散傅里叶变换，获得运行状态数据的频率组成；B3)人工设定若干个特征频带，计算特征频带内运行状态数据的能量和。
C)边缘计算终端通过通信模块将提取获得的特征数据传输到服务器，边缘计算终端根据预设判断规则判断特征数据是否存在异常，若存在则发出报警。传输方式包括：3/4/5G、蓝牙、Wi-Fi以及LoRa通信，当轨道交通车辆运行在地面下时，轨道交通车辆运行轨道沿线以设定间距设有LoRa网关，轨道交通车辆运行轨道站点设有3/4/5G基站、蓝牙网关或者Wi-Fi网关，当轨道交通车辆运行在地面上时，轨道交通车辆运行轨道沿线由3/4/5G信号覆盖，轨道交通车辆运行轨道站点设有蓝牙网关或者Wi-Fi网关。
如图3所示，边缘计算终端通过通信模块将提取获得的特征数据传输到服务器的方法包括：C1)周期性将特征数据按照设定顺序排列，构成特征向量W＝<w1,w2,…wn>，n为特征数据的数量，关联时间戳并存储；C2)构建特征数N，N为n位二进制数，边缘计算终端存储有每个特征数据的正常数值区间Hi,i∈[1,n]，
Figure BDA0002352435040000051
i∈[1,n]，其Biti为特征数N的第i位，构建数据向量V为空向量，从i＝1至n，依次判断wi∈Hi是否成立，若不成立则将wi加入到数据向量V的最后一个位置。如特征向量W＝<轴的转速，轴的振幅，轴承外圈振幅，轴承内圈的温度>，某时刻检测,值经归一化后为<0.3215,0.1254，0.5311,0.8241>，其中轴的转速、轴的振幅以及轴承外圈振幅均处于相应的正常数值区间内，轴承内圈的温度处于正常数值区间外，则特征数N为四位二进制数，N＝1110，数据向量V＝<0.8241>，发送给服务器的数据为：时间戳+1110+’<’+0.8241+’>’，服务器收到数据后，首先按位读取特征数N以及特征向量W的排序<轴的转速，轴的振幅，轴承外圈振幅，轴承内圈的温度>，特征数N的前三位分别表示：轴的转速、轴的振幅以及轴承外圈振幅，且特征数N的前三位均为1，则表示值位于正常范围内，无需进行实时处理，特征数N的第四位为首个0，则从数据向量V中读取第一个数，即0.8241，作为轴承内圈的温度的特征值，并立即进行故障的预测分析，获得轴承内圈的温度过高对应的故障类型，并根据具体的值判断故障严重程度。
C3)当轨道交通车辆位于两个站点之间运行时，间隔时间t将特征数N、数据向量V以及时间戳通过3/4/5G通信或LoRa通信发送到服务器，其中，当轨道交通车辆运行在地面下时通过LoRa通信发送，当车辆运行在地面上时通过3/4/5G通信发送；C4)当轨道交通车辆位于站点时，将存储的全部特征向量W及所关联的时间戳通过3/4/5G基站、蓝牙网关或者Wi-Fi网关全部发送给服务器；C5)服务器将特征数据导入服务器内的故障模型，若故障模型输出无故障，则更新每个特征数据的正常数值区间Hi,i∈[1,n]。
D)在服务器建立故障模型。
E)将特征数据与预设第一阈值以及第二阈值对比，若超过第一阈值则发出预警，指示需要检查，若超过第二阈值则发出报警，指示需要维修或更换。将特征数据导入服务器内的故障模型，获得轨道交通车辆健康状态。
步骤D)中的故障模型为神经网络模型，其训练数据为历史采集数据以及实验室条件下的实验数据关联故障类型后所得样本数据。
一种基于大数据的轨道交通车辆健康状态分析终端，用于执行如前述的一种基于大数据的轨道交通车辆健康状态分析方法，如图4所示，包括供电模块200、无线通信模块100、数据存储器300、主处理器模块400和若干个RS232智能传感器接口500，传感器通过RS232智能传感器接口500与主处理器模块400连接，无线通信模块100以及数据存储器300均与主处理器模块400连接，供电模块200为各个模块供电。供电模块200包括电源接口、电源管理芯片和若干个供电输出接口，电源接口与直流输入电压连接，电源管理芯片输出12V/5V/3.3V/1.8V/1.2V的直流电压，电源芯片为具有过温保护、过流保护功能的电源芯片，若干个供电输出接口分别输出12V/5V/3.3V/1.8V/1.2V中的一个电压等级的直流电压。
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (9)

1.一种基于大数据的轨道交通车辆健康状态分析方法，其特征在于，
包括以下步骤：
A)在轨道交通车辆上部署边缘计算终端以及传感器，采集轨道交通车辆实时运行数据，将数据缓存；
B)边缘计算终端将数据进行预处理，并与时间轴关联构成运行状态数据，并提取特征数据，将数据进行预处理包括：降噪处理和归一化处理，其中归一化处理的计算式为
Figure FDA0003527542660000011
其中at为数据实测值，amax以及amin分别为对应测量数据的人工设定的上、下限值，a为归一化后的数值；
C)边缘计算终端通过通信模块将提取获得的特征数据传输到服务器：周期性将特征数据按照设定顺序排列，构成特征向量W；构建特征数N，N为n位二进制数，n为特征数据的数量；
服务器收到数据后，按位读取特征数N以及特征向量W的排序，根据预设判断规则判断特征数据是否存在异常，若存在则发出报警，并进行故障的预测分析，获得对应的故障类型，判断故障严重程度；
D)在服务器建立故障模型；
E)将特征数据导入服务器内的故障模型，获得轨道交通车辆健康状态。
2.根据权利要求1所述的一种基于大数据的轨道交通车辆健康状态分析方法，其特征在于，
步骤A)中使用的传感器包括振动传感器、转速传感器、声音传感器以及温度传感器，采集的轨道交通车辆实时运行数据包括轨道交通车辆的每个转向架轴的转速、轴的振动、轴承外圈的振动、轴承附近的声音以及轴承内圈的温度。
3.根据权利要求2所述的一种基于大数据的轨道交通车辆健康状态分析方法，其特征在于，
步骤B)中提取特征数据包括以下步骤：
B1)获得每个运行状态数据的最大值、最小值、均值以及均方差；
B2)将运行状态数据进行离散傅里叶变换，获得运行状态数据的频率组成；
B3)人工设定若干个特征频带，计算特征频带内运行状态数据的能量和。
4.根据权利要求1所述的一种基于大数据的轨道交通车辆健康状态分析方法，其特征在于，
步骤C)中传输方式包括：3/4/5G、蓝牙、Wi-Fi以及LoRa通信，当轨道交通车辆运行在地面下时，轨道交通车辆运行轨道沿线以设定间距设有LoRa网关，轨道交通车辆运行轨道站点设有3/4/5G基站、蓝牙网关或者Wi-Fi网关，当轨道交通车辆运行在地面上时，轨道交通车辆运行轨道沿线由3/4/5G信号覆盖，轨道交通车辆运行轨道站点设有蓝牙网关或者Wi-Fi网关。
5.根据权利要求4所述的一种基于大数据的轨道交通车辆健康状态分析方法，其特征在于，
步骤C)中，边缘计算终端通过通信模块将提取获得的特征数据传输到服务器的方法包括：
C1)将特征数据按照设定顺序排列，构成特征向量W＝<w1,w2,…wn>，n为特征数据的数量，关联时间戳并存储；
C2)构建特征数N，N为n位二进制数，边缘计算终端存储有每个特征数据的正常数值区间Hi,i∈[1,n]，
Figure FDA0003527542660000021
其Biti为特征数N的第i位，构建数据向量V为空向量，从i＝1至n，依次判断wi∈Hi是否成立，若不成立则将wi加入到数据向量V的最后一个位置；
C3)当轨道交通车辆位于两个站点之间运行时，间隔时间t将特征数N、数据向量V以及时间戳通过3/4/5G通信或LoRa通信发送到服务器，其中，当轨道交通车辆运行在地面下时通过LoRa通信发送，当车辆运行在地面上时通过3/4/5G通信发送；
C4)当轨道交通车辆位于站点时，将存储的全部特征向量W及所关联的时间戳通过3/4/5G基站、蓝牙网关或者Wi-Fi网关全部发送给服务器；
C5)服务器将特征数据导入服务器内的故障模型，若故障模型输出无故障，则更新每个特征数据的正常数值区间Hi,i∈[1,n]。
6.根据权利要求1所述的一种基于大数据的轨道交通车辆健康状态分析方法，其特征在于，
步骤D)中的故障模型为神经网络模型，其训练数据为历史采集数据以及实验室条件下的实验数据关联故障类型后所得样本数据。
7.根据权利要求5所述的一种基于大数据的轨道交通车辆健康状态分析方法，其特征在于，
在步骤E)中，将特征数据导入服务器内的故障模型前，将特征数据与预设第一阈值以及第二阈值对比，若超过第一阈值则发出预警，指示需要检查，若超过第二阈值则发出报警，指示需要维修或更换。
8.一种基于大数据的轨道交通车辆健康状态分析终端，用于执行如权利要求1至7任一项所述的一种基于大数据的轨道交通车辆健康状态分析方法，其特征在于，
包括供电模块、无线通信模块、数据存储器、主处理器模块和若干个RS232智能传感器接口，传感器通过RS232智能传感器接口与主处理器模块连接，无线通信模块以及数据存储器均与主处理器模块连接，供电模块为各个模块供电。
9.根据权利要求8所述的一种基于大数据的轨道交通车辆健康状态分析终端，其特征在于，
所述供电模块包括电源接口、电源管理芯片和若干个供电输出接口，所述电源接口与直流输入电压连接，所述电源管理芯片输出12V/5V/3.3V/1.8V/1.2V的直流电压，电源芯片为具有过温保护、过流保护功能的电源芯片，若干个供电输出接口分别输出12V/5V/3.3V/1.8V/1.2V中的一个电压等级的直流电压。
CN201911421202.2A 2019-12-31 2019-12-31 一种基于大数据的轨道交通车辆健康状态分析方法及终端 Active CN111260822B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911421202.2A CN111260822B (zh) 2019-12-31 2019-12-31 一种基于大数据的轨道交通车辆健康状态分析方法及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911421202.2A CN111260822B (zh) 2019-12-31 2019-12-31 一种基于大数据的轨道交通车辆健康状态分析方法及终端

Publications (2)

Publication Number Publication Date
CN111260822A CN111260822A (zh) 2020-06-09
CN111260822B true CN111260822B (zh) 2022-07-26

Family

ID=70950217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911421202.2A Active CN111260822B (zh) 2019-12-31 2019-12-31 一种基于大数据的轨道交通车辆健康状态分析方法及终端

Country Status (1)

Country Link
CN (1) CN111260822B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112326280B (zh) * 2021-01-06 2021-06-15 西门子交通技术(北京)有限公司 列车转向架的故障检测方法、装置和计算机可读介质
CN113094525A (zh) * 2021-04-12 2021-07-09 中铁工程设计咨询集团有限公司 单轨道岔故障在线诊断方法、装置、设备及可读存储介质
CN112947290B (zh) * 2021-05-16 2021-08-20 北京赛博联物科技有限公司 基于边云协同的设备状态监测方法、监测系统及存储介质
CN113253037B (zh) * 2021-06-22 2021-10-08 北京赛博联物科技有限公司 基于电流波纹的边云协同设备状态监测方法及系统、介质
CN113436366B (zh) * 2021-06-25 2023-01-24 北京铁道工程机电技术研究所股份有限公司 一种轨道交通车辆底部和侧边同步协同巡检方法
CN114384890B (zh) * 2021-11-30 2023-09-01 江铃汽车股份有限公司 车辆故障的监测方法、数据计算终端及云服务器
CN114996258A (zh) * 2022-06-23 2022-09-02 中铁第四勘察设计院集团有限公司 一种基于数据仓库的接触网故障诊断方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745229A (zh) * 2013-12-31 2014-04-23 北京泰乐德信息技术有限公司 一种基于svm的轨道交通故障诊断方法及系统
CN106406295A (zh) * 2016-12-02 2017-02-15 南京康尼机电股份有限公司 基于多工况的轨道交通车辆门系统故障诊断及预警方法
CN108181105A (zh) * 2017-11-28 2018-06-19 杭州安脉盛智能技术有限公司 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108038603A (zh) * 2017-12-04 2018-05-15 中铁第四勘察设计院集团有限公司 用于市域轨道交通车辆检修作业控制的方法及系统
CN207742793U (zh) * 2017-12-07 2018-08-17 成都市深国科半导体有限公司 一种基于大数据的车联网传感器组系统
GB201808881D0 (en) * 2018-03-27 2018-07-18 We Predict Ltd Vehicle diagnostics
EP3584658A4 (en) * 2018-04-25 2020-07-08 Shenzhen Launch Software Co., Ltd. VEHICLE DIAGNOSIS METHOD, SYSTEM, DEVICE AND COMPUTER READABLE STORAGE MEDIUM
CN109803127A (zh) * 2019-03-08 2019-05-24 重庆启迪国信科技有限公司 基于大数据和物联网技术的城市安全工地监控系统和方法
CN209859201U (zh) * 2019-07-05 2019-12-27 郑州迈佳迈网络服务有限公司 一种汽车远程故障诊断辅助装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745229A (zh) * 2013-12-31 2014-04-23 北京泰乐德信息技术有限公司 一种基于svm的轨道交通故障诊断方法及系统
CN106406295A (zh) * 2016-12-02 2017-02-15 南京康尼机电股份有限公司 基于多工况的轨道交通车辆门系统故障诊断及预警方法
CN108181105A (zh) * 2017-11-28 2018-06-19 杭州安脉盛智能技术有限公司 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统

Also Published As

Publication number Publication date
CN111260822A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN111260822B (zh) 一种基于大数据的轨道交通车辆健康状态分析方法及终端
CN105003453A (zh) 一种矿井风机在线监测与故障诊断系统
CN110011864B (zh) 一种高速铁路接触网安全状态监测方法
CN204113701U (zh) 一种矿井风机在线监测与故障诊断系统
CN104386449A (zh) 用于矿用皮带运输机头尾轮在线检测智能保护装置
CN112327100B (zh) 基于物联网的电力故障检测方法及其系统
CN114386451B (zh) 基于传感器信息感知的接触网吊弦故障诊断报警方法
CN110509951A (zh) 一种轨道故障检测系统及方法
CN112622990A (zh) 城轨地铁车辆智能运维管理系统
CN105022373A (zh) 基于zigbee技术的港口设备维护系统
CN107844067A (zh) 一种水电站闸门在线状态监测控制方法及监测系统
CN111307092A (zh) 一种地铁深隧工程建设安全自动连续监控系统及信息平台
CN112862233A (zh) 一种基于车联网数据的故障关联性分析系统及方法
CN115452046A (zh) 一种基于物联网的环保监测系统及方法
CN110942221A (zh) 一种基于物联网的变电站故障快速修复方法
CN114417981B (zh) 一种智能河长巡测系统
CN116934262A (zh) 一种基于人工智能的施工安全监管系统及方法
CN112381958A (zh) 一种etc门架系统状态在线监测方法及系统
CN112734977A (zh) 一种基于物联网的设备风险预警系统及算法
CN113852661B (zh) 一种基于声波分析的流程供应链运载设备托辊故障监测系统及方法
CN114812984A (zh) 一种铁路桥梁移动式快速监测系统
CN113222187B (zh) 一种共享助力车刹车健康度智能监测方法
CN105988460B (zh) 车辆跑道动态检测方法、装置和系统
CN112016739B (zh) 故障检测方法、装置、电子设备及存储介质
CN111401661B (zh) 一种机械设备的预测性维护方法和维护系统

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Yang Wengang

Inventor after: Ni Jun

Inventor after: Sun Fengcheng

Inventor after: Zhang Hao

Inventor after: Su Xiuwu

Inventor after: Lu Chaozhong

Inventor after: He Jianwu

Inventor before: Yang Wengang

Inventor before: Sun Fengcheng

Inventor before: Zhang Hao

Inventor before: Su Xiuwu

Inventor before: Lu Chaozhong

Inventor before: He Jianwu

GR01 Patent grant
GR01 Patent grant