CN111776006A - 一种列车轴温的预报警方法及装置 - Google Patents
一种列车轴温的预报警方法及装置 Download PDFInfo
- Publication number
- CN111776006A CN111776006A CN201910265857.9A CN201910265857A CN111776006A CN 111776006 A CN111776006 A CN 111776006A CN 201910265857 A CN201910265857 A CN 201910265857A CN 111776006 A CN111776006 A CN 111776006A
- Authority
- CN
- China
- Prior art keywords
- temperature
- data
- shaft
- temperature data
- shaft temperature
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/04—Detectors for indicating the overheating of axle bearings and the like, e.g. associated with the brake system for applying the brakes in case of a fault
- B61K9/06—Detectors for indicating the overheating of axle bearings and the like, e.g. associated with the brake system for applying the brakes in case of a fault by detecting or indicating heat radiation from overheated axles
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种列车轴温的预报警方法及装置,其方法包括实时采集并缓存轴温数据;对轴温数据进行分析,提取轴温变化的特征参数;根据轴温变化的特征参数判断轴温数据是否存在异常干扰的特征:若判断轴温数据存在异常干扰的特征,不做轴温预报警监测;否则,对轴温数据进行轴温预报警监测。本发明可提高故障检测的准确度,降低误报。且消耗计算资源少,易于在嵌入式中实现,实时性强。
Description
技术领域
本发明属于轨道交通技术领域,特别是涉及一种列车轴温的预报警方法及装置。
背景技术
列车是现代主要交通工具之一,在旅客及货物运输方面发挥了极大的作用,其安全问题一直受到各界人士的重点关注。列车为了防止轮对轴承内部故障,造成燃轴、切轴甚至甩车等事故的发生,在各轴箱体的侧面安装了对轴箱轴承状态进行监视的轴承温度传感器,并将此温度数据传递给列车网络控制系统,当发现轴承温度异常上升时,列车网络控制系统通过司机室显示屏显示相应信息,提醒司机采取减速、限速处理,必要时停车,确保列车的安全运行。
现有的轴温监视系统中,是利用PT100\PT1000等热电阻,经过多个连接器,传导模拟信号到检测设备,模拟信号在列车运行环境下,易受干扰,接触不良时信号准确性难以保证,同时中间连接环节较多,任何一处接触不良都将验证导致电阻采样值剧烈变化,且难以校验、判断其数据有效性。因此需对检测数据进行处理,以提高系统的抗干扰性。
而目前对温度检测数据的处理方法,多是集中在数据拟合、FIR滤波、小波滤波等常规通用滤波算法研究上,而轴温工作的列车现场环境复杂,干扰因素较多,频率特性分散,简单通过一种或几种通用滤波算法难以达到效果。
发明内容
本发明所要解决的技术问题之一是提出一种列车轴温预报警方法,对温度数据进行识别,有效实现温度干扰检测,以提高抗干扰性,从而降低预报警的误报率。
为了解决上述技术问题,本申请的实施例首先提供了一种列车轴温的预报警方法,包括
实时采集并缓存轴温数据;
对轴温数据进行分析,提取轴温变化的特征参数;
根据轴温变化的特征参数判断轴温数据是否存在异常干扰的特征:
若判断轴温数据存在异常干扰的特征,不做轴温预报警监测;
否则,对轴温数据进行轴温预报警监测。
优选地,所述对轴温数据进行轴温预报警监测,包括,
根据轴温变化的特征参数判断轴温数据是否存在单调上升的特征,
若轴温数据不存在单调上升的特征,则基于温度门槛或同测点温差进行轴温预报警;
否则,基于温度门槛、同测点温差或温升速率进行轴温预报警。
优选地,所述异常干扰的特征包括:
实时采集时刻相对于前一时刻的温度变化速率的值超过变化速率阈值。
优选地,所述变化速率阈值为历史燃轴极限工况下的最大温度变化速率与指定裕量之和。
优选地,所述异常干扰的特征包括:温度变化的等效频率、变化幅值和表征单步跳变激烈程度的参数同时大于等于各自对应的阈值。
优选地,所述等效频率为:轴温数据中上升的差值幅度或下降的差值幅度大于等于幅度阈值的次数。
优选地,所述变化幅值为轴温数据中所有上升变化中最大的变化幅值和所有下降变化中最大的变化幅值中的较小值。
优选地,还包括:计算轴温数据中相邻时刻的绝对温度差值,并统计绝对温度差值的各种数值大小出现的次数,对不同大小的绝对温度差值的出现次数进行加权求和,获得的结果为用于表征单步跳变激烈程度的参数;
其中,所述加权求和的权重大小与绝对温度差值的值相关。
优选地,所述判断轴温数据是否存在单调上升的特征,包括:
对轴温数据进行预处理,得到处理后的数据序列;
从所述数据序列中起始数据开始对下一数据大于等于相邻前一数据的情况进行统计计数,从而得到该数据序列所对应的计数值,其中,若下一数据小于前一数据,将所述计数值清零并重新开始计数;
对轴温数据进行分段处理,并比较在后数据段与在先数据段的温度均值,根据比较结果确定当前是否存在温度上升趋势;
若当前存在温度上升趋势且当前计数值大于等于预定的计数阈值,则进一步判断前若干时刻是否也存在温度上升趋势,以及相应的计数值是否大于等于预定的计数阈值,若前若干时刻也存在温度上升趋势,且相应的计数值均大于等于预定的计数阈值,则判断轴温数据存在单调上升的特征。
优选地,对轴温数据进行预处理,得到处理后的数据序列,包括,
获取轴温数据的第二个温度数据,基于下式对其进行加权处理,并更新温度数据,
DIN'(2)=DIN(2)*Q+DIN(1)*(1-Q)
其中,DIN'(2)为通过加权计算更新后的第二个温度数据,DIN(1)和DIN(2)分别对应为原始的第一个温度数据和第二个温度数据,Q为设定权重;
从轴温数据的第三个温度数据起到最后一个温度数据,基于下式依次对每个温度数据进行加权处理,更新温度数据,
DIN'(i)=DIN(i)*Q+DIN'(i-1)*(1-Q)
其中,DIN'(i)为通过加权计算更新后的第i个温度数据,DIN(i)为未经过加权计算的原始温度数据,DIN'(i-1)经过加权计算后更新的第i-1个温度数据;
将最终得到的温度数据序列,作为所述数据序列。
本申请的实施例还提供了一种列车轴温预报警装置,包括
采集模块,其用于实时采集列车的轴温数据并进行缓存;
提取模块,其用于对采集模块获取到的轴温数据进行分析,提取轴温变化的特征参数;
判断模块,其用于根据轴温变化的特征参数判断轴温数据是否存在异常干扰的特征;
预报警模块,其用于当轴温数据不存在异常干扰的特征时,根据轴温变化趋势的判断结果进行相应的轴温预报警。
优选地,轴温变化趋势的判断包括对轴温数据是否存在单调上升的特征的判断,所述预报警模块具体配置为,
若判断轴温数据不存在单调上升的特征,则基于温度门槛或同测点温差进行轴温预报警;
否则,基于温度门槛、同测点温差或温升速率进行轴温预报警。
优选地,所述异常干扰的特征包括:
实时采集时刻相对于前一时刻的温度变化速率的值超过变化速率阈值;
温度变化的等效频率、变化幅值和表征单步跳变激烈程度的参数同时大于等于各自对应的阈值。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
通过对线路、传感器等干扰或异常波形识别以单调上升的检测,并据此进行预报警,可提高故障检测的准确度,降低误报。且采用本发明的方法,消耗计算资源少,易于在嵌入式中实现,且实时性很强。
本发明的其他优点、目标,和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书,权利要求书,以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解,并且构成说明书的一部分。其中,表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案,但并不构成对本申请技术方案的限制。
图1是本发明的技术方案的整体描述示意图;
图2是根据本发明一实施例的一次波形检测的流程示意图;
图3是根据本发明一实施例的波形检测中波形异常判断部分的流程示意图;
图4是根据本发明一实施例的波形检测中单调上升判断部分的流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本发明的保护范围之内。
如图1所示,为本发明的技术方案的整体描述。对实时采集的列车轴温温度数据进行平滑、滤波等简单预处理,对轴温数据进行检测(如图1中波形检测),输出波形异常(下文简称为Err)和波形单调上升(下文简称为Uphill)两个指示参数。只有当Err=0时认为轴温数据没有受到异常干扰,可以进行预报警,然后再基于温度预报警判定条件执行判断并结合Uphill指示状态,输出预报警。
需要说明的是,本发明应用于嵌入式实时控制领域,列车轴承的温度数据以预定时间间隔实时采集,每实时获取一温度数据进行一次上述波形检测。
本发明每一次的波形检测中,如图2所示,实时采集列车轴温的温度数据,举例而言,每1s采集一次温度数据,当前时刻数据用T用表示;
基于实时采集的温度数据和实时采集时刻前一段时间的温度历史数据(缓存的轴温数据)进行分析,提取轴温变化的特征参数。
之后,如图2所示,根据轴温变化的特征参数判断轴温数据是否存在异常干扰的特征,即判断轴温数据是否受到异常干扰。
具体的,本发明中用于判断是否受到异常干扰的特征参数包括提取温度变化的等效频率(freq)、变化幅值(range)和表征单步跳变激烈程度的参数(step level),以及表征实时采集时刻的温度变化速率的跳变值(jmp),上述各特征参数的提取以及如何判断在后文进行具体说明,这里不进行详述。
继续如图2所示,若判断轴温数据存在异常干扰的特征,即轴温数据受到异常干扰,不做轴温预报警监测;否则,对轴温数据进行轴温预报警监测。具体的,如图2所示,对轴温数据进行轴温预报警监测包括根据轴温变化的特征参数判断轴温数据是否存在单调上升的特征,即判断轴温变化是否单调上升,
若轴温数据不存在单调上升的特征,则基于温度门槛或同测点温差进行轴温预报警;否则,基于温度门槛、同测点温差或温升速率进行轴温预报警。
需要说明的是,这里基于温度门槛、同测点温差或温升速率指不同的预报警判定条件。
举例而言,温度门槛条件为120℃,表示当检测到温度大于等于120℃时,进行温度门槛类型的预报警;同测点温差条件,一般设定值在40℃至50℃之间,举例而言,采用四个检测点同时监测一车轴温度,将四个检测点测量到的温度求平均得到同测点平均值,当一检测点(如本实施例中的检测点)的温度与同测点平均值的偏差绝对值大于等于设定值时,进行同测点温差类型的预报警;
举例而言,温升速率条件为10℃/分,表示温升速率大于等于10℃/分进行温升速率类型预报警。需要说明的是这里的温升速率的检测计算方式为基于斜率计算,具体的,
例如若按30s滑动计算,则温升速率
τn=2×ΔTn(℃/min),ΔTn=(T31+T32+T33+T34+T35)/5-(T1+T2+T3+T4+T5)/5(1)
式(1)中,T1、T2……T35分别对应表示35个连续时刻的各个温度数据。
例如若按60s滑动计算,则温升速率
τn=ΔTn(℃/min),ΔTn=(T61+T62++T6s)/5-(T1+T2+...+T5)/5 (2)
式(2)中,T1、T2……T60分别对应表示60个连续时刻的各个温度数据。
此外,还需说明的是,在本发明的具体实施例中,还可基于应用情况,进一步设置预报警报出条件和撤销条件,
例如,满足预报警判定条件,且持续5秒后报出。例如,在报出后,在未达到预报警判定条件,持续3分后撤销,其中温差温度门槛条件的撤销条件还可设有3℃回差,如温度门槛条件为120℃,则撤销条件为117℃,即表示低于117℃时未达到温度门槛条件。
下面结合附图及实施例对如何判断波形异常(Err)和单调上升(Uphill)进行详细说明。
首先对波形检测中波形异常判断进行说明,波形异常判断分为并列的两种情况,分别为情况A通过表征实时采集时刻的温度变化速率的跳变值(jmp)来判断,情况B通过温度变化的等效频率(freq)、变化幅值(range)和表征单步跳变激烈程度的参数(steplevel)来判断。下面分别介绍:
A、通过jmp进行判断的情况
图3所示为一实施例的波形异常判断部分的流程示意图。图3中,T表示当前采集时刻数据;PRET是全局变量,表示缓存的上一采集时刻温度数据;DATA1、DATA2是全局变量,分别用于缓存120s和50s的数据。
如图3所示,当T时刻温度数据和T-1时刻的温度数据(PRET)的差值大于阈值时,即实时采集时刻相对于前一时刻的温度变化速率的值超过变化速率阈值时,jmp置1,否则jmp置0。
这里的变化速率阈值为历史燃轴极限工况下的最大温度变化速率与指定裕量之和,这样若jmp为1,则说明变化速率超过了客观的极限情况,不符合实际,满足了波形异常的特征,将波形异常指示参数Err置1,表示判断波形异常,存在异常干扰。
如图3所示,作为一种具体的实施方式,若实时采集时刻的温度变化速率的值超过变化速率阈值(将jmp置1),则该时刻之后预定时长内不做轴温预报警。如图3中,若jmp>0,将全局变量JmpCnt赋值为70,并递减,只要JmpCnt>0则Err=1,即T时刻后的70次波形检测Err持续为1,相当于70s内都指示波形异常不作轴温预报警。
B、通过freq、range、step level进行判断的情况
如图3所示,freq、range、step level都是基于DATA1的分析计算来确定的。
其中,跳变次数freq表示轴温数据(DATA1的120s数据)中上升的差值幅度或下降的差值幅度大于等于幅度阈值的次数。其具体的计算规则为,在上升或下降的方向上转变方向一次,freq加1,且要求最高和最低的差值幅度大于等于幅度阈值,freq的值表示去除幅度小于预设幅度阈值的跳变次数。
而变化幅值range的计算提取,是通过计算轴温数据(DATA1的120s数据)中一次同方向变化的绝对变化值,即一个上升或下降周期的最高点减最低点;并分别统计DATA1里面所有向上的和所有向下的绝对变化值中的最大值,选其中较小的作为range的值。也即轴温数据中所有上升变化中最大的变化幅值和所有下降变化中最大的变化幅值中的较小值为range的值。
表征单步跳变激烈程度的参数(step level)的计算提取,是通过计算轴温数据中相邻时刻的绝对温度差值,并统计绝对温度差值的各种数值大小出现的次数,对不同大小的绝对温度差值的出现次数进行加权求和,获得的结果为表征单步跳变激烈程度的参数step level的值。其中,加权求和的权重大小与绝对温度差值的值相关,
举例而言,绝对温度差值为3出现2次,绝对温度差值为4出现1次,则2次的权重为9,1次的权重为16,即权重大小为绝对温度差值的平方(相当于表征能量)。
在温度变化的等效频率freq、变化幅值range、表征单步跳变激烈程度的参数的step level确定后,若三者同时大于等于各自对应的阈值时(例如图3中的所示的freq>=a1且step level>=a2且range>=a3,或者freq>=b1且step level>=b2且range>=b3,这里a1-a3、b1-b3为分别为freq,range,step level各自对应的阈值),满足了波形异常的特征,判断波形异常,存在异常干扰(store_err=1,Err=store_err)。
下面结合图4对波形检测中单调上升的判断进行说明。
图4所示为本发明一实施例的单调上升判断部分的流程示意图。图4中,DATA2为图3中同一全局变量,缓存了50s的轴温数据。单调上升的判断基于DATA2数据进行,这里选用DATA2是为了说明方便,根据具体的应用情况单调上升的判断也可与波形异常判断相同,即也基于DATA1的数据。
本发明中,判断轴温数据是否存在单调上升的特征,首先计算表征逐次上升的计数值CNT。
计算CNT前,为避免正常温升时温度抖动回落造成漏报,先对于轴温数据进行预处理,得到处理后的数据序列。具体的,如图4所示,即对DATA2进行加权预处理,得到处理后数据序列DATA2~。DATA2中有1:50个数据,预处理过程具体如下:
获取轴温数据的第二个温度数据(获取DATA2[2]作为原始DIN(2)),基于下式对其进行加权处理,并更新温度数据,
DIN'(2)=DIN(2)*Q+DIN(1)*(1-Q) (3)
式(3)中,DIN'(2)为通过加权计算更新后的第二个温度数据,DIN(1)DIN(2)分别对应为原始的第一个温度数据和第二个温度数据,Q为设定权重;
从轴温数据的第三个温度数据起到最后一个温度数据(这里为第50个数据),基于下式依次对每个温度数据进行加权处理,更新温度数据
DIN'(i)=DIN(i)*Q+DIN'(i-1)*(1-Q) (4)
式(4)中,DIN'(i)为通过加权计算更新后的第i个温度数据,DIN(i)为未经过加权计算的原始温度数据,DIN'(i-1)经过加权计算后更新的第i-1个温度数据;
将最终得到的温度数据序列,作为数据序列(即图4中的DATA2~)。
获得处理后的数据序列DATA2~后,如图4所示,基于DATA2~的1:50数据逐次比较大小,即从数据序列中起始数据开始对下一数据大于等于相邻前一数据的情况进行统计计数,从而得到该数据序列所对应的计数值CNT,其中,若下一数据小于前一数据,将计数值CNT清零并重新开始计数。
判断轴温数据变化为单调上升,还需从整体上判断温度上升趋势,如图4所示,本实施例中用FLAG=1表示存在温度上升趋势,用FLAG=0表示不存在温度上升趋势。判断的具体方法如下:
对于轴温数据(DATA2数据)进行分段处理,并比较在后数据段与在先数据段的温度均值,根据比较结果确定当前是否存在温度上升趋势。
举例而言,将DATA2中数据分为1:25以及26:50前后两段,对两数据段中数据分别求均值,若sum(26~50)/25>sum(1~25)/25,则判断存在温度上升趋势,将FLAG置1。需要说明的是分段的方式以及判别规则可以基于具体的应用情况进行设置。
最后,在得到计数值CNT以及确定了指示温度上升趋势的FLAG后,根据CNT和FLAG判断轴温数据是否存在单调上升的特征,变化趋势为单调上升。
具体的,若当前存在温度上升趋势且当前计数值大于等于预定的计数阈值(如图4中CNT>=35且FLAG=1,则uphill_=1),
则进一步判断前若干时刻是否也存在温度上升趋势,以及相应的计数值是否大于等于预定的计数阈值,若前若干时刻也存在温度上升趋势,且相应的计数值均大于等于预定的计数阈值(如图4所示,本实施例中通过设置一全局变量UphillCnt来实现),
(该实施例中UphillCnt>=3表示连续三次波形检测uphill_=1)则判断轴温数据是存在单调上升的特征(即图4中UPHILL=1)。
本发明中预报警方法,可以识别出由于线路以及传感器的干扰所导致的异常波形,基于识别结果进行预报警,提高了故障检测的准确度,降低误报。且本发明方法,相比于现有复杂的识别算法,在实施中消耗计算资源更少,实时性强,易于在嵌入式中实现。
此外,本发明中还提出了一种列车轴温预报警装置,包括
采集模块,其用于实时采集列车的轴温数据并进行缓存;
提取模块,其用于对采集模块获取到的轴温数据进行分析,提取轴温变化的特征参数;
判断模块,其用于根据轴温变化的特征参数判断轴温数据是否存在异常干扰的特征;其中,异常干扰的特征包括:
实时采集时刻相对于前一时刻的温度变化速率的值超过变化速率阈值;
温度变化的等效频率、变化幅值和表征单步跳变激烈程度的参数同时大于等于各自对应的阈值。
还包括预报警模块,其用于当轴温数据不存在异常干扰的特征时,根据轴温变化趋势的判断结果进行相应的轴温预报警。
具体的,轴温变化趋势的判断包括对轴温数据是否存在单调上升的特征的判断,所述预报警模块具体配置为,预报警模块具体配置为,若判断轴温数据不存在单调上升的特征,则基于温度门槛或同测点温差进行轴温预报警;否则,基于温度门槛、同测点温差或温升速率进行轴温预报警。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人员在本发明所揭露的技术范围内,可轻易想到的变化或替换,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该以权利要求的保护范围为准。
Claims (13)
1.一种列车轴温的预报警方法,包括
实时采集并缓存轴温数据;
对轴温数据进行分析,提取轴温变化的特征参数;
根据轴温变化的特征参数判断轴温数据是否存在异常干扰的特征:
若判断轴温数据存在异常干扰的特征,不做轴温预报警监测;
否则,对轴温数据进行轴温预报警监测。
2.根据权利要求1所述的轴温预报警方法,其特征在于,所述对轴温数据进行轴温预报警监测,包括,
根据轴温变化的特征参数判断轴温数据是否存在单调上升的特征,
若轴温数据不存在单调上升的特征,则基于温度门槛或同测点温差进行轴温预报警;
否则,基于温度门槛、同测点温差或温升速率进行轴温预报警。
3.根据权利要求1所述的预报警方法,其特征在于,所述异常干扰的特征包括:
实时采集时刻相对于前一时刻的温度变化速率的值超过变化速率阈值。
4.根据权利要求3所述的预报警方法,其特征在于,所述变化速率阈值为历史燃轴极限工况下的最大温度变化速率与指定裕量之和。
5.根据权利要求1所述的预报警方法,其特征在于,所述异常干扰的特征包括:
温度变化的等效频率、变化幅值和表征单步跳变激烈程度的参数同时大于等于各自对应的阈值。
6.根据权利要求5所述的预报警方法,其特征在于,所述等效频率为:
轴温数据中上升的差值幅度或下降的差值幅度大于等于幅度阈值的次数。
7.根据权利要求5所述的预报警方法,其特征在于,所述变化幅值为轴温数据中所有上升变化中最大的变化幅值和所有下降变化中最大的变化幅值中的较小值。
8.根据权利要求5所述的预报警方法,其特征在于,还包括:
计算轴温数据中相邻时刻的绝对温度差值,并统计绝对温度差值的各种数值大小出现的次数,对不同大小的绝对温度差值的出现次数进行加权求和,获得的结果为用于表征单步跳变激烈程度的参数;
其中,所述加权求和的权重大小与绝对温度差值的值相关。
9.根据权利要求2所述的预报警方法,其特征在于,所述判断轴温数据是否存在单调上升的特征,包括:
对轴温数据进行预处理,得到处理后的数据序列;
从所述数据序列中起始数据开始对下一数据大于等于相邻前一数据的情况进行统计计数,从而得到该数据序列所对应的计数值,其中,若下一数据小于前一数据,将所述计数值清零并重新开始计数;
对轴温数据进行分段处理,并比较在后数据段与在先数据段的温度均值,根据比较结果确定当前是否存在温度上升趋势;
若当前存在温度上升趋势且当前计数值大于等于预定的计数阈值,则进一步判断前若干时刻是否也存在温度上升趋势,以及相应的计数值是否大于等于预定的计数阈值,若前若干时刻也存在温度上升趋势,且相应的计数值均大于等于预定的计数阈值,则判断轴温数据存在单调上升的特征。
10.根据权利要求9所述的预报警方法,其特征在于,对轴温数据进行预处理,得到处理后的数据序列,包括,
获取轴温数据的第二个温度数据,基于下式对其进行加权处理,并更新温度数据,
DIN'(2)=DIN(2)*Q+DIN(1)*(1-Q)
其中,DIN'(2)为通过加权计算更新后的第二个温度数据,DIN(1)和DIN(2)分别对应为原始的第一个温度数据和第二个温度数据,Q为设定权重;
从轴温数据的第三个温度数据起到最后一个温度数据,基于下式依次对每个温度数据进行加权处理,更新温度数据,
DIN'(i)=DIN(i)*Q+DIN'(i-1)*(1-Q)
其中,DIN'(i)为通过加权计算更新后的第i个温度数据,DIN(i)为未经过加权计算的原始温度数据,DIN'(i-1)经过加权计算后更新的第i-1个温度数据;
将最终得到的温度数据序列,作为所述数据序列。
11.一种列车轴温预报警装置,包括
采集模块,其用于实时采集列车的轴温数据并进行缓存;
提取模块,其用于对采集模块获取到的轴温数据进行分析,提取轴温变化的特征参数;
判断模块,其用于根据轴温变化的特征参数判断轴温数据是否存在异常干扰的特征;
预报警模块,其用于当轴温数据不存在异常干扰的特征时,根据轴温变化趋势的判断结果进行相应的轴温预报警。
12.根据权利要求11所述的预报警装置,其特征在于,轴温变化趋势的判断包括对轴温数据是否存在单调上升的特征的判断,所述预报警模块具体配置为,
若判断轴温数据不存在单调上升的特征,则基于温度门槛或同测点温差进行轴温预报警;
否则,基于温度门槛、同测点温差或温升速率进行轴温预报警。
13.根据权利要求11所述的预报警装置,其特征在于,所述异常干扰的特征包括:
实时采集时刻相对于前一时刻的温度变化速率的值超过变化速率阈值;
温度变化的等效频率、变化幅值和表征单步跳变激烈程度的参数同时大于等于各自对应的阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910265857.9A CN111776006B (zh) | 2019-04-03 | 2019-04-03 | 一种列车轴温的预报警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910265857.9A CN111776006B (zh) | 2019-04-03 | 2019-04-03 | 一种列车轴温的预报警方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111776006A true CN111776006A (zh) | 2020-10-16 |
CN111776006B CN111776006B (zh) | 2021-09-07 |
Family
ID=72755028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910265857.9A Active CN111776006B (zh) | 2019-04-03 | 2019-04-03 | 一种列车轴温的预报警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111776006B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112885047A (zh) * | 2021-01-15 | 2021-06-01 | 湖南五凌电力科技有限公司 | 机组、变压器和辅机状态监测智能预警方法 |
CN113932932A (zh) * | 2021-10-14 | 2022-01-14 | 北京唐智科技发展有限公司 | 一种温度报警方法、装置以及介质 |
CN113945290A (zh) * | 2021-10-14 | 2022-01-18 | 北京唐智科技发展有限公司 | 一种温度报警方法、装置以及介质 |
CN116946220A (zh) * | 2023-09-19 | 2023-10-27 | 卡斯柯信号(北京)有限公司 | 一种手动辅助驾驶方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102350995A (zh) * | 2011-07-15 | 2012-02-15 | 中国铁道科学研究院机车车辆研究所 | 一种用于铁路货车的热轴报警方法和系统 |
CN103863356A (zh) * | 2012-12-10 | 2014-06-18 | 哈尔滨网腾科技开发有限公司 | 一种红外线探测轴温的神经网络识别技术 |
CN104864985A (zh) * | 2015-05-21 | 2015-08-26 | 南车株洲电力机车研究所有限公司 | 一种列车轴温传感器故障检测方法和装置 |
CN106404201A (zh) * | 2016-09-27 | 2017-02-15 | 株洲中车时代电气股份有限公司 | 一种动车组轴温异常的预防性提示方法及系统 |
CN109387303A (zh) * | 2018-09-12 | 2019-02-26 | 中车青岛四方机车车辆股份有限公司 | 轴温传感器的检测方法及装置 |
-
2019
- 2019-04-03 CN CN201910265857.9A patent/CN111776006B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102350995A (zh) * | 2011-07-15 | 2012-02-15 | 中国铁道科学研究院机车车辆研究所 | 一种用于铁路货车的热轴报警方法和系统 |
CN103863356A (zh) * | 2012-12-10 | 2014-06-18 | 哈尔滨网腾科技开发有限公司 | 一种红外线探测轴温的神经网络识别技术 |
CN104864985A (zh) * | 2015-05-21 | 2015-08-26 | 南车株洲电力机车研究所有限公司 | 一种列车轴温传感器故障检测方法和装置 |
CN106404201A (zh) * | 2016-09-27 | 2017-02-15 | 株洲中车时代电气股份有限公司 | 一种动车组轴温异常的预防性提示方法及系统 |
CN109387303A (zh) * | 2018-09-12 | 2019-02-26 | 中车青岛四方机车车辆股份有限公司 | 轴温传感器的检测方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112885047A (zh) * | 2021-01-15 | 2021-06-01 | 湖南五凌电力科技有限公司 | 机组、变压器和辅机状态监测智能预警方法 |
CN113932932A (zh) * | 2021-10-14 | 2022-01-14 | 北京唐智科技发展有限公司 | 一种温度报警方法、装置以及介质 |
CN113945290A (zh) * | 2021-10-14 | 2022-01-18 | 北京唐智科技发展有限公司 | 一种温度报警方法、装置以及介质 |
CN113932932B (zh) * | 2021-10-14 | 2024-02-27 | 北京唐智科技发展有限公司 | 一种温度报警方法、装置以及介质 |
CN113945290B (zh) * | 2021-10-14 | 2024-04-02 | 北京唐智科技发展有限公司 | 一种温度报警方法、装置以及介质 |
CN116946220A (zh) * | 2023-09-19 | 2023-10-27 | 卡斯柯信号(北京)有限公司 | 一种手动辅助驾驶方法及装置 |
CN116946220B (zh) * | 2023-09-19 | 2024-01-30 | 卡斯柯信号(北京)有限公司 | 一种手动辅助驾驶方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111776006B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111776006B (zh) | 一种列车轴温的预报警方法及装置 | |
CN110533229B (zh) | 轨道维修时刻预测方法及装置 | |
US6539293B2 (en) | Method and device for monitoring bogies of multi-axle vehicles | |
CN105806604B (zh) | 一种机车车辆走行部轴承保持架故障预报警方法 | |
CN112348237B (zh) | 一种动态钻井数据异常趋势检测方法 | |
KR101742339B1 (ko) | 철도 차량의 주행 거동을 모니터하는 방법 및 장치 | |
CN110766982B (zh) | 基于车载传感器的车辆碰撞检测系统 | |
CN114167838B (zh) | 一种伺服系统多尺度健康评估与故障预测方法 | |
JP4431163B2 (ja) | 移動体の異常検出システム、及び移動体の異常検出方法 | |
CN111591319B (zh) | 一种用于高速铁路的轨道状况动态监测方法 | |
CN113562562A (zh) | 一种电梯安全预警监测系统及其判断方法 | |
CN117191305A (zh) | 一种公路桥梁的状态评估方法及系统 | |
CN114813124B (zh) | 一种轴承故障的监测方法及装置 | |
CN113032907A (zh) | 基于波形相关关系的晃车病害数据偏差纠正方法及系统 | |
CN104457644A (zh) | 轨道几何检测数据中非脉冲异常数据的检测方法及装置 | |
CN112964470A (zh) | 一种基于轴承健康指标检测滚动轴承早期故障的方法 | |
JP4044837B2 (ja) | 移動体の異常検出システム、及び移動体の異常検出方法 | |
CN116524698A (zh) | 一种基于人工智能的计算机设备故障预警系统及方法 | |
CN116306262A (zh) | 一种基于集成学习算法的镀锌钢腐蚀预测方法 | |
AU2021290913B2 (en) | Method for monitoring a railway track and monitoring system for monitoring a railway track | |
CN115144172A (zh) | 一种基于声音的gis断路器故障在线监测系统及方法 | |
CN110553807B (zh) | 船体结构应力监测系统传感器开路故障诊断方法 | |
CN114742103A (zh) | 基于物联网的城市监测数据处理方法、装置及存储介质 | |
CN112781556A (zh) | 一种基于多数据融合滤波的井盖异动监测方法和装置 | |
CN112811275A (zh) | 一种基于物联网的电梯按需维保周期测算系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |