CN112284775B - 铁路客车故障评判方法及系统 - Google Patents
铁路客车故障评判方法及系统 Download PDFInfo
- Publication number
- CN112284775B CN112284775B CN202011596058.9A CN202011596058A CN112284775B CN 112284775 B CN112284775 B CN 112284775B CN 202011596058 A CN202011596058 A CN 202011596058A CN 112284775 B CN112284775 B CN 112284775B
- Authority
- CN
- China
- Prior art keywords
- fault evaluation
- fault
- level
- monitoring data
- passenger car
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 223
- 238000012544 monitoring process Methods 0.000 claims abstract description 193
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 22
- 239000002131 composite material Substances 0.000 claims abstract description 19
- 238000003745 diagnosis Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 18
- BXLNWOAYQXBHCY-UHFFFAOYSA-N diphenylsilylidene(diphenyl)silane Chemical compound C1=CC=CC=C1[Si](C=1C=CC=CC=1)=[Si](C=1C=CC=CC=1)C1=CC=CC=C1 BXLNWOAYQXBHCY-UHFFFAOYSA-N 0.000 description 14
- 230000005856 abnormality Effects 0.000 description 11
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 238000000065 atmospheric pressure chemical ionisation Methods 0.000 description 4
- 238000013146 percutaneous coronary intervention Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- UPAWIKUZXZKSOH-OPSIUPSMSA-N 2-(dimethylamino)ethyl 4-(butylamino)benzoate;4-[(1r)-1-hydroxy-2-(methylamino)ethyl]benzene-1,2-diol;methyl (1s,3s,4r,5r)-3-benzoyloxy-8-methyl-8-azabicyclo[3.2.1]octane-4-carboxylate Chemical compound CNC[C@H](O)C1=CC=C(O)C(O)=C1.CCCCNC1=CC=C(C(=O)OCCN(C)C)C=C1.O([C@H]1C[C@@H]2CC[C@@H](N2C)[C@H]1C(=O)OC)C(=O)C1=CC=CC=C1 UPAWIKUZXZKSOH-OPSIUPSMSA-N 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000011522 transarterial infusion chemotherapy Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/08—Railway vehicles
-
- 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
-
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Acoustics & Sound (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供一种铁路客车故障评判方法及系统。该铁路客车故障评判方法包括从多个监测系统和基层级系统获取多个系统监测数据；基于多个所述系统监测数据确定针对所述铁路客车的一个或多个目标参数的综合故障评判级别；以及将所述综合故障评判级别传送至所述基层级系统和/或随车设备。该方法通过多源地采集系统监测数据，可以根据需要确定针对铁路客车的目标参数的综合故障评判级别，提高故障评判的有效性，实现铁路客车运行安全监控的集中作业、集中管理，极大地提高铁路安全监测工作能力和工作效率。
Description
技术领域
本发明涉及铁路客运安全技术领域，尤其涉及一种铁路客车故障评判方法及系统。
背景技术
铁路客运安全是铁路运输工作的重中之重，实现对铁路客车运行状态的实时监测及综合故障报警是保障铁路客车运行安全的重要手段。
目前，可以通过单一的监测系统利用铁路客车的部分运行状态监测数据进行局部故障监测评判。然而，受限于技术发展的条件，单一的监测系统在故障评判方面仍存在明显的误报警及漏报警情况，难以完全覆盖铁路客车真实的故障发现，从而影响铁路客车的运行安全。
发明内容
本发明提供一种铁路客车故障评判方法及系统，用以解决现有技术中单一的监测系统的监测局限性，及其导致的误报及漏报等问题，以实现多源监测信息关联分析和诊断。
第一方面，本发明提供一种铁路客车故障评判方法，包括：从多个监测系统和基层级系统获取多个系统监测数据；基于多个所述系统监测数据确定针对所述铁路客车的一个或多个目标参数的综合故障评判级别；以及将所述综合故障评判级别传送至所述基层级系统和/或随车设备。
进一步地，所述多个监测系统包括以下中的一种或多种：客车运行状态地面监测系统、客车红外线轴温探测系统、客车故障轨旁图像监测系统、客车滚动轴承轨旁声学诊断系统和客车运行安全监控系统。
进一步地，基于多个所述系统监测数据确定针对所述铁路客车的一个或多个目标参数的综合故障评判级别包括：基于多个所述系统监测数据计算针对所述铁路客车的一个或多个目标参数的系统故障评判系数和关联故障评判系数；以及基于所述系统故障评判系数和所述关联故障评判系数确定针对所述铁路客车的一个或多个目标参数的所述综合故障评判级别。
进一步地，基于多个所述系统监测数据计算针对所述铁路客车的一个或多个目标参数的系统故障评判系数和关联故障评判系数包括：从多个所述系统监测数据中选择与所述铁路客车的一个或多个目标参数有关的系统监测数据；计算每个所选择的所述系统监测数据的系统故障评判系数；将所选择的所述系统监测数据任意组合以形成组合集；以及计算所述组合集中的每个组合的关联故障评判系数。
进一步地，计算每个所选择的所述系统监测数据的系统故障评判系数包括：判断所述系统监测数据是否小于或等于阈值；以及当所述系统监测数据小于或等于所述阈值时，计算所述系统故障评判系数为第一值；否则，计算所述系统故障评判系数为第二值。
进一步地，计算所述组合集中的每个组合的关联故障评判系数包括：判断所述组合中包括的每个所述系统监测数据小于或等于相应阈值的发生次数是否大于或等于相应预定次数；判断所述组合中包括的每个所述系统监测数据小于或等于相应阈值的最近发生的时间间隔是否小于相应预定时间间隔；当所述组合中包括的每个所述系统监测数据小于或等于相应阈值的发生次数大于或等于相应预定次数并且所述组合中包括的每个所述系统监测数据小于或等于相应阈值的最近发生的时间间隔小于相应预定时间间隔时，计算所述组合的关联故障评判系数为第三值；否则，计算所述组合的关联故障评判系数为第四值。
进一步地，基于所述系统故障评判系数和所述关联故障评判系数确定针对所述铁路客车的一个或多个目标参数的所述综合故障评判级别包括：计算每个所述系统故障评判系数和所述组合集中的每个组合的所述关联故障评判系数之和；判断每个所述系统故障评判系数和所述组合集中的每个组合的所述关联故障评判系数之和是否等于或大于预定级别；以及基于判断结果确定针对所述铁路客车的一个或多个目标参数的所述综合故障评判级别。
进一步地，基于判断结果确定针对所述铁路客车的一个或多个目标参数的所述综合故障评判级别包括：当所述系统故障评判系数和所述关联故障评判系数之和等于或大于所述预定级别时，确定所述综合故障评判级别为故障；以及当所述系统故障评判系数和所述关联故障评判系数之和小于所述预定级别时，确定所述综合故障评判级别为无异常。
进一步地，铁路客车故障评判方法进一步包括：接收所述基层级系统和/或随车设备基于所述综合故障评判级别进行复核和/或检修的结果；以及基于所述复核和/或检修的结果修正所述综合故障评判级别。
第二方面，本发明提供一种铁路客车故障评判系统，包括：总部级系统，执行上述的铁路客车故障评判方法；以及基层级系统，与所述总部级系统通信联接；以及随车设备，与所述总部级系统和所述基层级系统通信联接。
本发明提供的铁路客车故障评判方法，通过多源地采集系统监测数据，不仅可以计算单一监测系统的监测数据系统故障评判系数，而且可以计算各监测数据之间的关联故障评判系数，对故障进行多方面的综合关联评判，提高故障评判准确性，防止误判和漏判，有效保障铁路客车运行的安全性，实现铁路客车运行安全监控的集中作业、集中管理，极大地提高铁路安全监测工作能力和工作效率。第一方面，本发明提供一种铁路客车故障评判方法，包括：从多个监测系统和基层级系统获取多个系统监测数据；基于多个所述系统监测数据确定针对所述铁路客车的一个或多个目标参数的综合故障评判级别；以及将所述综合故障评判级别传送至所述基层级系统和/或随车设备。
附图说明
为了更清楚地说明本发明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是根据本发明一实施例的铁路客车故障评判方法的流程图；
图2是图1中步骤102的具体流程图；
图3是图2中步骤201的具体流程图；
图4是图3中步骤302的具体流程图；
图5是图3中步骤304的具体流程图；
图6是图2中步骤202的具体流程图；
图7是根据本发明另一实施例的铁路客车故障评判方法的流程图；
图8是根据本发明一实施例的铁路客车故障评判系统的框图；
图9是根据本发明一实施例的铁路客车故障评判系统的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。
如上所述，现有技术中由于单一的监测系统在故障诊断方面存在明显的误报和漏报的情况，难以完全覆盖铁路客车真实的故障发现。因此，本发明提供一种铁路客车故障监测评判方法及系统。下面将参照附图对本发明的具体内容进行详细描述。
图1是根据本发明一实施例的铁路客车故障评判方法的流程图。参照图1，根据本发明一实施例的铁路客车故障评判方法包括以下步骤：
步骤101：从多个监测系统和基层级系统获取多个系统监测数据；
步骤102：基于多个系统监测数据确定针对铁路客车的一个或多个目标参数的综合故障评判级别；以及
步骤103：将综合故障评判级别传送至基层级系统和/或随车设备。
在本实施例中，需要说明的是，多个监测系统包括以下中的一种或多种：客车运行状态地面监测系统（以下简称为TPDS）、客车红外线轴温探测系统（以下简称为THDS）、客车故障轨旁图像监测系统（以下简称为TVDS）、客车滚动轴承轨旁声学诊断系统（以下简称为TADS）和客车运行安全监控系统（以下简称为TCDS）。但是本发明不限于此，监测系统可以采用任意其它监测系统。
其中，TPDS利用设在轨道平台上的力学传感器，连续测量通过车辆轮轨间动力学参数，对车辆动力学性能、轮对踏面损伤、超偏载情况进行监测，形成轮对损伤等故障评判。具体地，TPDS可以生成系统监测数据TP并且TP可以为1至4中的任意整数，以表示报警等级，其中，1表示严重报警，2为中等报警，3为一般报警，4为无异常。TVDS系统利用轨边安装的高速图像采集装置，检测运行客车走行部、制动配件、底架悬吊件、钩缓连接、车体两侧下部等部位图像并实现故障评判。具体地，TVDS可以生成系统监测数据TV并且TV可以为1至4中的任意整数，以表示报警等级，其中，1表示严重报警，2为中等报警，3为一般报警，4为无异常。THDS通过采集分析客车通过时红外线测温数据，形成对轮对轴承、轴箱故障的评判。具体地，THDS可以生成系统监测数据TH并且TH可以为1至4中的任意整数，以表示报警等级，其中，1表示严重报警，2为中等报警，3为一般报警，4为无异常。TADS通过采集分析客车通过时轮轨间声音信息，形成轮对轴承故障评判。具体地，TADS可以生成系统监测数据TA并且TA可以为1至4中的任意整数，以表示报警等级，其中，1表示严重报警，2为中等报警，3为一般报警，4为无异常。TCDS可利用客车车载运行状态传感装置检测客车关键部件运行状态并进行故障评判。具体地，TCDS可以生成系统监测数据TC并且TC可以为1至4中的任意整数，以表示报警等级，其中，1表示严重报警，2为中等报警，3为一般报警，4为无异常。但是本发明不限于此，TPDS的系统监测数据TP、TVDS的系统数据TV、THDS的系统监测数据TH、TADS的系统监测数据TA以及TCDS的系统监测数据TC不限于上述数值，可以根据需要设置为表示报警等级的其它数值或者表示其它参数的其它数值。
具体地，系统监测数据可以通过将不同型号的同类型监测系统的系统监测数据乘以相应权重值之后相加和而得到，以TADS为例，TADS的系统监测数据TA可以通过以下公式计算：
TA=aTA1+bTA2+,…,+nTAn
其中，TA1、TA2…TAn分别表示TADS不同型号设备的系统监测数据；a,b,…,n表示相应型号设备的权重值（a+b+…+n=1）。但是本发明不限于此，系统监测数据可以根据其它计算模型获得。
在本实施例中，需要说明的是，TCDS的系统监测数据可以包括直接从TCDS监测系统实时获取的TCDS实时数据以及从基层级系统获取的TCDS非实时数据（TCDS过程数据）。
在本实施例中，需要说明的是，铁路客车的一个或多个目标参数可以包括但不限于铁路客车的轮对、转向架、电气设备、制动设备、车体外观等。
在本实施例中，需要说明的是，基层级系统包括铁路集团下设的各个铁路局或站段。随车设备包括但不限于随车机械师的手持设备等。基层级系统和/或随车设备可以根据综合故障评判级别对铁路客车进行复核和/或检修。
图2是图1中步骤102的具体流程图。参照图2，步骤102中基于多个系统监测数据确定针对铁路客车的一个或多个目标参数的综合故障评判级别包括以下步骤：
步骤201：基于多个系统监测数据计算针对铁路客车的一个或多个目标参数的系统故障评判系数和关联故障评判系数；以及
步骤202：基于系统故障评判系数和关联故障评判系数确定针对铁路客车的一个或多个目标参数的综合故障评判级别。
在步骤201中，多个系统监测数据包括如上所述TPDS的系统监测数据TP、TVDS的系统数据TV、THDS的系统监测数据TH、TADS的系统监测数据TA以及TCDS的系统监测数据TC。系统故障评判系数表示在单独考虑各个监测系统的监测数据时对铁路客车的一个或多个目标参数的故障评判结果。关联故障评判系数表示在关联地考虑各个监测系统的监测数据时对铁路客车的一个或多个目标参数的故障评判结果。由此，再综合考虑系统故障评判系数和关联故障评判系数来最终确定针对铁路客车的一个或多个目标参数的综合故障评判级别，以确保综合故障评判级别的准确性，防止由于个别的监测系统的漏报和误报导致最终的故障漏报和误报。
在步骤202中，可以基于系统故障评判系数和关联故障评判系数对铁路客车的一个或多个目标参数进行综合故障评判以确定综合故障评判级别。
图3是图2中步骤201的具体流程图。参照图3，基于多个系统监测数据计算针对铁路客车的一个或多个目标参数的系统故障评判系数和关联故障评判系数可以包括以下步骤：
步骤301：从多个系统监测数据中选择与铁路客车的一个或多个目标参数有关的系统监测数据；
步骤302：计算每个所选择的系统监测数据的系统故障评判系数；
步骤303：将所选择的系统监测数据任意组合以形成组合集；以及
步骤304：计算组合集中的每个组合的关联故障评判系数。
在本实施例中，需要说明的是，每个监测系统可以获取与铁路客车的多个参数有关的监测数据，或者可以形成与多个参数的故障总体评判的系统监测数据，例如上述的TPDS的系统监测数据TP、TVDS的系统数据TV、THDS的系统监测数据TH、TADS的系统监测数据TA以及TCDS的系统监测数据TC。在步骤301中，从多个系统监测数据中选择与铁路客车的一个或多个目标参数有关的系统监测数据，来对铁路客车的一个或多个目标参数的综合故障评判。
在步骤302中，计算每个所选择的系统监测数据的系统故障评判系数。例如，可以计算TPDS的系统监测数据TP的系统故障监测系数tP、TVDS的系统监测数据TV的系统故障监测系数tV、THDS的系统监测数据TH的系统故障监测系数tH、TADS的系统监测数据TA的系统故障监测系数tA以及TCDS的系统监测数据TC的系统故障监测系数tC。具体地，可以根据系统监测数据与阈值的比较结果来计算系统故障监测数据。
在步骤303中，将所选择的系统监测数据任意组合以形成组合集。具体地，可以在TPDS的系统监测数据TP、TVDS的系统数据TV、THDS的系统监测数据TH、TADS的系统监测数据TA以及TCDS的系统监测数据TC之中选择与轮对有关的系统监测数据TPDS的系统监测数据TP、THDS的系统监测数据TH、TADS的系统监测数据TA以及TCDS的系统监测数据TC，并且将所选择的系统监测数据任意组合形成组合集。具体地，组合集包括{TA和TP的组合TAP，TA和TH的组合TAH，TA和TC的组合TAC，TP和TH的组合TPH，TP和TC的组合TPC，TH和TC的组合THC，TA、TP和TH的组合TAPH，TA、TP和TC的组合TAPC，TA、TH和TC的组合TAHC，TP、TH和TC的组合TPHC，TA、TP、TH和TC的组合TAPHC}。
在步骤304中，计算组合集中的每个组合的关联故障评判系数。具体地，针对如上步骤303中的组合集，可以计算组合TAP的关联故障评判系数tAP。同样地，可以计算组合TAH的关联故障评判系数tAH。可以计算组合TAC的关联故障评判系数tAC。可以计算组合TPH的关联故障评判系数tPH。可以计算组合TPC的关联故障评判系数tPC。可以计算组合THC的关联故障评判系数tHC。可以计算组合TAPH的关联故障评判系数tAPH。可以计算组合TAPC的关联故障评判系数tAPC。可以计算组合TAHC的关联故障评判系数tAHC。可以计算组合TPHC的关联故障评判系数tPHC。可以计算组合TAPHC的关联故障评判系数tAPHC。
图4是图3中步骤302的具体流程图。参照图4，计算每个所选择的系统监测数据的系统故障评判系数可以包括以下步骤：
步骤401：判断系统监测数据是否小于或等于阈值；以及
步骤402：当系统监测数据小于或等于阈值时，计算系统故障评判系数为第一值；
步骤403：当系统监测数据大于阈值时，计算系统故障评判系数为第二值。
在本实施例中，需要说明的是，阈值可以预先设置。具体地，在TPDS的系统监测数据TP、TVDS的系统数据TV、THDS的系统监测数据TH、TADS的系统监测数据TA以及TCDS的系统监测数据TC可以为1至4的整数，以表示报警等级，其中，1表示严重报警，2为中等报警，3为一般报警，4为无异常时，阈值可以设置为1。也就是说，当TPDS、TVDS、THDS、TADS、TCDS中的一个或多个的系统监测数据小于或等于1时，TPDS、TVDS、THDS、TADS、TCDS中的一个或多个达到严重报警。
在步骤402中，当系统监测数据小于或等于阈值时，计算系统故障评判系数为第一值。例如，第一值可以为1。具体地，当TPDS、TVDS、THDS、TADS、TCDS中的一个或多个的系统监测数据小于或等于1，即达到严重报警时，系统故障评判系数可以计算为1。
在步骤403中，当系统监测数据大于阈值时，计算系统故障评判系数为第二值。例如，第二值可以为0。具体地，当TPDS、TVDS、THDS、TADS、TCDS中的一个或多个的系统监测数据大于1，即达到中等报警、一般报警或无异常时，系统故障评判系数可以计算为0。但是本发明不限于此，可以根据监测系统对铁路客车的目标参数的故障评判的贡献权重而增大或减小第一值或第二值。
图5是图3中步骤304的具体流程图。参照图5，步骤304中计算组合集中的每个组合的关联故障评判系数可以包括以下步骤：
步骤501：判断组合中包括的每个系统监测数据小于或等于相应阈值的发生次数是否大于或等于相应预定次数，即发生次数（每个系统监测数据≤相应阈值）是否大于或等于相应预定次数；
步骤502：判断组合中包括的每个系统监测数据小于或等于相应阈值的最近发生的时间间隔是否小于相应预定时间间隔，最近发生的时间间隔（系统监测数据≤相应阈值）是否小于相应预定时间间隔；
步骤503：当组合中包括的每个系统监测数据小于或等于相应阈值的发生次数大于或等于相应预定次数并且组合中包括的每个系统监测数据小于或等于相应阈值的最近发生的时间间隔小于相应预定时间间隔时，计算组合的关联故障评判系数为第三值；
步骤504：否则，计算组合的关联故障评判系数为第四值。
在本实施例中，需要说明的是，可以改变步骤501和步骤502的顺序。也就是说，可以先执行步骤502，然后再执行步骤501。
在步骤501中，不同的组合中包括的相同系统监测数据可以具有相同或不同的相应阈值。例如，在计算组合TAC的关联故障评判系数tAC时的TA的相应阈值可以与在计算组合TAP的关联故障评判系数tAP时的TA的相应阈值不同，而与在计算组合TAH的关联故障评判系数tAH时的TA的相应阈值相同。类似的，相应预定次数根据不同的组合而具有不同的数值。例如，在计算组合TAC的关联故障评判系数tAC时判断TA小于或等于相应阈值的发生次数的相应预定次数可以与在计算组合TAP的关联故障评判系数tAP时判断TA小于或等于相应阈值的相应预定次数、与在计算组合TAH的关联故障评判系数tAH时判断TA小于或等于相应阈值的发生次数的相应预定次数彼此不同。
在步骤502中，相应预定时间间隔根据不同的组合而彼此相同或不同。例如，在计算TAC的关联故障评判系数tAC时TA小于或等于相应阈值的最近发生时间与TA小于或等于相应阈值的最近发生时间之间的相应预定时间间隔与在计算TAP的关联故障评判系数tAP时TA小于或等于相应阈值的最近发生时间与TP小于或等于相应阈值的最近发生时间之间的相应预定时间间隔不同，与在计算TAH的关联故障评判系数tAH时TA小于或等于相应阈值的最近发生时间与TH小于或等于相应阈值的最近发生时间之间的相应预定时间间隔相同。
但是应注意的是，本发明中的相应阈值、相应预定次数、相应预定时间间隔可以根据所针对的铁路客车的目标参数而选择性地确定和选择。
在步骤503和步骤504中，第三值和第四值可以预先设定。例如，第三值可以为1，并且第四值可以为0。具体地，在步骤501和步骤502中均判断为是时，将该组的关联故障判定系数计算为1；在步骤501和步骤502中的任意一个或两个判断为否时，将该组的关联故障判定系数计算为0。但是本发明不限于此，可以根据组合对铁路客车的目标参数的故障评判的贡献权重而增大或减小第三值或第四值。
图6是图2中步骤202的具体流程图。参照图6，在步骤202中基于系统故障评判系数和关联故障评判系数确定针对铁路客车的一个或多个目标参数的综合故障评判级别包括以下步骤：
步骤601：计算每个系统故障评判系数和组合集中的每个组合的关联故障评判系数之和；
步骤602：判断每个系统故障评判系数和组合集中的每个组合的关联故障评判系数之和是否等于或大于预定级别；以及
步骤603：当每个系统故障评判系数和组合集中的每个组合的关联故障评判系数之和等于或大于预定级别时，确定综合故障评判级别为故障；以及
步骤604，当每个系统故障评判系数和组合集中的每个组合的关联故障评判系数之和小于预定级别时，确定综合故障评判级别为无异常。
在步骤601中，计算每个系统故障评判系数和组合集中的每个组合的关联故障评判系数之和不仅可以考虑各个单独监测系统的故障评判，而且可以通过关联地考虑各个监测系统之间关联性，对铁路客车的目标参数进行综合故障评判。但是本发明不限于此，例如，可以对每个系统故障评判系数以及每个组合的关联故障评判系数加权重以更精准地对铁路客车的目标参数进行故障评判。
在步骤602中，预定级别可以预先设置。具体地，当第一值为1并且第二值为0，第三值为1并且第四值为0的情况下，可以将预定级别设置为1。也就是说，任意一个系统故障评判系数计算为第一值或组合集中的任意组合的关联故障评判系数计算为第三值。
在步骤603中，当任意一个系统故障评判系数计算为第一值，即等于1，或组合集中的任意组合的关联故障评判系数计算为第三值，即等于1时，并且预定级别为1的情况下，每个系统故障评判系数和组合集中的每个组合的关联故障评判系数之和大于或等于预定级别，确定综合故障评判级别为故障。
在步骤604中，当所有系统故障评判系数计算为第二值，即等于0，并且组合集中的所有组合的关联故障评判系数计算为第四值，即等于0时，并且预定级别为1的情况下，每个系统故障评判系数和组合集中的每个组合的关联故障评判系数之和为0，小于预定级别，确定综合故障评判级别为无异常。
图7是根据本发明另一实施例的铁路客车故障评判方法的流程图。参照图7，根据本发明的另一实施例的铁路客车故障评判方法可以包括以下步骤：
步骤701：从多个监测系统和基层级系统获取多个系统监测数据；
步骤702：基于多个系统监测数据确定针对铁路客车的一个或多个目标参数的综合故障评判级别；
步骤703：将综合故障评判级别传送至基层级系统和/或随车设备；
步骤704：接收基层级系统和/或随车设备基于综合故障评判级别进行复核和/或检修的结果；以及
步骤705：基于复核和/或检修的结果修正综合故障评判级别。
步骤701至步骤703与图1中的铁路客车故障评判方法相同。
步骤705中，基于复核和/或检修结果修正综合故障评判级别包括记录复核和/或检修结果并根据复核和/或检修结果修改故障判定过程中的各个判定参考，以提高故障判定准确率。
图8是根据本发明一实施例的铁路客车故障评判系统的框图。图9是根据本发明一实施例的铁路客车故障评判系统的流程图。参照图8和图9，铁路客车故障评判系统可以包括：总部级系统，可以执行上述的铁路客车故障评判方法；基层级系统，与总部级系统通信联接；以及随车设备，与总部级系统和基层级系统通信联接。
总部级系统可以直接与各个监测系统直接通信联接以获取各个监测系统的实时监测数据，并且总部级系统可以与基层级系统通信联接以获取基层级系统的相关数据。例如，总部级系统可直接从各系统获取TADS、TPDS、THDS、TVDS和TCDS的实时数据，并且可以从基层级系统获取TCDS的过程数据（即非实时数据），总部级系统结合从监测系统获取的实时数据和从基层级系统获取的非实时数据来获取各个系统的监测数据。
另外，总部级系统在确定综合故障判定级别之后，可以通信地传送至基层级系统和/或随车设备。其中，基层级系统和/或随车设备根据综合故障判定级别进行复核和/或检修，并将复核和/或检修的结果传送至总部级系统，总部级系统通过复核和/或检修的结果修正综合故障判定级别，以进一步提高判定准确率。具体地，基层级系统可以根据综合故障判定级别进行故障提票、检修、回填，随车设备可以根据综合故障判定级别进行途中处置，并在客车回客整所检修后回填给基层级系统。基层级系统可以将回填结果传送至总部级系统，以使总部级系统修正综合故障判定级别。
另外，图9中示出了示例性的监测系统的实时系统监测数据和基层级系统的非实时监测数据，但是本发明不限于此，总部级系统可以联接各种监测系统并且从基层级系统获取各种非实时数据。
下面详细描述对铁路客车的轮对的故障评判。
从多个监测系统和基层级系统获取多个系统监测数据TA、TP、TH、TV、TC。
从多个系统监测数据TA、TP、TH、TV、TC中选择与铁路客车的轮对有关的系统监测数据TA、TP、TH、TC。
分别计算每个所选择的系统监测数据TA、TP、TH、TC的系统故障判定系数tA、tP、tH、tC。
其中tA计算公式如下：
其中，TA为TADS的系统监测数据，tA为TA的系统故障判定系数。TA可以为1至4中的任意整数，以表示报警等级，其中，1表示严重报警，2为中等报警，3为一般报警，4为无异常。
类似地，tP计算公式如下：
其中，TP为TPDS的系统监测数据，tP为TP的系统故障判定系数。TP可以为1至4中的任意整数，以表示报警等级，其中，1表示严重报警，2为中等报警，3为一般报警，4为无异常。也就是说，当TP≤1时，tP为1，当TP＞1时，tP为0。
tH计算公式如下：
其中，TH为THDS的系统监测数据，tH为TH的系统故障判定系数。TH可以为1至4中的任意整数，以表示报警等级，其中，1表示严重报警，2为中等报警，3为一般报警，4为无异常。也就是说，当TH≤1时，tH为1，当TH＞1时，tH为0。
tC计算公式如下：
其中，TC为TCDS的系统监测数据，tC为TC的系统故障判定系数。TC可以为1至4中的任意整数，以表示报警等级，其中，1表示严重报警，2为中等报警，3为一般报警，4为无异常。也就是说，当TC≤1时，tC为1，当TC＞1时，tC为0。
将所选择的系统监测数据TA、TP、TH、TC任意组合以形成组合集{组合TAP、组合TAH、组合TAC、组合TPH、组合TPC、组合THC、组合TAPH、组合TAPC、组合TAHC、组合TPHC、组合TAPHC}。
计算组合集中的每个组合中包括的关联故障评判系数，组合TAP的关联故障评判系数tAP计算如下：
其中，tAP为组合TAP的关联故障评判系数，Times（TA≤2）表示TA≤2的发生次数，Times（TP≤3）表示TP≤3的发生次数，Interval（TA-TP）表示TA≤2最近发生时间与TP≤3最近发生时间之间的时间间隔。也就是说，当TA≤2的发生次数等于或大于4、TP≤3的发生次数等于或大于2并且TA≤2最近发生时间与TP≤3最近发生时间之间的时间间隔小于24小时时，tAP为1，否则tAP为0。
类似地，组合TAH的关联故障评判系数tAH计算如下：
其中，tAH为组合TAH的关联故障评判系数，Times（TA≤3）表示TA≤3的发生次数，Times（TH≤2）表示TH≤2的发生次数，Interval（TA-TH）表示TA≤3最近发生时间与TH≤2最近发生时间之间的时间间隔。也就是说，当TA≤3的发生次数等于或大于2、TH≤2的发生次数等于或大于1并且TA≤3最近发生时间与TH≤2最近发生时间之间的时间间隔小于2小时时，tAH为1，否则tAH为0。
类似地，组合TAC的关联故障评判系数tAC计算如下：
其中，tAC为组合TAC的关联故障评判系数，Times（TA≤3）表示TA≤3的发生次数，Times（TA≤2）表示TA≤2的发生次数，Times（TC≤2）表示TC≤2的发生次数，Times（TC≤3）表示TC≤3的发生次数，Interval（TA-TC）表示TA≤3最近发生时间与TC≤2最近发生时间之间的时间间隔或者表示TA≤2最近发生时间与TC≤3最近发生时间之间的时间间隔。也就是说，当TA≤3的发生次数等于或大于3、TC≤2的发生次数等于或大于1并且TA≤3最近发生时间与TC≤2最近发生时间之间的时间间隔小于2小时，或者TA≤2的发生次数等于或大于3、TC≤3的发生次数等于或大于1并且TA≤2最近发生时间与TC≤3最近发生时间之间的时间间隔小于2小时时，tAC为1，否则tAC为0。
类似地，组合TPH的关联故障评判系数tPH计算如下：
其中，tPH为组合TPH的关联故障评判系数，Times（TP≤2）表示TP≤2的发生次数，Times（TH≤2）表示TH≤2的发生次数，Interval（TP-TH）表示TP≤2最近发生时间与TH≤2最近发生时间之间的时间间隔。也就是说，当TP≤2的发生次数等于或大于1、TH≤2的发生次数等于或大于1并且TP≤2最近发生时间与TH≤2最近发生时间之间的时间间隔小于24h小时时，tPH为1，否则tPH为0。
类似地，组合TPC的关联故障评判系数tPC计算如下：
其中，tPC为组合TPC的关联故障评判系数，Times（TP≤3）表示TP≤3的发生次数，Times（TC≤2）表示TC≤2的发生次数，Interval（TP-TC）表示TP≤3最近发生时间与TC≤2最近发生时间之间的时间间隔。也就是说，当TP≤3的发生次数等于或大于2、TC≤2的发生次数等于或大于2并且TP≤3最近发生时间与TC≤2最近发生时间之间的时间间隔小于2h小时时，tPC为1，否则tPC为0。
类似地，组合THC的关联故障评判系数tHC计算如下：
其中，tHC为组合THC的关联故障评判系数，Times（TH≤2）表示TH≤2的发生次数，Times（TC≤3）表示TC≤3的发生次数，Interval（TH-TC）表示TH≤2最近发生时间与TC≤3最近发生时间之间的时间间隔。也就是说，当TH≤2的发生次数等于或大于1、TC≤3的发生次数等于或大于2并且TH≤2最近发生时间与TC≤3最近发生时间之间的时间间隔小于2h小时时，tHC为1，否则tHC为0。
类似地，组合TAPH的关联故障评判系数tAPH计算如下：
其中，tAPH为组合TAPH的关联故障评判系数，Times（TA≤3）表示TA≤3的发生次数，Times（TP≤3）表示TP≤3的发生次数，Times（TH≤2）表示TH≤2的发生次数，Interval（TA-TP-TH）表示TA≤3最近发生时间、TP≤3最近发生时间和TH≤2最近发生时间之间的时间间隔。也就是说，当TA≤3的发生次数等于或大于1、TP≤3的发生次数等于或大于1、TH≤2的发生次数等于或大于1并且TA≤3最近发生时间、TP≤3最近发生时间和TH≤2最近发生时间彼此之间的时间间隔小于24h小时时，tAPH为1，否则tAPH为0。
类似地，组合TAPC的关联故障评判系数tAPC计算如下：
其中，tAPC为组合TAPC的关联故障评判系数，Times（TA≤3）表示TA≤3的发生次数，Times（TP≤3）表示TP≤3的发生次数，Times（TH≤3）表示TH≤3的发生次数，Interval（TA-TP-TC）表示TA≤3最近发生时间、TP≤3最近发生时间和TC≤3最近发生时间之间的时间间隔。也就是说，当TA≤3的发生次数等于或大于1、TP≤3的发生次数等于或大于1、TC≤3的发生次数等于或大于2并且TA≤3最近发生时间、TP≤3最近发生时间和TC≤3最近发生时间彼此之间的时间间隔小于24h小时时，tAPC为1，否则tAPC为0。
类似地，组合TAHC的关联故障评判系数tAHC计算如下：
其中，tAHC为组合TAHC的关联故障评判系数，Times（TA≤3）表示TA≤3的发生次数，Times（TH≤3）表示TH≤3的发生次数，Times（TC≤3）表示TC≤3的发生次数，Interval（TA-TH-TC）表示TA≤3最近发生时间、TH≤3最近发生时间和TC≤3最近发生时间之间的时间间隔。也就是说，当TA≤3的发生次数等于或大于1、TH≤3的发生次数等于或大于1、TC≤3的发生次数等于或大于2并且TA≤3最近发生时间、TH≤3最近发生时间和TC≤3最近发生时间彼此之间的时间间隔小于24h小时时，tAHC为1，否则tAHC为0。
类似地，组合TPHC的关联故障评判系数tPHC计算如下：
其中，tPHC为组合TPHC的关联故障评判系数，Times（TP≤3）表示TP≤3的发生次数，Times（TH≤3）表示TH≤3的发生次数，Times（TC≤3）表示TC≤3的发生次数，Interval（TP-TH-TC）表示TP≤3最近发生时间、TH≤3最近发生时间和TC≤3最近发生时间之间的时间间隔。也就是说，当TP≤3的发生次数等于或大于1、TH≤3的发生次数等于或大于1、TC≤3的发生次数等于或大于2并且TP≤3最近发生时间、TH≤3最近发生时间和TC≤3最近发生时间彼此之间的时间间隔小于24h小时时，tPHC为1，否则tPHC为0。
类似地，组合TAPHC的关联故障评判系数tAPHC计算如下：
其中，tAPHC为组合TAPHC的关联故障评判系数，Times（TA≤3）表示TA≤3的发生次数，Times（TP≤3）表示TA≤3的发生次数，Times（TH≤3）表示TH≤3的发生次数，Times（TC≤3）表示TC≤3的发生次数，Interval（TA-TP-TH-TC）表示TA≤3最近发生时间、TP≤3最近发生时间、TH≤3最近发生时间和TC≤3最近发生时间之间的时间间隔。也就是说，当TA≤3的发生次数等于或大于1、TP≤3的发生次数等于或大于1、TH≤3的发生次数等于或大于1、TC≤3的发生次数等于或大于2并且TA≤3最近发生时间、TP≤3最近发生时间、TH≤3最近发生时间和TC≤3最近发生时间彼此之间的时间间隔小于24h小时时，tAPHC为1，否则tAPHC为0。
计算每个系统故障评判系数和组合集中的每个组合的关联故障评判系数之和tsum。tsum计算如下：
其中，tA为TA的的系统故障判定系数，tP为TP的的系统故障判定系数，tH为TH的的系统故障判定系数，tC为TC的的系统故障判定系数，tAP为组合TAP的关联故障评判系数，tAH为组合TAH的关联故障评判系数，tAC为组合TAC的关联故障评判系数，tPH为组合TPH的关联故障评判系数，tPC为组合TPC的关联故障评判系数，tHC为组合THC的关联故障评判系数，tAPH为组合TAPH的关联故障评判系数，tAPC为组合TAPC的关联故障评判系数，tAHC为组合TAHC的关联故障评判系数，tPHC为组合TPHC的关联故障评判系数，tAPHC为组合TAPHC的关联故障评判系数。
判断每个系统故障评判系数和组合集中的每个组合的关联故障评判系数之和tsum是否等于或大于预定级别。在本实施例中，预定级别可以设置为1。也就是说，判断tsum是否等于或大于1。也就是说，当上述每个系统故障评判系数和组合集中的每个组合的关联故障评判系数中的其中一个为1时，则满足tsum等于或大于1。
当每个系统故障评判系数和组合集中的每个组合的关联故障评判系数之和tsum等于或大于预定级别1时，确定综合故障评判级别为故障。也就是说，当上述每个系统故障评判系数和组合集中的每个组合的关联故障评判系数中的其中一个为1时，则tsum等于或大于1，确定综合故障评判级别为故障。当上述每个系统故障评判系数和组合集中的每个组合的关联故障评判系数中的全部均为0时，则tsum小于1，确定综合故障评判级别为无异常。
总部级系统将综合故障评判级别传送至基层级系统和随车机械师的手持设备上，基层级系统可以根据综合故障判定级别进行故障提票、检修、回填，随车机械师可以根据综合故障判定级别进行途中处置，并在客车回客整所检修后回填给基层级系统。基层级系统可以将回填结果传送至总部级系统，以使总部级系统修正综合故障判定级别。
本发明提供的铁路客车故障评判方法，通过多源采集系统监测数据，一方面，不仅可以计算单一监测系统的监测数据系统故障评判系统，而且可以计算各监测数据之间的关联故障评判系数，对故障进行多方面的综合关联评判，提高故障评判准确性，防止误判和漏判，有效保障铁路客车运行的安全性。另一方面，通过多源采集系统监测数据，可以根据需要确定针对铁路客车的目标参数的综合故障评判级别，提高故障评判的有效性，实现铁路客车运行安全监控的集中作业、集中管理，极大地提高铁路安全监测工作能力和工作效率。
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 (7)
1.一种铁路客车故障评判方法，其特征在于，包括：
从多个监测系统和基层级系统获取多个系统监测数据；
基于多个所述系统监测数据确定针对所述铁路客车的一个或多个目标参数的综合故障评判级别；以及
将所述综合故障评判级别传送至所述基层级系统和/或随车设备，
其中，基于多个所述系统监测数据确定针对所述铁路客车的一个或多个目标参数的综合故障评判级别包括：
基于多个所述系统监测数据计算针对所述铁路客车的一个或多个目标参数的系统故障评判系数和关联故障评判系数；以及
基于所述系统故障评判系数和所述关联故障评判系数确定针对所述铁路客车的一个或多个目标参数的所述综合故障评判级别，
其中，基于多个所述系统监测数据计算针对所述铁路客车的一个或多个目标参数的系统故障评判系数和关联故障评判系数包括：
从多个所述系统监测数据中选择与所述铁路客车的一个或多个目标参数有关的系统监测数据；
计算每个所选择的所述系统监测数据的系统故障评判系数；
将所选择的所述系统监测数据任意组合以形成组合集；以及
计算所述组合集中的每个组合的关联故障评判系数，
其中，计算所述组合集中的每个组合的关联故障评判系数包括：
判断所述组合中包括的每个所述系统监测数据小于或等于相应阈值的发生次数是否大于或等于相应预定次数；
判断所述组合中包括的每个所述系统监测数据小于或等于相应阈值的最近发生的时间间隔是否小于相应预定时间间隔；
当所述组合中包括的每个所述系统监测数据小于或等于相应阈值的发生次数大于或等于相应预定次数并且所述组合中包括的每个所述系统监测数据小于或等于相应阈值的最近发生的时间间隔小于相应预定时间间隔时，计算所述组合的关联故障评判系数为第三值；否则，计算所述组合的关联故障评判系数为第四值。
2.根据权利要求1所述的铁路客车故障评判方法，其特征在于，
所述多个监测系统包括以下中的一种或多种：客车运行状态地面监测系统、客车红外线轴温探测系统、客车故障轨旁图像监测系统、客车滚动轴承轨旁声学诊断系统和客车运行安全监控系统。
3.根据权利要求1所述的铁路客车故障评判方法，其特征在于，
计算每个所选择的所述系统监测数据的系统故障评判系数包括：
判断所述系统监测数据是否小于或等于阈值；以及
当所述系统监测数据小于或等于所述阈值时，计算所述系统故障评判系数为第一值；否则，计算所述系统故障评判系数为第二值。
4.根据权利要求3所述的铁路客车故障评判方法，其特征在于，
基于所述系统故障评判系数和所述关联故障评判系数确定针对所述铁路客车的一个或多个目标参数的所述综合故障评判级别包括：
计算每个所述系统故障评判系数和所述组合集中的每个组合的所述关联故障评判系数之和；
判断每个所述系统故障评判系数和所述组合集中的每个组合的所述关联故障评判系数之和是否等于或大于预定级别；以及
基于判断结果确定针对所述铁路客车的一个或多个目标参数的所述综合故障评判级别。
5.根据权利要求4所述的铁路客车故障评判方法，其特征在于，
基于判断结果确定针对所述铁路客车的一个或多个目标参数的所述综合故障评判级别包括：
当所述系统故障评判系数和所述关联故障评判系数之和等于或大于所述预定级别时，确定所述综合故障评判级别为故障；以及
当所述系统故障评判系数和所述关联故障评判系数之和小于所述预定级别时，确定所述综合故障评判级别为无异常。
6.根据权利要求1所述的铁路客车故障评判方法，其特征在于，进一步包括：
接收所述基层级系统和/或随车设备基于所述综合故障评判级别进行复核和/或检修的结果；以及
基于所述复核和/或检修的结果修正所述综合故障评判级别。
7.一种铁路客车故障评判系统，其特征在于，包括：
总部级系统，执行根据权利要求1-6任一项所述的铁路客车故障评判方法；以及
基层级系统，与所述总部级系统通信联接；以及
随车设备，与所述总部级系统和所述基层级系统通信联接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011596058.9A CN112284775B (zh) | 2020-12-30 | 2020-12-30 | 铁路客车故障评判方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011596058.9A CN112284775B (zh) | 2020-12-30 | 2020-12-30 | 铁路客车故障评判方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112284775A CN112284775A (zh) | 2021-01-29 |
| CN112284775B true CN112284775B (zh) | 2021-05-04 |
Family
ID=74426554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011596058.9A Active CN112284775B (zh) | 2020-12-30 | 2020-12-30 | 铁路客车故障评判方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112284775B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113946913B (zh) * | 2021-12-20 | 2022-04-15 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 铁路行车故障检测方法、装置、电子设备及存储介质 |
| CN115901299B (zh) * | 2023-02-15 | 2023-06-06 | 慧铁科技有限公司 | 一种列车车钩钩缓部件故障分析处理的方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108153278A (zh) * | 2017-12-19 | 2018-06-12 | 卡斯柯信号有限公司 | Cbtc信号系统dcs故障诊断及预警分析方法 |
| CN108335381A (zh) * | 2017-01-19 | 2018-07-27 | 福特全球技术公司 | 车辆传感器健康状况监测 |
| CN108928366A (zh) * | 2018-06-22 | 2018-12-04 | 北京康拓红外技术股份有限公司 | 一种5t综合检测系统及检测方法 |
| CN109000940A (zh) * | 2018-05-04 | 2018-12-14 | 中车青岛四方机车车辆股份有限公司 | 一种机车车辆异常轴温诊断方法及系统 |
| US10507851B1 (en) * | 2014-07-24 | 2019-12-17 | Leo Byford | Railcar bearing and wheel monitoring system |
| CN110874369A (zh) * | 2019-10-25 | 2020-03-10 | 广州纳斯威尔信息技术有限公司 | 一种多维数据融合侦查系统及其方法 |
| CN112009494A (zh) * | 2019-05-30 | 2020-12-01 | 华为技术有限公司 | 一种车辆异常处理方法、装置、控制设备及存储介质 |
-
2020
- 2020-12-30 CN CN202011596058.9A patent/CN112284775B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10507851B1 (en) * | 2014-07-24 | 2019-12-17 | Leo Byford | Railcar bearing and wheel monitoring system |
| CN108335381A (zh) * | 2017-01-19 | 2018-07-27 | 福特全球技术公司 | 车辆传感器健康状况监测 |
| CN108153278A (zh) * | 2017-12-19 | 2018-06-12 | 卡斯柯信号有限公司 | Cbtc信号系统dcs故障诊断及预警分析方法 |
| CN109000940A (zh) * | 2018-05-04 | 2018-12-14 | 中车青岛四方机车车辆股份有限公司 | 一种机车车辆异常轴温诊断方法及系统 |
| CN108928366A (zh) * | 2018-06-22 | 2018-12-04 | 北京康拓红外技术股份有限公司 | 一种5t综合检测系统及检测方法 |
| CN112009494A (zh) * | 2019-05-30 | 2020-12-01 | 华为技术有限公司 | 一种车辆异常处理方法、装置、控制设备及存储介质 |
| CN110874369A (zh) * | 2019-10-25 | 2020-03-10 | 广州纳斯威尔信息技术有限公司 | 一种多维数据融合侦查系统及其方法 |
Non-Patent Citations (1)
| Title |
|---|
| 高速列车信息控制系统的故障诊断技术;周东华等;《自动化学报》;20180731;第44卷(第7期);第1153-1164页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112284775A (zh) | 2021-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bernal et al. | Onboard condition monitoring sensors, systems and techniques for freight railway vehicles: a review | |
| CN112284775B (zh) | 铁路客车故障评判方法及系统 | |
| US9395276B2 (en) | Method and system for detection and analysis of railway bogie operational problems | |
| Mori et al. | Condition monitoring of railway track using in-service vehicle | |
| JP4298433B2 (ja) | 鉄道車両の異常検知装置 | |
| CN105667538B (zh) | 用于监视火车的运行状况的系统 | |
| CN110409234B (zh) | 一种高速铁路钢轨平顺度动态检测方法和装置 | |
| JP2008148466A (ja) | 軌道系交通システムの異常診断方法及び異常診断システム | |
| CN107314899B (zh) | 铁路机车和动车组转向架轴承在线监测方法 | |
| Vinberg et al. | Railway applications of condition monitoring | |
| JP4917384B2 (ja) | 鉄道車両の振動データ通信方法 | |
| CN111071291A (zh) | 列车轮对监测系统及列车轮对监测方法 | |
| JP2023078964A (ja) | 状態監視装置及び状態監視方法 | |
| JP6838176B2 (ja) | 鉄道車両の異常検出装置および方法 | |
| Cii et al. | Solar wireless sensor nodes for condition monitoring of freight trains | |
| Corni et al. | Real-time on-board condition monitoring of train axle bearings | |
| Alfi et al. | Condition monitoring of suspension components in railway bogies | |
| CN114001984B (zh) | 轨道车辆结构件的振动疲劳可靠性试验方法及装置 | |
| CN111444574A (zh) | 基于动力学分析的传感器布局优化方法 | |
| CN207991685U (zh) | 基于噪音检测的列车及钢轨状态监测装置 | |
| 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 | |
| CN109242117B (zh) | 一种市域铁路车辆五级检修的分级方法 | |
| WO2013162398A1 (en) | Method for surveying rail-wheel contact | |
| JP6882909B2 (ja) | 診断システム及び診断方法 | |
| CN115805971A (zh) | 一种在线监测列车车轮多边形故障的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |