CN112561352B - 一种轨道交通信号系统健康评估方法及评估装置 - Google Patents
一种轨道交通信号系统健康评估方法及评估装置 Download PDFInfo
- Publication number
- CN112561352B CN112561352B CN202011517867.6A CN202011517867A CN112561352B CN 112561352 B CN112561352 B CN 112561352B CN 202011517867 A CN202011517867 A CN 202011517867A CN 112561352 B CN112561352 B CN 112561352B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- index
- equipment
- data
- signal system
- 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
- 230000036541 health Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012423 maintenance Methods 0.000 claims abstract description 68
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000013139 quantization Methods 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000007726 management method Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 10
- 230000002354 daily effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000003203 everyday effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000006866 deterioration Effects 0.000 claims description 3
- 238000005538 encapsulation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 108010023321 Factor VII Proteins 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G06Q50/40—
Abstract
一种轨道交通信号系统健康评估方法及评估装置，通过对信号设备状态进行健康监测，预测分析并评价轨道交通信号系统的运行状态和健康度。对健康度评分低于设定值的信号设备提前预警，预判设备可能发生故障，为实现状态维修或设备更换提供智能管理策略，从而节约人力和维护成本，降低设备故障率及晚点率。本发明用于指导检修，使设备运维模式从故障修、计划修向智能状态修转变，具有很强的实用性。
Description
技术领域
本发明涉及城市轨道交通运维领域，尤其是涉及一种轨道交通信号系统健康评估方法及评估装置。
背景技术
轨道交通设备的安全、稳定、可靠运行对正点运营、高质量服务起着决定性作用。传统的设备运维模式以计划修和故障修为主，计划修是每年制定检修计划，易造成过度修，增加维修成本；故障修则易造成列车晚点，降低服务质量且应急响应能力较差。
发明内容
本发明的目的在于提供一种轨道交通信号系统健康评估方法及评估装置，科学规划检修周期，提高了维修效率，降低了维护成本。
为了达到上述目的，本发明提供一种轨道交通信号系统健康评估方法，根据分类量化参数指标和分类量化参数指标的权重计算轨道交通信号系统健康度；
F＝λ1 S+λ2 E+λ3 M+λ4 Y；
其中，F是健康度，分类量化参数指标包含：运行状态参数S，运行环境参数E，维护管理参数M，使用年限参数Y，λ1，λ2，λ3和λ4是权重，λ1+λ2+λ3+λ4＝1，各项分类量化参数指标均按百分制计算；
运行状态参数S的健康指标根据各信号设备的报警信息和报警发生次数实时计算；
运行环境参数E的健康指标根据温湿度超限信息和超限时间实时计算；
维护管理参数M的健康指标根据信号设备保养和信号设备检修的历史记录每日计算；
使用年限参数Y根据信号设备的上道时间和信号设备运行的时间每天计算。
运行状态参数S的计算方法：
其中，l表示报警等级划分级数；αi表示第i级报警影响指数，对于不同型号的信号设备的不同报警，按报警影响程度从低到高，αi取值范围从0到1，报警恢复时α取相应等级影响指数的相反数；ni表示第i级报警发生次数。
运行环境参数E的计算方法：
其中，q表示温湿度超限等级划分级数，αi表示第i级温湿度超限的影响指数，ti表示第i级温湿度超限的持续时间。
维护管理参数M的计算方法：
其中，r表示保养内容的总个数，αi和pi分别表示第i个保养工作的重要指数和周期，ti-ti′表示当前时间与上次保养时间之间的间隔天数，β是信号设备的维修劣化指数，n表示检修的次数。
使用年限参数Y的计算方法：
Y＝100×(1-(2t-k))；
其中，t是已使用年限，k是设计年限。
利用层次分析法计算各分类量化参数指标的权重，包含：
使用一致矩阵法给出信号系统健康评分的判断矩阵A，求解判断矩阵A的最大特征根λmax和特征向量ω，特征向量ω的值即为各分类量化参数指标的权重；
判断矩阵A中aij的标度方法包含：
两个因素相比，具有同样重要性，则标度为1；
两个因素相比，一个因素比另一个因素重要30％，则标度为3；
两个因素相比，一个因素比另一个因素重要50％，则标度为5；
两个因素相比，一个因素比另一个因素重要70％，则标度为7；
两个因素相比，一个因素比另一个因素重要90％，则标度为9；
上述两相邻判断的中值分别为2、4、6、8；
因素i于j比较的判断aij，则因素j与i比较的判断aji＝1/aij。
求解特征向量ω的方法包含：
对列向量进行归一化，归一化后的矩阵记为
归一化公式如下：
对矩阵
按行相加得到向量
对向量
进行归一化得到向量ω＝(ω1，ω2，ω3，ω4，)T，归一化公式如下：
根据公式
计算特征根
需要对判断矩阵A进行一致性检验，所述一致性检验的方法包含：
一致性指标
其中m是矩阵的阶数；
根据矩阵阶数m得到随机一致性指标RI；
计算一致性比率指标
得到，若CR＜0.1，则通过一致性检验，否则重新评估因素之间的重要程度，重新确定矩阵A中aij的值，对判断矩阵A再进行一致性检验，直至通过一致性检验。
所述矩阵阶数m与一致性指标RI的关系为：
M为1，则RI为0；
M为2，则RI为0；
M为3，则RI为0.58；
M为4，则RI为0.90；
M为5，则RI为1.12；
M为6，则RI为1.24；
M为7，则RI为1.32；
M为8，则RI为1.41；
M为9，则RI为1.45；
M为10，则RI为1.49。
本发明还提供一种轨道交通信号系统健康评估装置，包含：监测采集模块、外部接口模块、智能报警模块、健康评分计算模块、人机交互模块；
所述监测采集模块实时采集信号设备的包含电气特性和机械特性的运行数据；
所述外部接口模块实时接收与信号设备相关的其他铁路控制系统的运行数据；
所述智能报警模块实时分析信号系统的运行数据，输出信号设备报警信息，温湿度超限信息；
所述健康评分计算模块根据报警信息、温湿度超限信息、运行数据、基础参数和日常维护数据，计算分类量化参数指标，和分类量化权值相乘后求和计算健康度评分；
所述人机交互模块收集信号设备的基础参数和日常维护数据，并显示健康评分计算结果，基础参数包含：上道时间、设计年限、保养周期，日常维护数据包含：设备保养记录和设备检修记录。
所述轨道交通信号系统健康评估装置还包含数据处理模块，用于对监测采集模块、外部接口模块、人机交互模块获取的数据进行预处理，所述预处理至少包含：数据过滤、数据分类、数据转换和数据封装。
所述轨道交通信号系统健康评估装置还包含数据存储模块，用于存储轨道交通信号系统健康评估装置中的所有数据，并供查询。
本发明通过对信号设备状态进行健康监测，预测分析并评价轨道交通信号系统的运行状态和健康度。对健康度评分低于设定值的信号设备提前预警，预判设备可能发生故障，为实现状态维修或设备更换提供智能管理策略，从而节约人力和维护成本，降低设备故障率及晚点率。本发明用于指导检修，使设备运维模式从故障修、计划修向智能状态修转变，具有很强的实用性。
附图说明
图1是本发明提供的一种轨道交通信号系统健康评估方法的流程图。
图2是本发明提供的一种轨道交通信号系统健康评估装置的示意图。
具体实施方式
以下根据图1和图2，具体说明本发明的较佳实施例。
如图1所示，本发明提供一种轨道交通信号系统健康评估方法，包含以下步骤：
步骤S1、确定影响轨道交通信号系统中信号设备健康度的分类量化参数指标；
所述分类量化参数指标包含：运行状态参数S，运行环境参数E，维护管理参数M，使用年限参数Y；
所述信号设备包含信号机，转辙机，轨道电路，信号电源，信号电缆等；
步骤S2、通过信号集中监测系统CSM的监测采集模块、外部接口模块、智能报警模块、人机交互模块获取信号系统中各个信号设备的基础参数和运行数据；
其中，监测采集模块实时采集信号设备的运行数据，包含信号设备的主要电气特性和转辙设备的机械特性；
外部接口模块实时接收各个子系统的运行数据；
智能报警模块实时分析信号系统的运行数据，输出信号设备报警信息，温湿度超限信息等；
人机交互模块收集信号设备的基础参数和日常维护数据，其中，基础参数包含：上道时间、设计年限、保养周期，日常维护数据包含：设备保养记录和设备检修记录；
步骤S3、基于分类量化参数指标确定健康度计算方法，引入各分类量化参数指标的权重；
计算轨道交通信号系统健康度F的公式为：F＝λ1 S+λ2 E+λ3 M+λ4 Y，其中，λ1，λ2，λ3和λ4是权重，λ1+λ2+λ3+λ4＝1，各项分类量化参数指标均按百分制计算；
运行状态参数S的健康指标根据各信号设备的报警信息和报警发生次数实时计算，
l表示报警等级划分级数；αi表示第i级报警影响指数，对于不同型号的信号设备的不同报警，按报警影响程度从低到高，αi取值范围从0到1，报警恢复时α取相应等级影响指数的相反数；ni表示第i级报警发生次数；
运行环境参数E的健康指标根据温湿度超限信息和超限时间实时计算，
q表示温湿度超限等级划分级数，αi表示第i级温湿度超限的影响指数，ti表示第i级温湿度超限的持续时间；
维护管理参数M的健康指标根据信号设备保养和信号设备检修的历史记录每日计算，信号设备上道时根据出厂时的技术参数录入各项保养内容的重要指数αi和周期pi，以及该信号设备的维修劣化指数β，根据以下公式计算：
其中，r表示保养内容的总个数，αi和pi分别表示第i个保养工作的重要指数和周期，ti-ti′表示当前时间与上次保养时间之间的间隔天数，n表示检修的次数，更换了信号设备后要将历史记录清空，重新计算。
使用年限参数Y根据信号设备的上道时间和信号设备运行的时间每天计算，Y＝100×(1-(2t-k))，其中，t是已使用年限，k是设计年限。
步骤S4、利用层次分析法，计算各分类量化参数指标的权重；
使用一致矩阵法给出信号系统健康评分的判断矩阵A，即：不把所有因素放在一起比较，而是两两相互比较。
表1是判断矩阵A中aij的标度方法，标度方法指的是确定aij值的方法，比如a11指的是第一个因素和第一个因素相比，肯定是同等重要，所以a11的标度为1。
表1
| 标度 | 含义 |
| 1 | 表示两个因素相比，具有同样重要性 |
| 3 | 表示两个因素相比，一个因素比另一个因素重要30％ |
| 5 | 表示两个因素相比，一个因素比另一个因素重要50％ |
| 7 | 表示两个因素相比，一个因素比另一个因素重要70％ |
| 9 | 表示两个因素相比，一个因素比另一个因素重要90％ |
| 2，4，6，8 | 上述两相邻判断的中值 |
| 倒数 | 因素i于j比较的判断a<sub>ij</sub>，则因素j与i比较的判断a<sub>ji</sub>＝1/a<sub>ij</sub> |
求解判断矩阵A的最大特征根λmax和特征向量ω，特征向量ω的值即为各分类量化参数指标的权重。
所述的求解特征向量ω包含以下步骤：
1、首先对列向量进行归一化，归一化后的矩阵记为
归一化公式如下：
2、对
按行相加得到向量
对向量
进行归一化得到向量ω＝(ω1，ω2，ω3，ω4，)T，归一化公式如下：
3、根据公式
因为判断矩阵A有一定的主观性，所以要进行一致性检验。所述的一致性检验方法包含以下步骤：
1、一致性指标
其中m是矩阵的阶数；
2、根据矩阵阶数m查表(表2)得到随机一致性指标RI；
表2
| m | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
3、根据
得到一致性比率指标，若CR＜0.1，说明判断矩阵A的不一致程度在容许范围之内，有满意的一致性，通过一致性检验，否则需要重新评估因素之间的重要程度，确定矩阵A中aij的值，调整后的判断矩阵A再进行一致性检验，直至通过一致性检验。
步骤S5、根据各个分类量化参数指标的评分和权重，对健康度进行评估，输出评估结果。
根据健康度公式F＝λ1 S+λ2 E+λ3 M+λ4 Y得出最终评分，输出评估结果具体如表3所示。
表3
| 等级 | 健康评分 | 健康状况 |
| 一级 | 91-100分 | 优 |
| 二级 | 76-90分 | 良 |
| 三级 | 61-75分 | 不健康 |
| 四级 | 0-60分 | 故障 |
当前健康度评分越高，表示设备状态越好，当健康度评分处于过低水平时，表明设备已经出现严重的老化现象，在此状态下，设备故障发生概率将明显上升，需加强设备检修或者更换设备。
如图2所示，本发明还提供一种轨道交通信号系统健康评估装置，包含：监测采集模块1、外部接口模块2、数据处理模块3、数据存储模块4、智能报警模块5、健康评分计算模块6、人机交互模块7。
所述监测采集模块1用于监测信号设备的主要电气特性(电压、电流、有功功率、无功功率等)和转辙设备(道岔转辙机等)的机械特性(道岔缺口、油压、阻力等)，并把采集到的开关量、模拟量、曲线量上送到数据处理模块3；
所述外部接口模块2负责与联锁、列控、TDCS/CTC、电源屏等子系统接口(子系统也会采集信号设备的信息，有些分析是要结合监测采集模块的信息和外部接口模块的信息，进行联合分析的，比如轨道占用不一致)，并把开关量、模拟量、报警等上送到数据处理模块3；
所述数据处理模块3负责对数据进行预处理，包括数据过滤、数据分类、数据转换和数据封装，然后把封装好的数据分发给数据存储模块4、智能报警模块5和健康评分计算模块6；
所述数据存储模块4负责把数据保存在文件或数据库，并对外提供查询接口；
所述智能报警模块5负责分析信号设备的运行状态，当偏离预定界限或不能正常工作时给出设备报警、温湿度超限报警，并把分析结果送到健康评分计算模块6；
所述健康评分计算模块6用于根据报警信息、系统运行信息、用户日常维护记录，计算分类量化参数指标，和分类量化权值相乘后求和计算健康度评分；
所述人机交互模块7负责显示健康评分计算结果，接收用户录入的设备基础信息和日常维护管理记录并送给数据存储模块4。
本发明通过对信号设备状态进行健康监测，预测分析并评价轨道交通信号系统的运行状态和健康度。对健康度评分低于设定值的信号设备提前预警，预判设备可能发生故障，为实现状态维修或设备更换提供智能管理策略，从而节约人力和维护成本，降低设备故障率及晚点率。本发明用于指导检修，使设备运维模式从故障修、计划修向智能状态修转变，具有很强的实用性。
需要说明的是，在本发明的实施例中，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，仅是为了便于描述实施例，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。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
Claims (9)
1.一种轨道交通信号系统健康评估方法，其特征在于，根据分类量化参数指标和分类量化参数指标的权重计算轨道交通信号系统健康度；
F＝λ1S+λ2E+λ3M+λ4Y；
其中，F是健康度，分类量化参数指标包含：运行状态参数S，运行环境参数E，维护管理参数M，使用年限参数Y，λ1，λ2，λ3和λ4是权重，λ1+λ2+λ3+λ4＝1，各项分类量化参数指标均按百分制计算；
运行状态参数S的健康指标根据各信号设备的报警信息和报警发生次数实时计算；
其中，l表示报警等级划分级数；αi表示第i级报警影响指数，对于不同型号的信号设备的不同报警，按报警影响程度从低到高，αi取值范围从0到1，报警恢复时θ取相应等级影响指数的相反数；ni表示第i级报警发生次数；
运行环境参数E的健康指标根据温湿度超限信息和超限时间实时计算；
其中，q表示温湿度超限等级划分级数，αi表示第i级温湿度超限的影响指数，ti表示第i级温湿度超限的持续时间；
维护管理参数M的健康指标根据信号设备保养和信号设备检修的历史记录每日计算；
其中，r表示保养内容的总个数，αi和pi分别表示第i个保养工作的重要指数和周期，ti-ti′表示当前时间与上次保养时间之间的间隔天数，β是信号设备的维修劣化指数，n表示检修的次数；
使用年限参数Y根据信号设备的上道时间和信号设备运行的时间每天计算；
Y＝100×(1-(2t-k))；
其中，t是已使用年限，k是设计年限。
2.如权利要求1所述的轨道交通信号系统健康评估方法，其特征在于，利用层次分析法计算各分类量化参数指标的权重，包含：
使用一致矩阵法给出信号系统健康评分的判断矩阵A，求解判断矩阵A的最大特征根λmax和特征向量ω，特征向量ω的值即为各分类量化参数指标的权重；
3.如权利要求2所述的轨道交通信号系统健康评估方法，其特征在于，判断矩阵A中aij的标度方法包含：
两个因素相比，具有同样重要性，则标度为1；
两个因素相比，一个因素比另一个因素重要30％，则标度为3；
两个因素相比，一个因素比另一个因素重要50％，则标度为5；
两个因素相比，一个因素比另一个因素重要70％，则标度为7；
两个因素相比，一个因素比另一个因素重要90％，则标度为9；
上述两相邻判断的中值分别为2、4、6、8；
因素i于j比较的判断aij，则因素j与i比较的判断aji＝1/aij。
4.如权利要求3所述的轨道交通信号系统健康评估方法，其特征在于，求解特征向量ω的方法包含：
对列向量进行归一化，归一化后的矩阵记为
归一化公式如下：
对矩阵
按行相加得到向量
对向量
进行归一化得到向量ω＝(ω1，ω2，ω3，ω4，)T，归一化公式如下：
根据公式
计算特征根
5.如权利要求4所述的轨道交通信号系统健康评估方法，其特征在于，需要对判断矩阵A进行一致性检验，所述一致性检验的方法包含：
一致性指标
其中m是矩阵的阶数；
根据矩阵阶数m得到随机一致性指标RI；
计算一致性比率指标
得到，若CR＜0.1，则通过一致性检验，否则重新评估因素之间的重要程度，重新确定矩阵A中aij的值，对判断矩阵A再进行一致性检验，直至通过一致性检验。
6.如权利要求5所述的轨道交通信号系统健康评估方法，其特征在于，所述矩阵阶数m与一致性指标RI的关系为：
M为1，则RI为0；
M为2，则RI为0；
M为3，则RI为0.58；
M为4，则RI为0.90；
M为5，则RI为1.12；
M为6，则RI为1.24；
M为7，则RI为1.32；
M为8，则RI为1.41；
M为9，则RI为1.45；
M为10，则RI为1.49。
7.一种用于实现如权利要求1-6中任意一项所述的轨道交通信号系统健康评估方法的轨道交通信号系统健康评估装置，其特征在于，包含：监测采集模块、外部接口模块、智能报警模块、健康评分计算模块、人机交互模块；
所述监测采集模块实时采集信号设备的包含电气特性和机械特性的运行数据；
所述外部接口模块实时接收与信号设备相关的其他铁路控制系统的运行数据；
所述智能报警模块实时分析信号系统的运行数据，输出信号设备报警信息，温湿度超限信息；
所述健康评分计算模块根据报警信息、温湿度超限信息、运行数据、基础参数和日常维护数据，计算分类量化参数指标，和分类量化权值相乘后求和计算健康度评分；
所述人机交互模块收集信号设备的基础参数和日常维护数据，并显示健康评分计算结果，基础参数包含：上道时间、设计年限、保养周期，日常维护数据包含：设备保养记录和设备检修记录。
8.如权利要求7所述的轨道交通信号系统健康评估装置，其特征在于，还包含数据处理模块，用于对监测采集模块、外部接口模块、人机交互模块获取的数据进行预处理，所述预处理至少包含：数据过滤、数据分类、数据转换和数据封装。
9.如权利要求7所述的轨道交通信号系统健康评估装置，其特征在于，还包含数据存储模块，用于存储轨道交通信号系统健康评估装置中的所有数据，并供查询。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011517867.6A CN112561352B (zh) | 2020-12-21 | 2020-12-21 | 一种轨道交通信号系统健康评估方法及评估装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011517867.6A CN112561352B (zh) | 2020-12-21 | 2020-12-21 | 一种轨道交通信号系统健康评估方法及评估装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112561352A CN112561352A (zh) | 2021-03-26 |
| CN112561352B true CN112561352B (zh) | 2022-07-26 |
Family
ID=75032039
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011517867.6A Active CN112561352B (zh) | 2020-12-21 | 2020-12-21 | 一种轨道交通信号系统健康评估方法及评估装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112561352B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113193616B (zh) * | 2021-04-07 | 2023-04-11 | 山东理工大学 | 一种用于输电通道监拍设备的健康状态评估方法 |
| CN113822577A (zh) * | 2021-09-23 | 2021-12-21 | 烟台杰瑞石油装备技术有限公司 | 井场设备健康状态的评估方法、评估装置及存储介质 |
| CN114348072B (zh) * | 2021-12-28 | 2022-09-16 | 钟志旺 | 一种铁路通信信号设备健康码形成方法及系统 |
| CN114475716A (zh) * | 2022-01-24 | 2022-05-13 | 中国国家铁路集团有限公司 | 一种道岔工作状态检测方法、装置、设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109472449A (zh) * | 2018-10-10 | 2019-03-15 | 同济大学 | 基于群决策的城市轨道交通信号设备健康状态评价方法 |
| CN110647133A (zh) * | 2019-09-09 | 2020-01-03 | 深圳市永达电子信息股份有限公司 | 轨道交通设备状态检测维护方法及系统 |
| EP3623202A1 (en) * | 2018-09-13 | 2020-03-18 | ABB Schweiz AG | Method for detecting anomalies in an electric traffic system and monitoring system for detecting anomalies in an electric traffic system |
| CN111489071A (zh) * | 2020-03-30 | 2020-08-04 | 上海电气集团股份有限公司 | 一种轨道交通车辆维保方法及系统 |
| CN111563692A (zh) * | 2020-05-20 | 2020-08-21 | 深圳达实智能股份有限公司 | 轨道交通智慧运维系统 |
| 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 |
-
2020
- 2020-12-21 CN CN202011517867.6A patent/CN112561352B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3623202A1 (en) * | 2018-09-13 | 2020-03-18 | ABB Schweiz AG | Method for detecting anomalies in an electric traffic system and monitoring system for detecting anomalies in an electric traffic system |
| CN109472449A (zh) * | 2018-10-10 | 2019-03-15 | 同济大学 | 基于群决策的城市轨道交通信号设备健康状态评价方法 |
| CN110647133A (zh) * | 2019-09-09 | 2020-01-03 | 深圳市永达电子信息股份有限公司 | 轨道交通设备状态检测维护方法及系统 |
| CN111489071A (zh) * | 2020-03-30 | 2020-08-04 | 上海电气集团股份有限公司 | 一种轨道交通车辆维保方法及系统 |
| CN111563692A (zh) * | 2020-05-20 | 2020-08-21 | 深圳达实智能股份有限公司 | 轨道交通智慧运维系统 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| Peng Hao ; Qianqian Du.Intelligent Urban Traffic Orbit Current Limiting Model Based on Improved Ant Colony Algorithm.《2019 2nd International Conference on Information Systems and Computer Aided Education (ICISCAE)》.2020, * |
| 故障预测和健康管理技术在地铁车辆运维中的应用;潘莹;《控制与信息技术》;20200805(第04期);第94-98页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112561352A (zh) | 2021-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112561352B (zh) | 一种轨道交通信号系统健康评估方法及评估装置 | |
| CN109766334B (zh) | 用于电力设备在线监测异常数据的处理方法及系统 | |
| CN105300692B (zh) | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 | |
| CN103745229A (zh) | 一种基于svm的轨道交通故障诊断方法及系统 | |
| CN113156917B (zh) | 基于人工智能的电网设备故障诊断方法及系统 | |
| CN108320043A (zh) | 一种基于电力大数据的配电网设备状态诊断预测方法 | |
| CN107274067B (zh) | 一种配电变压器过载风险评估方法 | |
| CN107145675A (zh) | 基于bp神经网络算法的电力变压器故障诊断装置及方法 | |
| CN111812427A (zh) | 一种电力电子装置的健康状态评估方法及系统 | |
| CN112926666A (zh) | 一种轨道交通故障诊断方法 | |
| CN103617561A (zh) | 一种电网智能变电站二次设备状态评估系统和方法 | |
| CN102522709B (zh) | 变压器状态检修的决策方法及系统 | |
| CN111563692B (zh) | 轨道交通智慧运维系统 | |
| CN106570567A (zh) | 一种主网检修多约束多目标评估专家系统及优化方法 | |
| CN111178725A (zh) | 一种基于层次分析法的保护设备状态预警方法 | |
| CN111563693B (zh) | 轨道交通设备健康值的评分方法、设备和存储介质 | |
| CN106779436A (zh) | 一种电网规划多层面协调性综合评估方法 | |
| CN116466241B (zh) | 一种单体电池热失控定位方法 | |
| CN117614137A (zh) | 基于多源数据融合的配电网优化系统 | |
| CN112418662A (zh) | 一种利用人工神经网络的配电网运行可靠性分析方法 | |
| CN112329955A (zh) | 一种确定装备维修等级的计算方法 | |
| CN112345972A (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 | |
| CN115907472A (zh) | 一种基于主客观综合赋权方法的导线故障风险评估方法 | |
| CN115796832A (zh) | 基于多维参量的变电设备健康状态综合评估方法 | |
| CN115224684A (zh) | 基于免疫危险理论的智能配电网风险状态辨识方法及系统 |
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 |
Inventor after: Li Zhan Inventor after: Wei Shengxin Inventor after: Yang Xiangbo Inventor after: Tu Pengfei Inventor after: Zhou Xingyu Inventor before: Li Chen Inventor before: Wei Shengxin Inventor before: Yang Xiangbo Inventor before: Tu Pengfei Inventor before: Zhou Xingyu |
|
| CB03 | Change of inventor or designer information | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40041105 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |