CN112580153A - 一种车辆走行部监测部件健康状态管理系统及方法 - Google Patents
一种车辆走行部监测部件健康状态管理系统及方法 Download PDFInfo
- Publication number
- CN112580153A CN112580153A CN202011600720.3A CN202011600720A CN112580153A CN 112580153 A CN112580153 A CN 112580153A CN 202011600720 A CN202011600720 A CN 202011600720A CN 112580153 A CN112580153 A CN 112580153A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- running gear
- monitoring component
- health
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Medical Informatics (AREA)
Abstract
本发明公开了一种车辆走行部监测部件健康状态管理系统及方法,该系统包括:数据采集模块,数据处理模块,健康状态评估模块,剩余寿命预测模块和运维决策模块;通过采集监测部件的振动信号、温度数据以及冲击数据,计算得到相应特征参数,判断监测点位的失效模式,同时结合异常检测模型判断当前监测点位是正常还是异常,并输出异常值。通过监测点位历史异常值变化趋势判断当前健康状态与健康评分;采用健康评分结果、失效模式以及其他检修数据与运行参数,通过失效机理模型以及神经网络数理模型进行剩余使用寿命的预测,最终给出监测部件的运维决策建议。本发明实现了检修智能化,保障机械设备能够安全可靠高效运行。
Description
技术领域
本发明涉及铁路运输安全监控以及列车故障检测技术领域,具体涉及一种车辆走行部监测部件健康状态管理系统及方法。
背景技术
铁路运输作为中国现代交通运输的支柱,是支撑社会和经济发展的核心力量,而安全始终是铁路运输的生命线。走行部轴承、齿轮作为机车最重要的部件,其工作由于高转速、高压力是故障高发部件。而轮对作为与轨道长期接触的承重端,受道路和地面情况影响较大。在现有的机车走行部部件故障诊断算法中,通常采对振动信号进行快速傅里叶变换得到相应频谱,判断频谱是否出现预先设定的旋转部件的特征频率,得到监测部件是否故障,再判断冲击强度的是否达到预先设定振动强度阈值得到报警级别。但是直接通过冲击强度大小进行报警级别判定并不能完全反应监测部件故障的发展程度,往往增加检修工作量且存在走行部故障得不到及时检修的安全隐患。
2020年4月《中国城市轨道交通智慧城轨发展纲要》一经发布,智慧城轨的术语标准出现在了大众的眼前,结合大数据、智慧算法进行智慧城轨的建设,由原来的计划修变成故障修与预防修,不光是城轨也是整个轨道交通行业机遇与挑战。
发明内容
针对现有技术的以上缺陷,本发明目的在于提供一种车辆走行部监测部件健康状态管理系统及方法,本发明第一个目的在于提出多源数据融合得到监测部件(监测部件包括齿轮、轴承、踏面等)异常趋势指标,通过异常趋势曲线的发展趋势进行监测部件健康状态分类与健康评分预测,实现对不同部件不同故障类型发展趋势的评估;
第二个目的结合历史数据、检修数据、健康状态结果提出车辆走行部监测部剩余使用寿命评估与预测,进而根据故障模式与健康状态、剩余使用寿命提出主动运维策略,有效提高运维效率,保障机械设备能够安全可靠高效运行,延长设备工作周期,避免巨大经济损失。
本发明通过下述技术方案实现:
一种车辆走行部监测部件健康状态管理系统,该系统包括:数据采集模块,数据处理模块,健康状态评估模块,剩余寿命预测模块和运维决策模块;
所述数据采集模块,用于获取车辆走行部监测部件的状态监测数据,所述状态监测数据包括振动信号、温度数据、冲击数据以及运行数据,所述运行数据包括转速、运行里程,运行工况等;
所述数据处理模块,用于根据采集的车辆走行部监测部件的状态监测数据,进行预处理和分析,计算对应走行部监测部件的振动特征数据、温度特征数据、冲击特征数据和运行特征数据,以及走行部监测部件失效模式;
所述健康状态评估模块,用于对不同走行部监测部件构建异常检测模型,并利用所述异常检测模型判断对应走行部监测部件正常或异常,输出异常指标;及通过走行部监测部件异常指标历史发展趋势判断监测部件所处的健康状态评估结果,所述健康状态评估结果包括健康状态与健康评分;
所述剩余寿命预测模块,用于对不同走行部监测部件构建故障模式损失函数与剩余寿命预测模型,利用所述预测模型对走行部监测部件进行剩余使用寿命预测;
所述运维决策模块,用于对健康状态与剩余寿命结果给出不同走行部监测部件的运维建议,指导车辆健康状态维护。
进一步地,所述数据采集模块采集的走行部监测部件包括齿轮、轴承和踏面。
进一步地,所述数据采集模块采用的采集装置包括复合传感器、前置处理器和主机,复合传感器采用打孔方式安装于走行部监测部位,利用复合传感器监测部位的振动信号、冲击信号和温度信号;复合传感器并将采集到的数据发送至前置处理器,然后前置处理器将接收到的数据发送至主机。
进一步地,所述数据处理模块主要是根据所述数据采集模块采集的数据计算走行部监测部件的冲击特征数据、振动特征数据和温度特征数据,以及监测部件失效模式。
所述振动特征数据包括并不限于峰峰值、有效值RMS、峭度值等时域特征值及振动能量等频域特征值;
所述温度特征数据包括并不限于同位温差、最高轴温、最大温升等特征值;
所述冲击特征数据包括并不限于冲击频次、冲击强度均值等。
所述走行部监测部件失效模式包括:
踏面部件失效模式包括并不限于:踏面剥离&擦伤、内部缺陷、车轮多边形;
齿轮部件失效模式包括并不限于:齿轮故障、啮合异常、润滑异常,所述齿轮故障包括大齿轮故障、小齿轮故障;
轴承部件失效模式包括并不限于:滚动体故障、滚动接触面故障、保持架故障、润滑异常,所述滚动接触面故障包括内环故障、外环故障。
进一步地,所述健康状态评估模块构建的异常检测模型是基于各走行部监测部件健康状态数据训练得到,输入特征包括走行部监测部件当前的振动特征数据、温度特征数据、冲击特征数据和关联部件的冲击特征数据、振动特征数据和温度特征数据,训练得到一个健康状态数据组成的高维状态下的球心和超球面;通过输入监测点位输入特征值是否落在超球体内还是超球体外得到监测点位正常还是异常,及通过高斯核函数计算当前监测点特征值距超球体距离得到异常值,进行健康状态等级评定,并得出走行部监测部件当前健康得分;
其中,所述关联部件是指影响监测部件振动响应的测点,如监测部件同轴的其他监测部件测点数据或其他轴同类型的监测部件测点数据,模型的输出为健康或不健康。
健康评分最小0分,最高100分,健康状态越差评分越低。其中健康评分为80分至100分对应部件健康状态,60分至80分对应部件亚健康状态,40分至60分对应部件故障初期,20分至40分对应部件故障中期,0至20分对应部件故障末期。
进一步地,所述异常检测模型的表达式如下:
进一步地,所述剩余寿命预测模块主要采用检修数据、运行数据及当前健康状态评估结果,结合不同故障模式损失函数与神经网络模型对监测部位剩余使用寿命进行预测。其中不同故障损失函数主要通过剩余使用寿命特征库中对应故障模式、健康评分与运行工况建立得到,剩余使用寿命特征库中不同故障类型、健康状态对应权重系数是根据历史检修数据计算得到,后续根据检修结果不断进行权重系数修正并在剩余使用寿命特征库中进行更新。
进一步地,所述运维决策模块通过走行部监测部件的健康状态评估结果确定故障部位,再根据当前健康状态与剩余寿命确定维修的时机,最终通过查阅故障模式与运维建议关系表进行运维建议。
另一方面,本发明还提供了一种基于列车驾驶仿真系统乘务员行为的评价方法,该方法应用于所述的一种车辆走行部监测部件健康状态管理系统,该方法包括以下步骤:
S1:采集车辆走行部监测部件的状态监测数据,所述状态监测数据包括振动信号、温度数据、冲击数据以及运行数据,所述运行数据包括转速、运行里程,运行工况等;
S2:根据采集的车辆走行部监测部件的状态监测数据,进行预处理和分析,计算对应走行部监测部件的振动特征数据、温度特征数据、冲击特征数据和运行特征数据,以及走行部监测部件失效模式;
S3:根据步骤S2,对不同走行部监测部件构建异常检测模型,并利用所述异常检测模型判断对应走行部监测部件正常或异常,输出异常指标;及通过走行部监测部件异常指标历史发展趋势判断监测部件所处的健康状态评估结果,所述健康状态评估结果包括健康状态与健康评分;
S4:对不同走行部监测部件构建故障模式损失函数与剩余寿命预测模型,利用所述预测模型对走行部监测部件进行剩余使用寿命预测;
S5:根据所述健康状态评估结果与剩余寿命结果给出不同走行部监测部件的运维建议,指导车辆健康状态维护。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明通过建立车辆健康状态评估模型,融合了多渠道数据得到监测点位异常指标,通过异常值变化趋势与阈值判断健康状态与健康评分。同时采用数据驱动与模型驱动相结合方式进行剩余寿命预测,通过故障发展阶段的剩余使用寿命提出主动运维策略,提高检修效率,节约了检修成本。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明一种车辆走行部监测部件健康状态管理系统图。
图2为本发明实施例的车载采集装置结构图。
图3为走行部监测部件故障发展的五个阶段。
图4为本发明实施例健康状态评估流程图。
图5为本发明实施例寿命预测流程图。
具体实施方式
在下文中,可在本发明的各种实施例中使用的术语“包括”或“可包括”指示所发明的功能、操作或元件的存在,并且不限制一个或更多个功能、操作或元件的增加。此外,如在本发明的各种实施例中所使用,术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
在本发明的各种实施例中,表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如,表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。
在本发明的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件,不过可不限制相应组成元件。例如,以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如,第一用户装置和第二用户装置指示不同用户装置,尽管二者都是用户装置。例如,在不脱离本发明的各种实施例的范围的情况下,第一元件可被称为第二元件,同样地,第二元件也可被称为第一元件。
应注意到:如果描述将一个组成元件“连接”到另一组成元件,则可将第一组成元件直接连接到第二组成元件,并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地,当将一个组成元件“直接连接”到另一组成元件时,可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。
在本发明的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本发明的各种实施例。如在此所使用,单数形式意在也包括复数形式,除非上下文清楚地另有指示。除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1至图5所示,本发明一种车辆走行部监测部件健康状态管理系统,该系统包括:数据采集模块,数据处理模块,健康状态评估模块,剩余寿命预测模块和运维决策模块;
所述数据采集模块,用于获取车辆走行部监测部件的状态监测数据,所述状态监测数据包括振动信号、温度数据、冲击数据以及运行数据,所述运行数据包括转速、运行里程,运行工况等;
所述数据处理模块,用于根据采集的车辆走行部监测部件的状态监测数据,进行预处理和分析,计算对应走行部监测部件的振动特征数据、温度特征数据、冲击特征数据和运行特征数据,以及走行部监测部件失效模式;
所述健康状态评估模块,用于对不同走行部监测部件构建异常检测模型,并利用所述异常检测模型判断对应走行部监测部件正常或异常,输出异常指标;及通过走行部监测部件异常指标历史发展趋势判断监测部件所处的健康状态评估结果,所述健康状态评估结果包括健康状态与健康评分;
所述剩余寿命预测模块,用于对不同走行部监测部件构建故障模式损失函数与剩余寿命预测模型,利用所述预测模型对走行部监测部件进行剩余使用寿命预测;
所述运维决策模块,用于对健康状态与剩余寿命结果给出不同走行部监测部件的运维建议,指导车辆健康状态维护。
本发明的核心是提供一种走行部监测部件包括齿轮、轴承、踏面的健康管理系统,如图1所示,采集装置采集监测部件的振动信号、温度数据以及冲击数据,计算特征值,采用无线落地方式将数据传至地面软件终端,地面软件结合历史特征数据及其他系统数据进行健康状态评估以及寿命预测和运维建议。其他系统数据包括检修系统的检修结果、检修时间等以及车辆运行站点、牵引模式等数据。
(1)如图2所示,数据采集模块采用的采集装置包括复合传感器、前置处理器和主机,复合传感器采用打孔方式安装于走行部监测部位,利用复合传感器监测部位的振动信号、冲击数据和温度数据,复合传感器并将采集到的数据发送至前置处理器,然后前置处理器将接收到的数据发送至主机,主机实时存储采集数据并通过无线落地的方式传输到地面服务器。
(2)地面服务器内置数据处理模块,通过诊断振动信号、温度数据、冲击数据,输出监测部件的振动特征数据、温度特征数据、冲击特征数据。其中振动特征数据包含并不限于峰峰值、RMS有效值、峭度等时域特征值及冲击能量等频域特征值;温度特征数据包含并不限于同位温差、最高轴温、最大温升等特征值;冲击特征数据包含并不限于冲击频次、冲击强度均值等。接着,通过当前时域、频域特征参数判断当前监测点位失效模式。
(3)异常检测模型通过输入当前振动特征参数、温度特征参数、冲击特征参数以及关联部件冲击特征参数、振动特征参数和温度特征参数,判断当前监测点位是正常还是异常,并输出当前监测点位的异常值,异常值的计算方公式见式(1),其中x表示当前监测点特征值,x'表示超球面;
通过查询监测点位异常值历史数据表中T个历史周期的异常值,通过增长趋势与阈值进一步输出当前监测点位的健康状态和健康评分,健康状态具体定义如表1所示。走行部监测部件异常指标与故障发展阶段趋势图见图3,异常指标随着故障的发展阶段是一个指数型增长,故障程度越大,异常值上升越陡峭。
其中监测部件的关联部件主要是指会影响监测部件振动响应的测点,如监测部件同轴的其他监测部件测点数据或其他轴同类型的监测部件测点数据,模型的输出为健康或不健康。
表1健康等级分类及对应的分数
(4)剩余寿命预测模块主要通过故障模式损失机理函数与神经网络故障趋势预测数理模型联合进行剩余使用寿命预测。数理模型通过输入监测部件的健康状态、健康评分、失效模式、运行参数数据以及检修数据,根据剩余使用寿命特征库中不同故障在不同健康状态下对应损失函数权重值,计算在当前故障模式、健康状态评分下的剩余运行里程。其中运行参数包括:已运行里程、当前运行里程、运行站点、牵引模式等。检修数据包括最近一次的检修结果、处置结果、检修时间等。神经网络故障趋势预测数理模型通过对不同故障类型发展趋势曲线的预测,进而转化成剩余寿命趋势曲线,结合损耗函数输出结果,输出最终预测剩余使用寿命。
(5)将监测部件的失效模式、健康状态评分以及剩余使用寿命预测值输入部件检修运维模块,部件检修运维模块通过查询故障模式与运行建议映射关系表自动输出部件主动运维策略,其中踏面主动运维策略表2所示。
表2踏面主动运维策略表
本发明通过建立车辆健康状态评估模型,融合了多渠道数据得到监测点位异常指标,通过异常值变化趋势与阈值判断健康状态与健康评分。同时采用数据驱动与模型驱动相结合方式进行剩余寿命预测,通过故障发展阶段的剩余使用寿命提出主动运维策略,提高检修效率,节约了检修成本。
实施例2
如图1至图5所示,本实施例与实施例1的区别在于,本实施例提供了一种基于列车驾驶仿真系统乘务员行为的评价方法,该方法应用于实施例1所述的一种车辆走行部监测部件健康状态管理系统,该方法包括以下步骤:
S1:采集车辆走行部监测部件的状态监测数据,所述状态监测数据包括振动信号、温度数据、冲击数据以及运行数据,所述运行数据包括转速、运行里程,运行工况等;
S2:根据采集的车辆走行部监测部件的状态监测数据,进行预处理和分析,计算对应走行部监测部件的振动特征数据、温度特征数据、冲击特征数据和运行特征数据,以及走行部监测部件失效模式;
S3:根据步骤S2,对不同走行部监测部件构建异常检测模型,并利用所述异常检测模型判断对应走行部监测部件正常或异常,输出异常指标;及通过走行部监测部件异常指标历史发展趋势判断监测部件所处的健康状态评估结果,所述健康状态评估结果包括健康状态与健康评分;
S4:对不同走行部监测部件构建故障模式损失函数与剩余寿命预测模型,利用所述预测模型对走行部监测部件进行剩余使用寿命预测;
S5:根据所述健康状态评估结果与剩余寿命结果给出不同走行部监测部件的运维建议,指导车辆健康状态维护。
每个步骤的执行按照实施例1中对应的模块执行过程进行即可,此处不再一一赘述。
本发明通过采集走行部监测部件的振动信号、温度数据以及冲击数据,计算得到相应特征参数,判断监测点位的失效模式,同时结合异常检测模型判断当前监测点位是正常还是异常,并输出异常值。通过监测点位历史异常值变化趋势判断当前健康状态与健康评分;进一步地,采用健康评分结果、失效模式以及其他检修数据与运行参数,通过失效机理模型以及神经网络数理模型进行剩余使用寿命的预测,最终给出监测部件的运维决策建议。本发明实现了检修智能化,保障机械设备能够安全可靠高效运行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种车辆走行部监测部件健康状态管理系统,其特征在于,该系统包括:数据采集模块,数据处理模块,健康状态评估模块,剩余寿命预测模块和运维决策模块;
所述数据采集模块,用于获取车辆走行部监测部件的状态监测数据,所述状态监测数据包括振动信号、温度数据、冲击数据以及运行数据,所述运行数据包括转速、运行里程,运行工况;
所述数据处理模块,用于根据采集的车辆走行部监测部件的状态监测数据,进行预处理和分析,计算对应走行部监测部件的振动特征数据、温度特征数据、冲击特征数据和运行特征数据,以及走行部监测部件失效模式;
所述健康状态评估模块,用于对不同走行部监测部件构建异常检测模型,并利用所述异常检测模型判断对应走行部监测部件正常或异常,输出异常指标;及通过走行部监测部件异常指标历史发展趋势判断监测部件所处的健康状态评估结果,所述健康状态评估结果包括健康状态与健康评分;
所述剩余寿命预测模块,用于对不同走行部监测部件构建故障模式损失函数与剩余寿命预测模型,利用所述预测模型对走行部监测部件进行剩余使用寿命预测;
所述运维决策模块,用于对健康状态与剩余寿命结果给出不同走行部监测部件的运维建议,指导车辆健康状态维护。
2.根据权利要求1所述的一种车辆走行部监测部件健康状态管理系统,其特征在于,所述数据采集模块采集的走行部监测部件包括齿轮、轴承和踏面。
3.根据权利要求2所述的一种车辆走行部监测部件健康状态管理系统,其特征在于,所述走行部监测部件失效模式包括:
踏面部件失效模式包括:踏面剥离&擦伤、内部缺陷、车轮多边形;
齿轮部件失效模式包括:齿轮故障、啮合异常、润滑异常,所述齿轮故障包括大齿轮故障、小齿轮故障;
轴承部件失效模式包括:滚动体故障、滚动接触面故障、保持架故障、润滑异常,所述滚动接触面故障包括内环故障、外环故障。
4.根据权利要求1所述的一种车辆走行部监测部件健康状态管理系统,其特征在于,所述数据采集模块采用的采集装置包括复合传感器、前置处理器和主机,复合传感器采用打孔方式安装于走行部监测部位,利用复合传感器监测部位的振动信号、冲击信号和温度信号;复合传感器并将采集到的数据发送至前置处理器,然后前置处理器将接收到的数据发送至主机。
5.根据权利要求1所述的一种车辆走行部监测部件健康状态管理系统,其特征在于,所述数据处理模块计算的走行部监测部件的振动特征数据包括时域特征值和频域特征值,所述时域特征值包括峰峰值、有效值RMS、峭度值,所述频域特征值包括振动能量值;
走行部监测部件的温度特征数据包括同位温差、最高轴温、最大温升特征值;
走行部监测部件的冲击特征数据包括冲击频次、冲击强度均值。
6.根据权利要求1所述的一种车辆走行部监测部件健康状态管理系统,其特征在于,所述健康状态评估模块构建的异常检测模型是基于各走行部监测部件健康状态数据训练得到,输入特征包括走行部监测部件当前的振动特征数据、温度特征数据、冲击特征数据和关联部件的冲击特征数据、振动特征数据和温度特征数据,训练得到一个健康状态数据组成的高维状态下的球心和超球面;通过输入监测点位输入特征值是否落在超球体内还是超球体外得到监测点位正常还是异常,及通过高斯核函数计算当前监测点特征值距超球体距离得到异常值,进行健康状态等级评定,并得出走行部监测部件当前健康得分;
其中,所述关联部件是指影响监测部件振动响应的测点。
8.根据权利要求1所述的一种车辆走行部监测部件健康状态管理系统,其特征在于,所述剩余寿命预测模块是通过故障模式损失机理函数与神经网络故障趋势预测数理模型联合进行剩余使用寿命预测;
所述数理模型通过输入走行部监测部件的健康状态、健康评分、失效模式、运行参数数据以及检修数据,根据剩余使用寿命特征库中不同故障在不同健康状态下对应损失函数权重值,计算在当前故障模式、健康状态评分下的剩余运行里程;其中运行参数包括:已运行里程、当前运行里程、运行站点、牵引模式;检修数据包括最近一次的检修结果、处置结果、检修时间;
所述神经网络故障趋势预测数理模型通过对不同故障类型发展趋势曲线的预测,进而转化成剩余寿命趋势曲线,结合损耗函数输出结果,输出最终预测剩余使用寿命。
9.根据权利要求1所述的一种车辆走行部监测部件健康状态管理系统,其特征在于,所述运维决策模块通过走行部监测部件的健康状态评估结果确定故障部位,再根据当前健康状态与剩余寿命确定维修的时机,最终通过查阅故障模式与运维建议关系表进行运维建议。
10.一种基于列车驾驶仿真系统乘务员行为的评价方法,其特征在于,该方法应用于如权利要求1至9中任意一项所述的一种车辆走行部监测部件健康状态管理系统,该方法包括以下步骤:
S1:采集车辆走行部监测部件的状态监测数据,所述状态监测数据包括振动信号、温度数据、冲击数据以及运行数据,所述运行数据包括转速、运行里程,运行工况;
S2:根据采集的车辆走行部监测部件的状态监测数据,进行预处理和分析,计算对应走行部监测部件的振动特征数据、温度特征数据、冲击特征数据和运行特征数据,以及走行部监测部件失效模式;
S3:根据步骤S2,对不同走行部监测部件构建异常检测模型,并利用所述异常检测模型判断对应走行部监测部件正常或异常,输出异常指标;及通过走行部监测部件异常指标历史发展趋势判断监测部件所处的健康状态评估结果,所述健康状态评估结果包括健康状态与健康评分;
S4:对不同走行部监测部件构建故障模式损失函数与剩余寿命预测模型,利用所述预测模型对走行部监测部件进行剩余使用寿命预测;
S5:根据所述健康状态评估结果与剩余寿命结果给出不同走行部监测部件的运维建议,指导车辆健康状态维护。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011600720.3A CN112580153B (zh) | 2020-12-29 | 2020-12-29 | 一种车辆走行部监测部件健康状态管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011600720.3A CN112580153B (zh) | 2020-12-29 | 2020-12-29 | 一种车辆走行部监测部件健康状态管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112580153A true CN112580153A (zh) | 2021-03-30 |
CN112580153B CN112580153B (zh) | 2022-10-11 |
Family
ID=75144166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011600720.3A Active CN112580153B (zh) | 2020-12-29 | 2020-12-29 | 一种车辆走行部监测部件健康状态管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112580153B (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391621A (zh) * | 2021-06-23 | 2021-09-14 | 哈尔滨工业大学 | 一种电动仿真测试转台的健康状态评估方法 |
CN113420784A (zh) * | 2021-05-28 | 2021-09-21 | 国网河北省电力有限公司营销服务中心 | 智能电表故障诊断系统 |
CN113465953A (zh) * | 2021-07-26 | 2021-10-01 | 北京交通大学 | 动车组传动系统故障预测与健康管理装置及其使用方法 |
CN113487083A (zh) * | 2021-07-06 | 2021-10-08 | 新智数字科技有限公司 | 一种设备剩余使用寿命的预测方法、装置、计算机设备及计算机可读存储介质 |
CN113570231A (zh) * | 2021-07-22 | 2021-10-29 | 浙江幸福航天科技有限公司 | 一种电站健康管理系统 |
CN113788051A (zh) * | 2021-10-26 | 2021-12-14 | 成都运达科技股份有限公司 | 列车在站运行状态监测分析系统 |
CN113916289A (zh) * | 2021-09-30 | 2022-01-11 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 一种矿山设备的健康状态监测系统及方法 |
CN113955149A (zh) * | 2021-11-25 | 2022-01-21 | 北京润科通用技术有限公司 | 一种电机系统的健康诊断方法和装置 |
CN114112446A (zh) * | 2021-09-27 | 2022-03-01 | 北京市地铁运营有限公司 | 一种轨道交通车辆走行部健康状态监测维护系统和方法 |
CN114139274A (zh) * | 2021-10-21 | 2022-03-04 | 浙江大立科技股份有限公司 | 一种健康管理系统 |
CN114184384A (zh) * | 2021-11-15 | 2022-03-15 | 中国人民解放军63963部队 | 车辆健康管理系统的数据集联装置 |
CN114216681A (zh) * | 2021-11-22 | 2022-03-22 | 中国国家铁路集团有限公司 | 动车组滚动轴承健康状态确定方法及装置 |
CN114278397A (zh) * | 2021-12-24 | 2022-04-05 | 江阴信和电力仪表有限公司 | 一种基于物联网的旋转机械健康监测系统及方法 |
CN114412685A (zh) * | 2021-12-23 | 2022-04-29 | 黄河水利水电开发集团有限公司 | 一种水轮发电机组轴承温度分析与异常监测方法 |
CN114418143A (zh) * | 2022-01-05 | 2022-04-29 | 中车青岛四方机车车辆股份有限公司 | 车辆分修程检修计划生成方法、系统、存储介质及设备 |
CN114608649A (zh) * | 2022-02-17 | 2022-06-10 | 北京华高世纪科技股份有限公司 | 网络化走行部分析方法和系统 |
CN114684217A (zh) * | 2022-03-16 | 2022-07-01 | 武汉理工大学 | 一种轨道交通健康监测系统及方法 |
CN114742157A (zh) * | 2022-04-12 | 2022-07-12 | 一汽解放汽车有限公司 | 车辆健康状态确定方法、装置、设备、存储介质 |
CN114800036A (zh) * | 2022-06-24 | 2022-07-29 | 成都飞机工业(集团)有限责任公司 | 一种设备健康状态评估方法 |
CN114970892A (zh) * | 2022-05-18 | 2022-08-30 | 四川观想科技股份有限公司 | 一种基于大数据分析的装备健康运维管理方法及系统 |
CN115855164A (zh) * | 2023-02-14 | 2023-03-28 | 广州三雅摩托车有限公司 | 一种摩托车实时质量检测方法及系统 |
CN116147928A (zh) * | 2023-04-20 | 2023-05-23 | 清华大学 | 航空发动机热射流装置的健康状态确定方法、装置和设备 |
CN116384973A (zh) * | 2023-04-07 | 2023-07-04 | 广东弘铠船务股份有限公司 | 一种船舶检修管理系统 |
CN116448404A (zh) * | 2023-06-15 | 2023-07-18 | 安徽容知日新科技股份有限公司 | 异常监测方法、装置、电子设备及计算机可读存储介质 |
CN116485077A (zh) * | 2023-06-15 | 2023-07-25 | 深圳市秒加能源科技有限公司 | 一种加气站点信息监控管理系统 |
CN116609652A (zh) * | 2023-04-23 | 2023-08-18 | 江苏苏港智能装备产业创新中心有限公司 | 一种基于起重机电机振温信号的电机健康预测评估方法 |
CN117196591A (zh) * | 2023-11-07 | 2023-12-08 | 成都理工大学 | 一种设备失效模式预判与剩余寿命预测耦合系统及方法 |
GB2620823A (en) * | 2022-05-23 | 2024-01-24 | Hitachi Ltd | State monitoring system for railway vehicle |
CN117473273A (zh) * | 2023-12-27 | 2024-01-30 | 宁德时代新能源科技股份有限公司 | 异常检测方法、装置、终端及计算机可读存储介质 |
CN117671818A (zh) * | 2024-02-01 | 2024-03-08 | 新汽有限公司 | 一种车辆数据的管理系统 |
CN117473273B (zh) * | 2023-12-27 | 2024-05-28 | 宁德时代新能源科技股份有限公司 | 异常检测方法、装置、终端及计算机可读存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007022989A1 (de) * | 2005-08-26 | 2007-03-01 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Verfahren und vorrichtung zur detektion von störungen in fahrwerken von durch luftfedereinrichtungen gefederten fahrzeugen |
CN105460027A (zh) * | 2016-01-04 | 2016-04-06 | 唐智科技湖南发展有限公司 | 一种城市轨道交通列车走行部故障车载分布式诊断系统 |
CN105740625A (zh) * | 2016-01-31 | 2016-07-06 | 太原科技大学 | 一种齿轮的实时剩余寿命预测方法 |
CN107101828A (zh) * | 2017-05-27 | 2017-08-29 | 辽宁大学 | 一种编码器健康度评价的轴承剩余寿命预测方法 |
CN107144428A (zh) * | 2017-03-17 | 2017-09-08 | 北京交通大学 | 一种基于故障诊断的轨道交通车辆轴承剩余寿命预测方法 |
CN107631882A (zh) * | 2017-08-21 | 2018-01-26 | 北京锦鸿希电信息技术股份有限公司 | 车辆轴箱剩余寿命的获取方法及装置 |
WO2018205922A1 (en) * | 2017-05-08 | 2018-11-15 | Suzhou Complexis Medical Inc. | Methods and systems for pulmonary function test based on diagnostic medical imaging and machine learning |
CN110232452A (zh) * | 2019-06-12 | 2019-09-13 | 中国神华能源股份有限公司 | 基于轨道车列技术状态的检修方法和系统 |
CN110764493A (zh) * | 2019-11-14 | 2020-02-07 | 中国国家铁路集团有限公司 | 一种适用于高速铁路的phm应用系统、方法及存储介质 |
CN110775107A (zh) * | 2018-07-30 | 2020-02-11 | 西安英特迈思信息科技有限公司 | 一种高速机车走行部齿轮箱大数据健康管理装置 |
CN110826642A (zh) * | 2019-11-15 | 2020-02-21 | 安徽农业大学 | 一种针对传感器数据的无监督异常检测方法 |
CN111157245A (zh) * | 2020-02-10 | 2020-05-15 | 上海电气集团股份有限公司 | 一种轨道交通走行部轴承的监管方法及系统 |
CN111220387A (zh) * | 2020-01-08 | 2020-06-02 | 北京交通大学 | 基于多特征量相关向量机的车辆轴承剩余寿命预测方法 |
CN111240300A (zh) * | 2020-01-07 | 2020-06-05 | 国电南瑞科技股份有限公司 | 基于大数据的车辆健康状态评估模型构建方法 |
CN111507490A (zh) * | 2020-05-09 | 2020-08-07 | 武汉数字化设计与制造创新中心有限公司 | 基于多源数据驱动的数控机床主轴预测性维护方法及系统 |
CN111746595A (zh) * | 2020-07-01 | 2020-10-09 | 同济大学 | 一种快捷货运列车走行部运行安全智能监测系统 |
CN111829693A (zh) * | 2020-07-30 | 2020-10-27 | 成都运达科技股份有限公司 | 基于时间与空间维度的lstm模型的轴承温度检测方法及系统 |
-
2020
- 2020-12-29 CN CN202011600720.3A patent/CN112580153B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007022989A1 (de) * | 2005-08-26 | 2007-03-01 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Verfahren und vorrichtung zur detektion von störungen in fahrwerken von durch luftfedereinrichtungen gefederten fahrzeugen |
CN105460027A (zh) * | 2016-01-04 | 2016-04-06 | 唐智科技湖南发展有限公司 | 一种城市轨道交通列车走行部故障车载分布式诊断系统 |
CN105740625A (zh) * | 2016-01-31 | 2016-07-06 | 太原科技大学 | 一种齿轮的实时剩余寿命预测方法 |
CN107144428A (zh) * | 2017-03-17 | 2017-09-08 | 北京交通大学 | 一种基于故障诊断的轨道交通车辆轴承剩余寿命预测方法 |
WO2018205922A1 (en) * | 2017-05-08 | 2018-11-15 | Suzhou Complexis Medical Inc. | Methods and systems for pulmonary function test based on diagnostic medical imaging and machine learning |
CN107101828A (zh) * | 2017-05-27 | 2017-08-29 | 辽宁大学 | 一种编码器健康度评价的轴承剩余寿命预测方法 |
CN107631882A (zh) * | 2017-08-21 | 2018-01-26 | 北京锦鸿希电信息技术股份有限公司 | 车辆轴箱剩余寿命的获取方法及装置 |
CN110775107A (zh) * | 2018-07-30 | 2020-02-11 | 西安英特迈思信息科技有限公司 | 一种高速机车走行部齿轮箱大数据健康管理装置 |
CN110232452A (zh) * | 2019-06-12 | 2019-09-13 | 中国神华能源股份有限公司 | 基于轨道车列技术状态的检修方法和系统 |
CN110764493A (zh) * | 2019-11-14 | 2020-02-07 | 中国国家铁路集团有限公司 | 一种适用于高速铁路的phm应用系统、方法及存储介质 |
CN110826642A (zh) * | 2019-11-15 | 2020-02-21 | 安徽农业大学 | 一种针对传感器数据的无监督异常检测方法 |
CN111240300A (zh) * | 2020-01-07 | 2020-06-05 | 国电南瑞科技股份有限公司 | 基于大数据的车辆健康状态评估模型构建方法 |
CN111220387A (zh) * | 2020-01-08 | 2020-06-02 | 北京交通大学 | 基于多特征量相关向量机的车辆轴承剩余寿命预测方法 |
CN111157245A (zh) * | 2020-02-10 | 2020-05-15 | 上海电气集团股份有限公司 | 一种轨道交通走行部轴承的监管方法及系统 |
CN111507490A (zh) * | 2020-05-09 | 2020-08-07 | 武汉数字化设计与制造创新中心有限公司 | 基于多源数据驱动的数控机床主轴预测性维护方法及系统 |
CN111746595A (zh) * | 2020-07-01 | 2020-10-09 | 同济大学 | 一种快捷货运列车走行部运行安全智能监测系统 |
CN111829693A (zh) * | 2020-07-30 | 2020-10-27 | 成都运达科技股份有限公司 | 基于时间与空间维度的lstm模型的轴承温度检测方法及系统 |
Non-Patent Citations (6)
Title |
---|
CHENG, CHAO等: "Data-Driven Incipient Fault Detection and Diagnosis for the Running Gear in High-Speed Trains", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
曹勇等: "基于大数据和云计算的车辆智能运维模式", 《城市轨道交通研究》 * |
朱建渠等: "基于多源信息的高速列车走行部故障识别方法", 《振动与冲击》 * |
王连森: "机车走行部运行可靠性研究", 《内燃机车》 * |
赵珂等: "动车组转向架轴箱剩余寿命预测方法研究", 《软件》 * |
黄贵发等: "用于城市轨道交通车辆走行部故障的车载在线实时诊断与监测系统", 《城市轨道交通研究》 * |
Cited By (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420784A (zh) * | 2021-05-28 | 2021-09-21 | 国网河北省电力有限公司营销服务中心 | 智能电表故障诊断系统 |
CN113391621B (zh) * | 2021-06-23 | 2022-03-25 | 哈尔滨工业大学 | 一种电动仿真测试转台的健康状态评估方法 |
CN113391621A (zh) * | 2021-06-23 | 2021-09-14 | 哈尔滨工业大学 | 一种电动仿真测试转台的健康状态评估方法 |
CN113487083A (zh) * | 2021-07-06 | 2021-10-08 | 新智数字科技有限公司 | 一种设备剩余使用寿命的预测方法、装置、计算机设备及计算机可读存储介质 |
CN113570231A (zh) * | 2021-07-22 | 2021-10-29 | 浙江幸福航天科技有限公司 | 一种电站健康管理系统 |
CN113465953A (zh) * | 2021-07-26 | 2021-10-01 | 北京交通大学 | 动车组传动系统故障预测与健康管理装置及其使用方法 |
CN114112446A (zh) * | 2021-09-27 | 2022-03-01 | 北京市地铁运营有限公司 | 一种轨道交通车辆走行部健康状态监测维护系统和方法 |
CN113916289A (zh) * | 2021-09-30 | 2022-01-11 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 一种矿山设备的健康状态监测系统及方法 |
CN114139274A (zh) * | 2021-10-21 | 2022-03-04 | 浙江大立科技股份有限公司 | 一种健康管理系统 |
CN113788051A (zh) * | 2021-10-26 | 2021-12-14 | 成都运达科技股份有限公司 | 列车在站运行状态监测分析系统 |
CN114184384A (zh) * | 2021-11-15 | 2022-03-15 | 中国人民解放军63963部队 | 车辆健康管理系统的数据集联装置 |
CN114184384B (zh) * | 2021-11-15 | 2023-10-17 | 中国人民解放军63963部队 | 车辆健康管理系统的数据集联装置 |
CN114216681A (zh) * | 2021-11-22 | 2022-03-22 | 中国国家铁路集团有限公司 | 动车组滚动轴承健康状态确定方法及装置 |
CN113955149B (zh) * | 2021-11-25 | 2023-06-16 | 北京润科通用技术有限公司 | 一种电机系统的健康诊断方法和装置 |
CN113955149A (zh) * | 2021-11-25 | 2022-01-21 | 北京润科通用技术有限公司 | 一种电机系统的健康诊断方法和装置 |
CN114412685A (zh) * | 2021-12-23 | 2022-04-29 | 黄河水利水电开发集团有限公司 | 一种水轮发电机组轴承温度分析与异常监测方法 |
CN114412685B (zh) * | 2021-12-23 | 2024-01-26 | 黄河水利水电开发集团有限公司 | 一种水轮发电机组轴承温度分析与异常监测方法 |
CN114278397A (zh) * | 2021-12-24 | 2022-04-05 | 江阴信和电力仪表有限公司 | 一种基于物联网的旋转机械健康监测系统及方法 |
CN114418143A (zh) * | 2022-01-05 | 2022-04-29 | 中车青岛四方机车车辆股份有限公司 | 车辆分修程检修计划生成方法、系统、存储介质及设备 |
CN114608649A (zh) * | 2022-02-17 | 2022-06-10 | 北京华高世纪科技股份有限公司 | 网络化走行部分析方法和系统 |
CN114684217A (zh) * | 2022-03-16 | 2022-07-01 | 武汉理工大学 | 一种轨道交通健康监测系统及方法 |
CN114684217B (zh) * | 2022-03-16 | 2024-03-01 | 武汉理工大学 | 一种轨道交通健康监测系统及方法 |
CN114742157A (zh) * | 2022-04-12 | 2022-07-12 | 一汽解放汽车有限公司 | 车辆健康状态确定方法、装置、设备、存储介质 |
CN114970892A (zh) * | 2022-05-18 | 2022-08-30 | 四川观想科技股份有限公司 | 一种基于大数据分析的装备健康运维管理方法及系统 |
GB2620823A (en) * | 2022-05-23 | 2024-01-24 | Hitachi Ltd | State monitoring system for railway vehicle |
CN114800036A (zh) * | 2022-06-24 | 2022-07-29 | 成都飞机工业(集团)有限责任公司 | 一种设备健康状态评估方法 |
CN114800036B (zh) * | 2022-06-24 | 2022-10-25 | 成都飞机工业(集团)有限责任公司 | 一种设备健康状态评估方法 |
CN115855164A (zh) * | 2023-02-14 | 2023-03-28 | 广州三雅摩托车有限公司 | 一种摩托车实时质量检测方法及系统 |
CN116384973A (zh) * | 2023-04-07 | 2023-07-04 | 广东弘铠船务股份有限公司 | 一种船舶检修管理系统 |
CN116384973B (zh) * | 2023-04-07 | 2023-10-17 | 广东弘铠船务股份有限公司 | 一种船舶检修管理系统 |
CN116147928A (zh) * | 2023-04-20 | 2023-05-23 | 清华大学 | 航空发动机热射流装置的健康状态确定方法、装置和设备 |
CN116609652A (zh) * | 2023-04-23 | 2023-08-18 | 江苏苏港智能装备产业创新中心有限公司 | 一种基于起重机电机振温信号的电机健康预测评估方法 |
CN116609652B (zh) * | 2023-04-23 | 2023-10-27 | 江苏苏港智能装备产业创新中心有限公司 | 一种基于起重机电机振温信号的电机健康预测评估方法 |
CN116448404A (zh) * | 2023-06-15 | 2023-07-18 | 安徽容知日新科技股份有限公司 | 异常监测方法、装置、电子设备及计算机可读存储介质 |
CN116485077A (zh) * | 2023-06-15 | 2023-07-25 | 深圳市秒加能源科技有限公司 | 一种加气站点信息监控管理系统 |
CN116485077B (zh) * | 2023-06-15 | 2024-01-23 | 深圳市秒加能源科技有限公司 | 一种加气站点信息监控管理系统 |
CN117196591A (zh) * | 2023-11-07 | 2023-12-08 | 成都理工大学 | 一种设备失效模式预判与剩余寿命预测耦合系统及方法 |
CN117196591B (zh) * | 2023-11-07 | 2024-02-09 | 成都理工大学 | 一种设备失效模式预判与剩余寿命预测耦合系统及方法 |
CN117473273A (zh) * | 2023-12-27 | 2024-01-30 | 宁德时代新能源科技股份有限公司 | 异常检测方法、装置、终端及计算机可读存储介质 |
CN117473273B (zh) * | 2023-12-27 | 2024-05-28 | 宁德时代新能源科技股份有限公司 | 异常检测方法、装置、终端及计算机可读存储介质 |
CN117671818A (zh) * | 2024-02-01 | 2024-03-08 | 新汽有限公司 | 一种车辆数据的管理系统 |
CN117671818B (zh) * | 2024-02-01 | 2024-04-16 | 新汽有限公司 | 一种车辆数据的管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112580153B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112580153B (zh) | 一种车辆走行部监测部件健康状态管理系统及方法 | |
CN111351664B (zh) | 一种基于lstm模型的轴承温度预测和报警诊断方法 | |
CN103617110B (zh) | 服务器设备状态检修系统 | |
CN108896299B (zh) | 一种齿轮箱故障检测方法 | |
CN111401583A (zh) | 基于预测性维护的自动扶梯全生命周期健康管理系统 | |
CN112991577B (zh) | 一种轨道车辆车轮多边形状态诊断系统 | |
CN111071291B (zh) | 列车轮对监测系统及列车轮对监测方法 | |
CN110222436B (zh) | 列车零部件健康状态的评估方法、装置及存储介质 | |
CN111207938A (zh) | 一种铁道车辆故障检测方法 | |
CN107490479B (zh) | 轴承剩余寿命预测方法与装置 | |
CN112541430B (zh) | 一种温度信号与噪声信号融合的故障诊断方法 | |
CN114004262A (zh) | 一种齿轮箱轴承故障检测方法及系统 | |
Du et al. | Risk evaluation of bogie system based on extension theory and entropy weight method | |
Ma et al. | A prediction method based on stepwise regression analysis for train axle temperature | |
CN114117687A (zh) | 一种轮对关键部件寿命预测模型构建、预测方法及系统 | |
CN113516159B (zh) | 轨道车辆走行部小齿轮轴裂纹故障诊断方法及系统 | |
Xue et al. | Real-time diagnosis of an in-wheel motor of an electric vehicle based on dynamic Bayesian networks | |
CN113740063A (zh) | 列车轴承监控预警方法及系统 | |
CN107782548A (zh) | 一种基于对轨道交通工具零部件检测系统 | |
CN111314463A (zh) | 一种基于泵站机组健康评估的方法 | |
CN114179858B (zh) | 基于车轮健康状态的车轮镟修方法及装置 | |
Song et al. | A fault feature extraction method for rolling bearings based on refined composite multi-scale amplitude-aware permutation entropy | |
CN115545101A (zh) | 一种基于残差神经网络的高速列车转向架故障诊断方法 | |
CN110097219A (zh) | 一种基于安全树模型的电动车辆运维优化方法 | |
CN115456041A (zh) | 设备故障预警方法及装置、计算设备和存储介质 |
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 |