CN113409556A - 一种leu监测预警方法及系统 - Google Patents

Abstract

本发明公开了一种LEU监测预警方法，其特征在于，包括：获取LEU设备的监测数据；根据监测数据判断LEU设备的工作状态。有益效果在于：根据监测数据判断LEU设备的工作状态，提前进行维护，避免出现故障后再前去维护的局面，从而减少企业的损失，提高铁路的运行效率，具有高提前度、低维护成本和铁路运行效率高的特点。本方明还公开了一种应用上述方法的LEU监测预警系统。

Description

一种LEU监测预警方法及系统

技术领域

本发明涉及铁路行业的列车控制技术领域，特别涉及一种LEU监测预警方法及系统。

背景技术

点式应答器系统已经广泛应用于我国CTCS系统、客运专线、调车防护系统、CBTC系统等，主要地面信号设备为地面电子单元和应答器。地面电子单元，简称LEU，是一种关键的铁路信号设备，负责从列车控制中心接收信息，向有源应答器发送信息的设备。

现阶段，LEU设备通过自身的监测板监测其自身工作状态，故障时报警等待修理，LEU设备故障直接影响铁路运输系统，降低铁路运行效率，提前预判LEU故障成为提高铁路运输效率迫切的需求。现场排查监测时，LEU设备输出信号的质量是现场维护时的重要依据，现场一般采用示波器、频谱仪测量，较为笨重，对便携式的专用测量仪器有迫切的需求。现阶段主要采用故障后修理的方式排除故障，迫切需要一款监测设备，能够预判故障的发生，提前排除部分故障的发生。

因此，如何设计一种监测预警系统，对已故障或临近故障的LEU设备进行提前维护，成为本领域技术人员亟待解决的重要技术问题。

发明内容

有鉴于此，本发明提供了一种LEU监测预警方法，通过监测LEU设备的工作数据，再根据工作数据对LEU设备的工作状态进行判断，提前应对故障的LEU设备，具有维护提前度高和维护成本低的特点。

本发明还提供了一种应用上述方法的LEU监测预警系统。

为实现上述目的，本发明提供如下技术方案：

一种LEU监测预警方法，包括：

获取LEU设备的监测数据；

根据所述监测数据判断所述LEU设备的工作状态。

进一步地，在所述根据所述监测数据实时判断所述LEU设备的状态之后，还包括：

当所述工作状态被判断为已经故障时，对已经故障的所述LEU设备进行报警；或者，当所述工作状态被判断为临近故障时，对临近故障的所述LEU设备进行预警。

进一步地，所述获取LEU设备的监测数据，包括：

采集LEU设备的输出信号。

进一步地，所述输出信号包括：电压电流幅值、相位频谱和时间信息。

进一步地，所述根据所述监测数据判断所述LEU设备的工作状态，包括：

根据所述监测数据通过故障预判模型判断所述LEU设备的工作状态；

在所述根据所述监测数据判断所述LEU设备的工作状态之后，还包括：

当判断所述LEU设备的工作状态为已经故障或临近故障时，根据所述监测数据和故障情况通过深度学习算法训练所述故障预判模型。

进一步地，还包括：

根据LEU设备的站点的编号和时间进行匹配，结合以往的故障数据，生成故障预判模型，所述故障预判模型以故障概率曲线的型式呈现。

进一步地，所述根据所述监测数据判断所述LEU设备的工作状态，还包括：

显示所述LEU设备的监测数据，供现场测试维护人员使用。

一种LEU监测预警系统，包括：采集器和上位机；

所述采集器用于获取LEU设备的监测数据；

所述上位机用于根据所述监测数据判断所述LEU设备的工作状态。

进一步地，还包括：服务器；

所述服务器用于根据所述监测数据和故障情况通过深度学习算法训练所述故障预判模型。

进一步地，所述采集器包括：分频电路、高精度采集电路、DSP处理器模块，主控处理器模块、电池供电模块和蓝牙通信模块。

从上述的技术方案可以看出，本发明提供的LEU监测预警方法，通过获取LEU设备的监测数据，再根据监测数据对LEU设备的工作状态进行判断，大大提高了维护的提前性，避免出现故障后发现再去维修的局面，并且为了提高预警性，本方案还将可自我完善的故障预判模型介入其监测工作中，针对即将故障的LEU设备进行报警或预警，极大的减少了工作人员的劳动负担，具有维护提前程度高、劳动负担低和警示效果佳的特点。

本发明还提供了一种应用上述方法的LEU监测预警系统，由于采用了上述的LEU监测预警方法，因此其也就具有相应的有益效果，具体可以参照前面说明，在此不再赘述。

附图说明

为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明实施例提供的LEU监测预警方法判断LEU工作状态的流程图；

图2为图1中流程S020的流程扩充图；

图3为图1中流程S010的流程扩充图；

图4为图2中流程S020的具体流程扩充图；

图5为本发明实施例提供的LEU监测预警系统的整体示意图；

图6为本发明实施例提供的LEU监测预警系统工作的流程示意图。

具体实施方式

本发明公开了一种LEU监测预警方法，通过获取LEU设备的监测数据，并基于监测数据对LEU设备的工作状态进行判断，具有维护提前度高的特点。

本发明还公开了一种应用上述方法的LEU监测预警系统。

下面为本发明中相关术语的解释：

LEU：地面电子单元，一种铁路信号设备。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。

本发明实施例提供的LEU监测预警方法，参阅图1，包括：

S010：获取LEU设备的监测数据；

S020：根据监测数据判断LEU设备的工作状态。

需要说明的是，在步骤S010中，LEU设备的监测数据通过持续监测LEU设备从而获得，保证能够对每个LEU设备进行实时监控；在步骤S020中，通过对监测数据判断LEU设备的工作状态为故障或正常状态，基于此判断结果，能够让本领域技术人员在LEU设备故障时提前进行维护，避免出现故障后再前去维护的局面，从而减少企业的损失，提高铁路的运行效率，本方案如此设计，具有铁路运行效率高、高提前度和维护成本低的特点。

在本方案中，参阅图2，在根据监测数据实时判断LEU设备的状态之后，还包括：

S030：当工作状态被判断为已经故障时，对已经故障的LEU设备进行报警；或者，当工作状态被判断为临近故障时，对临近故障的LEU设备进行预警。

需要说明的是，在S030流程中，当根据LEU设备的监测数据判断为已故障的状态时，则会对技术人员发出一个报警，提醒已经出现故障，督促技术人员提前前去维护，并且为了进一步提高维护LEU设备的提前度，会对临近故障的LEU设备进行一个预警，提醒技术人员有即将故障的LEU设备，在故障前提前去维护，本方案如此设计，具有提前度高和警示效果佳的特点。

在本方案中，参阅图3，S010：获取LEU设备的监测数据，包括：

S000：采集LEU设备的输出信号。

需要说明的是，由于LEU设备通过线缆将信号传递至有源应答器，此时采集线缆上的信号，即可得到LEU设备的输出信号，从而得到LEU设备的监测数据，便于为下一个步骤的进行做准备，本方案如此设计，具有采集方式简单和采集效果佳的特点。

为了优化上述技术方案，输出信号包括：电压电流幅值、相位频谱和时间信息。

需要说明的是，与现有采集基础信息的方式不同的是，LEU设备通过对线缆进行信号采集，即可满足监测数据的采集，其中采集的信号为电压电流幅值、相位频谱和时间信息，并且可根据电压电流幅值、相位频谱和时间信息管理LEU设备的健康，本方案如此设计，具有数据提取精准度高和数据提取简单的特点。

在本方案中，参阅图4，S020：根据监测数据判断LEU设备的工作状态，包括：

S021：根据监测数据通过故障预判模型判断LEU设备的工作状态；

在S021根据监测数据判断LEU设备的工作状态之后，还包括：

S031：当判断LEU设备的工作状态为已经故障或临近故障时，根据监测数据和故障情况通过深度学习算法训练故障预判模型。

需要说明的是，本发明实施例提供了一种故障预判模型用于LEU设备工作状态的判断，该模型训练数据为上传LEU信号、故障情况，依据信号特性进行判断做出预测，并通过不断上传的LUE信息以及故障状态的记录再次学习，训练模型，反复迭代，增强模型的预判能力，本方案如此设计，具有预判效果佳和自我完善能力高的特点。

本发明实施例提供的LEU监测预警方法，还包括：根据LEU设备的站点的编号和时间进行匹配，结合以往的故障数据，生成故障预判模型，故障预判模型以故障概率曲线的型式呈现。

需要说明的是，故障预判模型由LEU设备的站点的编号和时间进行匹配，再结合以往的故障数据构成，并且以故障概率曲线的型式呈现，通过故障概率曲线可直观的查看被监控LEU设备的工作状态，便于提高监控效果，本方案如此设计，具有监控效果佳和数据查看便捷的特点。

在本方案中，S020：根据监测数据判断LEU设备的工作状态，还包括：

显示LEU设备的监测数据，供现场测试维护人员使用。

需要说明的是，在S020流程中，除了根据监测数据判断LEU设备的工作状态之外，还存在显示LEU设备的监测数据，并且LEU设备的监测数据是实时显示LEU设备输出信号的频谱图，对特定频点单独显示其信号特性，供现场测试维护人员使用，本方案如此设计，具有监测数据精准度高和便于调用监测数据进行检测或维修的特点。

本发明实施例提供的一种LEU监测预警系统，包括：采集器和上位机；

采集器用于获取LEU设备的监测数据；

上位机用于根据监测数据判断LEU设备的工作状态。

需要说明的是，上位机有两种，根据现场测试环境需求进行选择，有手机端和电脑端两种。手机APP和电脑端软件功能上相同，主要具备如下模块：蓝牙通信模块、数据显示模块、LEU故障报警模块和数据上传模块，具体用途参照上述方法，本方案如此设计，具有模块化程度高和处理效果佳的特点。

本发明实施例提供的一种LEU监测预警系统，还包括：服务器；

服务器用于根据监测数据和故障情况通过深度学习算法训练故障预判模型。

需要说明的是，服务器主要包括数据存储部分和数据处理部分，其中后台软件布置在数据处理部分，通过后台软件对接上位机经由万维网发送的数据，接收来自全国各地LEU采集器上传的信息，并进行分类标注，通过数据处理部分分配至数据存储部分。此外，数据处理部分嵌入深度学习算法训练模型，该模型训练数据为上传LEU信号、故障情况，两者通过站点的编号、时间等信息进行匹配，结合以往的故障数据，生成初版故障预判模型，模型最终以故障概率曲线的型式呈现，依据信号特性进行判断做出预测，并通过不断上传的LUE信息以及故障状态的记录再次学习，训练模型，生成新的故障判断曲线，反复迭代，增强模型的预判能力，本方案如此设计，具有预判能力强和模型更新效果佳的特点。

在本方案中，采集器包括：分频电路、高精度采集电路、DSP处理器模块、主控处理器模块、电池供电模块和蓝牙通信模块。

需要说明的是，采集器是便携式的，电池供电，使用电缆连接采集器与LEU输出板，采集器具有采集输出信号的功能，如C1、C6信号幅度特性及频谱特性，由分频电路、高精度采集电路、DSP处理器模块，主控处理器模块、电池供电模块、蓝牙通信模块组成，通过分频电路分隔基带信号和载频信号，通过高精度采集电路测量信号幅度特性，通过DSP处理器模块处理得到频谱特性，传输至主控处理器模块，主控处理器模块加入对应LEU设备信息和时间信息等，将信息打包处理发送至蓝牙模块，由蓝牙模块发送至上位机，本方案如此设计，具有监测效果佳、模块化程度高和信息传递快的特点。

下面再根据具体实施例对本方案做进一步介绍。

一种LEU监测预警系统，参见图5和图6，包括：信号采集器、上位机和服务器；

采集器是便携式的，电池供电。使用电缆连接采集器与LEU输出板，采集器具有采集输出信号的功能，内部结构如下图所示，由分频电路、高精度采集电路、DSP处理器模块，主控处理器模块、电池供电模块和蓝牙通信模块组成。采集器采集C接口信号，通过分频电路分隔基带信号和载频信号，通过高精度采集电路测量信号幅度特性，通过DSP处理器模块处理得到频谱特性，传输至主控处理器模块，主控处理器模块加入对应LEU设备信息和时间信息等，将信息打包处理发送至蓝牙模块，由蓝牙模块发送至上位机。

上位机有两种，根据现场测试环境需求进行选择，有手机端和电脑端两种。手机APP和电脑端软件功能上相同，主要具备如下功能：蓝牙通信功能、数据显示功能、LEU故障报警功能和数据上传功能。通过蓝牙接收采集器发送的信息，蓝牙部分对接信号采集器蓝牙；收到数据后，通过通信协议进行解析，由上位机对C接口输出信息进行显示，供现场维护处理使用。该上位机具有判断LEU工作状态的功能，LEU是否故障可以直接由上位机显示并报警。该上位机具有数据上传功能，使用万维网远程访问服务器，将采集器发送的信息加入LEU故障信息一起打包发送至服务器。

服务器两项主要功能是：数据存储功能、数据处理功能。后台软件布置在数据处理部分，通过后台软件对接上位机经由万维网发送的数据，接收来自全国各地LEU采集器上传的信息，并进行分类标注，通过数据处理部分分配至数据存储部分。数据处理部分嵌入深度学习算法训练模型，该模型训练数据为上传LEU信号、故障情况，两者通过站点的编号、时间等信息进行匹配，结合以往的故障数据，生成初版故障预判模型，模型最终以故障概率曲线的型式呈现，依据信号特性进行判断做出预测，并通过不断上传的LUE信息以及故障状态的记录再次学习，训练模型，生成新的故障判断曲线，反复迭代，增强模型的预判能力。发现故障LEU服务器立即报警，预判模型识别到即将故障的LEU，立即发出预警，用于故障前维护LEU。

本发明实施例提供的LEU监测预警系统的工作原理为：

该LEU监测预警辅助系统采集LEU主机输出至有源应答器线缆上的信号，采集该信号幅度、频率、时间信息，分析其特性，判定LEU主机是否故障，并对故障LEU报警，对状态不佳的LEU进行预警。

采集器通过电缆连接器插入LEU输出板输出端口，通过采集器采集一段时间内LEU设备的输出信号。采集器将采集到的信息通过蓝牙发送至上位机，上位机能够对故障LEU报警，上位机并且可以实时的显示LEU输出信号的频谱图，并对特定频点单独显示其信号特性，供现场测试维护人员使用。

同时采集器具有网络连接功能，将数据上传至服务器，服务器对LEU的故障状态进行判定，并对故障LEU进行报警，对LEU生命周期内的工作状态进行一次预测，对预判有问题的LEU进行预警，并反馈至采集器展示给现场测试维护人员使用，督促现场维护人员对现场可能存在的干扰点、影响因素提早排除。

此外，服务器后台设置有深度学习模型，该模型已经进过大量数据的训练，该模型还具有自我学习功能，依据每次采集的数据进行自我学习，提高故障预判模型预判故障能力，提高LEU故障预测模型的准确性，自我完善故障预测模型，从而多方面的对LEU设备进行故障监测与故障预警。

本发明的关键点在于：

1、便携测量LEU输出信号特性。

2、使用深度学习+大数据算法，预判LEU的故障，提前维修。

本发明的优点为：

1、现在测量LEU设备输出信号特性使用示波器和频谱分析仪，是否故障通过人主动识别判断。该系统中的采集器实现了LEU设备输出信号特型的便携测试，并加入了识别LEU故障的功能，实现了智能化。

2、LEU设备故障后再修理，影响铁路运输效率，该系统通过深度学习和大数据技术手段，对存在故障可能的LEU提前预警，预防式的维护修理，能够在不影响运行的情况下预防故障的发生。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种LEU监测预警方法，其特征在于，包括：

获取LEU设备的监测数据；

根据所述监测数据判断所述LEU设备的工作状态。

2.根据权利要求1所述的LEU监测预警方法，其特征在于，在所述根据所述监测数据实时判断所述LEU设备的状态之后，还包括：

当所述工作状态被判断为已经故障时，对已经故障的所述LEU设备进行报警；或者，当所述工作状态被判断为临近故障时，对临近故障的所述LEU设备进行预警。

3.根据权利要求1所述的LEU监测预警方法，其特征在于，所述获取LEU设备的监测数据，包括：

采集所述LEU设备的输出信号。

4.根据权利要求3所述的LEU监测预警方法，其特征在于，所述输出信号包括：电压电流幅值、相位频谱和时间信息。

5.根据权利要求2所述的LEU监测预警方法，其特征在于，所述根据所述监测数据判断所述LEU设备的工作状态，包括：

根据所述监测数据通过故障预判模型判断所述LEU设备的工作状态；

在所述根据所述监测数据判断所述LEU设备的工作状态之后，还包括：

当判断所述LEU设备的工作状态为已经故障或临近故障时，根据所述监测数据和故障情况通过深度学习算法训练所述故障预判模型。

6.根据权利要求5所述的LEU监测预警方法，其特征在于，还包括：

根据LEU设备的站点的编号和时间进行匹配，结合以往的故障数据，生成故障预判模型，所述故障预判模型以故障概率曲线的型式呈现。

7.根据权利要求1所述的LEU监测预警方法，其特征在于，所述根据所述监测数据判断所述LEU设备的工作状态，还包括：

显示所述LEU设备的监测数据，供现场测试维护人员使用。

8.一种LEU监测预警系统，其特征在于，包括：采集器和上位机；

所述采集器用于获取LEU设备的监测数据；

所述上位机用于根据所述监测数据判断所述LEU设备的工作状态。

9.根据权利要求8所述的LEU监测预警系统，其特征在于，还包括：服务器；

所述服务器用于根据所述监测数据和故障情况通过深度学习算法训练所述故障预判模型。

10.根据权利要求8所述的LEU监测预警系统，其特征在于，所述采集器包括：分频电路、高精度采集电路、DSP处理器模块、主控处理器模块、电池供电模块和蓝牙通信模块。

Images