CN113650656B - 一种基于列车运营场景的智能故障诊断方法 - Google Patents
一种基于列车运营场景的智能故障诊断方法 Download PDFInfo
- Publication number
- CN113650656B CN113650656B CN202111113602.4A CN202111113602A CN113650656B CN 113650656 B CN113650656 B CN 113650656B CN 202111113602 A CN202111113602 A CN 202111113602A CN 113650656 B CN113650656 B CN 113650656B
- Authority
- CN
- China
- Prior art keywords
- train
- scene
- stage
- operation scene
- atp
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000003745 diagnosis Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims description 30
- 238000012423 maintenance Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims 1
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- PLAIAIKZKCZEQF-UHFFFAOYSA-N methyl 6-chloro-2-oxo-3h-1,2$l^{4},3-benzodithiazole-4-carboxylate Chemical compound COC(=O)C1=CC(Cl)=CC2=C1NS(=O)S2 PLAIAIKZKCZEQF-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种基于列车运营场景的智能故障诊断方法，属于城市轨道交通信号领域。本发明基于列车运营场景的智能故障诊断方法能够在列车运营过程中，基于列车不同运营场景的运营规则，实时地判断列车所处的运营场景。基于运营场景规则实时分析列车所处的状态，监控出列车在该运营场景中是否出现故障，进而诊断出此运营场景下是否发生故障并给出报警信息和故障发生的原因。基于列车运营场景的智能故障诊断方法能够更加准确和深入的监测列车的运营状态，及时提示报警，并分析故障发生的原因，从而能够极大的提升列车运营的效率。
Description
技术领域
本发明属于城市轨道交通信号领域，具体涉及一种基于列车运营场景的智能故障诊断方法。
背景技术
在轨道交通信号系统中，既有的维护支持系统只能够被动的接收列车运行过程中发送过来的报警，并对报警进行显示，无法利用列车运行过程中的各种数据，实时分析、诊断列车的运行状态。只有当某列车发生了明确的故障，并将故障报警发送给维护支持系统之后，维护人员才能发现此报警信息，然后还需要根据列车运行过程数据，分析此报警产生的故障原因。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何提供一种基于列车运营场景的智能故障诊断方法，以解决现有的维护支持系统只能够被动的接收列车运行过程中发送过来的报警，并对报警进行显示，无法利用列车运行过程中的各种数据，实时分析、诊断列车的运行状态的问题。
(二)技术方案
为了解决上述技术问题，本发明提出一种基于列车运营场景的智能故障诊断方法，该诊断方法包括三个阶段；第一个阶段为列车所处运营场景的识别，实时监控列车当前所处的运营场景；第二个阶段为对列车在运营场景中的故障识别，监测当前运营场景中列车处于的阶段，实时诊断列车在当前场景中是否出现异常状态；第三个阶段为故障报警阶段，对于场景中出现的故障进行报警和故障原因定位。
进一步地，运营场景识别阶段具体包括如下过程：报文实时监测任务获取到当前需要监测的列车报文后，从报文信息中提取设备相关属性信息，创建相应的列车对象，或更新现有列车对象的相应属性值；然后载入对应的规则脚本文件，遍历所有列车对象，使用Drools规则引擎监测在当前周期中列车当前处的运营场景，进入当前运营场景的故障识别阶段；并继续监测列车是否发生了所在场景的状态切换，若发生状态切换，则重设列车对象的运营场景，并触发对该列车的场景故障识别，无则不进行操作。
进一步地，运营场景的故障识别阶段具体包括如下过程：获取列车报文数据，载入对应场景的规则脚本文件，使用Drools规则引擎提取设备相关属性，监测当前运营场景中列车处于的阶段，并进一步判断是否出现异常，若识别出异常，则触发故障报警，若未识别出异常，再次遍历所有设备对象，使用Drools规则引擎监测当前运营场景中列车处于的阶段，若发现设备属性存在异常情况，则进入报警处置流程，并继续监测列车状态直到退出当前运营场景。
进一步地，故障报警阶段具体包括：根据当前场景所处阶段和相关报文定位故障原因，显示报警，存储报警。
进一步地，运营场景的故障识别阶段包括列车的自动换端场景中的故障诊断，自动换端过程故障监测需通过车载ATP发往维护机的报文、车载ATP内部网络首尾端ATP通信报文、车地网络中的VOBC与ZC间的通信报文来监测列车是否进入自动换端场景和在自动换端过程中有无发生异常行为，监测过程涉及同一列车首尾端ATP与相关站点的ZC设备。
进一步地，在自动换端场景的故障诊断过程中，解析程序根据相关的通信协议来解析报文，故障检测程序获取到这部分解析后的报文数据后，根据报文类型提取需要的数据得到对应的首尾端ATP和ZC的属性值，然后判断首尾端ATP与ZC所处自动换端阶段，最后进行自动换端过程首尾端ATP与ZC对象属性异常识别。
进一步地，报文数据包括Atptomt报文数据、Atptoatp报文数据Zctovobc报文数据和Vobctozc报文数据，Atptomt报文数据从车载ATP发往维护机的报文获得，Atptoatp报文数据从车载ATP内部网络首尾端ATP通信报文获得，Zctovobc报文数据和Vobctozc报文数据从VOBC与ZC间的通信报文获得。
进一步地，设备属性值包括首端ATP属性值、尾端ATP属性值和ZC属性值，首端ATP属性值由Atptomt报文数据、Atptoatp报文数据、Zctovobc报文数据、Vobctozc报文数据获得，尾端ATP属性值由Atptomt报文数据、Atptoatp报文数据、Zctovobc报文数据、Vobctozc报文数据获得，ZC属性值由Zctovobc报文数据、Vobctozc报文数据获得。
进一步地，判断首尾端ATP与ZC所处自动换端阶段具体包括：通过Drools规则引擎进行规则识别来判断首尾端ATP和ZC所处自动换端阶段，将自动换端过程中的首尾端ATP状态变化情况分别划分为6个阶段，将ZC状态变化情况划分为7个阶段。
进一步地，根据监测结果，对进入自动换端过程下一阶段的列车进行状态变更，修改对应的首尾ATP对象与ZC的当前属性值；在更新列车状态完成之后，通过基于状态的自动换端过程故障监测规则识别设备属性中是否有异常，然后进入报警处理阶段，在故障报警阶段根据当前阶段所涉及报文定位故障原因，之后执行相应的报警显示和存储；对于退出自动换端过程的列车将结束当前场景故障诊断，重新进入列车运营场景变化的监测。
(三)有益效果
本发明提出一种基于列车运营场景的智能故障诊断方法，本发明基于列车运营场景的智能故障诊断方法能够在列车运营过程中，基于列车不同运营场景的运营规则，实时地判断列车所处的运营场景。基于运营场景规则实时分析列车所处的状态，监控出列车在该运营场景中是否出现故障，进而诊断出此运营场景下是否发生故障并给出报警信息和故障发生的原因。本发明基于列车运营场景的智能故障诊断方法能够更加准确和深入的监测列车的运营状态，及时提示报警，并分析故障发生的原因，从而能够极大的提升列车运营的效率。
在现有维护支持系统中加入该诊断方法后，能够在列车处于运营场景中时诊断出列车出现的故障，识别故障原因，减少了维护人员的工作量，提升了维护效率。
附图说明
图1为本发明基于列车运营场景的智能故障诊断方法流程图；
图2为本发明自动换端过程故障监测程序中数据流动示意图。
具体实施方式
为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
对于技术交底书中出现的英文缩写或专业技术名词需要给出解释，对于英文缩写，还要有英文全拼及译文。
CBTC：Communication Based Train Control System基于通信的列车自动控制
MSS：Maintenance Support System维护支持系统
ATS：Automatic Train Supervision列车自动监督系统
CI：Computer Interlock计算机联锁系统
ZC：Zone Controller区域控制器系统
VOBC：Vehicle On-board Controller车载控制器系统
Drools：是一个基于Charles Forgy's的RETE算法的，易于访问企业策略、易于调整以及易于管理的开源业务规则引擎，符合业内标准，速度快、效率高。业务分析师人员或审核人员可以利用它轻松查看业务规则，从而检验是否已编码的规则执行了所需的业务规则。
本研究发现，列车在线路中运行时，时刻处于不同的运营状态之中，如折返场景，进站停车场景、出站发车场景，出库场景和退行防护场景等。本方法将每一种列车运营场景下的列车控制过程都梳理成对应的软件控制执行规则，从而可以利用这些确定的规则实时对列车在不同运营场景下所产生的运行数据进行故障分析和诊断，能够及时且深入的掌握列车当前的运行状态，并在第一时间对列车在此运营状态下产生的故障进行报警提示和故障原因分析、定位。
在既有的轨道交通维护监测系统中，没有本发明的基于列车运营场景的智能故障诊断方法。
基于列车运营场景的智能故障诊断方法能够在列车运营过程中，基于列车不同运营场景的运营规则，实时地判断列车所处的运营场景。基于运营场景规则实时分析列车所处的状态，监控出列车在该运营场景中是否出现故障，进而诊断出此运营场景下是否发生故障并给出报警信息和故障发生的原因。
基于列车运营场景的智能故障诊断方法能够更加准确和深入的监测列车的运营状态，及时提示报警，并分析故障发生的原因，从而能够极大的提升列车运营的效率。
在现有维护支持系统中加入该诊断方法后，能够在列车处于运营场景中时诊断出列车出现的故障，识别故障原因，减少了维护人员的工作量，提升了维护效率。
如图1所示，该诊断方法分为主要为三个阶段。第一个阶段为列车所处运营场景的识别，实时监控列车当前所处的运营场景；第二个阶段为对列车在运营场景中的故障识别，监测当前运营场景中列车处于的阶段，实时诊断列车在当前场景中是否出现异常状态；第三个阶段为故障报警阶段，对于场景中出现的故障进行报警和故障原因定位。
在运营场景识别阶段中，报文实时监测任务获取到当前需要监测的列车报文后，从报文信息中提取设备相关属性信息，创建相应的列车对象，或更新现有列车对象的相应属性值。然后载入对应的规则脚本文件，遍历所有列车对象，使用Drools规则引擎监测在当前周期中列车当前处的运营场景，进入当前运营场景的故障识别阶段；并继续监测列车是否发生了所在场景的状态切换，若发生状态切换，则重设列车对象的运营场景，并触发对该列车的场景故障识别，无则不进行操作。
在运营场景的故障识别阶段中，获取列车报文数据，载入对应场景的规则脚本文件，使用Drools规则引擎提取设备相关属性，监测当前运营场景中列车处于的阶段，并进一步判断是否出现异常，若识别出异常，则触发故障报警，若未识别出异常，再次遍历所有设备对象，使用Drools规则引擎监测当前运营场景中列车处于的阶段，若发现设备属性存在异常情况，则进入报警处置流程，并继续监测列车状态直到退出当前运营场景。
故障报警阶段，根据当前场景所处阶段和相关报文定位故障原因，显示报警，存储报警。
其中，Drools是开源引擎，是通用技术，本发明没有介绍脚步怎么样写。
在运营场景中的故障识别阶段中以列车的自动换端场景中的故障诊断为例，自动换端过程故障监测程序主要通过车载ATP发往维护机的报文、车载ATP内部网络首尾端ATP通信报文、车地网络中的VOBC与ZC间的通信报文来监测列车是否进入自动换端场景和在自动换端过程中有无发生异常行为，监测过程涉及同一列车首尾端ATP与相关站点的ZC设备。
如图2所示，在自动换端过程故障监测过程中，解析程序根据相关的通信协议来解析报文，故障检测程序获取到这部分解析后的报文数据后，根据报文类型提取需要的数据得到对应的首尾端ATP和ZC的属性值，然后判断首尾端ATP与ZC所处自动换端阶段，最后进行自动换端过程首尾端ATP与ZC对象属性异常识别。具体地，Atptomt报文数据从车载ATP发往维护机的报文获得，Atptoatp报文数据从车载ATP内部网络首尾端ATP通信报文获得，Zctovobc报文数据和Vobctozc报文数据从VOBC与ZC间的通信报文获得；首端ATP属性值由Atptomt报文数据、Atptoatp报文数据、Zctovobc报文数据、Vobctozc报文数据获得，尾端ATP属性值由Atptomt报文数据、Atptoatp报文数据、Zctovobc报文数据、Vobctozc报文数据获得，ZC属性值由Zctovobc报文数据、Vobctozc报文数据获得。
首尾端ATP与ZC对象在更新了最新的属性之后，通过Drools规则引擎进行规则识别来“判断首尾端ATP和ZC所处自动换端阶段”。程序内部将自动换端过程中的首尾端ATP状态变化情况分别划分为6个阶段，将ZC状态变化情况划分为7个阶段详细描述如表1所示。
表1自动换端过程各设备各阶段状态详细描述
根据监测结果，对进入自动换端过程下一阶段的列车进行状态变更，修改对应的首尾ATP对象与ZC的当前属性值。在更新列车状态完成之后，通过基于状态的自动换端过程故障监测规则识别设备属性中是否有异常(该规则将所有不在预设的正常情况内的状况都视为异常)，然后进入报警处理阶段，在故障报警阶段根据当前阶段所涉及报文定位故障原因，之后执行相应的报警显示和存储。对于退出自动换端过程的列车将结束当前场景故障诊断，重新进入列车运营场景变化的监测。
本发明首次在维护支持系统中基于列车运营场景的智能故障诊断方法；
能够根据列车和相关设备的报文判断列车当前正处在哪个运营场景；
能够根据列车和相关设备的报文判断列车当前正处在哪个运营场景中的哪一个阶段；
能够根据列车和相关设备的报文判断列车在某个运营场景中是否发生故障；
能够根据列车当前所处的运营场景。
现有的维护支持系统中没有实现基于列车运营场景的智能故障诊断方法。
现有的维护支持系统无法实时判断列车当前所处的运营场景，更加无法进一步进行列车在运营场景中诊断故障，需要维护人员在故障产生后对列车和相关设备进行分析才能判断故障原因。
增加了基于列车运营场景的智能故障诊断方法后可以在列车处于运营场景中时能够诊断出列车出现的故障；确保维护人员在第一时间发现故障并且掌握故障发生的原因；及时根据故障原因排除故障，提高列车运营效率。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.一种基于列车运营场景的智能故障诊断方法，其特征在于，该诊断方法包括三个阶段；第一个阶段为列车所处运营场景的识别，实时监控列车当前所处的运营场景；第二个阶段为对列车在运营场景中的故障识别，监测当前运营场景中列车处于的阶段，实时诊断列车在当前场景中是否出现异常状态；第三个阶段为故障报警阶段，对于场景中出现的故障进行报警和故障原因定位；
运营场景识别阶段具体包括如下过程：报文实时监测任务获取到当前需要监测的列车报文后，从报文信息中提取设备相关属性信息，创建相应的列车对象，或更新现有列车对象的相应属性值；然后载入对应的规则脚本文件，遍历所有列车对象，使用Drools规则引擎监测在当前周期中列车当前处的运营场景，进入当前运营场景的故障识别阶段；并继续监测列车是否发生了所在场景的状态切换，若发生状态切换，则重设列车对象的运营场景，并触发对该列车的场景故障识别，无则不进行操作。
2.如权利要求1所述的基于列车运营场景的智能故障诊断方法，其特征在于，运营场景的故障识别阶段具体包括如下过程：获取列车报文数据，载入对应场景的规则脚本文件，使用Drools规则引擎提取设备相关属性，监测当前运营场景中列车处于的阶段，并进一步判断是否出现异常，若识别出异常，则触发故障报警，若未识别出异常，再次遍历所有设备对象，使用Drools规则引擎监测当前运营场景中列车处于的阶段，若发现设备属性存在异常情况，则进入报警处置流程，并继续监测列车状态直到退出当前运营场景。
3.如权利要求2所述的基于列车运营场景的智能故障诊断方法，其特征在于，故障报警阶段具体包括：根据当前场景所处阶段和相关报文定位故障原因，显示报警，存储报警。
4.如权利要求2所述的基于列车运营场景的智能故障诊断方法，其特征在于，运营场景的故障识别阶段包括列车的自动换端场景中的故障诊断，自动换端过程故障监测需通过车载ATP发往维护机的报文、车载ATP内部网络首尾端ATP通信报文、车地网络中的VOBC与ZC间的通信报文来监测列车是否进入自动换端场景和在自动换端过程中有无发生异常行为，监测过程涉及同一列车首尾端ATP与相关站点的ZC设备。
5.如权利要求4所述的基于列车运营场景的智能故障诊断方法，其特征在于，在自动换端场景的故障诊断过程中，解析程序根据相关的通信协议来解析报文，故障检测程序获取到这部分解析后的报文数据后，根据报文类型提取需要的数据得到对应的首尾端ATP和ZC的属性值，然后判断首尾端ATP与ZC所处自动换端阶段，最后进行自动换端过程首尾端ATP与ZC对象属性异常识别。
6.如权利要求5所述的基于列车运营场景的智能故障诊断方法，其特征在于，报文数据包括Atptomt报文数据、Atptoatp报文数据Zctovobc报文数据和Vobctozc报文数据，Atptomt报文数据从车载ATP发往维护机的报文获得，Atptoatp报文数据从车载ATP内部网络首尾端ATP通信报文获得，Zctovobc报文数据和Vobctozc报文数据从VOBC与ZC间的通信报文获得。
7.如权利要求6所述的基于列车运营场景的智能故障诊断方法，其特征在于，设备属性值包括首端ATP属性值、尾端ATP属性值和ZC属性值，首端ATP属性值由Atptomt报文数据、Atptoatp报文数据、Zctovobc报文数据、Vobctozc报文数据获得，尾端ATP属性值由Atptomt报文数据、Atptoatp报文数据、Zctovobc报文数据、Vobctozc报文数据获得，ZC属性值由Zctovobc报文数据、Vobctozc报文数据获得。
8.如权利要求5所述的基于列车运营场景的智能故障诊断方法，其特征在于，判断首尾端ATP与ZC所处自动换端阶段具体包括：通过Drools规则引擎进行规则识别来判断首尾端ATP和ZC所处自动换端阶段，将自动换端过程中的首尾端ATP状态变化情况分别划分为6个阶段，将ZC状态变化情况划分为7个阶段。
9.如权利要求8所述的基于列车运营场景的智能故障诊断方法，其特征在于，根据监测结果，对进入自动换端过程下一阶段的列车进行状态变更，修改对应的首尾ATP对象与ZC的当前属性值；在更新列车状态完成之后，通过基于状态的自动换端过程故障监测规则识别设备属性中是否有异常，然后进入报警处理阶段，在故障报警阶段根据当前阶段所涉及报文定位故障原因，之后执行相应的报警显示和存储；对于退出自动换端过程的列车将结束当前场景故障诊断，重新进入列车运营场景变化的监测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111113602.4A CN113650656B (zh) | 2021-09-23 | 2021-09-23 | 一种基于列车运营场景的智能故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111113602.4A CN113650656B (zh) | 2021-09-23 | 2021-09-23 | 一种基于列车运营场景的智能故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113650656A CN113650656A (zh) | 2021-11-16 |
| CN113650656B true CN113650656B (zh) | 2023-07-04 |
Family
ID=78484111
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111113602.4A Active CN113650656B (zh) | 2021-09-23 | 2021-09-23 | 一种基于列车运营场景的智能故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113650656B (zh) |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102514598B (zh) * | 2011-12-20 | 2015-03-11 | 北京交通大学 | 高铁信号系统级“故障-安全”方法 |
| CN106184291B (zh) * | 2016-07-27 | 2019-01-11 | 中车唐山机车车辆有限公司 | 列车诊断方法与人机交互界面hmi系统 |
| CN106335523A (zh) * | 2016-09-23 | 2017-01-18 | 中车南京浦镇车辆有限公司 | 一种车载设备状态远程采集与诊断处理方法 |
| CN107600110B (zh) * | 2017-09-12 | 2019-09-24 | 中国中车股份有限公司 | 一种车载列车组故障预测与健康管理系统 |
| CN108173929A (zh) * | 2017-12-26 | 2018-06-15 | 中车大连机车车辆有限公司 | 中低速磁浮列车基于trdp协议的无线上传和专家诊断系统 |
| CN110789568B (zh) * | 2019-10-09 | 2022-07-05 | 北京全路通信信号研究设计院集团有限公司 | 一种基于列车运营场景的故障诊断方法与系统 |
| CN110766298B (zh) * | 2019-10-10 | 2022-11-22 | 北京全路通信信号研究设计院集团有限公司 | 一种多制式多业务轨道交通仿真模拟方法及系统 |
| CN111415286A (zh) * | 2020-03-04 | 2020-07-14 | 青岛海信网络科技股份有限公司 | 一种交通枢纽应急事件辅助研判方法及装置 |
| CN111204363B (zh) * | 2020-04-23 | 2020-07-24 | 湖南中车时代通信信号有限公司 | 一种牵引系统故障诊断预警和状态评估方法、装置及系统 |
| CN113085956A (zh) * | 2021-04-13 | 2021-07-09 | 河南蓝信科技有限责任公司 | 一种高铁应急指导系统及方法 |
-
2021
- 2021-09-23 CN CN202111113602.4A patent/CN113650656B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113650656A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106080655B (zh) | 一种列车轴温异常的检测方法、装置以及列车 | |
| US8996208B2 (en) | System, method, and computer-readable medium for track circuit monitoring and alerting in automatic train control systems | |
| WO2015043441A1 (zh) | 基于多场景分析的智能告警推理方法 | |
| CN109034423B (zh) | 一种故障预警判定的方法、装置、设备及存储介质 | |
| CN113590468A (zh) | 列车自动监控系统ats接口自动化测试方法及装置 | |
| CN113269042B (zh) | 基于行驶车辆违章识别的智能交通管理方法及系统 | |
| CN110501989B (zh) | 一种列车运行故障过滤方法及装置 | |
| CN109445304A (zh) | 一种基于车载信号的故障智能分析系统及方法 | |
| CN113987001A (zh) | 轨道交通信号系统故障分析方法、装置及电子设备 | |
| CN113650656B (zh) | 一种基于列车运营场景的智能故障诊断方法 | |
| WO2024139829A1 (zh) | 一种全自动无人驾驶车辆移动值乘辅助装置及方法 | |
| CN109815124A (zh) | 基于mbse的联锁功能缺陷分析的方法及装置、联锁系统 | |
| CN110827424B (zh) | 用于实现不间断运行的etc门架的控制方法、设备及介质 | |
| CN110473396A (zh) | 交通拥堵数据分析方法、装置、电子设备及存储介质 | |
| CN107665475A (zh) | 外地车辆管理方法和管理系统 | |
| CN115571196A (zh) | 一种基于规则引擎的正线故障智能处置方法及系统 | |
| CN113037750B (zh) | 一种车辆检测数据增强训练方法、系统、车辆及存储介质 | |
| CN114942364A (zh) | 一种基于知识图谱技术的变电站故障诊断方法与系统 | |
| CN106896799B (zh) | 一种机车检修管理方法 | |
| CN114218295A (zh) | 一种交通设备数据异常监测预警方法及系统 | |
| CN114493196A (zh) | 一种数据分析方法、系统、电子设备及存储介质 | |
| JP2022138009A (ja) | 分析装置 | |
| CN113434420A (zh) | 设备测试方法及装置 | |
| CN111967780A (zh) | 一种机场用于特种车辆靠机作业过程监管方法及系统 | |
| CN111930813A (zh) | 一种以列车为统计单元的pis日志等效运行图生成方法 |
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 |