CN113655323A - 弓网在线监测运维方法 - Google Patents
弓网在线监测运维方法 Download PDFInfo
- Publication number
- CN113655323A CN113655323A CN202111025199.XA CN202111025199A CN113655323A CN 113655323 A CN113655323 A CN 113655323A CN 202111025199 A CN202111025199 A CN 202111025199A CN 113655323 A CN113655323 A CN 113655323A
- Authority
- CN
- China
- Prior art keywords
- data
- bow net
- value
- overrun
- less
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012423 maintenance Methods 0.000 title claims abstract description 19
- 230000007547 defect Effects 0.000 claims abstract description 30
- 238000004519 manufacturing process Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000013499 data model Methods 0.000 claims abstract description 4
- 238000013461 design Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 18
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 229910000831 Steel Inorganic materials 0.000 claims description 6
- 238000010009 beating Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 239000010959 steel Substances 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 4
- 239000000470 constituent Substances 0.000 description 14
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000011221 initial treatment Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/005—Testing of electric installations on transport means
- G01R31/008—Testing of electric installations on transport means on air- or spacecraft, railway rolling stock or sea-going vessels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Abstract
本发明公开了弓网在线监测运维方法，涉及弓网在线监测领域，解决了人工手动分析弓网报警、预警超限、均衡缺陷的问题。本发明包括将数据组的数据实时录入弓网报警超限模型，弓网报警超限模型根据列车正线速度判断拉出值、导高、最大燃弧时间、硬点是否在报警超限限定的数据范围内，如是，则发送报警至生产调度序列做一级处理；判断为否的弓网监测数据导入弓网预警超限模型和弓网均衡缺陷数据模型中进行判断，对判断为是的弓网监测数据对应发送预警超限或均衡缺陷信号至生产调度序列做二级处理。本发明进一步提高了轨道交通弓网专业的自动化、智能化水平。
Description
技术领域
本发明涉及弓网在线监测，具体涉及弓网在线监测运维方法。
背景技术
目前弓网在线监测系统安装在电客车上，由车顶的检测模块、车内数据处理模块、车底定位模块三部分设备组成；
具备上电自启动功能并能自动检测，主要用于对弓网动态运行状态进行实时监测，能够及时准确的检测接触网拉出值、导线高度、燃弧等缺陷数据。但是缺乏对采集的数据进行有效建模分析，具体问题包括：
1)人工进行趋势比对，判断是否报警。弓网在线监测系统不会进行自动比对、报警；
2)数据在列车上采集后，不会进行预处理，缺乏预警机制；
3)动态数据(行车时)与检修静态数据(人工测量)无关联，无法进行有效比对；
4)无特定平台对动态数据、检修静态数据进行趋势匹配；
目前弓网专业在线监测存在以上不足，因此开发一种新的针对城市轨道交通弓网专业在线监测智慧运维建模方法非常必要。
发明内容
本发明所要解决的技术问题是：人工手动分析弓网报警、预警超限、均衡缺陷，本发明提供了解决上述问题的弓网在线监测运维方法。
弓网检测数据可根据超限进行分类，按照超限造成的危害大小分为报警、预警、均衡三级超限。
其中报警超限属可能影响列车安全运行或导致接触网跳闸的超限，报警超限要求发现后立即向生产调度汇报，提报临时计划进行处理。
均衡缺陷属于检测数据异常，但不会对行车造成较大危害的超限，均衡缺陷要求发现后由智能检测中心派发至接触网车间或工班，可根据轻重缓急提报日补或月计划处理。
预警超限属于未对弓网运行造成影响的缺陷类型，该类缺陷需智能检测中心人员自行盯控。
这样，弓网专业数据分析就分为：报警缺陷数据，预警异常数据，预警超限数据3类。
本发明通过下述技术方案实现：
弓网在线监测运维方法，如图1所示，包括如下步骤：
A，接入列车的弓网在线监测数据并按类导入多个数据组；
B，将数据组的数据实时录入弓网报警超限模型，弓网报警超限模型根据列车正线速度判断拉出值、导高、最大燃弧时间、硬点是否在报警超限限定的数据范围内，如是，则发送报警至生产调度序列做一级处理；
C，将B步骤判断为否的弓网监测数据导入弓网预警超限模型和弓网均衡缺陷数据模型中进行判断，对判断为是的弓网监测数据对应发送预警超限或均衡缺陷信号至生产调度序列做二级处理；
D，实时接收生产调度序列，对所有的一级处理信号进行任务生成，并将任务并行排序置顶处理，对顺序进入生产调度序列的均衡缺陷信号生成任务并排列在置顶任务后，将预警超限信号对应的弓网监测数据，抓取相关传感器输出并进行数据转换后，导入显示器实时显示；
包括步骤E，在D步骤之后，对显示器显示的弓网监测数据进行周期性报警超限判断，判断结果为是的预警超限数据，转换标识为报警超限数据并从预警超限数据组中剔除，转录入生产调度序列进行一级处理。
包括步骤F，在E步骤之后，对报警超限数据范围的临界点数值进行适应性调整，调整的趋向，依据判断为报警超限数据的弓网监测数据进行实时控制，临界点数值的适应性调整精度为±5‰。
弓网报警超限模型的输入数据类型为：
判断条件为：列车正线速度、拉出值、导高、最大燃弧时间、硬点；
当正线速度V在0<V≤100km/h，判断拉出值是否大于等于380mm，导高的刚/柔性小于4000mm，最大燃弧时间是否大于100ms，硬点，实时视频识别打弓或弓网撞击现象产生的硬点大于等于50g；
当正线速度V在100<V≤160km/h，判断拉出值是否大于等于400mm，导高的刚/柔性小于4000mm，最大燃弧时间是否大于120ms，硬点，实时视频识别打弓或弓网撞击现象产生的硬点大于等于50g；
判断结果为是，则输出弓网监测数据并标识为报警超限数据，发送信号至生产调度系列。
弓网预警超限模型的输入数据类型为：
判断条件为：列车正线速度、拉出值、导高、最大燃弧时间、弓网接触力、硬点；
当正线速度V在0<V≤100km/h，判断拉出值是否大于等于300mm且小于380mm，刚性导高的检测值与设计值的差值大于10mm，柔性导高的检测值与设计值的差值大于20mm，最大燃弧时间是否小于100ms且大于等于25ms，弓网接触力的最大值大于等于150N，最小值小于等于20N，硬点，实时视频识别受电弓轻微碰撞现象产生的硬点大于等于20g且小于50g；
当正线速度V在100<V≤160km/h，判断拉出值是否大于等于300mm且小于380mm，刚性导高的检测值与设计值的差值大于10mm，柔性导高的检测值与设计值的差值大于20mm，最大燃弧时间是否小于120ms且大于等于40ms，弓网接触力的最大值大于等于150N，最小值小于等于20N，硬点，实时视频识别受电弓轻微碰撞现象产生的硬点大于等于20g且小于50g；
判断结果为是，则输出弓网监测数据并标识为预警超限数据，发送信号至生产调度系列。
其中，弓网均衡缺陷模型的输入数据类型为：
判断条件为：列车正线速度、拉出值、导高、最大燃弧时间、硬点；
当正线速度V在0<V≤100km/h，判断拉出值是否位于额定的输出值30mm范围内，导高的刚/柔性与设计值的差值小于10mm，最大燃弧时间是否小于25ms，硬点小于20g；
当正线速度V在100<V≤160km/h，判断拉出值是否位于额定的输出值30mm范围内，导高的刚/柔性与设计值的差值小于10mm，最大燃弧时间是否小于40ms，硬点小于20g；
判断结果为是，则输出弓网监测数据并标识为均衡缺陷数据，发送信号至生产调度系列。
包括预先导入模型超参数，所述模型超参数为目标列车的弓网监测数据组的设计参数与额定值，数据类型包括拉出值、导高、最大燃弧时间、弓网接触力、硬点。
还包括人机交互界面，通过人机交互界面实时修改模型中的某项判断条件，模型中除某项外的其他判断条件，进行适应性调节。
计算人工调节判断条件的阈值趋势百分比，并将所述阈值趋势百分比，按照数据类型应用到模型中的所有数据类型判断条件中。
本发明的模型输入端提供多个端口，并对端口侧接入前置数据转换模块，数据转换模块依据在线监测厂商和系统集成商对数据进行适应性调整，转换为符合模型输入端需求的数据类型和参数。
本发明具有如下的优点和有益效果：
本发明有利于轨道交通弓网专业报警、预警、均衡数据的分析。不需要人工进行趋势比对，数据计算，判断是否报警。模型会根据数据输入条件及以往数据对比自动判断报警超限、均衡缺陷、预警超限。
本发明动态分析弓网专业数据与人工测量数据进行有效对比，有助于数据的动态调整和修正。
本发明不需要对线路弓网在线监测平台系统平台进行修改，减少功能升级的风险。另外对系统扩容和不同弓网在线监测厂家和系统集成商接入适应能力强，可在短时间内完成升级。系统升级不需要修改控制程序，增加了程序的稳定性。
本发明进一步提高了轨道交通弓网专业的自动化、智能化水平。
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为本发明的方法流程图。
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。
弓网在线监测运维方法，如图1所示，包括如下步骤：
A，接入列车的弓网在线监测数据并按类导入多个数据组；
B，将数据组的数据实时录入弓网报警超限模型，弓网报警超限模型根据列车正线速度判断拉出值、导高、最大燃弧时间、硬点是否在报警超限限定的数据范围内，如是，则发送报警至生产调度序列做一级处理；
C，将B步骤判断为否的弓网监测数据导入弓网预警超限模型和弓网均衡缺陷数据模型中进行判断，对判断为是的弓网监测数据对应发送预警超限或均衡缺陷信号至生产调度序列做二级处理；
D，实时接收生产调度序列，对所有的一级处理信号进行任务生成，并将任务并行排序置顶处理，对顺序进入生产调度序列的均衡缺陷信号生成任务并排列在置顶任务后，将预警超限信号对应的弓网监测数据，抓取相关传感器输出并进行数据转换后，导入显示器实时显示；
其中，报警超限模型限定的数据范围为影响列车安全运行或导致接触网跳闸的超限，预警超限模型限定的数据范围为检测数据异常，均衡缺陷模型限定的数据范围为未对弓网运行造成影响的缺陷数据。
包括步骤E，在D步骤之后，对显示器显示的弓网监测数据进行周期性报警超限判断，判断结果为是的预警超限数据，转换标识为报警超限数据并从预警超限数据组中剔除，转录入生产调度序列进行一级处理。
包括步骤F，在E步骤之后，对报警超限数据范围的临界点数值进行适应性调整，调整的趋向，依据判断为报警超限数据的弓网监测数据进行实时控制，临界点数值的适应性调整精度为±5‰。
弓网报警超限模型的输入数据类型为：
判断条件为：列车正线速度、拉出值、导高、最大燃弧时间、硬点；
当正线速度V在0<V≤100km/h，判断拉出值是否大于等于380mm，导高的刚/柔性小于4000mm，最大燃弧时间是否大于100ms，硬点，实时视频识别打弓或弓网撞击现象产生的硬点大于等于50g；
当正线速度V在100<V≤160km/h，判断拉出值是否大于等于400mm，导高的刚/柔性小于4000mm，最大燃弧时间是否大于120ms，硬点，实时视频识别打弓或弓网撞击现象产生的硬点大于等于50g；
判断结果为是，则输出弓网监测数据并标识为报警超限数据，发送信号至生产调度系列。
弓网预警超限模型的输入数据类型为：
判断条件为：列车正线速度、拉出值、导高、最大燃弧时间、弓网接触力、硬点；
当正线速度V在0<V≤100km/h，判断拉出值是否大于等于300mm且小于380mm，刚性导高的检测值与设计值的差值大于10mm，柔性导高的检测值与设计值的差值大于20mm，最大燃弧时间是否小于100ms且大于等于25ms，弓网接触力的最大值大于等于150N，最小值小于等于20N，硬点，实时视频识别受电弓轻微碰撞现象产生的硬点大于等于20g且小于50g；
当正线速度V在100<V≤160km/h，判断拉出值是否大于等于300mm且小于380mm，刚性导高的检测值与设计值的差值大于10mm，柔性导高的检测值与设计值的差值大于20mm，最大燃弧时间是否小于120ms且大于等于40ms，弓网接触力的最大值大于等于150N，最小值小于等于20N，硬点，实时视频识别受电弓轻微碰撞现象产生的硬点大于等于20g且小于50g；
判断结果为是，则输出弓网监测数据并标识为预警超限数据，发送信号至生产调度系列。
其中，弓网均衡缺陷模型的输入数据类型为：
判断条件为：列车正线速度、拉出值、导高、最大燃弧时间、硬点；
当正线速度V在0<V≤100km/h，判断拉出值是否位于额定的输出值30mm范围内，导高的刚/柔性与设计值的差值小于10mm，最大燃弧时间是否小于25ms，硬点小于20g；
当正线速度V在100<V≤160km/h，判断拉出值是否位于额定的输出值30mm范围内，导高的刚/柔性与设计值的差值小于10mm，最大燃弧时间是否小于40ms，硬点小于20g；
判断结果为是，则输出弓网监测数据并标识为均衡缺陷数据，发送信号至生产调度系列。
包括预先导入模型超参数，所述模型超参数为目标列车的弓网监测数据组的设计参数与额定值，数据类型包括拉出值、导高、最大燃弧时间、弓网接触力、硬点。
还包括人机交互界面，通过人机交互界面实时修改模型中的某项判断条件，模型中除某项外的其他判断条件，进行适应性调节。
计算人工调节判断条件的阈值趋势百分比，并将所述阈值趋势百分比，按照数据类型应用到模型中的所有数据类型判断条件中。
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 (9)
1.弓网在线监测运维方法，其特征在于，包括如下步骤：
A，接入列车的弓网在线监测数据并按类导入多个数据组；
B，将数据组的数据实时录入弓网报警超限模型，弓网报警超限模型根据列车正线速度判断拉出值、导高、最大燃弧时间、硬点是否在报警超限限定的数据范围内，如是，则发送报警至生产调度序列做一级处理；
C，将B步骤判断为否的弓网监测数据导入弓网预警超限模型和弓网均衡缺陷数据模型中进行判断，对判断为是的弓网监测数据对应发送预警超限或均衡缺陷信号至生产调度序列做二级处理；
D，实时接收生产调度序列，对所有的一级处理信号进行任务生成，并将任务并行排序置顶处理，对顺序进入生产调度序列的均衡缺陷信号生成任务并排列在置顶任务后，将预警超限信号对应的弓网监测数据，抓取相关传感器输出并进行数据转换后，导入显示器实时显示；
其中，报警超限模型限定的数据范围为影响列车安全运行或导致接触网跳闸的超限，预警超限模型限定的数据范围为检测数据异常，均衡缺陷模型限定的数据范围为未对弓网运行造成影响的缺陷数据。
2.根据权利要求1所述的弓网在线监测运维方法，其特征在于，包括步骤E，在D步骤之后，对显示器显示的弓网监测数据进行周期性报警超限判断，判断结果为是的预警超限数据，转换标识为报警超限数据并从预警超限数据组中剔除，转录入生产调度序列进行一级处理。
3.根据权利要求2所述的弓网在线监测运维方法，其特征在于，包括步骤F，在E步骤之后，对报警超限数据范围的临界点数值进行适应性调整，调整的趋向，依据判断为报警超限数据的弓网监测数据进行实时控制，临界点数值的适应性调整精度为±5‰。
4.根据权利要求3所述的弓网在线监测运维方法，其特征在于，其中，弓网报警超限模型的输入数据类型为：
判断条件为：列车正线速度、拉出值、导高、最大燃弧时间、硬点；
当正线速度V在0<V≤100km/h，判断拉出值是否大于等于380mm，导高的刚/柔性小于4000mm，最大燃弧时间是否大于100ms，硬点，实时视频识别打弓或弓网撞击现象产生的硬点大于等于50g；
当正线速度V在100<V≤160km/h，判断拉出值是否大于等于400mm，导高的刚/柔性小于4000mm，最大燃弧时间是否大于120ms，硬点，实时视频识别打弓或弓网撞击现象产生的硬点大于等于50g；
判断结果为是，则输出弓网监测数据并标识为报警超限数据，发送信号至生产调度系列。
5.根据权利要求4所述的弓网在线监测运维方法，其特征在于，其中，弓网预警超限模型的输入数据类型为：
判断条件为：列车正线速度、拉出值、导高、最大燃弧时间、弓网接触力、硬点；
当正线速度V在0<V≤100km/h，判断拉出值是否大于等于300mm且小于380mm，刚性导高的检测值与设计值的差值大于10mm，柔性导高的检测值与设计值的差值大于20mm，最大燃弧时间是否小于100ms且大于等于25ms，弓网接触力的最大值大于等于150N，最小值小于等于20N，硬点，实时视频识别受电弓轻微碰撞现象产生的硬点大于等于20g且小于50g；
当正线速度V在100<V≤160km/h，判断拉出值是否大于等于300mm且小于380mm，刚性导高的检测值与设计值的差值大于10mm，柔性导高的检测值与设计值的差值大于20mm，最大燃弧时间是否小于120ms且大于等于40ms，弓网接触力的最大值大于等于150N，最小值小于等于20N，硬点，实时视频识别受电弓轻微碰撞现象产生的硬点大于等于20g且小于50g；
判断结果为是，则输出弓网监测数据并标识为预警超限数据，发送信号至生产调度系列。
6.根据权利要求4所述的弓网在线监测运维方法，其特征在于，其中，弓网均衡缺陷模型的输入数据类型为：
判断条件为：列车正线速度、拉出值、导高、最大燃弧时间、硬点；
当正线速度V在0<V≤100km/h，判断拉出值是否位于额定的输出值30mm范围内，导高的刚/柔性与设计值的差值小于10mm，最大燃弧时间是否小于25ms，硬点小于20g；
当正线速度V在100<V≤160km/h，判断拉出值是否位于额定的输出值30mm范围内，导高的刚/柔性与设计值的差值小于10mm，最大燃弧时间是否小于40ms，硬点小于20g；
判断结果为是，则输出弓网监测数据并标识为均衡缺陷数据，发送信号至生产调度系列。
7.根据权利要求1所述的弓网在线监测运维方法，其特征在于，包括预先导入模型超参数，所述模型超参数为目标列车的弓网监测数据组的设计参数与额定值，数据类型包括拉出值、导高、最大燃弧时间、弓网接触力、硬点。
8.根据权利要求6所述的弓网在线监测运维方法，其特征在于，还包括人机交互界面，通过人机交互界面实时修改模型中的某项判断条件，模型中除某项外的其他判断条件，进行适应性调节。
9.根据权利要求7所述的弓网在线监测运维方法，其特征在于，计算人工调节判断条件的阈值趋势百分比，并将所述阈值趋势百分比，按照数据类型应用到模型中的所有数据类型判断条件中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111025199.XA CN113655323B (zh) | 2021-09-02 | 2021-09-02 | 弓网在线监测运维方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111025199.XA CN113655323B (zh) | 2021-09-02 | 2021-09-02 | 弓网在线监测运维方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113655323A true CN113655323A (zh) | 2021-11-16 |
| CN113655323B CN113655323B (zh) | 2024-03-05 |
Family
ID=78493464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111025199.XA Active CN113655323B (zh) | 2021-09-02 | 2021-09-02 | 弓网在线监测运维方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113655323B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1916482A (zh) * | 2006-08-30 | 2007-02-21 | 姬文超 | 在役管道腐蚀、渗漏安全监测预警系统及其控制方法 |
| CN103115647A (zh) * | 2013-02-01 | 2013-05-22 | 赵乎 | 轨道交通弓网工况监测系统 |
| CN105652154A (zh) * | 2016-01-25 | 2016-06-08 | 成都国铁电气设备有限公司 | 接触网运行状态安全监测分析系统 |
| CN206060983U (zh) * | 2016-08-03 | 2017-03-29 | 铁道第三勘察设计院集团有限公司 | 车载受电弓动态监控系统 |
| CN111273136A (zh) * | 2020-02-20 | 2020-06-12 | 山东万腾智能科技有限公司 | 一种基于图像处理的在线接触网拉弧检测系统及方法 |
| EP3667337A1 (en) * | 2018-12-14 | 2020-06-17 | Metro de Madrid, S.A. | Monitoring device for monitoring catenary-pantograph interaction in railway vehicles |
| CN111695735A (zh) * | 2020-06-12 | 2020-09-22 | 成都国铁电气设备有限公司 | 一种基于流计算的铁路弓网实时预警方法、系统及装置 |
| CN112700351A (zh) * | 2021-01-14 | 2021-04-23 | 国电建投内蒙古能源有限公司 | 一种用于智能水务管理平台的数据处理方法及系统 |
| CN112858843A (zh) * | 2021-03-25 | 2021-05-28 | 天津益昌电气设备股份有限公司 | 一种在线监测弓网压力硬点的采集分析装置 |
| CN113091833A (zh) * | 2021-06-09 | 2021-07-09 | 成都国铁电气设备有限公司 | 一种弓网综合检测系统 |
-
2021
- 2021-09-02 CN CN202111025199.XA patent/CN113655323B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1916482A (zh) * | 2006-08-30 | 2007-02-21 | 姬文超 | 在役管道腐蚀、渗漏安全监测预警系统及其控制方法 |
| CN103115647A (zh) * | 2013-02-01 | 2013-05-22 | 赵乎 | 轨道交通弓网工况监测系统 |
| CN105652154A (zh) * | 2016-01-25 | 2016-06-08 | 成都国铁电气设备有限公司 | 接触网运行状态安全监测分析系统 |
| CN206060983U (zh) * | 2016-08-03 | 2017-03-29 | 铁道第三勘察设计院集团有限公司 | 车载受电弓动态监控系统 |
| EP3667337A1 (en) * | 2018-12-14 | 2020-06-17 | Metro de Madrid, S.A. | Monitoring device for monitoring catenary-pantograph interaction in railway vehicles |
| CN111273136A (zh) * | 2020-02-20 | 2020-06-12 | 山东万腾智能科技有限公司 | 一种基于图像处理的在线接触网拉弧检测系统及方法 |
| CN111695735A (zh) * | 2020-06-12 | 2020-09-22 | 成都国铁电气设备有限公司 | 一种基于流计算的铁路弓网实时预警方法、系统及装置 |
| CN112700351A (zh) * | 2021-01-14 | 2021-04-23 | 国电建投内蒙古能源有限公司 | 一种用于智能水务管理平台的数据处理方法及系统 |
| CN112858843A (zh) * | 2021-03-25 | 2021-05-28 | 天津益昌电气设备股份有限公司 | 一种在线监测弓网压力硬点的采集分析装置 |
| CN113091833A (zh) * | 2021-06-09 | 2021-07-09 | 成都国铁电气设备有限公司 | 一种弓网综合检测系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘家军;杨瀚鹏;刘悦;汪洪亮;: "基于4G网络通信的接触网主回路电气节点过热在线监测系统", 电网与清洁能源, vol. 34, no. 01, pages 1 - 7 * |
| 续晓霞;: "电气化铁路弓网故障分析", 科技情报开发与经济, vol. 20, no. 06, pages 218 - 219 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113655323B (zh) | 2024-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108268023B (zh) | 一种轨道交通站台门远程故障诊断方法及系统 | |
| CN116308300B (zh) | 一种电力设备状态监测评价与指挥方法及系统 | |
| CN114707401A (zh) | 信号系统设备的故障预警方法及装置 | |
| US11436393B2 (en) | Method and device for monitoring a power supply device of a traffic system | |
| CN114061770B (zh) | 一种分布式预制光纤母线测温系统 | |
| CN110187206B (zh) | 一种复杂工况下非高斯过程的悬浮系统的故障检测方法 | |
| CN117318069B (zh) | 一种供电系统故障自愈方法及系统 | |
| CN112319550B (zh) | 一种基于列车初上电的故障诊断方法、系统、装置及列车 | |
| CN110943536A (zh) | 一种将语音识别应用于电网调度监控的系统及方法 | |
| CN113655323A (zh) | 弓网在线监测运维方法 | |
| CN110414739B (zh) | 一种城轨列车检修周期优化方法和装置 | |
| CN116415851A (zh) | 一种基于深度学习的设施运维性态指标智能识别评价方法 | |
| CN116167200A (zh) | 一种配电柜使用年限检测方法和装置 | |
| CN114997310A (zh) | 一种环保监测数据处理方法及系统 | |
| CN111178729B (zh) | 一种基于父子关系的稳定断面自适应计算方法及系统 | |
| CN111555908A (zh) | 基于专家经验规则的电网复杂故障事件识别方法、装置及系统 | |
| JP5496417B2 (ja) | 情報処理装置及び情報処理方法及びプログラム | |
| CN112417363B (zh) | 一种变电站的负载分析方法及系统 | |
| CN112018754A (zh) | 一种电网主设备多态工况确定方法及系统 | |
| CN116485284B (zh) | 轨道交通综合联调评估系统及方法 | |
| KR101569988B1 (ko) | 원자력 발전소 감시계통 점검 시스템 및 동작 방법 | |
| US20220342407A1 (en) | Irregularity detection system, irregularity detection method, and computer readable medium | |
| CN111221323B (zh) | 无人车状态展示方法及装置、计算机装置及存储介质 | |
| CN117391357B (zh) | 一种基于大数据的电网调度运行管理的调度自查系统 | |
| CN115498600A (zh) | 低压配电网生物触电识别方法 |
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 |