CN113671938A - 基于融合距离法的列车故障解析方法及系统 - Google Patents

基于融合距离法的列车故障解析方法及系统 Download PDF

Info

Publication number
CN113671938A
CN113671938A CN202110962332.8A CN202110962332A CN113671938A CN 113671938 A CN113671938 A CN 113671938A CN 202110962332 A CN202110962332 A CN 202110962332A CN 113671938 A CN113671938 A CN 113671938A
Authority
CN
China
Prior art keywords
samples
train
distance
fault
sample set
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.)
Pending
Application number
CN202110962332.8A
Other languages
English (en)
Inventor
刘罡
王龙达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inner Mongolia University for Nationlities
Original Assignee
Inner Mongolia University for Nationlities
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inner Mongolia University for Nationlities filed Critical Inner Mongolia University for Nationlities
Priority to CN202110962332.8A priority Critical patent/CN113671938A/zh
Publication of CN113671938A publication Critical patent/CN113671938A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
    • G06F13/38—Information transfer, e.g. on bus
    • G06F13/42—Bus transfer protocol, e.g. handshake; Synchronisation
    • G06F13/4282—Bus transfer protocol, e.g. handshake; Synchronisation on a serial bus, e.g. I2C bus, SPI bus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24065—Real time diagnostics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及列车故障检测技术领域，具体涉及一种基于融合距离法的列车故障解析方法及系统，其中基于融合距离法的列车故障解析系统包括工作样本获取模块、相关系数矩阵构建模块、计算模块、故障报警阈值建立模块、故障确认检测模块，由于列车故障的复杂性，导致样本数据集之间的相关性或者独立性是模糊的，不确定的，这就要求在计算过程中，既要考虑独立性，又要考虑相关性；而利用融合距离的算法便能够兼顾欧氏距离的独立性的优点和马氏距离的相关性的优点，使得故障诊断更加的精确和合理。

Description

基于融合距离法的列车故障解析方法及系统
技术领域
本发明涉及列车故障检测技术领域，具体涉及一种基于融合距离法的列车故障解析方法及系统。
背景技术
随着计算机技术和通讯技术的发展，基于故障处理的通信技术的应用日益广泛，故障处理解析工具是专门服务于技术支持和售后人员排查、定位、统计、处理现场故障的专业工具，对于现场服务而言，故障处理解析工具具有的重要作用无可替代，为了确保控制系统完美的完成其相应功能，故障处理要全面解决网络通讯延时、丢包、错包、冗余等各种可能错解故障记录的诱因，对于列车牵引系统而言，其相比于一般控制系统，具有更复杂、更特殊、更严苛的特点，具体表现在：1)系统结构庞大复杂：系统里需要考虑的变量和逻辑极其繁杂；2)系统要求极其严苛：诸如高电压、大电流、大功率等条件的制约，牵引控制系统的部件需要承受的压力巨大；3)产生故障时损失巨大：由于对故障导致的安全事故责任重大，牵引系统里的组成部件大都成本昂贵。因此，对列车故障解析工具的可靠性要求就更高。
列车牵引系统常见的故障有很多，例如四象限未正常启动、水压异常、上下桥臂硬件驱动故障等，严重者可能导致机车机破、电气模块炸毁、人身伤亡等恶劣事故，而常见的列车牵引控制系统大多没有匹配专业的故障处理解析工具，调试或使用列车牵引控制系统的过程中，由于缺少对故障相关数据的专业处理，现场工作人员不易定位故障原因和找到解决故障的途径，工作效率低，费时费力。
发明内容
有鉴于此，本发明提供一种基于融合距离法的列车故障解析方法，能够有效辅助现场工作人员快速定位故障原因，找到解决故障的途径，提高工作效率，省时省力；本发明还提供一种基于融合距离法的列车故障解析系统，能够有效辅助现场工作人员快速定位故障原因，找到解决故障的途径，提高工作效率，省时省力。
为实现上述目的，本发明所提供的基于融合距离法的列车故障解析方法采用如下技术方案：
基于融合距离法的列车故障解析方法，包括：
1)根据该列车的每一个组成部件的工作状况，获取该工作状况下的X个工作样本作为待测样本，其中X为正整数；
2)基于X个待测样本获得该组成部件在该工作状况下的相关系数矩阵
Figure BDA0003222550170000021
并根据相关系数矩阵获得相关系数权重
Figure BDA0003222550170000022
其中Y表示X个待测样本的样本集，n代表Y样本集中的样本的个数；
3)基于马氏距离、欧氏距离和相关信息权重计算各组成部件在该工作状况下的融合距离dMix＝ω×MD(X，Y)+(1-ω)×ED(X，Y)，其中dMix表示融合距离，MD表示马氏距离，获得各组成部件在该工作状况下能够正常运行的正常样本集，并根据该正常样本集建立该工作状况下的故障报警阈值；
4)在列车运行过程中，针对列车的每一个组成部件的任意一次待测样本，当计算该样本所得到的融合距离超过预先所设定的正常样本集的故障报警阈值时，确定列车的故障所在。
本发明的上述技术方案的有益效果如下：当一种故障出现时，存在着多种可能，传统的距离度量方法存在着诸多不足，传统算法利用计算各个解之间的欧氏距离来删除比较密集的解，但欧氏距离的计算依赖变量之间的量纲，在计算时很容易造成它的实际含义难以解释，同时，计算欧氏距离时也没有考虑样本的分布情况，无法衡量变量之间的相关性，它计算的是样本之间的直线距离，因此在解决多元数据分析时就显得不足；马氏距离的优点是在计算过程中考虑了样本之间的协方差距离，也就是考虑了样本之间的关联性。由于列车故障的复杂性，导致样本数据集之间的相关性或者独立性是模糊的，不确定的，这就要求在计算过程中，既要考虑独立性，又要考虑相关性；而利用融合距离的算法便能够兼顾欧氏距离的独立性的优点和马氏距离的相关性的优点，使得故障诊断更加的精确和合理。
为实现上述目的，本发明所提供的基于融合距离法的列车故障解析系统采用如下技术方案：
基于融合距离法的列车故障解析系统，包括：
工作样本获取模块，通过多个检测传感器来获取列车的每一个组成部件的工作状况下的X个工作样本作为待测样本，其中X为正整数；
相关系数矩阵构建模块，用于根据X个待测样本获得该组成部件在该工作状况下的相关系数矩阵
Figure BDA0003222550170000023
计算模块，根据相关系数矩阵获得相关系数权重
Figure BDA0003222550170000024
并基于马氏距离、欧氏距离和相关信息权重计算各组成部件在该工作状况下的融合距离dMix＝ω×MD(X，Y)+(1-ω)×ED(X，Y)，其中Y表示X个待测样本的样本集，n代表Y样本集中的样本的个数，dMix表示融合距离，MD表示马氏距离；
故障报警阈值建立模块，根据计算模块获取的融合距离计算获得各组成部件在该工作状况下能够正常运行的正常样本集，并根据该正常样本集建立该工作状况下的故障报警阈值；
故障确认检测模块，在列车运行过程中，针对列车的每一个组成部件的任意一次待测样本，当计算该样本所得到的融合距离超过预先所设定的正常样本集的故障报警阈值时，确定列车的故障所在。
本发明的上述技术方案的有益效果如下：当一种故障出现时，存在着多种可能，传统的距离度量方法存在着诸多不足，传统算法利用计算各个解之间的欧氏距离来删除比较密集的解，但欧氏距离的计算依赖变量之间的量纲，在计算时很容易造成它的实际含义难以解释，同时，计算欧氏距离时也没有考虑样本的分布情况，无法衡量变量之间的相关性，它计算的是样本之间的直线距离，因此在解决多元数据分析时就显得不足；马氏距离的优点是在计算过程中考虑了样本之间的协方差距离，也就是考虑了样本之间的关联性。由于列车故障的复杂性，导致样本数据集之间的相关性或者独立性是模糊的，不确定的，这就要求在计算过程中，既要考虑独立性，又要考虑相关性；而利用融合距离的算法便能够兼顾欧氏距离的独立性的优点和马氏距离的相关性的优点，使得故障诊断更加的精确和合理。
进一步地，多个所述传感器与对应部件可触且采用可拆卸的方式布置。现有技术中，现有故障解析方法总是将故障解析功能代码嵌入于列车控制器中，这无疑会大大增加控制器在正常工作过程中的计算负荷，由于控制器的存储、计算能力有限，增加的计算负荷有可能会影响控制器本身的控制品质，甚至于都会危及列车行车安全，本装置采用的计算迁移的方式，让具有强大计算能力的装有故障解析软件的笔记本计算机来完成故障诊断，完全避免列车的下位机芯片因同时完成不同计算任务而导致的计算资源紧张的问题。
附图说明
图1是本发明所提供的基于融合距离法的列车故障解析系统的简图；
图2为现有技术中欧氏距离与马氏距离的对照图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
下面结合附图及具体实施方式对本发明作进一步详细描述：
本发明所提供的基于融合距离法的列车故障解析系统的具体实施例：
基于融合距离法的列车故障解析系统，包括：
工作样本获取模块，通过多个检测传感器来获取列车的每一个组成部件的工作状况下的X个工作样本作为待测样本，其中X为正整数；
相关系数矩阵构建模块，用于根据X个待测样本获得该组成部件在该工作状况下的相关系数矩阵
Figure BDA0003222550170000041
计算模块，根据相关系数矩阵获得相关系数权重
Figure BDA0003222550170000042
并基于马氏距离、欧氏距离和相关信息权重计算各组成部件在该工作状况下的融合距离dMix＝ω×MD(X，Y)+(1-ω)×ED(X，Y)，其中Y表示X个待测样本的样本集，n代表Y样本集中的样本的个数，dMix表示融合距离，MD表示马氏距离；
故障报警阈值建立模块，根据计算模块获取的融合距离计算获得各组成部件在该工作状况下能够正常运行的正常样本集，并根据该正常样本集建立该工作状况下的故障报警阈值；
故障确认检测模块，在列车运行过程中，针对列车的每一个组成部件的任意一次待测样本，当计算该样本所得到的融合距离超过预先所设定的正常样本集的故障报警阈值时，确定列车的故障所在。
本发明中的系统配置可参考：故障解析软件的程序版本为VS2010，支持Windows操作系统，被解析对象为列车主要器件(跟踪控制器、优化器、变流器等)CPU芯片的核心功能。采用串口通信方式，通信协议采用MVB。
使用时，解析软件是加密的。加密和解密协议能够约束不同级别的现场工作人员能够看到符合自己权限范围内能看到的全部故障记录。因此，使用解析软件前，现成工作人员需填入自己被许可的解密密钥，以获得解析软件的部分或全部查看权限；解析故障前需明确故障解析的对象；在解析软件的解析环境配置页面，将解析对象实际状况的解析环境按需要进行合理配置；串口配置方式。采用串口通信线分别连接解析对象与装有解析软件的笔记本计算的串口进行连接。若串口不够，则需要使用USB扩展器。解析软件支持10路串口同时实时的收发数据，也即设备管理器中可以以“COM1”～“COM10”作为命名方式配置10个串口。这10个串口，即可以启用也可以关闭，是否启用按实际需要；数据采集。采用MVB协议采集列车运行过程实时数据，也即解析软件采用MVB协议由串口通讯线读取列车运行过程实时数据。采用偶校验方法来验证实时数据的有效性，也即查看被传输数据中“1”的个数，若为偶数则予以保留，否则弃用。采用基于多种关联模型建立的实时数据存储数据库来存储列车运行过程实时数据。存储过程中，保存故障记录的变量命名约束、语言描述形式、文本格式要求、文件命名方法等涉及规范化的事项完全依照规范化协议来拟定。对于采集得到的实时数据，随着时间的推移，降低其重要性，以保证故障记录的时效性。对于一些故障相关的实时数据，若时间足够长，则不具有参照价值，予以从数据库中删除，以提升计算速率。
本发明所提供的基于融合距离法的列车故障解析系统还包括如下几个方面的协议内容：
1、加密及解密协议设计：加密和解密协议能够约束不同级别的现场工作人员能够看到符合自己权限范围内能看到的全部故障记录。
2、传输协议设计：计算机和机车牵引控制系统直接故障记录的交互遵循传输协议。
3、存储协议设计：计算机和机车牵引控制系统按存储协议规则保存故障记录。
4、验真协议设计：故障记录的真实性需要完全依照验真协议来判定。
5、时效协议设计：故障记录的时效性需要完全依照时效协议来评定。
6、规范化协议设计：保存故障记录的变量命名约束、语言描述形式、文本格式要求、文件命名方法等涉及规范化的事项完全依照规范化协议来拟定。
本发明专门针对于机车牵引系统故障记录不易被专业处理的特点来拟定6种相关协议内容，具有很大的实用性。
本发明所提供的基于融合距离法的列车故障解析系统的有益效果：当一种故障出现时，存在着多种可能，传统的距离度量方法存在着诸多不足，传统算法利用计算各个解之间的欧氏距离来删除比较密集的解，但欧氏距离的计算依赖变量之间的量纲，在计算时很容易造成它的实际含义难以解释，同时，计算欧氏距离时也没有考虑样本的分布情况，无法衡量变量之间的相关性，它计算的是样本之间的直线距离，因此在解决多元数据分析时就显得不足；如图2所示，马氏距离的优点是在计算过程中考虑了样本之间的协方差距离，也就是考虑了样本之间的关联性。由于列车故障的复杂性，导致样本数据集之间的相关性或者独立性是模糊的，不确定的，这就要求在计算过程中，既要考虑独立性，又要考虑相关性；而利用融合距离的算法便能够兼顾欧氏距离的独立性的优点和马氏距离的相关性的优点，使得故障诊断更加的精确和合理。
此外，参考图1，多个所述传感器与对应部件可触且采用可拆卸的方式布置。现有技术中，现有故障解析方法总是将故障解析功能代码嵌入于列车控制器中，这无疑会大大增加控制器在正常工作过程中的计算负荷，由于控制器的存储、计算能力有限，增加的计算负荷有可能会影响控制器本身的控制品质，甚至于都会危及列车行车安全，本装置采用的计算迁移的方式，让具有强大计算能力的装有故障解析软件的笔记本计算机来完成故障诊断，完全避免列车的下位机芯片因同时完成不同计算任务而导致的计算资源紧张的问题。
本发明所提供的基于融合距离法的列车故障解析方法的具体实施例：
基于融合距离法的列车故障解析方法，包括：
1)根据该列车的每一个组成部件的工作状况，获取该工作状况下的X个工作样本作为待测样本，其中X为正整数；
2)基于X个待测样本获得该组成部件在该工作状况下的相关系数矩阵
Figure BDA0003222550170000061
Figure BDA0003222550170000062
并根据相关系数矩阵获得相关系数权重
Figure BDA0003222550170000063
其中Y表示X个待测样本的样本集，n代表Y样本集中的样本的个数；
3)基于马氏距离、欧氏距离和相关信息权重计算各组成部件在该工作状况下的融合距离dMix＝ω×MD(X，Y)+(1-ω)×ED(X，Y)，其中dMix表示融合距离，MD表示马氏距离，获得各组成部件在该工作状况下能够正常运行的正常样本集，并根据该正常样本集建立该工作状况下的故障报警阈值；
4)在列车运行过程中，针对列车的每一个组成部件的任意一次待测样本，当计算该样本所得到的融合距离超过预先所设定的正常样本集的故障报警阈值时，确定列车的故障所在。
本发明的上述技术方案的有益效果如下：当一种故障出现时，存在着多种可能，传统的距离度量方法存在着诸多不足，传统算法利用计算各个解之间的欧氏距离来删除比较密集的解，但欧氏距离的计算依赖变量之间的量纲，在计算时很容易造成它的实际含义难以解释，同时，计算欧氏距离时也没有考虑样本的分布情况，无法衡量变量之间的相关性，它计算的是样本之间的直线距离，因此在解决多元数据分析时就显得不足；如图2所示，马氏距离的优点是在计算过程中考虑了样本之间的协方差距离，也就是考虑了样本之间的关联性。由于列车故障的复杂性，导致样本数据集之间的相关性或者独立性是模糊的，不确定的，这就要求在计算过程中，既要考虑独立性，又要考虑相关性；而利用融合距离的算法便能够兼顾欧氏距离的独立性的优点和马氏距离的相关性的优点，使得故障诊断更加的精确和合理。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
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替换，这些改进和替换也应视为本发明的保护范围。

Claims (3)

1.基于融合距离法的列车故障解析方法，其特征在于，包括：
1)根据该列车的每一个组成部件的工作状况，获取该工作状况下的X个工作样本作为待测样本，其中X为正整数；
2)基于X个待测样本获得该组成部件在该工作状况下的相关系数矩阵
Figure FDA0003222550160000011
Figure FDA0003222550160000012
并根据相关系数矩阵获得相关系数权重
Figure FDA0003222550160000013
其中Y表示X个待测样本的样本集，n代表Y样本集中的样本的个数；
3)基于马氏距离、欧氏距离和相关信息权重计算各组成部件在该工作状况下的融合距离dMix＝ω×MD(X，Y)+(1-ω)×ED(X，Y)，其中dMix表示融合距离，MD表示马氏距离，获得各组成部件在该工作状况下能够正常运行的正常样本集，并根据该正常样本集建立该工作状况下的故障报警阈值；
4)在列车运行过程中，针对列车的每一个组成部件的任意一次待测样本，当计算该样本所得到的融合距离超过预先所设定的正常样本集的故障报警阈值时，确定列车的故障所在。
2.基于融合距离法的列车故障解析系统，其特征在于，包括：
工作样本获取模块，通过多个检测传感器来获取列车的每一个组成部件的工作状况下的X个工作样本作为待测样本，其中X为正整数；
相关系数矩阵构建模块，用于根据X个待测样本获得该组成部件在该工作状况下的相关系数矩阵
Figure FDA0003222550160000014
计算模块，根据相关系数矩阵获得相关系数权重
Figure FDA0003222550160000015
并基于马氏距离、欧氏距离和相关信息权重计算各组成部件在该工作状况下的融合距离dMix＝ω×MD(X，Y)+(1-ω)×ED(X，Y)，其中Y表示X个待测样本的样本集，n代表Y样本集中的样本的个数，dMix表示融合距离，MD表示马氏距离；
故障报警阈值建立模块，根据计算模块获取的融合距离计算获得各组成部件在该工作状况下能够正常运行的正常样本集，并根据该正常样本集建立该工作状况下的故障报警阈值；故障确认检测模块，在列车运行过程中，针对列车的每一个组成部件的任意一次待测样本，当计算该样本所得到的融合距离超过预先所设定的正常样本集的故障报警阈值时，确定列车的故障所在。
3.根据权利要求2所述的基于融合距离法的列车故障解析系统，其特征在于：多个所述传感器与对应部件可触且采用可拆卸的方式布置。
CN202110962332.8A 2021-08-20 2021-08-20 基于融合距离法的列车故障解析方法及系统 Pending CN113671938A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110962332.8A CN113671938A (zh) 2021-08-20 2021-08-20 基于融合距离法的列车故障解析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110962332.8A CN113671938A (zh) 2021-08-20 2021-08-20 基于融合距离法的列车故障解析方法及系统

Publications (1)

Publication Number Publication Date
CN113671938A true CN113671938A (zh) 2021-11-19

Family

ID=78544791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110962332.8A Pending CN113671938A (zh) 2021-08-20 2021-08-20 基于融合距离法的列车故障解析方法及系统

Country Status (1)

Country Link
CN (1) CN113671938A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103025592A (zh) * 2010-06-30 2013-04-03 普拉德研究及开发股份有限公司 用于油田设备预测和健康管理的系统、方法和装置
CN108921334A (zh) * 2018-06-15 2018-11-30 国家电网公司 一种特高压输变电工程的工程量控制目标确定方法及装置
CN109447175A (zh) * 2018-11-07 2019-03-08 黄山学院 结合深度学习与度量学习的行人再识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103025592A (zh) * 2010-06-30 2013-04-03 普拉德研究及开发股份有限公司 用于油田设备预测和健康管理的系统、方法和装置
CN108921334A (zh) * 2018-06-15 2018-11-30 国家电网公司 一种特高压输变电工程的工程量控制目标确定方法及装置
CN109447175A (zh) * 2018-11-07 2019-03-08 黄山学院 结合深度学习与度量学习的行人再识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘罡、等: "基于融合距离法的柴油机故障诊断方法", 《大连海事大学学报》, vol. 43, no. 1, pages 61 - 66 *

Similar Documents

Publication Publication Date Title
CN108470193A (zh) 电能表故障诊断方法、系统及终端设备
CN108919044B (zh) 一种基于互校验机制的单元制配电网故障主动识别方法
CN111147342B (zh) 一种基于通信芯片的mvb总线故障诊断方法及系统
CN111259073A (zh) 基于日志、流量和业务访问的业务系统运行状态智能研判系统
CN110017994A (zh) 自动驾驶车辆的异常检测方法、装置、系统、设备及介质
JP5007247B2 (ja) ジョブ処理システムおよびジョブ管理方法
CN110879151B (zh) 基于运行大数据的燃气轮机远程监测和诊断系统及方法
CN117289085A (zh) 一种多线路故障分析诊断方法及系统
CN109582670A (zh) 一种车辆维修方案的推荐方法及相关设备
CN107943654A (zh) 一种快速判定服务器环境温度监控异常原因的方法
CN113671938A (zh) 基于融合距离法的列车故障解析方法及系统
CN113806127A (zh) 一种服务器日志收集方法、设备及可读存储介质
CN107622011A (zh) 一种动态日志控制方法及系统
CN107391374A (zh) 中间件自动化检查方法
CN117041269A (zh) 一种用于同步子数据库数据的实时双向同步系统
CN111313958A (zh) 一种卫星数据的质检报告生成系统
CN208488118U (zh) 一种变压器智能集成故障诊断系统
CN115883340A (zh) 一种基于hplc和hrf双模通信故障处理方法和设备
CN112737120B (zh) 区域电网控制报告的生成方法、装置和计算机设备
CN114500178B (zh) 一种自运维的智慧物联网关
CN110457183A (zh) 一种日志处理方法及装置
US11665165B2 (en) Whitelist generator, whitelist evaluator, whitelist generator/evaluator, whitelist generation method, whitelist evaluation method, and whitelist generation/evaluation method
CN114996697A (zh) 一种微电网智能控制系统
CN111539642B (zh) 一种基于面向对象的电厂数据采集处理系统及其方法
Wiig Structuring and communication of hums data

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