CN113933001B - 基于大数据的主风管压力泄漏评估方法、装置及电子设备 - Google Patents
基于大数据的主风管压力泄漏评估方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113933001B CN113933001B CN202010605880.0A CN202010605880A CN113933001B CN 113933001 B CN113933001 B CN 113933001B CN 202010605880 A CN202010605880 A CN 202010605880A CN 113933001 B CN113933001 B CN 113933001B
- Authority
- CN
- China
- Prior art keywords
- main air
- time period
- preset time
- pressure
- air pipe
- 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 37
- 238000005315 distribution function Methods 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000000087 stabilizing effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 14
- 238000007689 inspection Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
- G01M3/28—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds
- G01M3/2807—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipes
- G01M3/2815—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipes using pressure measurements
Abstract
本发明提供一种基于大数据的主风管压力泄漏评估方法、装置及电子设备。所述方法包括：获取主风管压力数据，所述主风管压力数据为在预设时间段内所述主风管的压力不受列车状态影响时的压力数据；根据所述主风管压力数据计算所述预设时间段的开始时刻和结束时刻之间的主风管压力差值；判断所述主风管压力差值与阈值的关系；其中，所述阈值为根据多个主风管压力差值的历史数据构建正态分布函数并计算满足所述正态分布函数的小概率事件时的主风管压力差值；若所述主风管压力差值大于所述阈值，则判定主风管压力泄露，并向用户发送提醒信息。本发明能够解决人工检测主风管压力泄露造成的工作效率低下以及问题发现不及时的问题。
Description
技术领域
本发明涉及大数据技术领域，尤其涉及一种基于大数据的主风管压力泄漏评估方法、装置及电子设备。
背景技术
随着我国铁路的持续发展，各型号列车也进入了快速发展时代。在列车中，主风管用于提供车厢气动部件动力，是列车上的重要部件。因此经常需要对主风管的压力泄漏情况进行检测。
现有技术中，主风管的压力泄漏检测是需要人工使用专用工具进行检测的，由于这种检测方式不方便，只能在列车月检或者双周检时对主风管进行检测，这种检测方式效率低，且时间间隔较长，不能及时的发现主风管的压力泄漏情况。
发明内容
有鉴于此，本发明的目的在于提出一种基于大数据的主风管压力泄漏评估方法、装置及电子设备，以解决人工检测主风管压力泄漏造成的工作效率低下以及问题发现不及时的问题。
基于上述目的，本发明实施例的第一个方面提供了一种基于大数据的主风管压力泄漏评估方法，包括：
获取主风管压力数据，所述主风管压力数据为在预设时间段内所述主风管的压力不受列车状态影响时的压力数据；
根据所述主风管压力数据计算所述预设时间段的开始时刻和结束时刻之间的主风管压力差值；
判断所述主风管压力差值与阈值的关系；其中，所述阈值为根据多个主风管压力差值的历史数据构建正态分布函数并计算满足所述正态分布函数的小概率事件时的主风管压力差值；
若所述主风管压力差值大于所述阈值，则判定主风管压力泄漏，并向用户发送提醒信息。
可选的，判断在预设时间段内所述主风管的压力不受列车状态影响的条件包括：
获取所述预设时间段内的紧急制动指令，且确认所述预设时间段内所述紧急制动指令未发生变化；
获取常用制动指令，且确认所述预设时间段内所述常用制动指令未发生变化；
获取所述预设时间段内的非快速制动状态，且确认所述预设时间段内所述非快速制动状态未发生变化；
获取所述预设时间段内的停放制动状态，且确认所述预设时间段内所述停放制动状态未发生变化；
获取所述预设时间段内的所有摩擦/停放制动的切除状态，且确认所述预设时间段内全部摩擦/停放制动都未切除；
获取所述预设时间段内的无解构按钮的状态，且确认所述预设时间段内所述无解构按钮未按下；
获取所述预设时间段内的外界风源影响，且确认所述预设时间段内无外界风源影响；
获取所述预设时间段内的总载荷，且确认所述预设时间段内所述总载荷未发生变化；
获取所述预设时间段内的两个空压机接触器的工作状态，且确认所述预设时间段内两个所述的空压机接触器均未启动。
可选的，所述预设时间段包括压力稳定时间段以及压力计算时间段，所述根据所述主风管压力数据计算所述预设时间段的开始时刻和结束时刻之间的主风管压力差值所述预设时间段包括：
获取所述压力计算时间段开始时的第一主风管压力；
获取所述压力计算时间段结束时的第二主风管压力；
计算所述主风管压力差值，所述主风管压力差值=。
可选的，所述压力稳定时间段的时长为30s-60s，所述压力计算时间段的时长为600s-630s。
可选的，所述阈值的计算方法包括：
根据多个主风管压力差值的历史数据构建样本，并将所述主风管压力差值的历史数据作为所述样本的随机变量，计算样本的样本均值μ和方差/>，根据样本的均值μ和方差/>构建所述正态分布函数，计算满足所述正态分布函数的小概率事件的主风管压力差值作为所述阈值。
可选的，所述计算满足所述正态分布函数的小概率事件的主风管压力差值包括：计算所述正态分布函数中落在（μ-3σ,μ+3σ）以外的主风管压力差值。
本发明实施例的第二个方面提供了一种基于大数据的主风管压力泄漏评估装置，包括：
数据获取模块，包括获取主风管压力数据，获取主风管压力数据，所述主风管压力数据为在预设时间段内所述主风管的压力不受列车状态影响时的压力数据；
计算模块，用于根据所述主风管压力数据计算所述预设时间段的开始时刻和结束时刻之间的主风管压力差值；
判断模块，用于判断所述主风管压力差值与阈值的关系；其中，所述阈值为根据多个主风管压力差值的历史数据构建正态分布函数并计算满足所述正态分布函数的小概率事件时的主风管压力差值；
处理模块，用于若所述主风管压力差值大于所述阈值，则判定主风管压力泄漏，并向用户发送提醒信息。
可选的，判断在预设时间段内所述主风管的压力不受列车状态影响的条件包括：
获取所述预设时间段内的紧急制动指令，且确认所述预设时间段内所述紧急制动指令未发生变化；
获取常用制动指令，且确认所述预设时间段内所述常用制动指令未发生变化；
获取所述预设时间段内的非快速制动状态，且确认所述预设时间段内所述非快速制动状态未发生变化；
获取所述预设时间段内的停放制动状态，且确认所述预设时间段内所述停放制动状态未发生变化；
获取所述预设时间段内的所有摩擦/停放制动的切除状态，且确认所述预设时间段内全部摩擦/停放制动都未切除；
获取所述预设时间段内的无解构按钮的状态，且确认所述预设时间段内所述无解构按钮未按下；
获取所述预设时间段内的外界风源影响，且确认所述预设时间段内无外界风源影响；
获取所述预设时间段内的总载荷，且确认所述预设时间段内所述总载荷未发生变化；
获取所述预设时间段内的两个空压机接触器的工作状态，且确认所述预设时间段内两个所述的空压机接触器均未启动。
可选的，所述阈值的计算方法包括：
根据多个主风管压力差值的历史数据构建样本，并将所述主风管压力差值的历史数据作为所述样本的随机变量，计算样本的样本均值μ和方差/>，根据样本的均值μ和方差/>构建阈值的计算方法正态分布函数，计算满足阈值的计算方法正态分布函数的小概率事件的主风管压力差值作为所述阈值。
本发明实施例的第三个方面提供了一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任意一项所述的基于大数据的主风管压力泄漏评估方法。
从上面所述可以看出，本发明提供的基于大数据的主风管压力泄漏评估方法、装置及电子设备，采用大数据的计算方法，根据获取到的多个主风管压力历史数据构建正态分布函数，并基于该正态分布函数计算出小概率事件的对应值，即得到满足主风管压力泄漏情况的值，将该对应值作为阈值与当前数据中获得的主风管压力差值进行比较，从而判断出主风管压力是否泄漏。本发明实施例所述方法，可以在实时或者在任意预设时间内进行主风管压力泄漏检测，不需要停车检查，相比于现有技术中通过人工使用专用工具在列车月检或者双周检时进行检测，时间间隔短，能够及时发现主风管的压力泄漏情况并提高工作效率，同时该检测方法简单易行。
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为本发明实施例所述基于大数据的主风管压力泄漏评估方法的流程图；
图2为本发明实施例所述基于大数据的主风管压力泄漏评估装置的结构图。
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明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如图1所示，为本发明实施例所述基于大数据的主风管压力泄漏评估方法的流程图。本发明实施例的第一个方面提出一种基于大数据的主风管压力泄漏评估方法，包括：
步骤101，获取主风管压力数据，所述主风管压力数据为在预设时间段内所述主风管的压力不受列车状态影响时的压力数据。
由于列车在运行等状态时，主风管参与工作本身会有一些压力变化。因此在本实施例中，为判断列车主风管的压力是否已经泄漏，需保证在检测时间范围内主风管压力不受列车状态等各种外部条件影响。
步骤102，根据所述主风管压力数据计算所述预设时间段的开始时刻和结束时刻之间的主风管压力差值。
步骤103，判断所述主风管压力差值与阈值的关系；其中，所述阈值为根据多个主风管压力差值的历史数据构建正态分布函数并计算满足所述正态分布函数的小概率事件时的主风管压力差值。
在本实施例中，采集到的主风管压力历史数据也需满足在预设的数据采集时间段内主风管的压力不受列车状态影响的条件。同时，采集到的主风管压力历史数据绝大多数是在主风管未泄漏的情况下采集的，主风管泄漏一定是属于极少数情况。因此基于多个主风管压力历史数据构建正态分布函数后，在正态分布中的小概率事件被认为是在一次实验中几乎不可能发生的事件，即在采集到的大量主风管压力历史数据中，极少数存在的小概率事件就可能是主风管压力泄漏时采集到的数据，因此计算出正态分布函数中的小概率事件的对应值即可认为是主风管压力泄漏时的主风管压力差值。
步骤104，若所述主风管压力差值大于所述阈值，则判定主风管压力泄漏，并向用户发送提醒信息。
本发明实施例所述基于大数据的主风管压力泄漏评估方法，采用大数据的计算方法，根据获取到的多个主风管压力历史数据构建正态分布函数，并基于该正态分布函数计算出小概率事件的对应值，即得到满足主风管压力泄漏情况的值，将该对应值作为阈值与当前数据中获得的主风管压力差值进行比较，从而判断出主风管压力是否泄漏。本发明实施例所述方法，可以在实时或者在任意预设时间内进行主风管压力泄漏检测，不需要停车检查，相比于现有技术中通过人工使用专用工具在列车月检或者双周检时进行检测，时间间隔短，能够及时发现主风管的压力泄漏情况并提高工作效率，同时该检测方法简单易行。
在一些可选的实施例中，为了排除其他因素对主风管压力的影响，需保证在数据采集过程中只有压力泄漏才能影响主风管压力数据，其他因素不能影响主风管压力数据，因此需要将其他可能存在的影响因素均排除，而包括紧急制动、常用制动、非快速制动、停放制动、所有摩擦/停放制动、无解构按钮、外界风源、总载荷以及两个空压机接触器等操作或者设备则可能影响主风管的压力，因此在进行主风管压力检测时需要将上述影响因素排除。即在一个预设的时间段内，需要同时满足紧急制动指令无变化、常用制动指令无变化、非快速制动指令无变化、停放制动指令无变化、所有摩擦/停放制动都未切除、无解构按钮未按下、无外界风源、总载荷无变化以及两个空压机接触器均为启动的条件才采集所述预设时间段内的主风管压力数据。
基于上述理由，步骤101中判断在预设时间段内所述主风管的压力不受列车状态影响的条件包括：
获取所述预设时间段内的紧急制动指令，且确认所述预设时间段内所述紧急制动指令未发生变化；获取常用制动指令，且确认所述预设时间段内所述常用制动指令未发生变化；获取所述预设时间段内的非快速制动状态，且确认所述预设时间段内所述非快速制动状态未发生变化；获取所述预设时间段内的停放制动状态，且确认所述预设时间段内所述停放制动状态未发生变化；获取所述预设时间段内的全部摩擦/停放制动的切除状态，且确认所述预设时间段内全部摩擦/停放制动都未切除；获取所述预设时间段内的无解构按钮的状态，且确认所述预设时间段内所述无解构按钮未按下；获取所述预设时间段内的外界风源影响，且确认所述预设时间段内无外界风源影响；获取所述预设时间段内的总载荷，且确认所述预设时间段内所述总载荷未发生变化；获取所述预设时间段内的两个空压机接触器的工作状态，且确认所述预设时间段内两个所述的空压机接触器均未启动。
可选的，预设时间段包括压力稳定时间段以及压力计算时间段，由于在预设时间段之前，由于其他因素影响主风管内压力还在变化，因此需要预留一个压力稳定时间段使主风管内的压力稳定、平衡，其中压力稳定时间段的时长一般选取为30s-60s，在一个具体的实施例中，压力稳定时间段选择60s。而在压力稳定时间段结束后进入压力计算时间段，主风管内的压力稳定，可以开始压力测试获取主风管压力数据。步骤102中所述根据所述主风管压力数据计算所述预设时间段的开始时刻和结束时刻之间的主风管压力差值所述预设时间段包括：
获取所述压力计算时间段开始时的第一主风管压力；
获取所述压力计算时间段结束时的第二主风管压力；
计算所述主风管压力差值，所述主风管压力差值=。
可选的，所述压力计算时间段的时长为600s-630s。
在一个具体的实施例中，在预设的时间段的第40s位于主风管内的压力传感器检测主风管的第一主风管压力，预设的时间段的第640s位于主风管内的压力传感器检测主风管的第二主风管压力/>，经过计算可以获得主风管压力差值为/>。
在另一些可选的实施例中，步骤103中所述阈值的计算方法包括：
根据多个主风管压力差值的历史数据构建样本，并将所述主风管压力差值的历史数据作为所述样本的随机变量，计算样本的样本均值μ和方差/>，根据样本的均值μ和方差/>构建所述正态分布函数，计算满足所述正态分布函数的小概率事件的主风管压力差值作为所述阈值。可选的，所述计算满足所述正态分布函数的小概率事件的主风管压力差值包括：计算所述正态分布函数中落在（μ-3σ,μ+3σ）以外的主风管压力差值。
在一个具体的实施例中，取100个满足主风管压力不受列车状态影响时的主风管压力数据的差值X作为样本，计算样本均值μ和方差σ2，假设差值X符合正态分布，根据参数估计估算出分布函数的参数。计算出差值落在6σ之外，且大于0所对应值，把该值作为阈值。
在上述实施例中，在采集到的主风管压力历史数据中绝大多数是主风管未泄漏时的数据，因此基于多个主风管压力历史数据构建正态分布函数后，获取满足正态分布函数中的小概率事件的参数，即计算出的绝大多数数据不同的数据则是非正常情况下的数据，即主风管泄漏时的数据。因此可以将计算出的满足小概率事件的参数作为判断当前状态下主风管是否压力泄漏的标准。
需要说明的是，本发明实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
在另一些可选的实施例中，本发明提出一个具体的实施例来实现本发明所述的基于大数据的主风管压力泄漏评估方法。在本实施例中，系统在每天预设的时间点获取前一天24小时内的数据进行主风管压力泄漏评估，该方法具体包括：
步骤201，判断是否为预设的时间点，如上午6点；
步骤202，若是，则获取该时间点之前的24小时内的主风管压力数据；
步骤203，判断上述数据中是否有满足在预设时间段内所述主风管的压力不受列车状态影响时的主风管压力数据；
步骤204，若是，则获取到全部符合条件的主风管压力数据，并计算出对应的主风管压力差值；否则，结束检测；
步骤205，判断该主风管压力差值是否大于阈值，其中该阈值为根据多个主风管压力差值历史数据构建正态分布函数，计算满足该正态分布函数的小概率事件的变量；
步骤206，若是，则判断主风管压力泄漏，同时向用户发出提醒信息。
可选的，在上述实施例中，也可采用其他频率进行主风管压力泄漏评估，如两天一次，半天一次甚至实时获取数据进行判断，在发现主风管压力差值大于阈值时立刻提醒用户。
本发明实施例的第二个方面提出一种基于大数据的主风管压力泄漏评估，如图2所示，包括：
数据获取模块11，包括获取主风管压力数据，获取主风管压力数据，所述主风管压力数据为在预设时间段内所述主风管的压力不受列车状态影响时的压力数据；
计算模块12，用于根据所述主风管压力数据计算所述预设时间段的开始时刻和结束时刻之间的主风管压力差值；
判断模块13，用于判断所述主风管压力差值与阈值的关系；其中，所述阈值为根据多个主风管压力差值的历史数据构建正态分布函数并计算满足所述正态分布函数的小概率事件时的主风管压力差值；
处理模块14，用于若所述主风管压力差值大于所述阈值，则判定主风管压力泄漏，并向用户发送提醒信息。
可选的，判断在预设时间段内所述主风管的压力不受列车状态影响的条件包括：
获取所述预设时间段内的紧急制动指令，且确认所述预设时间段内所述紧急制动指令未发生变化；获取常用制动指令，且确认所述预设时间段内所述常用制动指令未发生变化；获取所述预设时间段内的非快速制动状态，且确认所述预设时间段内所述非快速制动状态未发生变化；获取所述预设时间段内的停放制动状态，且确认所述预设时间段内所述停放制动状态未发生变化；获取所述预设时间段内的所有摩擦/停放制动的切除状态，且确认所述预设时间段内全部摩擦/停放制动都未切除；获取所述预设时间段内的无解构按钮的状态，且确认所述预设时间段内所述无解构按钮未按下；获取所述预设时间段内的外界风源影响，且确认所述预设时间段内无外界风源影响；获取所述预设时间段内的总载荷，且确认所述预设时间段内所述总载荷未发生变化；获取所述预设时间段内的两个空压机接触器的工作状态，且确认所述预设时间段内两个所述的空压机接触器均未启动。
可选的，所述预设时间段包括压力稳定时间段以及压力计算时间段，所述根据所述主风管压力数据计算所述预设时间段的开始时刻和结束时刻之间的主风管压力差值包括：
获取所述压力计算时间段开始时的第一主风管压力；
获取所述压力计算时间段结束时的第二主风管压力；
计算所述主风管压力差值，所述主风管压力差值=。
可选的，所述压力稳定时间段的时长为30s-60s，所述压力计算时间段的时长为600s-630s。
可选的，所述阈值的计算方法包括：
根据多个主风管压力差值的历史数据构建样本，并将所述主风管压力差值的历史数据作为所述样本的随机变量，计算样本的样本均值μ和方差/>，根据样本的均值μ和方差/>构建所述正态分布函数，计算满足所述正态分布函数的小概率事件的主风管压力差值作为所述阈值。
可选的，所述计算满足所述正态分布函数的小概率事件的主风管压力差值包括：计算所述正态分布函数中落在（μ-3σ,μ+3σ）以外的主风管压力差值。
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
本发明实施例的第三个方面提出一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任意一项所述的基于大数据的主风管压力泄漏评估方法。
上述实施例的电子设备用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围（包括权利要求）被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路（IC）芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的（即，这些细节应当完全处于本领域技术人员的理解范围内）。在阐述了具体细节（例如，电路）以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构（例如，动态RAM（DRAM））可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、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)
1.一种基于大数据的主风管压力泄漏评估方法，其特征在于，包括：
获取主风管压力数据，所述主风管压力数据为在预设时间段内所述主风管的压力不受列车状态影响时的压力数据；
根据所述主风管压力数据计算所述预设时间段的开始时刻和结束时刻之间的主风管压力差值；
判断所述主风管压力差值与阈值的关系；其中，所述阈值为根据多个主风管压力差值的历史数据构建正态分布函数并计算满足所述正态分布函数的小概率事件时的主风管压力差值；
若所述主风管压力差值大于所述阈值，则判定主风管压力泄漏，并向用户发送提醒信息。
2.根据权利要求1所述的方法，其特征在于，判断在预设时间段内所述主风管的压力不受列车状态影响的条件包括：
获取所述预设时间段内的紧急制动指令，且确认所述预设时间段内所述紧急制动指令未发生变化；
获取常用制动指令，且确认所述预设时间段内所述常用制动指令未发生变化；
获取所述预设时间段内的非快速制动状态，且确认所述预设时间段内所述非快速制动状态未发生变化；
获取所述预设时间段内的停放制动状态，且确认所述预设时间段内所述停放制动状态未发生变化；
获取所述预设时间段内的所有摩擦/停放制动的切除状态，且确认所述预设时间段内全部摩擦/停放制动都未切除；
获取所述预设时间段内的无解构按钮的状态，且确认所述预设时间段内所述无解构按钮未按下；
获取所述预设时间段内的外界风源影响，且确认所述预设时间段内无外界风源影响；
获取所述预设时间段内的总载荷，且确认所述预设时间段内所述总载荷未发生变化；
获取所述预设时间段内的两个空压机接触器的工作状态，且确认所述预设时间段内两个所述的空压机接触器均未启动。
3.根据权利要求1所述的方法，其特征在于，所述预设时间段包括压力稳定时间段以及压力计算时间段，所述根据所述主风管压力数据计算所述预设时间段的开始时刻和结束时刻之间的主风管压力差值所述预设时间段包括：
获取所述压力计算时间段开始时的第一主风管压力；
获取所述压力计算时间段结束时的第二主风管压力；
计算所述主风管压力差值，所述主风管压力差值=。
4.根据权利要求3所述的方法，其特征在于，所述压力稳定时间段的时长为30s-60s，所述压力计算时间段的时长为600s-630s。
5.根据权利要求1所述的方法，其特征在于，所述阈值的计算方法包括：
根据多个主风管压力差值的历史数据构建样本，并将所述主风管压力差值的历史数据作为所述样本的随机变量，计算样本的样本均值μ和方差/>，根据样本的均值μ和方差/>构建所述正态分布函数，计算满足所述正态分布函数的小概率事件的主风管压力差值作为所述阈值。
6.根据权利要求5所述的方法，其特征在于，所述计算满足所述正态分布函数的小概率事件的主风管压力差值包括：计算所述正态分布函数中落在（μ-3σ,μ+3σ）以外的主风管压力差值。
7.一种基于大数据的主风管压力泄漏评估装置，其特征在于，包括：
数据获取模块，包括获取主风管压力数据，获取主风管压力数据，所述主风管压力数据为在预设时间段内所述主风管的压力不受列车状态影响时的压力数据；
计算模块，用于根据所述主风管压力数据计算所述预设时间段的开始时刻和结束时刻之间的主风管压力差值；
判断模块，用于判断所述主风管压力差值与阈值的关系；其中，所述阈值为根据多个主风管压力差值的历史数据构建正态分布函数并计算满足所述正态分布函数的小概率事件时的主风管压力差值；
处理模块，用于若所述主风管压力差值大于所述阈值，则判定主风管压力泄漏，并向用户发送提醒信息。
8.根据权利要求7所述的装置，其特征在于，判断在预设时间段内所述主风管的压力不受列车状态影响的条件包括：
获取所述预设时间段内的紧急制动指令，且确认所述预设时间段内所述紧急制动指令未发生变化；
获取常用制动指令，且确认所述预设时间段内所述常用制动指令未发生变化；
获取所述预设时间段内的非快速制动状态，且确认所述预设时间段内所述非快速制动状态未发生变化；
获取所述预设时间段内的停放制动状态，且确认所述预设时间段内所述停放制动状态未发生变化；
获取所述预设时间段内的所有摩擦/停放制动的切除状态，且确认所述预设时间段内全部摩擦/停放制动都未切除；
获取所述预设时间段内的无解构按钮的状态，且确认所述预设时间段内所述无解构按钮未按下；
获取所述预设时间段内的外界风源影响，且确认所述预设时间段内无外界风源影响；
获取所述预设时间段内的总载荷，且确认所述预设时间段内所述总载荷未发生变化；
获取所述预设时间段内的两个空压机接触器的工作状态，且确认所述预设时间段内两个所述的空压机接触器均未启动。
9.根据权利要求7所述的装置，其特征在于，所述阈值的计算方法包括：
根据多个主风管压力差值的历史数据构建样本，并将所述主风管压力差值的历史数据作为所述样本的随机变量，计算样本的样本均值μ和方差/>，根据样本的均值μ和方差/>构建阈值的计算方法正态分布函数，计算满足阈值的计算方法正态分布函数的小概率事件的主风管压力差值作为所述阈值。
10.一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-6任意一项所述的基于大数据的主风管压力泄漏评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010605880.0A CN113933001B (zh) | 2020-06-29 | 2020-06-29 | 基于大数据的主风管压力泄漏评估方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010605880.0A CN113933001B (zh) | 2020-06-29 | 2020-06-29 | 基于大数据的主风管压力泄漏评估方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113933001A CN113933001A (zh) | 2022-01-14 |
| CN113933001B true CN113933001B (zh) | 2024-04-30 |
Family
ID=79273021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010605880.0A Active CN113933001B (zh) | 2020-06-29 | 2020-06-29 | 基于大数据的主风管压力泄漏评估方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113933001B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103939749A (zh) * | 2014-04-28 | 2014-07-23 | 东北大学 | 基于大数据的输油管网泄漏智能自适应监控系统及方法 |
| CN106438198A (zh) * | 2016-09-22 | 2017-02-22 | 浙江运达风电股份有限公司 | 一种基于大数据的风电机组自动对风方法及系统 |
| CN106679120A (zh) * | 2017-02-07 | 2017-05-17 | 铨高科技（珠海）股份有限公司 | 一种空调压缩机的故障检测方法及装置 |
| CN110285986A (zh) * | 2019-06-21 | 2019-09-27 | 中国神华能源股份有限公司 | 车载制动缸压力检测方法、系统及车辆检测系统 |
| CN110425126A (zh) * | 2018-09-04 | 2019-11-08 | 钛柯电子科技（上海）有限公司 | 便携式空压机测试装置及其测试方法和应用 |
| CN111022935A (zh) * | 2019-11-25 | 2020-04-17 | 成都碧水水务建设工程有限公司 | 污水处理设备风管管网破漏检测方法、装置及系统 |
| CN111272342A (zh) * | 2020-01-19 | 2020-06-12 | 武汉爱迪科技股份有限公司 | 一种液氨泄露监控方法及监控系统 |
-
2020
- 2020-06-29 CN CN202010605880.0A patent/CN113933001B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103939749A (zh) * | 2014-04-28 | 2014-07-23 | 东北大学 | 基于大数据的输油管网泄漏智能自适应监控系统及方法 |
| CN106438198A (zh) * | 2016-09-22 | 2017-02-22 | 浙江运达风电股份有限公司 | 一种基于大数据的风电机组自动对风方法及系统 |
| CN106679120A (zh) * | 2017-02-07 | 2017-05-17 | 铨高科技（珠海）股份有限公司 | 一种空调压缩机的故障检测方法及装置 |
| CN110425126A (zh) * | 2018-09-04 | 2019-11-08 | 钛柯电子科技（上海）有限公司 | 便携式空压机测试装置及其测试方法和应用 |
| CN110285986A (zh) * | 2019-06-21 | 2019-09-27 | 中国神华能源股份有限公司 | 车载制动缸压力检测方法、系统及车辆检测系统 |
| CN111022935A (zh) * | 2019-11-25 | 2020-04-17 | 成都碧水水务建设工程有限公司 | 污水处理设备风管管网破漏检测方法、装置及系统 |
| CN111272342A (zh) * | 2020-01-19 | 2020-06-12 | 武汉爱迪科技股份有限公司 | 一种液氨泄露监控方法及监控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113933001A (zh) | 2022-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11609830B2 (en) | Method for investigating a functional behavior of a component of a technical installation, computer program, and computer-readable storage medium | |
| US20150354690A1 (en) | System and method for monitoring preload in ball screw | |
| US20190101104A1 (en) | Condition monitoring system and wind turbine including the same | |
| CN110908888A (zh) | 服务器测试方法及装置 | |
| CN104765664A (zh) | Pci设备检测系统及方法 | |
| US11360131B2 (en) | Methods and apparatus to determine an operational status of a device | |
| CN108180935B (zh) | 传感器的故障检测方法及装置 | |
| US20080255773A1 (en) | Machine condition monitoring using pattern rules | |
| CN113933001B (zh) | 基于大数据的主风管压力泄漏评估方法、装置及电子设备 | |
| WO2023180738A1 (en) | Measurement of insulation resistance of an electrical insulator | |
| CN110266774B (zh) | 车联网数据质量的检验方法、装置、设备及存储介质 | |
| CN113568413A (zh) | 机器人安全保障方法、装置、计算机设备及存储介质 | |
| CN112268696B (zh) | 离合器检测方法、设备、存储介质及装置 | |
| US20190391189A1 (en) | Collected current monitoring device | |
| CN112683210B (zh) | 用于晶圆测试的map图偏移检测方法 | |
| CN115372029A (zh) | 一种动车组信号采集故障诊断方法、系统及终端设备 | |
| JP6265767B2 (ja) | 通信診断装置、通信診断システム、通信診断方法、及びプログラム | |
| CN112747946B (zh) | 一种设备结构损伤检测方法及装置 | |
| CN108052721A (zh) | 运载火箭产品可靠性评估方法及装置、存储介质、终端 | |
| WO2017002242A1 (ja) | 電力対策支援システム、電力対策支援装置、電力対策支援方法及び電力対策支援プログラム | |
| JP2007248200A (ja) | 半導体試験装置の保守システムおよび保守方法 | |
| KR20170140752A (ko) | 전장용 소프트웨어 안전성 분석 방법 및 장치 | |
| CN115220422B (zh) | 电压检测方法、装置、车辆以及存储介质 | |
| CN110736509A (zh) | 一种空调外机测试方法、系统、存储介质及上位机 | |
| CN111444981A (zh) | 漏电流故障的定位装置及方法 |
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 |