CN113987001A - 轨道交通信号系统故障分析方法、装置及电子设备 - Google Patents
轨道交通信号系统故障分析方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113987001A CN113987001A CN202111117106.6A CN202111117106A CN113987001A CN 113987001 A CN113987001 A CN 113987001A CN 202111117106 A CN202111117106 A CN 202111117106A CN 113987001 A CN113987001 A CN 113987001A
- Authority
- CN
- China
- Prior art keywords
- fault
- signal system
- data
- analyzed
- rail transit
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 73
- 238000004590 computer program Methods 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 18
- 238000012545 processing Methods 0.000 abstract description 10
- 230000007547 defect Effects 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 description 8
- 238000013024 troubleshooting Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
Abstract
本发明提供一种轨道交通信号系统故障分析方法、装置及电子设备,轨道交通信号系统故障分析方法包括:获取信号系统的历史运行数据,并基于历史运行数据得到信号系统的知识图谱;其中,历史运行数据包括信号系统在运行中产生的历史故障数据、信号系统故障树以及故障分析报告;获取信号系统发生故障所对应的数据流,并对数据流进行解析,得到待分析的故障数据;将待分析的故障数据与知识图谱进行匹配,得到信号系统的故障原因及故障传播链路。本发明提供的方法可以解决现有技术中不能快速定位轨道交通信号系统的故障源的缺陷,实现快速定位轨道交通信号系统的故障源,以及实现故障处理根因查找、回溯故障传播链路,准确识别引起故障现象的根本原因。
Description
技术领域
本发明涉及轨道交通技术领域,尤其涉及一种轨道交通信号系统故障分析方法、装置及电子设备。
背景技术
随着城市轨道交通的快速发展,服务的群体越来越广,规划的线路越来越长、硬件设备铺设的越来越多、再加上各种配套服务系统的不断叠加,给整个城市轨道的运营维护带来了极大的压力,在这种压力下,市面上现存的运行维护系统在应对这些问题时就显得有些力不从心。譬如当信号系统出现某一故障时,现有的运行维护系统只能够对内部监控的设备是否与该故障现象有关进行是或否的判定,给出的故障分析结果是标记可能引起该故障现象的一系列设备,无法有效的对该故障现象发生时可能会导致该现象的根因设备或系统进行甄别,不利于快速定位故障源,从而也就无法快速的对故障进行恢复,进而有可能导致列车暂停运行,影响轨道交通的运营,给群众的出行造成困难。
发明内容
本发明提供一种轨道交通信号系统故障分析方法、装置及电子设备,用以解决现有技术中不能快速定位轨道交通信号系统的故障源的缺陷,实现快速定位轨道交通信号系统的故障源,以及实现故障处理根因查找、回溯故障传播链路,准确识别引起故障现象的根本原因。
本发明提供一种轨道交通信号系统故障分析方法,包括:
获取信号系统的历史运行数据,并基于所述历史运行数据得到所述信号系统的知识图谱;其中,所述历史运行数据包括信号系统在运行中产生的历史故障数据、信号系统故障树以及故障分析报告;
获取所述信号系统发生故障所对应的数据流,并对所述数据流进行解析,得到待分析的故障数据;
将所述待分析的故障数据与所述知识图谱进行匹配,得到所述信号系统的故障原因及故障传播链路。
根据本发明提供的轨道交通信号系统故障分析方法,所述知识图谱包括:概念图谱、实体设备图谱以及案例图谱;
其中,所述概念图谱包括所述历史运行数据对应的实体设备类别及所述实体设备类别的抽象描述,所述实体图谱包括所述历史运行数据对应的实体设备、设备属性以及实体设备间的连接关系,所述案例图谱包括所述历史故障数据对应的故障原因及故障传播链路。
根据本发明提供的轨道交通信号系统故障分析方法,所述基于所述历史运行数据得到所述信号系统的知识图谱,包括:
基于目标分类规则,对所述历史运行数据进行分类,得到所述概念图谱;
基于所述概念图谱,从所述信号系统故障树以及故障分析报告中提取所述实体设备图谱;
基于所述实体设备图谱,对所述历史故障数据进行解析和匹配运算,得到所述案例图谱。
根据本发明提供的轨道交通信号系统故障分析方法,所述将所述待分析的故障数据与所述知识图谱进行匹配,得到所述信号系统的故障原因及故障传播链路,包括:
在基于所述待分析的故障数据确定所述信号系统中的实体设备存在故障的情况下,将所述待分析的故障数据与所述知识图谱进行匹配,查找发生故障的实体设备、故障传播链路以及实体设备的故障原因。
根据本发明提供的轨道交通信号系统故障分析方法,所述将所述待分析的故障数据与所述知识图谱进行匹配,得到所述信号系统的故障原因及故障传播链路,还包括:
在基于所述待分析的故障数据确定所述信号系统中存在运行逻辑故障的情况下,将所述待分析的故障数据与所述知识图谱进行匹配,查找与发生故障的运行逻辑相关联的实体设备,以及所述运行逻辑发生故障的原因。
根据本发明提供的轨道交通信号系统故障分析方法,所述将所述待分析的故障数据与所述知识图谱进行匹配,查找发生故障的实体设备以及实体设备的故障原因,包括:
将所述待分析的故障数据与所述知识图谱进行匹配,在查找到发生故障的实体设备的情况下,基于所述知识图谱获取所述实体设备的故障原因;
在未查找到发生故障的实体设备的情况下,基于所述故障数据,对所述知识图谱进行补充更新。
本发明还提供一种轨道交通信号系统故障分析装置,包括:
图谱生成模块,用于获取信号系统的历史运行数据,并基于所述历史运行数据得到所述信号系统的知识图谱;其中,所述历史运行数据包括信号系统在运行中产生的历史故障数据、信号系统故障树以及故障分析报告;
数据解析模块,用于获取所述信号系统发生故障所对应的数据流,并对所述数据流进行解析,得到待分析的故障数据;
故障查找模块,用于将所述待分析的故障数据与所述知识图谱进行匹配,得到所述信号系统的故障原因及故障传播链路。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述轨道交通信号系统故障分析方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述轨道交通信号系统故障分析方法的步骤。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述轨道交通信号系统故障分析方法的步骤。
本发明提供的轨道交通信号系统故障分析方法、装置及电子设备,通过信号系统的历史运行数据得到知识图谱,在后续信号系统发生故障的情况下,获取信号系统的数据流,得到待分析的故障数据,将待分析的故障数据与知识图谱匹配,确定故障原因及故障传播链路。由于在生成信号系统的知识图谱时,结合了历史故障数据和故障分析报告,以及信号系统故障树,进而可以实现故障处理根因查找,能够准确识别引起故障现象的根本原因,而且还可以实现实现故障分析中对故障链路的回溯,能够推导故障在信号系统中设备/软件模块间的传播路径。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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是本发明提供的轨道交通信号系统故障分析方法的流程示意图之一;
图2是本发明提供的轨道交通信号系统故障分析方法的流程示意图之二;
图3是本发明提供的轨道交通信号系统故障分析装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
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,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
下面结合图1-图4描述本发明的轨道交通信号系统故障分析方法、装置及电子设备。
如图1所示,本发明提供的轨道交通信号系统故障分析方法包括:
步骤110、获取信号系统的历史运行数据,并基于信号系统的历史运行数据得到信号系统的知识图谱;其中,信号系统的历史运行数据包括信号系统在运行中产生的历史故障数据、信号系统故障树以及故障分析报告。
可以理解的是,信号系统的历史运行数据,即是城市轨道交通信号系统的数据。城市轨道交通信号系统通常由列车运行自动控制系统(ATC)和车辆段信号控制系统两大部分组成,用于列车进路控制、列车间隔控制、调度指挥、信息管理、设备工况监测及维护管理,由此构成一个高效综合自动化系统。
在知识图谱的构建部分有两方面需要明确,一个是信号系统的历史运行数据来源,另一个是知识图谱构建方法。关于信号系统的历史运行数据来源,在城市轨道交通信号系统故障处理业务中包括结构化与非结构化的数据,结构化的数据主要包含:信号系统运行过程中产生的历史故障数据、信号系统的拓扑结构和各设备之间的链接关系,信号系统的拓扑结构和各设备之间的链接关系;非结构化的数据则主要包括运行维护人员和研发人员头脑中的经验知识以及各种故障分析报告。
步骤120、获取信号系统发生故障所对应的数据流,并对数据流进行解析,得到待分析的故障数据。
可以理解的是,数据流是信号系统的数据流。当信号系统中设备或软件系统发生故障或异常时,预定义的故障码,及相关设备信息会通过信号系统与外部的接口发往控制中心。
目前关于信号系统的故障及异常的处理方式,是人工对相关故障和异常进行勘查后再在操作界面上进行确认,可能需要运行维护人员将信号系统的运行日志下载,然后用专用工具对日志进行解析,再依据各个子系统之间协议将报警数据进行关联分析,才能得出发生故障的原因。
现有的处理方式需要耗费较多的精力,所以本文的方式是通过接入各子系统发往现有维护机的接口数据,通过kafka、redis对实时的各子系统数据流进行分发,通过构建故障数据码字典配合机器学习和聚类分析的方法自动对信息流进行解析和关联分析,提取包括时间、实体设备信息、故障码、故障状态等在内的故障数据。将解析出来的每一条故障数据与构建的实体设备图谱进行关联并进行存储。
这里的对数据流进行解析涉及到信息甄别、信息过滤、信息聚合等关键步骤,通过前置接口对信号系统发送过来的数据进行预解析提取关键字段,实现对关联数据的聚合。
步骤130、将待分析的故障数据与知识图谱进行匹配,得到信号系统的故障原因及故障传播链路。
可以理解的是,将上述得到的信号系统的故障数据去知识图谱中进行匹配,若存在相似故障则完成查找,根据信号系统的故障原因及故障传播链路,给出故障处理建议。
在一些实施例中,知识图谱包括:概念图谱、实体设备图谱以及案例图谱。
可以理解的是,知识图谱的构建则是将上述的结构化数据和非结构化数据,转换为基于三元组的关系模型并存储在数据库中。在本实施例中,需要构建信号系统的概念图谱、实体图谱设备和案例图谱。
概念图谱包括历史运行数据对应的实体设备类别及实体设备类别的抽象描述,实体图谱包括历史运行数据对应的实体设备、设备属性以及实体设备间的连接关系,案例图谱包括历史故障数据对应的故障原因及故障传播链路。
需要说明的是,实体设备类别的抽象描述,即是对同一个类别的实体设备的概括描述。
通过构建概念图谱、实体设备图谱和案例图谱建立起信号系统设备故障信息的孪生数字镜像,通过案例实体图谱的自更新功能不断完善故障案例,加速故障排查,提升运维效率。提供标准接口,其他厂家可依据该接口进行故障信息分析。
基于信号系统的历史运行数据得到信号系统的知识图谱,包括:
基于目标分类规则,对信号系统的历史运行数据进行分类,得到概念图谱;
基于概念图谱,从信号系统故障树以及故障分析报告中提取实体设备图谱;
基于实体设备图谱,对信号系统的历史故障数据进行解析和匹配运算,得到案例图谱。
需要说明的是,概念图谱也可以称其为本体,是对实体设备图谱的一种抽象和概括,也即是目标分类规则,可以进行人工设定。本实施例中,概念图谱主要定义故障现象、故障原因、故障单元、故障影响、维护措施、设备结构等一系列本体类别,同时对这些类别之间的关系进行预定义。
信号系统故障树,是信号系统对应的倒立树状逻辑因果关系图,它用事件符号、逻辑门符号和转移符号描述系统中各种事件之间的因果关系。
基于概念图谱,从信号系统故障树以及故障分析报告中提取实体设备图谱,具体地,基于信号系统故障树,可以从故障分析报告中,提取到与故障相关联的实体设备,再基于概念图谱将这些实体设备进行分类,建立关系。
案例图谱则是对每一次信号系统所发生故障的相关信息进行存储,当有新的故障出现时,通过预定义的方法进行相似度计算,从而进行类似故障处理策略的推送。
在一些实施例中,基于概念图谱,从信号系统故障树以及故障分析报告中提取实体设备图谱,包括:
基于概念图谱,从信号系统故障树以及故障分析报告中提取实体设备、实体设备间的关系以及实体设备属性;
基于实体设备、实体设备间的关系以及实体设备属性,得到实体设备图谱。
需要说明的是,实体图谱的构建则需要对信号系统故障树以及故障分析报告进行转化,基于概念图谱提取故障树和故障分析报告中的实体(设备)、实体间关系以及各设备的属性。
在一些实施例中,将待分析的故障数据与知识图谱进行匹配,得到信号系统的故障原因及故障传播链路,包括:
在基于待分析的故障数据确定信号系统中的实体设备存在故障的情况下,将待分析的故障数据与知识图谱进行匹配,查找发生故障的实体设备、故障传播链路以及实体设备的故障原因。
在一些实施例中,将待分析的故障数据与知识图谱进行匹配,得到信号系统的故障原因及故障传播链路,还包括:
在基于待分析的故障数据确定信号系统中存在运行逻辑故障的情况下,将待分析的故障数据与知识图谱进行匹配,查找与发生故障的运行逻辑相关联的实体设备,以及运行逻辑发生故障的原因。
需要说明的是,将待分析的故障数据与知识图谱进行匹配,是将待分析的故障数据与案例图谱进行匹配。
可以理解的是,关于信号系统的故障类型,可以分为两类:一类是确定性的设备故障,即实体设备故障,当此类故障数据出现时,能够从信息流中精确的定位到哪一个设备出现了什么样的问题,例如某一块板卡损坏、测速计损坏等;另一类则是由于某些设备发送的数据或软件模块计算的结果超过系统预定义的阈值所引发的故障,即运行逻辑故障,如紧急制动,可能导致紧急制动的原因有很多,有可能是由于ZC(即:区域控制器)发送的MA(即:移动授权)超时,也有可能是MA计算不够准确,还有可能是测速的速度值不准确。
因此,在本实施例中存在两种对于故障原因的推理,第一种是当捕捉到确定性的设备故障数据时,即实体设备故障,首先会根据故障类型编码及相关设备属性信息特征去案例知识图谱中进行匹配,若存在相似的故障则完成查找给出故障原因,以及处理建议,否则需要人工进行确认并将确认后的相关信息存入案例知识图谱中供下一次进行匹配。
第二种则是针对运行逻辑故障的处理,此部分是当接收到信号系统对应的故障码时,根据故障码和携带的相关设备信息去实体图谱中进行故障的定位和查找与之连接的相关实体(设备或模块),根据查找到的实体设备从数据流中抽取与这些实体设备相对应的数据。
根据数据流中携带的信息判断该实体设备是否是引起该故障现象的中间实体设备节点,若是,则对与该实体相连的其它实体设备节点进行相似操作,即判断是否是引起该故障现象的中间实体设备节点,否则跳过该节点进行下一节点的判断,当算法完成后即完成设备故障传播链路的构建,并识别引起该故障现象的根因。
上述的推理算法决定了推理效率和准确度,本实施例结合接口数据对故障信息转播路径进行动态规划构建传播链路。
在一些实施例中,将待分析的故障数据与知识图谱进行匹配,查找发生故障的实体设备以及实体设备的故障原因,包括:
将待分析的故障数据与知识图谱进行匹配,在查找到发生故障的实体设备的情况下,基于知识图谱获取实体设备的故障原因;
在未查找到发生故障的实体设备的情况下,基于故障数据,对知识图谱进行补充更新。
需要说明的是,基于故障数据,对知识图谱进行补充更新,是基于实体设备图谱,对该故障数据进行解析,得到案例图谱的补充信息,再基于该补充信息,对知识图谱进行补充更新。
在一些实施例中,如图3所示,基于信号系统故障树和信号系统故障分析报告,得到信息系统故障的推理规则,再基于概念图谱和推理规则,可以得到实体设备图谱,通过将信号系统历史故障数据映射到实体设备图谱,得到案例图谱。
在一些实施例中,以列车因MA超时所导致的紧急制动为例:
当发生紧急制动时,本系统从接口数据中可以识别到该紧急制动的类型为0x27140a,同时根据该接口数据中携带的时间、序列号、IP(即:网际互连协议)源地址等去案例图谱数据库中进行既有案例图谱的匹配。
若在案例图谱数据库中匹配到,则直接给出处理建议,否则根据相关故障数据查找故障设备信息映射表,确定该故障类型是由ATP(即:列车自动保护系统)模块发送,在实体设备图谱中定位与ATP模块关联的其他模块,同时通过查询ATP模块紧急制动原因码,确定该原因为因ZC的MA超时导致紧急制动,进一步将范围缩小到ZC模块,即需要从ZC模块的接口数据中查找与0x27140a相关的数据包并进行分析。
这里需要通过时间节点、数据包内容等信息聚合与0x27140a相关的数据包,并分析发送和接收状态,以此判断是否为ZC未发送MA,若是则结束,并构建起从ZC到ATP的故障链路,若不是则需要继续匹配通过ZC到ATP节点之间的网络设备,判断是否是因为网络设备发送数据超时所引起,进而构建故障传播链路并定位故障根因节点,至此整个搜索结束。
综上所述,本发明提供的轨道交通信号系统故障分析方法,包括:获取信号系统的历史运行数据,并基于信号系统的历史运行数据得到信号系统的知识图谱;其中,信号系统的历史运行数据包括信号系统在运行中产生的历史故障数据、信号系统故障树以及故障分析报告;获取信号系统发生故障所对应的数据流,并对数据流进行解析,得到待分析的故障数据;将待分析的故障数据与知识图谱进行匹配,得到信号系统的故障原因及故障传播链路。
本发明提供的故障分析方法,通过信号系统的历史运行数据得到知识图谱,在后续信号系统发生故障的情况下,获取信号系统的数据流,得到待分析的故障数据,将待分析的故障数据与知识图谱匹配,确定故障原因。由于在生成信号系统的知识图谱时,结合了历史故障数据和故障分析报告,以及信号系统故障树,进而可以实现故障处理根因查找,能够准确识别引起故障现象的根本原因,而且还可以实现实现故障分析中对故障链路的回溯,能够推导故障在信号系统中设备/软件模块间的传播路径。
下面对本发明提供的轨道交通信号系统故障分析装置进行描述,下文描述的轨道交通信号系统故障分析装置与上文描述的轨道交通信号系统故障分析方法可相互对应参照。
如图3所示,本发明提供的轨道交通信号系统故障分析装置300包括:图谱生成模块310、数据解析模块320和故障查找模块330。
图谱生成模块310用于获取信号系统的历史运行数据,并基于信号系统的历史运行数据得到信号系统的知识图谱;其中,信号系统的历史运行数据包括信号系统在运行中产生的历史故障数据、信号系统故障树以及故障分析报告。
数据解析模块320用于获取信号系统发生故障所对应的数据流,并对数据流进行解析,得到待分析的故障数据。
故障查找模块330用于将待分析的故障数据与知识图谱进行匹配,得到信号系统的故障原因及故障传播链路。
在一些实施例中,知识图谱包括:概念图谱、实体设备图谱以及案例图谱。
概念图谱包括历史运行数据对应的实体设备类别及实体设备类别的抽象描述,实体图谱包括历史运行数据对应的实体设备、设备属性以及实体设备间的连接关系,案例图谱包括历史故障数据对应的故障原因及故障传播链路。
图谱生成模块310包括:分类单元、提取单元和分析单元。
分类单元用于基于目标分类规则,对信号系统的历史运行数据进行分类,得到概念图谱。
提取单元用于基于概念图谱,从信号系统故障树以及故障分析报告中提取实体设备图谱。
分析单元用于基于实体设备图谱,对信号系统的历史故障数据进行解析和匹配运算,得到案例图谱。
在一些实施例中,提取单元包括:实体提取单元和图谱生成单元。
实体提取单元基于概念图谱,从信号系统故障树以及故障分析报告中提取实体设备、实体设备间的关系以及实体设备属性。
图谱生成单元基于实体设备、实体设备间的关系以及实体设备属性,得到实体设备图谱。
在一些实施例中,故障查找模块330包括:实体故障查找单元。
实体故障查找单元用于在基于待分析的故障数据确定信号系统中的实体设备存在故障的情况下,将待分析的故障数据与知识图谱进行匹配,查找发生故障的实体设备、故障传播链路以及实体设备的故障原因。
在一些实施例中,故障查找模块330还包括:逻辑故障查找单元。
逻辑故障查找单元用于在基于待分析的故障数据确定信号系统中存在运行逻辑故障的情况下,将待分析的故障数据与知识图谱进行匹配,查找与发生故障的运行逻辑相关联的实体设备,以及运行逻辑发生故障的原因。
在一些实施例中,实体故障查找单元包括:实体故障及原因获取单元和图谱更新单元。
实体故障及原因获取单元用于将待分析的故障数据与知识图谱进行匹配,在查找到发生故障的实体设备的情况下,基于知识图谱获取实体设备的故障原因。
图谱更新单元用于在未查找到发生故障的实体设备的情况下,基于故障数据,对知识图谱进行补充更新。
下面对本发明提供的电子设备、计算机程序产品以及存储介质进行描述,下文描述的电子设备、计算机程序产品以及存储介质与上文描述的轨道交通信号系统故障分析方法可相互对应参照。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行轨道交通信号系统故障分析方法,该方法包括:
步骤110、获取信号系统的历史运行数据,并基于信号系统的历史运行数据得到信号系统的知识图谱;其中,信号系统的历史运行数据包括信号系统在运行中产生的历史故障数据、信号系统故障树以及故障分析报告;
步骤120、获取信号系统发生故障所对应的数据流,并对数据流进行解析,得到待分析的故障数据;
步骤130、将待分析的故障数据与知识图谱进行匹配,得到信号系统的故障原因及故障传播链路。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的轨道交通信号系统故障分析方法,该方法包括:
步骤110、获取信号系统的历史运行数据,并基于信号系统的历史运行数据得到信号系统的知识图谱;其中,信号系统的历史运行数据包括信号系统在运行中产生的历史故障数据、信号系统故障树以及故障分析报告;
步骤120、获取信号系统发生故障所对应的数据流,并对数据流进行解析,得到待分析的故障数据;
步骤130、将待分析的故障数据与知识图谱进行匹配,得到信号系统的故障原因及故障传播链路。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的轨道交通信号系统故障分析方法,该方法包括:
步骤110、获取信号系统的历史运行数据,并基于信号系统的历史运行数据得到所述信号系统的知识图谱;其中,信号系统的历史运行数据包括信号系统在运行中产生的历史故障数据、信号系统故障树以及故障分析报告;
步骤120、获取信号系统发生故障所对应的数据流,并对数据流进行解析,得到待分析的故障数据;
步骤130、将待分析的故障数据与知识图谱进行匹配,得到信号系统的故障原因及故障传播链路。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种轨道交通信号系统故障分析方法,其特征在于,包括:
获取信号系统的历史运行数据,并基于所述历史运行数据得到所述信号系统的知识图谱;其中,所述历史运行数据包括信号系统在运行中产生的历史故障数据、信号系统故障树以及故障分析报告;
获取所述信号系统发生故障所对应的数据流,并对所述数据流进行解析,得到待分析的故障数据;
将所述待分析的故障数据与所述知识图谱进行匹配,得到所述信号系统的故障原因及故障传播链路。
2.根据权利要求1所述的轨道交通信号系统故障分析方法,其特征在于,所述知识图谱包括:概念图谱、实体设备图谱以及案例图谱;
其中,所述概念图谱包括所述历史运行数据对应的实体设备类别及所述实体设备类别的抽象描述,所述实体图谱包括所述历史运行数据对应的实体设备、设备属性以及实体设备间的连接关系,所述案例图谱包括所述历史故障数据对应的故障原因及故障传播链路。
3.根据权利要求2所述的轨道交通信号系统故障分析方法,其特征在于,所述基于所述历史运行数据得到所述信号系统的知识图谱,包括:
基于目标分类规则,对所述历史运行数据进行分类,得到所述概念图谱;
基于所述概念图谱,从所述信号系统故障树以及故障分析报告中提取所述实体设备图谱;
基于所述实体设备图谱,对所述历史故障数据进行解析和匹配运算,得到所述案例图谱。
4.根据权利要求1-3任一项所述的轨道交通信号系统故障分析方法,其特征在于,所述将所述待分析的故障数据与所述知识图谱进行匹配,得到所述信号系统的故障原因及故障传播链路,包括:
在基于所述待分析的故障数据确定所述信号系统中的实体设备存在故障的情况下,将所述待分析的故障数据与所述知识图谱进行匹配,查找发生故障的实体设备、故障传播链路以及实体设备的故障原因。
5.根据权利要求4所述的轨道交通信号系统故障分析方法,其特征在于,所述将所述待分析的故障数据与所述知识图谱进行匹配,得到所述信号系统的故障原因及故障传播链路,还包括:
在基于所述待分析的故障数据确定所述信号系统中存在运行逻辑故障的情况下,将所述待分析的故障数据与所述知识图谱进行匹配,查找与发生故障的运行逻辑相关联的实体设备,以及所述运行逻辑发生故障的原因。
6.根据权利要求4所述的轨道交通信号系统故障分析方法,其特征在于,所述将所述待分析的故障数据与所述知识图谱进行匹配,查找发生故障的实体设备以及实体设备的故障原因,包括:
将所述待分析的故障数据与所述知识图谱进行匹配,在查找到发生故障的实体设备的情况下,基于所述知识图谱获取所述实体设备的故障原因;
在未查找到发生故障的实体设备的情况下,基于所述故障数据,对所述知识图谱进行补充更新。
7.一种轨道交通信号系统故障分析装置,其特征在于,包括:
图谱生成模块,用于获取信号系统的历史运行数据,并基于所述历史运行数据得到所述信号系统的知识图谱;其中,所述历史运行数据包括信号系统在运行中产生的历史故障数据、信号系统故障树以及故障分析报告;
数据解析模块,用于获取所述信号系统发生故障所对应的数据流,并对所述数据流进行解析,得到待分析的故障数据;
故障查找模块,用于将所述待分析的故障数据与所述知识图谱进行匹配,得到所述信号系统的故障原因及故障传播链路。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述轨道交通信号系统故障分析方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述轨道交通信号系统故障分析方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述轨道交通信号系统故障分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111117106.6A CN113987001A (zh) | 2021-09-23 | 2021-09-23 | 轨道交通信号系统故障分析方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111117106.6A CN113987001A (zh) | 2021-09-23 | 2021-09-23 | 轨道交通信号系统故障分析方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113987001A true CN113987001A (zh) | 2022-01-28 |
Family
ID=79736430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111117106.6A Pending CN113987001A (zh) | 2021-09-23 | 2021-09-23 | 轨道交通信号系统故障分析方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113987001A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666374A (zh) * | 2022-03-31 | 2022-06-24 | 金陵科技学院 | 一种轨道交通专用通信系统故障路径自动构建方法 |
CN114996119A (zh) * | 2022-04-20 | 2022-09-02 | 中国工商银行股份有限公司 | 故障诊断方法、装置、电子设备及存储介质 |
CN115184807A (zh) * | 2022-07-05 | 2022-10-14 | 东莞新能安科技有限公司 | 电池的故障检测方法、装置、设备、介质和产品 |
-
2021
- 2021-09-23 CN CN202111117106.6A patent/CN113987001A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666374A (zh) * | 2022-03-31 | 2022-06-24 | 金陵科技学院 | 一种轨道交通专用通信系统故障路径自动构建方法 |
CN114996119A (zh) * | 2022-04-20 | 2022-09-02 | 中国工商银行股份有限公司 | 故障诊断方法、装置、电子设备及存储介质 |
CN114996119B (zh) * | 2022-04-20 | 2023-03-03 | 中国工商银行股份有限公司 | 故障诊断方法、装置、电子设备及存储介质 |
CN115184807A (zh) * | 2022-07-05 | 2022-10-14 | 东莞新能安科技有限公司 | 电池的故障检测方法、装置、设备、介质和产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113987001A (zh) | 轨道交通信号系统故障分析方法、装置及电子设备 | |
CN109800127A (zh) | 一种基于机器学习的系统故障诊断智能化运维方法及系统 | |
CN106209405B (zh) | 故障诊断方法及装置 | |
US20170244610A1 (en) | Method and system for monitoring quality of data transmission in idc network | |
CN108737182A (zh) | 系统异常的处理方法及系统 | |
KR20180108446A (ko) | Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법 | |
CN112631932A (zh) | 基于接口的自动列车监控系统的子功能独立测试方法 | |
CN111930592A (zh) | 一种实时检测日志序列异常的方法和系统 | |
CN114385391A (zh) | 一种nfv虚拟化设备运行数据分析方法及装置 | |
CN109669844A (zh) | 设备故障处理方法、装置、设备和存储介质 | |
CN112559237B (zh) | 运维系统排障方法、装置、服务器和存储介质 | |
CN111026094A (zh) | 一种站台门系统的故障诊断与远程维护方法和系统 | |
CN105376193A (zh) | 安全事件的智能关联分析方法与装置 | |
CN116010456A (zh) | 设备的处理方法、服务器和轨道交通系统 | |
CN115848463A (zh) | 智能运维系统和方法 | |
CN113484693B (zh) | 基于图神经网络的变电站二次回路故障定位方法及系统 | |
CN112559488A (zh) | 一种基于数据中台的自动扶梯全生命周期数据管理方法及系统 | |
CN112769615A (zh) | 一种异常分析方法及装置 | |
CN114629776B (zh) | 基于图模型的故障分析方法及装置 | |
CN112147974B (zh) | 基于化工过程知识自动化的报警根原因诊断方法 | |
CN115438093A (zh) | 一种电力通信设备故障判断方法与检测系统 | |
CN113836203A (zh) | 一种网络数据化诊断检测分析系统 | |
CN115903720A (zh) | 用于轨道交通的故障诊断系统及方法和存储介质 | |
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 | |
CN113965448B (zh) | 基于ai搜索树的网络安全信息分析方法、装置及系统 |
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 |