CN114594750B - 一种基于故障树的高铁塞拉门故障诊断方法 - Google Patents
一种基于故障树的高铁塞拉门故障诊断方法 Download PDFInfo
- Publication number
- CN114594750B CN114594750B CN202210189777.1A CN202210189777A CN114594750B CN 114594750 B CN114594750 B CN 114594750B CN 202210189777 A CN202210189777 A CN 202210189777A CN 114594750 B CN114594750 B CN 114594750B
- Authority
- CN
- China
- Prior art keywords
- fault
- sliding plug
- plug door
- fault tree
- door
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004451 qualitative analysis Methods 0.000 claims abstract description 16
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 4
- 238000002955 isolation Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G05B23/0245—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 based on a qualitative model, e.g. rule based; if-then decisions
- G05B23/0248—Causal models, e.g. fault tree; digraphs; qualitative physics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于故障树的高铁塞拉门故障诊断方法，包括：针对高铁塞拉门系统，分析塞拉门系统的构成，在故障诊断系统中建立塞拉门系统故障树诊断模型；故障树进行定性分析，定性分析的目的在于寻找导致顶事件发生的原因事件以及原因事件的组合；塞拉门故障树模型进行定量分析，当塞拉门出现故障时，通过故障树模型查询引起该故障所有底事件，以及所有底事件的重要度；按照底事件或最小割集对该故障发生的重要性来排序，制定该故障诊断时的核对清单，发给列车检修人员的终端上。该方法按照底事件或最小割集对该故障发生的重要性来排序，制定该故障诊断时的核对清单，提高故障诊断的效率，降低整个车门系统的检修成本。
Description
技术领域
本发明涉及高铁塞拉门的故障诊断方法，特别涉及基于故障树的高铁塞拉门故障诊断方法。
背景技术
高铁塞拉门作为高铁安全运行的重要组成部分，在如此高速率、高频率的环境下，塞拉门会经常性的出现各种故障。塞拉门作为集合电气与机械的一体化的复杂系统，故障的出现迫使塞拉门无法正常工作，将会造成列车的行驶安全，造成巨大的经济损失。当故障发生时，如何对故障部位精准定位，帮助维保人员更快的找到底层故障单元。
故障树作为一种故障诊断分析方法，是把最不希望出现的状态作为分析目标，由整体到部分，按照树形结构，一层层向底部分析，找到与目标事件关系最为紧密的底事件，通过对底事件的概率计算从而得到顶事件发生概率，通过对塞拉门的结构分析，构建相应的故障树结构模型，故障诊断按照故障树的模型，从上到下的逻辑方式进行诊断。
现在公布的一些对塞拉门故障诊断系统的研究，如中国专利CN205229771U公开了一种地铁车门诊断系统，包括电源电路、平板电脑、PLC控制单元、MVB网卡、地址锁存器。平板电脑、MVB网卡、地址锁存器分别与PLC控制单元链接。地址锁存器用于PLC控制单元读写MVB网卡时锁存车门系统端口地址，MVB网卡用于采集车辆MVB总线上车门系统端口的数据，PLC控制单元读取MVB网卡中的数据进行故障分析处理，得到的诊断结果通过USB接口发至平板电脑显示。通过采用基于故障树技术的故障诊断专家系统，提高地铁车门系统的故障诊断效率，通过故障树模型进行快速确定故障环节，节约故障诊断检修成本，提高故障诊断效率，该故障诊断系统仅仅是对已有故障树诊断模型进行故障诊断，并不能对故障树底事件故障数据进行更新，以及底事件的权重进行优化。
专利CN106959681 A公开了一种基于FHN(模糊H网)的城轨列车车门故障诊断方法，该方法根据FNN模型，通过对列车车门系统的H结点的变迁转移过程分析，利用FNN的产生规则以及FNN推理算法，能简单、快捷、准确的定位出故障位置及原因，并有效的避免Petri网中组合爆炸的问题；并且FNN只有一种H结点，相比较与Petri网，诊断过程更加简单，效率更高。但FNN模型不能反映与时间方面的内容，并且并不支持构建大规模模型。
目前，在实际的塞拉门运营过程中，车门系统的故障诊断绝大多数依赖于检修人员的感官和经验知识，车门系统检修人员通过对车门系统主要元器件的状态观测，同时结合自身检修经验知识，判断车门是否故障或者存在安全隐患，但这种检修方式，成本高并且效率低，故障诊断实时性差。
发明内容
发明目的：本发明目的是提供一种基于故障树的高铁塞拉门故障诊断方法。
技术方案：本发明所述的基于故障树的高铁塞拉门故障诊断方法，包括以下步骤：
步骤1：针对高铁塞拉门系统，分析塞拉门系统的构成，在故障诊断系统中建立塞拉门系统故障树诊断模型；
步骤2：故障树进行定性分析，定性分析的目的在于寻找导致顶事件发生的原因事件以及原因事件的组合；
步骤3：塞拉门故障树模型进行定量分析，当塞拉门出现故障时，通过故障树模型查询引起该故障所有底事件，以及所有底事件的重要度；
步骤4：按照底事件或最小割集对该故障发生的重要性来排序，制定该故障诊断时的核对清单，发给列车检修人员的终端上。
进一步地，所述步骤1中高铁塞拉门系统包括隔离装置、门扇、紧急开门装置、门锁闭装置，上下导轨机构、门控器DCU、车门开关按钮，通过离散车门系统的系统结构图和现场故障事故总结，以及各个位置发生故障的先验知识，确定故障树模型的顶事件，通过对可能造成目标事件故障的硬件、软件、环境、以及人为误操作进行分析，逐层递推，避免遗漏，最终找到导致故障的最根本的原因，建立起塞拉门故障树诊断模型。
进一步地，所述步骤2中通过上行法对故障树模型进行定性分析，计算得到故障树最小割集，得到塞拉门门控信号故障树的布尔表达式；得到故障树最小割集，对最小割集对应的相关零部件的检修；识别导致顶事件发生的所有故障模式的集合。
进一步地，所述步骤3中通过塞拉门故障树模型进行定量分析，当塞拉门出现故障时，通过故障树模型查询引起该故障所有底事件，以及所有底事件的关键重要度。
进一步地，所述步骤4中当塞拉门门控信号故障时，针对以上几个重要度较高的组件DCU内部模块损坏(x6)、锁闭开关S1故障(x8)、关到位开关(x9)优先检修和维护。
建立高铁塞拉门系统故障树模型，包含以下事件：顶事件，中间事件，底事件。当塞拉门出现故障时，通过对故障树模型进行查询引起故障的所有底事件，并将底事件按照对顶事件的重要性来进行排序，从而对检修人员制定系统故障诊断时的核对清单。
塞拉门系统作为动车重要组成部分，每辆车包含四个塞拉门，一个主门，三个从门，门控器从列车控制单元接收硬线信号和命令。门的状态信号由从门控器通过CAN通信传输到主门控器，再由主门控器MVB通信传输到列车控制单元。门控器驱动电机带动塞拉门通过本地按钮或列车控制命令。
塞拉门系统由隔离装置、门扇、紧急开门装置、门锁闭装置，上下导轨机构、门控器DCU、车门开关按钮等部分组成。列车控制单元的功能信号和命令通过门控器进行接收，同时每个门控器的不同状态信号和诊断信号通过主门控器传送给列车控制单元。
塞拉门主要指标如下：
开关门时间：5S±1S；
温度范围：-25℃——+70℃；
电源电压：DC110V±30％(77V～137.5V)；
空气供应：0.85MPa～1.0MPa；
平均功耗：小于40W(开门和关门)；
最大功耗：小于150W(锁闭、解锁、发现障碍物后的重启)；
车门挤压力：<150N；
障碍物检测：截面为30mmx60mm的矩形检测棒、截面为10mmx50mm的矩形检测棒；
开门宽度：800mm/900mm；
寿命：30年或1500万公里；
车门开关次数/年：60000次/年；
运营车速：350Km/h，试验车速：385Km/h；
通过对塞拉门结构分析构建塞拉门故障树模型，塞拉门系统由隔离装置、门扇、紧急开门装置、门锁闭装置，上下导轨机构、门控器DCU、车门开关按钮等部分组成，通过离散车门系统的系统结构图和现场故障事故总结，以及各个位置发生故障的先验知识，确定故障树模型的顶事件，以S代表列车塞拉门系统故障作为顶事件来进行分析，通过对可能造成目标事件故障的硬件、软件、环境、以及人为误操作等进行分析，逐层递推，避免遗漏，最终找到导致故障的最根本的原因，从而建立起塞拉门故障树诊断模型。
该方法通过对高铁塞拉门整体机械电气结构进行分析，通过离散车门系统的系统结构图和现场故障事故总结，以及各个位置发生故障的先验知识，构建塞拉门系统故障树模型，并故障树中顶事件，中间事件，底事件做编号处理，通过上行法对故障树模型进行定性分析，计算得到故障树最小割集，识别导致顶事件发生的所有故障模式的集合；帮助检修人员发现潜在的故障，用于塞拉门故障诊断的指导。通过塞拉门故障树模型进行定量分析，当塞拉门出现故障时，通过故障树模型查询引起该故障所有底事件，以及所有底事件的重要度。按照底事件或最小割集对该故障发生的重要性来排序，制定该故障诊断时的核对清单，提高故障诊断的效率，降低整个车门系统的检修成本。
有益效果：本发明与现有技术相比，具有如下优势：
本发明专利通过构建塞拉门故障树模型，定性分析与定量计算相结合，对故障进行快速准确的诊断。从而有效的降低检修人员的工作量，有效的降低故障诊断的成本与效率，提高列车运行的安全性和可靠性。
附图说明
图1为本发明的流程图；
图2为门控信号故障为顶事件的故障树模型；
图3为电机故障为顶事件的故障树模型；
图4为解锁装置故障为顶事件的故障树模型。
具体实施方式
本实施例的基于故障树高铁塞拉门系统故障诊断分析方法，具体包括：
步骤一：首先针对高铁塞拉门系统，分析塞拉门系统的构成，在故障诊断系统中建立塞拉门系统故障树诊断模型，所述模型包括顶事件，中间事件，底事件。
在此步骤中，需要对整个塞拉门系统以及其各个组成部分有一定透彻的了解，同时与其他方面的专家密切合作，需要收集大量的故障信息，进行多次反复、逐步深入完善的过程，在对故障信息、故障原因、以及处理措施等数据的处理，构建出塞拉门故障诊断系统，对故障树中顶事件，中间事件，底事件做编号处理，方便后续对塞拉门定性与定量分析。
步骤二：对故障树进行定性分析，定性分析的目的在于寻找导致顶事件发生的原因事件以及原因事件的组合，即识别导致顶事件发生的所有故障模式的集合；帮助检修人员发现潜在的故障，用于塞拉门故障诊断的指导。常用的故障树最小割集的方法有：下行法与上行法两种。这两种方法根据塞拉门故障树的实际结构，从顶事件开始逐层向下寻找，找出割集。
在进行故障树分析之前，要明确一下概念：
割集：故障树中一些底事件的集合。当这些底事件同时发生，顶事件必然发生。
最小割集：若将割集中所含的底事件任意去掉一个就不在成为割集了，这样的割集就是最小割集。
如果塞拉门发生了某种故障模式，则一定是该系统中与其对应的某一个最小割集中的全部底事件发生了，因此在故障诊断系统中，只有修复同一最小割集中的全部故障部件，才能恢复整个门系统的可靠性、安全性。
步骤三：对塞拉门故障树模型进行定量分析，当塞拉门出现故障时，通过故障树模型查询引起该故障所有底事件，以及所有底事件的重要度，
该步骤中的重要度是指系统结构、元部件的寿命分布以及时间的函数，主要包含，概率重要度，结构重要度，关键重要度。故障树模型中有如下假设：底事件之间相互独立；元器件和系统只有正常和故障两种状态；元器件寿命为指数分布。
步骤四：按照底事件或最小割集对该故障发生的重要性来排序，制定该故障诊断时的核对清单，发给列车检修人员的终端上。
如图2所示为本发明以塞拉门门控信号故障为顶事件时的实施例，该实例中，基于塞拉门故障树的故障诊断分析方法包含以下步骤：
步骤一：通过收集塞拉门历史故障数据，故障原因，以及故障处理措施等数据，根据故障树建模原理及步骤，建立塞拉门故障树诊断模型。
本发明以门控信号故障作为故障树顶事件T来进行分析，建立故障树诊断模型，如图2所示，分别对故障树自上而下进行编号处理，其中顶事件为T1，中间事件为M1-M4，底事件为X1-X12，该故障树模型基本涵盖了塞拉门系统中与门控信号故障相关的全部内容，当塞拉门发生门控信号故障时，可以根据此故障树进行查询，通过塞拉门门控信号故障的故障树进行定性与定量分析，找出此故障发生原因，为塞拉门故障系统进行故障诊断提供理论依据。
步骤二：通过上行法对故障树模型进行定性分析，计算得到故障树最小割集，得到塞拉门门控信号故障树的布尔表达式T1＝y1+y2+y3+y4；得到此故障树最小割集12个，得到的最小割集均为一阶割集，之所以形成如此多的一阶割集，是因为塞拉门系统各功能单元没有冗余单元，并且在整个车门系统这些功能单元都是必不可少的。对最小割集对应的相关零部件的检修，操作等过程更应该严格要求、严格把关。
步骤三：根据现有资料，以及某公司近些年检修故障记录，和故障诊断专家先验知识，统计得到门控信号故障树底事件的失效概率λ，通过公式得到故障树顶事件的发生概率F和系统可靠度R，对整个系统的可靠性，安全性提供依据。
步骤四：通过计算得到门控信号故障树最小割集的关键重要度，通过对底事件重要度分析可以得到DCU内部模块故障(x6)、锁闭开关S1故障(x8)、关门到位开关S4故障(x9)的概率重要度和关键重要度均比其他部件要高，当塞拉门门控信号故障时，可以针对以上几个重要度较高的组件优先检修和维护，提高整个塞拉门系统的可靠性，以及提高故障诊断的效率，降低检修的成本。
本发明具有以下优点：
(1)故障树诊断方法是进行系统可靠性、安全性分析的一种重要演绎推理方法，此方法最重要的一点是可以考虑人为因素、环境因素对顶事件的影响，还可以考虑多种原因相互影响的组合事件。
(2)所使用的故障树定性分析方法，可以将定性分析的结果用于塞拉门系统的故障诊断，维修次序以及可以对塞拉门系统改进提供方向。
(3)通过塞拉门故障树的底事件或者最小割集的重要度分析，根据关键重要度大小排序，找出故障诊断时最佳排故次序，以及通过收集的底事件发生概率，对整个塞拉门系统的故障率以及可靠度进行分析，找出系统的薄弱环节，最终改善整个车门系统性能，提高高铁运输公司的服务水平。
本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.一种基于故障树的高铁塞拉门故障诊断方法，其特征在于：包括以下步骤：
步骤1：针对高铁塞拉门系统，分析塞拉门系统的构成，在故障诊断系统中建立塞拉门系统故障树诊断模型；高铁塞拉门系统包括隔离装置、门扇、紧急开门装置、门锁闭装置，上下导轨机构、门控器DCU、车门开关按钮，通过离散车门系统的系统结构图和现场故障事故总结，以及各个位置发生故障的先验知识，确定故障树模型的顶事件，通过对造成目标事件故障的硬件、软件、环境、以及人为误操作进行分析，逐层递推，避免遗漏，最终找到导致故障的最根本的原因，建立起塞拉门故障树诊断模型；
步骤2：故障树进行定性分析，定性分析的目的在于寻找导致顶事件发生的原因事件以及原因事件的组合；通过上行法对故障树模型进行定性分析，计算得到故障树最小割集，得到塞拉门门控信号故障树的布尔表达式；得到故障树最小割集，对最小割集对应的相关零部件的检修；识别导致顶事件发生的所有故障模式的集合；
步骤3：塞拉门故障树模型进行定量分析，当塞拉门出现故障时，通过故障树模型查询引起该故障所有底事件，以及所有底事件的重要度；通过塞拉门故障树模型进行定量分析，当塞拉门出现故障时，通过故障树模型查询引起该故障所有底事件，以及所有底事件的关键重要度；
步骤4：按照底事件或最小割集对该故障发生的重要性来排序，制定该故障诊断时的核对清单，发给列车检修人员的终端上；当塞拉门门控信号故障时，针对DCU内部模块损坏x6、锁闭开关S1故障x8、关到位开关x9优先检修和维护。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210189777.1A CN114594750B (zh) | 2022-02-28 | 2022-02-28 | 一种基于故障树的高铁塞拉门故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210189777.1A CN114594750B (zh) | 2022-02-28 | 2022-02-28 | 一种基于故障树的高铁塞拉门故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114594750A CN114594750A (zh) | 2022-06-07 |
| CN114594750B true CN114594750B (zh) | 2024-05-31 |
Family
ID=81807675
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210189777.1A Active CN114594750B (zh) | 2022-02-28 | 2022-02-28 | 一种基于故障树的高铁塞拉门故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114594750B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114925865A (zh) * | 2022-06-08 | 2022-08-19 | 山西科达自控股份有限公司 | 矿井电机车电机械制动系统故障诊断方法及存储介质 |
| CN118646637A (zh) * | 2024-08-09 | 2024-09-13 | 江西经纬恒润科技有限公司 | 基于车载系统日志的故障诊断方法、装置、设备和介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010181212A (ja) * | 2009-02-04 | 2010-08-19 | Toyota Central R&D Labs Inc | 故障診断システム、故障診断方法 |
| CN104392072A (zh) * | 2014-12-12 | 2015-03-04 | 北京交通大学 | 一种基于动态故障树的设备集成系统可靠性分析方法 |
| CN205229771U (zh) * | 2015-09-28 | 2016-05-11 | 河海大学 | 地铁车门故障诊断系统 |
| CN110221198A (zh) * | 2019-05-31 | 2019-09-10 | 天地（常州）自动化股份有限公司 | 基于故障树的煤矿井下组合开关故障诊断方法 |
| CN111046940A (zh) * | 2019-12-06 | 2020-04-21 | 中车长春轨道客车股份有限公司 | 一种基于决策树与神经网络的车门故障诊断方法 |
| CN111160579A (zh) * | 2019-12-30 | 2020-05-15 | 中国船舶重工集团公司第七一三研究所 | 一种基于权重的站台门故障诊断分析方法 |
| CN113887606A (zh) * | 2021-09-28 | 2022-01-04 | 上海工业自动化仪表研究院有限公司 | 基于故障树建立的电子设备控制系统故障诊断方法 |
-
2022
- 2022-02-28 CN CN202210189777.1A patent/CN114594750B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010181212A (ja) * | 2009-02-04 | 2010-08-19 | Toyota Central R&D Labs Inc | 故障診断システム、故障診断方法 |
| CN104392072A (zh) * | 2014-12-12 | 2015-03-04 | 北京交通大学 | 一种基于动态故障树的设备集成系统可靠性分析方法 |
| CN205229771U (zh) * | 2015-09-28 | 2016-05-11 | 河海大学 | 地铁车门故障诊断系统 |
| CN110221198A (zh) * | 2019-05-31 | 2019-09-10 | 天地（常州）自动化股份有限公司 | 基于故障树的煤矿井下组合开关故障诊断方法 |
| CN111046940A (zh) * | 2019-12-06 | 2020-04-21 | 中车长春轨道客车股份有限公司 | 一种基于决策树与神经网络的车门故障诊断方法 |
| CN111160579A (zh) * | 2019-12-30 | 2020-05-15 | 中国船舶重工集团公司第七一三研究所 | 一种基于权重的站台门故障诊断分析方法 |
| CN113887606A (zh) * | 2021-09-28 | 2022-01-04 | 上海工业自动化仪表研究院有限公司 | 基于故障树建立的电子设备控制系统故障诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114594750A (zh) | 2022-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114594750B (zh) | 一种基于故障树的高铁塞拉门故障诊断方法 | |
| RU2712435C1 (ru) | Дверной контроллер, включающий устройство сбора и передачи данных, а также способ обработки переданных данных | |
| CN105045256B (zh) | 基于数据对比分析的轨道交通实时故障诊断方法和系统 | |
| CN102879680B (zh) | 轨道交通车辆装备通用检测及故障诊断方法及系统 | |
| EP3254928A1 (en) | System and method for the asset management of railway trains | |
| CN108398934B (zh) | 一种用于轨道交通的设备故障监控的系统 | |
| CN111857090B (zh) | 一种用于ats性能测试的方法和装置 | |
| CN111026094A (zh) | 一种站台门系统的故障诊断与远程维护方法和系统 | |
| CN112733353B (zh) | 一种全自动驾驶仿真培训验证方法、系统、终端及介质 | |
| CN110723169A (zh) | 列车车辆信息处理方法、装置及系统 | |
| CN212134837U (zh) | 一种地铁屏蔽门监测系统 | |
| CN112068535A (zh) | 一种站台门智能运维系统 | |
| CN110501989B (zh) | 一种列车运行故障过滤方法及装置 | |
| CN111806516A (zh) | 一种用于智能列车监测与运维的健康管理装置及方法 | |
| CN206023812U (zh) | 集成数据采集传输装置的门控器 | |
| CN112434979B (zh) | 道岔系统健康评估方法 | |
| CN116304620A (zh) | 基于深度学习和数据挖掘的电子电器故障预测方法及系统 | |
| CN110264585A (zh) | 公交售后诊断系统 | |
| CN110084500A (zh) | 基于安全树概率和安全重要度的电动车辆安全控制方法和电动车辆 | |
| CN117312569A (zh) | 用于工业装备的故障领域通用知识表征方法及系统 | |
| Min | Improved Fault Prediction Algorithm of High-Speed EMUs based on PHM Technology | |
| CN114691633A (zh) | 轨道交通信号系统的日志管理方法、设备及存储介质 | |
| Zhu et al. | Test Case Study of High-Speed Railway Train Control System for Typical Operation Scenarios | |
| Li et al. | Enhancing anomaly diagnosis of automatic train supervision system based on operation log | |
| CN118278443B (zh) | 一种用于地铁隧道内设备状态监控系统及方法 |
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 | ||
| GR01 | Patent grant |