CN114625110A - 故障诊断方法、装置、系统及智能轨道交通系统 - Google Patents
故障诊断方法、装置、系统及智能轨道交通系统 Download PDFInfo
- Publication number
- CN114625110A CN114625110A CN202210304154.4A CN202210304154A CN114625110A CN 114625110 A CN114625110 A CN 114625110A CN 202210304154 A CN202210304154 A CN 202210304154A CN 114625110 A CN114625110 A CN 114625110A
- Authority
- CN
- China
- Prior art keywords
- fault
- equipment
- identifier
- diagnosis
- expert system
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012423 maintenance Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 9
- PLAIAIKZKCZEQF-UHFFFAOYSA-N methyl 6-chloro-2-oxo-3h-1,2$l^{4},3-benzodithiazole-4-carboxylate Chemical compound COC(=O)C1=CC(Cl)=CC2=C1NS(=O)S2 PLAIAIKZKCZEQF-UHFFFAOYSA-N 0.000 claims description 8
- 230000003862 health status Effects 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000014509 gene expression Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 10
- 230000036541 health Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种故障诊断方法、装置、系统及智能轨道交通系统，涉及轨道交通智能运维的技术领域，该方法包括：获取故障报警信息的报警标识以及发出故障报警信息的智能设备的设备标识，判断报警标识和设备标识的组合逻辑是否满足预先存储的专家系统诊断规则库；如果是，基于专家系统诊断规则库进行故障定位，并输出故障标识，以便于对故障报警信息进行故障诊断。本发明提供的故障诊断方法、装置、系统及智能轨道交通系统，可以实现在预设时间内，有效针对出故障报警信息对应的故障，实现故障诊断的精确定位，不仅提高了整体的维护效率，也有利于降低使用成本，便于进行推广和使用。
Description
技术领域
本发明涉及轨道交通智能运维的技术领域，尤其是涉及一种故障诊断方法、装置、系统及智能轨道交通系统。
背景技术
在轨道交通列车运行控制系统中，其整个运维过程应满足对信号系统关键设备数据实现全覆盖采集，包括多个子系统，以及关键设备的状态和报警信息等等，并且，在产生故障时，还要求故障可以定位到板卡级，同时，应实现大多数屋里设备的监测采集和报警等等，因此，目前，多采用CBTC(Communication Based Train Control，基于通信的列车控制)系统架构来实现对列车的运行进行控制，而现有的CBTC架构中，由于设备数量较多，数据采集需求也相对较大，对维护人员的配置需求较高，并且，当出现故障时，也难以进行及时有效的处理，不仅使用成本较高，也降低了整体的维护效率。
发明内容
有鉴于此，本发明的目的在于提供一种故障诊断方法、装置、系统及智能轨道交通系统，以缓解上述技术问题。
第一方面，本发明实施例提供了一种故障诊断方法，应用于智能轨道交通的智能运维专家系统，所述方法包括：获取故障报警信息的报警标识，以及，发出所述故障报警信息的智能设备的设备标识，其中，所述智能设备包括生成所述故障报警信息的CPU级板卡设备；判断所述报警标识和所述设备标识的组合逻辑是否满足预先存储的专家系统诊断规则库；其中，所述专家系统诊断规则库中记录有至少一个诊断规则，所述诊断规则用于描述预设时间段内，每种故障对应的设备标识和报警标识组合而成的逻辑关系；如果是，基于所述专家系统诊断规则库进行故障定位，并输出故障标识，以便于对所述故障报警信息进行故障诊断。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述判断所述报警标识和所述设备标识的组合逻辑是否满足预先存储的专家系统诊断规则库的步骤，包括：对所述报警标识和所述设备标识进行关联，并对关联的结果进行逻辑重组，以生成至少一个包含所述报警标识和所述设备标识的组合逻辑；判断所述专家系统诊断规则库中的诊断规则中是否包含有所述组合逻辑；如果是，确定所述报警标识和所述设备标识的组合逻辑满足预先存储的所述专家系统诊断规则库。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，上述基于所述专家系统诊断规则库进行故障定位的步骤，包括：在所述专家系统诊断规则库中查找所述组合逻辑对应的故障标识；将查找到的所述故障标识确定为故障定位的结果。
结合第一方面以及第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，上述专家系统诊断规则库中的诊断规则所描述的故障包括设备故障和运营故障；其中，所述设备故障包括：影响维护的物理设备或物理接口的故障；所述运营故障包括：影响运营的系统或子系统级别的故障；上述输出故障标识的步骤包括：输出所述设备故障对应的设备故障标识，或者，输出所述运营故障对应的运营故障标识。
结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，上述方法还包括：获取预先存储的标识库，其中，所述标识库中预先记载有故障报警信息对应的报警标识、智能设备的设备标识、设备故障标识和运营故障标识；根据预先设置的故障与设备之间的映射关系生成诊断规则，并将所述诊断规则保存至专家系统诊断规则库；其中，所述诊断规则记录有导致所述故障报警信息的设备故障对应的设备故障标识和/或运营故障对应的运营故障标识。
结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，上述方法还包括：根据所述设备故障对应的组合逻辑生成用于描述运营故障的诊断规则，并将所述诊断规则保存至专家系统诊断规则库；其中，用于描述运营故障的诊断规则记录有导致所述运营故障的所述设备故障的设备故障标识。
结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，上述方法还包括：获取所述标识库中记载的设备故障标识，根据所述设备故障标识查找导致该设备故障标识对应的设备故障的物理设备或物理接口；基于预先存储的智能分析模型分析预测所述物理设备或物理接口的状态，以便于根据所述状态预测所述物理设备或物理接口对应的设备故障；其中，所述智能分析模型为基于所述物理设备或物理接口的历史健康状态数据生成的。
第二方面，本发明实施例还提供一种故障诊断装置，应用于轨道交通的智能运维专家系统，所述装置包括：获取模块，用于获取故障报警信息的报警标识，以及，发出所述故障报警信息的智能设备的设备标识，其中，所述智能设备包括生成所述故障报警信息的CPU级板卡设备；判断模块，用于判断所述报警标识和所述设备标识的组合逻辑是否满足预先存储的专家系统诊断规则库；其中，所述专家系统诊断规则库中记录有至少一个诊断规则，所述诊断规则用于描述预设时间段内，每种故障对应的设备标识和报警标识组合而成的逻辑关系；诊断模块，用于所述判断结果为是时，基于所述专家系统诊断规则库进行故障定位，并输出故障标识，以便于对所述故障报警信息进行故障诊断。
第三方面，本发明实施例还提供一种故障诊断系统，所述故障诊断系统配置有服务器，所述服务器用于执行第一方面所述的方法。
第四方面，本发明实施例还提供一种智能轨道交通系统，所述智能轨道交通系统为基于CBTC架构实现的，且，所述智能轨道交通系统配置有智能运维专家系统，所述智能运维专家系统包括配置有第三方面所述的故障诊断系统的服务器。
第五方面，本发明实施例还提供一种服务器，其中，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述第一方面所述的方法。
第六方面，本发明实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述第一方面所述的方法。
本发明实施例带来了以下有益效果：
本发明实施例提供的故障诊断方法、装置、系统及智能轨道交通系统，能够获取故障报警信息的报警标识，以及，发出故障报警信息的智能设备的设备标识，并在判断出报警标识和设备标识的组合逻辑满足预先存储的专家系统诊断规则库时，基于专家系统诊断规则库进行故障定位，并输出故障标识，以便于对故障报警信息进行故障诊断，并且，由于专家系统诊断规则库中记录有至少一个诊断规则，且，诊断规则用于描述预设时间段内，每种故障对应的设备标识和报警标识组合而成的逻辑关系，因此，可以实现在预设时间内，有效针对出故障报警信息对应的故障，实现故障诊断的精确定位，不仅提高了整体的维护效率，也有利于降低使用成本，便于进行推广和使用。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域技术人员来讲，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为本发明实施例提供的一种故障诊断方法的流程图；
图2为本发明实施例提供的一种故障诊断方法的管理方案；
图3为本发明实施例提供的一种故障诊断装置的结构示意图；
图4为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明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，本领域技术人员在没有做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。
目前，轨道交通列车运行控制系统中，其整个运维过程应满足对信号系统关键设备数据实现全覆盖采集，因此，在列车运行过程中，需要监测多个子系统的关键设备的状态和报警信息，通常，监测的范围多包括：车载ATP/ATO子系统(列车自动防护ATP系统和列车自动运行ATO系统)、轨旁ATP子系统、ATS(Automatic Train Supervision，列车自动监控)子系统、联锁子系统、DCS(Data Communication System，数据通信系统)子系统，以及，轨旁设备等等。并且，当监测到故障之后，也通常要求故障可以定位到板卡级。
同时，还应实现道岔转辙机、道岔缺口、道岔组合全继电器、列车检测设备、信号机、站台门、电源漏流、电缆绝缘、熔丝、信号网络、无线环境、通信信号设备房环境、电源(含外电网、电源屏、UPS不间断电源、电池)等设备的监测采集和报警。而上述各个子系统还要求能够根据采集到的信息实现智能分析功能，包括各子系统设备的故障种类、故障现象、故障原因、故障位置、故障趋势等多维度智能分析，以确保所有监测的设备的故障点能够精准定位，并根据设备运行状态、使用次数及寿命，温湿度、震动等信息，智能判断设备健康状态，自动触发维护保养、定期轮修、部件更换、故障维修等工单，定期自动生成系统健康状态体检报告，提出维护保养建议。
而现有的CBTC架构中，在实现上述功能时，由于设备数量较多，数据采集需求也相对较大，往往难以进行故障点的精确定位，并且，对维护人员的配置需求较高，不仅使用成本较高，也降低了整体的维护效率。
基于此，本发明实施例提供的一种故障诊断方法、装置、系统及智能轨道交通系统，可以有效缓解上述技术问题。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种故障诊断方法进行详细介绍。
在一种可能的实施方式中，本发明实施例提供了一种故障诊断方法，该方法应用于智能轨道交通的智能运维专家系统，在实际使用时，该智能运维专家系统需要依托现有的CBTC架构实现，具体地，需要在现有的CBTC架构基础上，增加相应地功能模块，以便于执行本发明实施例提供的故障诊断方法，并在现有的CBTC架构基础上通过本发明实施例提供的故障诊断方法实现故障智能分析和健康状态监测管理的功能。
具体实现时，本发明实施例提供的故障诊断方法，需要依赖主监视系统MMS和ATS子系统实现，而其他子系统，如车载子系统OBCU、计算机联锁子系统CBI、区域控制器子系统ZC、微机监测子系统等等，则主要用于提供故障报警信息(维护类和运营类)和监测信息(设备状态和运行状态)等等，当接收到故障报警信息之后，智能运维专家系统可以获取到该故障报警信息，进而执行本发明实施例提供的故障诊断方法。
为了便于理解，图1示出了一种故障诊断方法的流程图，该方法包括以下步骤：
步骤S102，获取故障报警信息的报警标识，以及，发出故障报警信息的智能设备的设备标识；
其中，本发明实施例中的智能设备包括生成故障报警信息的CPU级板卡设备。
在实际使用时，上述故障报警信息中通常携带有报警标识，以及实际的报警内容，该报警内容通常指软件能够识别并发出的报警信息，因此，当出现故障时，本发明实施例中的智能设备(CPU级板卡设备)能够发出故障报警信息。
步骤S104，判断报警标识和设备标识的组合逻辑是否满足预先存储的专家系统诊断规则库；
其中，本发明实施例中的专家系统诊断规则库中记录有至少一个诊断规则，且，诊断规则用于描述预设时间段内，每种故障对应的设备标识和报警标识组合而成的逻辑关系；
步骤S106，如果是，基于专家系统诊断规则库进行故障定位，并输出故障标识，以便于对故障报警信息进行故障诊断。
具体实现时，上述专家系统诊断规则库中的诊断规则用于描述每种故障，以及该故障对应的一系列的智能设备和故障报警信息组合而成的逻辑关系，这样，在智能运维专家系统通过步骤S104获取到故障报警信息之后，能够根据提取到的报警标识和设备标识，并进行一定的逻辑组合，如果组合后形成的逻辑恰满足专家系统诊断规则库中的诊断规则，则可以根据专家系统诊断规则库进行故障的诊断，例如，根据符合诊断规则的组合逻辑，以及前述报警标识、设备标识等给出相关的诊断意见和处理意见等等。
因此，本发明实施例提供的故障诊断方法，能够获取故障报警信息的报警标识，以及，发出故障报警信息的智能设备的设备标识，并在判断出报警标识和设备标识的组合逻辑满足预先存储的专家系统诊断规则库时，基于专家系统诊断规则库进行故障定位，并输出故障标识，以便于对故障报警信息进行故障诊断，并且，由于专家系统诊断规则库中记录有至少一个诊断规则，且，诊断规则用于描述预设时间段内，每种故障对应的设备标识和报警标识组合而成的逻辑关系，因此，可以实现在预设时间内，有效针对出故障报警信息对应的故障，实现故障诊断的精确定位，不仅提高了整体的维护效率，也有利于降低使用成本，便于进行推广和使用。
在实际使用时，考虑到轨道交通列车运行的控制过程中涉及的设备和子系统较多，使得步骤S102中获取到的故障报警信息，可能是由多个智能设备发出的，因此，在步骤S104中，判断报警标识和设备标识的组合逻辑是否满足预先存储的专家系统诊断规则库时，需要先对报警标识和设备标识进行关联，并对关联的结果进行逻辑重组，以生成至少一个包含报警标识和设备标识的组合逻辑；然后再判断专家系统诊断规则库中的诊断规则中是否包含有上述组合逻辑；如果是，则确定报警标识和设备标识的组合逻辑满足预先存储的专家系统诊断规则库。
其中，报警标识和设备标识进行关联，以及对关联的结果进行逻辑重组时，所用到的关联关系和逻辑关系都是预先定义的，并且，在专家系统诊断规则库中都有相应的符号，以便于进行诊断规则的描述，具体地，专家系统诊断规则库中的逻辑包括与逻辑(&)、或逻辑(|)、非逻辑(～)，关联关系则通常使用符号(*)进行描述。
进一步，通过上述方式确定出专家系统诊断规则库中的诊断规则中包含有组合逻辑时，则可以继续在专家系统诊断规则库中查找该组合逻辑对应的故障标识；进而将查找到的故障标识确定为故障定位的结果，以实现基于专家系统诊断规则库进行故障定位的目的。
在实际使用时，本发明实施例中的专家系统诊断规则库中的诊断规则所描述的故障包括设备故障和运营故障；其中，设备故障包括：影响维护的物理设备或物理接口的故障；运营故障包括：影响运营的系统或子系统级别的故障。
因此，在上述步骤S106中输出故障标识时，可以输出设备故障对应的设备故障标识，或者，输出运营故障对应的运营故障标识。
在实际使用时，上述诊断规则通常以配置文件的形式存储在专家系统诊断规则库，并且，诊断规则通常以一种特定的表达式，如正则表达式、布尔表达式等来描述每种故障对应的一系列的报警标识和设备标识的组合逻辑，以表示某种故障在一定时间内产生的所有报警之间的关联关系，该表达式通常由深刻理解故障和设备报警之间的映射关系的技术人员维护。
为了便于理解，下述表1示出了一种专家系统诊断规则库的形式，其中，包括规则编号和一定的通用规则说明，如下述表1所示：
表1：
其中，为了便于说明，上述表1中，智能设备ID表示智能设备的设备标识，故障报警ID表示故障报警信息的报警标识，设备故障ID表示设备故障标识，运营故障ID表示运营故障标识。
在实际使用时，为了实现上述专家系统诊断规则库，以及诊断规则和组合逻辑的描述，通常要求预先识别所有的故障报警信息的报警标识(故障报警ID)和智能设备的设备标识(智能设备ID)，并统一编码，确保这些表示在专家系统诊断规则库中的唯一性；此外，还需识别可能的设备故障标识(设备故障ID)和运营故障标识(运营故障ID)，并统一编码，确保这些表示在专家系统诊断规则库中的唯一性；以便于根据上述故障报警ID与智能设备之间的关联关系，以及故障报警ID之间的组合逻辑，分析可能导致的设备故障ID，编写诊断规则表达式，并写入专家系统诊断规则库的配置文件，以及，根据设备故障ID之间的组合逻辑，分析可能导致的运营故障ID，编写诊断规则表达式，写入专家系统诊断规则库的配置文件。此外，还可以根据实验测试或者实际发生的设备故障和运营故障所对应的报警记录，分析这些故障与故障报警ID之间组合关系，编写诊断规则表达式，写入专家系统诊断规则库的配置文件。具体的专家系统诊断规则库中的诊断规则还可以根据实际使用情况进行编写相应的表达式，具体以实际使用情况为准，本发明实施例对此不进行限制。
因此，为了生成上述专家系统诊断规则库，以及专家系统诊断规则库所包括的诊断规则，本发明实施例提供的故障诊断方法，还包括下述过程：
获取预先存储的标识库，其中，该标识库中预先记载有故障报警信息对应的报警标识、智能设备的设备标识、设备故障标识和运营故障标识；即上述表1中的智能设备ID，故障报警ID，设备故障ID和运营故障ID等等，然后根据预先设置的故障与设备之间的映射关系生成诊断规则，并将诊断规则保存至专家系统诊断规则库，即，编写诊断规则表达式，并生成相应的配置文件以保存至专家系统诊断规则库。其中，诊断规则记录有导致故障报警信息的设备故障对应的设备故障标识和/或运营故障对应的运营故障标识。
进一步，还可以根据设备故障对应的组合逻辑生成用于描述运营故障的诊断规则，并将诊断规则保存至专家系统诊断规则库；其中，用于描述运营故障的诊断规则记录有导致运营故障的设备故障的设备故障标识。
在实际使用时，对于上述生成的专家系统诊断规则库，以及专家系统诊断规则库中所包括的诊断规则，可以依赖主监视系统MMS或者ATS子系统去读取，即由主监视系统MMS或者ATS子系统读取专家系统诊断规则库的配置文件，并根据接收到的一系列故障报警ID，查找与之相符合的诊断规则表达式，进而输出设备故障ID或者运营故障ID。
此外，本发明实施例提供的故障诊断方法，除上述基于专家系统诊断规则库进行故障定位，还可以依据大数据智能分析可能会有问题的物理设备或者物理接口，因此，本发明实施例提供的故障诊断方法还包括下述过程：获取标识库中记载的设备故障标识，根据设备故障标识查找导致该设备故障标识对应的设备故障的物理设备或物理接口；基于预先存储的智能分析模型分析预测物理设备或物理接口的状态，以便于根据状态预测物理设备或物理接口对应的设备故障；其中，智能分析模型为基于物理设备或物理接口的历史健康状态数据生成的。
具体地，上述智能分析模型通常是基于大数据进行智能分析的模型，因此，需要获取一段时间以内物理设备或物理接口的历史健康状态数据，以便于依据历史健康状态数据进行预测和分析，并且，上述历史健康状态数据通常保存在大数据故障/状态信息库中，以便于通常健康状态的大数据智能分析，针对特定的设备数据拟合健康状态模型，并对不符合状态模型的采集数据进行预警。具体的智能分析模型可以采用大数据统计分析模型，也可以训练对应的神经网络模型，具体的模型使用情况可以根据实际使用情况进行设置，本发明实施例对此不进行限制。
为了便于理解，图2示出了一种故障诊断方法的管理方案，其中，图2中左侧的设备，通常指CPU级板卡设备，即，可以产生故障报警信息，具体地，图2所示的管理方案中，故障诊断包括两个路线，其中一个是获取到故障报警信息之后基于专家系统诊断规则进行故障精确定位，此时，输出的故障维修的处理结果，另一个是通过CBTC架构中的子系统监控设备状态，并将设备状态的监测信息保存至信息库，即图2中的大数据故障/状态信息库，以便于预测物理设备或物理接口的状态，并输出健康状态预警信息，此时输出的是状态维修的处理结果。
因此，基于上述图2，本发明实施例提供的故障诊断方法，可以根据一定时间范围内的故障报警信息，如智能设备ID和故障报警ID的关联关系，以及智能设备ID和故障报警ID之间的组合逻辑，实现设备故障的精确定位。为了便于理解，以某辆车的车载设备I/O设备电源故障为例进行说明，该故障可能会导致该车载I/O的一个CPU产生电源报警，另一个CPU产生I/O内部通信报警，这两个CPU都会产生I/O宕机报警，相应地，车载安全主机也会产生I/O与主机通信报警，安全主机宕机报警等等。根据该故障在子系统内部的关联关系，可以把这些故障报警ID作为输入写成逻辑表达式，输出则是对应的车载设备电源故障ID(即设备故障ID)。
进一步，本发明实施例提供的故障诊断方法，还可以根据故障报警ID和设备故障ID的组合逻辑，实现运营故障的精确定位。同样以上述车载设备I/O电源故障为例，该故障还会导致其它子系统如ATS，CBI，ZC与该车载子系统通信故障，进而产生这些子系统与该车载子系统的通信报警。根据该故障在子系统之间的关联关系，可以把这些子系统通信故障报警ID和上述车载设电源故障ID作为输入写成逻辑表达式，输出则是对应的车载设备运营故障ID，进而在实际使用时，能够实现故障的精准定位。
综上，本发明实施例提供的故障诊断方法，从用户的角度，故障可以精确定位到物理设备，如，板卡，电源，传感器，风扇，交换机等，和物理接口，如供电/通信/IO等，甚至故障前就能够预警到具体的位置。例如，借助于专家系统诊断规则库，可以将输入条件设置为智能设备ID和故障报警ID，使得输出结果为设备故障ID和运营故障ID，实现对故障进行直接定位。因此，本发明实施例提供的故障诊断方法可以依据一定的诊断规则(专家系统诊断规则库)综合判断后精确定位到具体的物理设备和接口。此外，还可以依据一些历史健康状态数据(大数据智能分析)预警可能会有问题的物理设备和接口，进而给出相关的诊断意见和处理意见，为系统维护提供有价值的指导意见。
对应于上述故障诊断方法，本发明实施例还提供了一种故障诊断装置，应用于轨道交通的智能运维专家系统，如图3所示的一种故障诊断装置的结构示意图，该装置包括：
获取模块30，用于获取故障报警信息的报警标识，以及，发出所述故障报警信息的智能设备的设备标识，其中，所述智能设备包括生成所述故障报警信息的CPU级板卡设备；
判断模块32，用于判断所述报警标识和所述设备标识的组合逻辑是否满足预先存储的专家系统诊断规则库；其中，所述专家系统诊断规则库中记录有至少一个诊断规则，所述诊断规则用于描述预设时间段内，每种故障对应的设备标识和报警标识组合而成的逻辑关系；
诊断模块34，用于所述判断结果为是时，基于所述专家系统诊断规则库进行故障定位，并输出故障标识，以便于对所述故障报警信息进行故障诊断。
进一步，本发明实施例还提供了一种故障诊断系统，所述故障诊断系统配置有服务器，所述服务器用于执行图1所示的方法。
本发明实施例还提供了一种智能轨道交通系统，所述智能轨道交通系统为基于CBTC架构实现的，且，所述智能轨道交通系统配置有智能运维专家系统，所述智能运维专家系统包括配置有上述故障诊断系统的服务器。
本发明实施例提供的故障诊断系统和智能轨道交通系统，与上述实施例提供的故障诊断方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
进一步，本发明实施例还提供一种服务器，其中，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述图1所示的方法。
本发明实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述图1所示的方法。
本发明实施例还提供了一种服务器的结构示意图，如图4所示，为该服务器的结构示意图，其中，该服务器包括处理器41和存储器40，该存储器40存储有能够被该处理器41执行的计算机可执行指令，该处理器41执行该计算机可执行指令以实现上述图1所示的方法。
在图4示出的实施方式中，该服务器还包括总线42和通信接口43，其中，处理器41、通信接口43和存储器40通过总线42连接。
其中，存储器40可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线42可以是ISA(IndustryStandard Architecture，工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线42可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
处理器41可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器41中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器41可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器41读取存储器中的信息，结合其硬件完成前述图1所示的方法。
本发明实施例所提供的故障诊断方法、装置、系统及智能轨道交通系统的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”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。对于本领域技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种故障诊断方法，其特征在于，应用于智能轨道交通的智能运维专家系统，所述方法包括：
获取故障报警信息的报警标识，以及，发出所述故障报警信息的智能设备的设备标识，其中，所述智能设备包括生成所述故障报警信息的CPU级板卡设备；
判断所述报警标识和所述设备标识的组合逻辑是否满足预先存储的专家系统诊断规则库；其中，所述专家系统诊断规则库中记录有至少一个诊断规则，所述诊断规则用于描述预设时间段内，每种故障对应的设备标识和报警标识组合而成的逻辑关系；
如果是，基于所述专家系统诊断规则库进行故障定位，并输出故障标识，以便于对所述故障报警信息进行故障诊断。
2.根据权利要求1所述的方法，其特征在于，判断所述报警标识和所述设备标识的组合逻辑是否满足预先存储的专家系统诊断规则库的步骤，包括：
对所述报警标识和所述设备标识进行关联，并对关联的结果进行逻辑重组，以生成至少一个包含所述报警标识和所述设备标识的组合逻辑；
判断所述专家系统诊断规则库中的诊断规则中是否包含有所述组合逻辑；
如果是，确定所述报警标识和所述设备标识的组合逻辑满足预先存储的所述专家系统诊断规则库。
3.根据权利要求1所述的方法，其特征在于，基于所述专家系统诊断规则库进行故障定位的步骤，包括：
在所述专家系统诊断规则库中查找所述组合逻辑对应的故障标识；
将查找到的所述故障标识确定为故障定位的结果。
4.根据权利要求1或3所述的方法，其特征在于，所述专家系统诊断规则库中的诊断规则所描述的故障包括设备故障和运营故障；
其中，所述设备故障包括：影响维护的物理设备或物理接口的故障；所述运营故障包括：影响运营的系统或子系统级别的故障；
输出故障标识的步骤包括：
输出所述设备故障对应的设备故障标识，或者，输出所述运营故障对应的运营故障标识。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取预先存储的标识库，其中，所述标识库中预先记载有故障报警信息对应的报警标识、智能设备的设备标识、设备故障标识和运营故障标识；
根据预先设置的故障与设备之间的映射关系生成诊断规则，并将所述诊断规则保存至专家系统诊断规则库；
其中，所述诊断规则记录有导致所述故障报警信息的设备故障对应的设备故障标识和/或运营故障对应的运营故障标识。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据所述设备故障对应的组合逻辑生成用于描述运营故障的诊断规则，并将所述诊断规则保存至专家系统诊断规则库；
其中，用于描述运营故障的诊断规则记录有导致所述运营故障的所述设备故障的设备故障标识。
7.根据权利要求5所述的方法，其特征在于，所述方法还包括：
获取所述标识库中记载的设备故障标识，根据所述设备故障标识查找导致该设备故障标识对应的设备故障的物理设备或物理接口；
基于预先存储的智能分析模型分析预测所述物理设备或物理接口的状态，以便于根据所述状态预测所述物理设备或物理接口对应的设备故障；其中，所述智能分析模型为基于所述物理设备或物理接口的历史健康状态数据生成的。
8.一种故障诊断装置，其特征在于，应用于轨道交通的智能运维专家系统，所述装置包括：
获取模块，用于获取故障报警信息的报警标识，以及，发出所述故障报警信息的智能设备的设备标识，其中，所述智能设备包括生成所述故障报警信息的CPU级板卡设备；
判断模块，用于判断所述报警标识和所述设备标识的组合逻辑是否满足预先存储的专家系统诊断规则库；其中，所述专家系统诊断规则库中记录有至少一个诊断规则，所述诊断规则用于描述预设时间段内，每种故障对应的设备标识和报警标识组合而成的逻辑关系；
诊断模块，用于所述判断结果为是时，基于所述专家系统诊断规则库进行故障定位，并输出故障标识，以便于对所述故障报警信息进行故障诊断。
9.一种故障诊断系统，其特征在于，所述故障诊断系统配置有服务器，所述服务器用于执行权利要求1～7任一项所述的方法。
10.一种智能轨道交通系统，其特征在于，所述智能轨道交通系统为基于CBTC架构实现的，且，所述智能轨道交通系统配置有智能运维专家系统，所述智能运维专家系统包括配置有权利要求9所述的故障诊断系统的服务器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210304154.4A CN114625110B (zh) | 2022-03-25 | 2022-03-25 | 故障诊断方法、装置、系统及智能轨道交通系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210304154.4A CN114625110B (zh) | 2022-03-25 | 2022-03-25 | 故障诊断方法、装置、系统及智能轨道交通系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114625110A true CN114625110A (zh) | 2022-06-14 |
| CN114625110B CN114625110B (zh) | 2023-08-29 |
Family
ID=81904216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210304154.4A Active CN114625110B (zh) | 2022-03-25 | 2022-03-25 | 故障诊断方法、装置、系统及智能轨道交通系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114625110B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116136684A (zh) * | 2023-04-04 | 2023-05-19 | 广汽埃安新能源汽车股份有限公司 | 车辆故障诊断方法、装置、电子设备和存储介质 |
| CN117341781A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市鼎善信息科技有限公司 | 轨道交通故障处理方法、装置、计算机设备及存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| PT104246A (pt) * | 2008-10-31 | 2010-04-30 | Manutencao De Equipamento Ferr | Sistema e método para telemanutenção e diagnóstico pericial de avarias |
| US20170097860A1 (en) * | 2015-10-01 | 2017-04-06 | International Business Machines Corporation | System component failure diagnosis |
| CN106646030A (zh) * | 2016-11-15 | 2017-05-10 | 国家电网公司 | 基于多数据源及专家规则库的电网故障诊断方法及装置 |
| CN110011837A (zh) * | 2019-03-19 | 2019-07-12 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种基于cbtc系统网络数据智能化故障分析方法 |
| CN110456774A (zh) * | 2019-08-15 | 2019-11-15 | 中车大连机车研究所有限公司 | 一种快捷货运机车的故障诊断与预警装置及方法 |
| WO2020019202A1 (zh) * | 2018-07-25 | 2020-01-30 | 西门子股份公司 | 故障诊断装置、系统、方法及计算机可读存储介质 |
| CN111199257A (zh) * | 2020-01-10 | 2020-05-26 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 高铁行车设备故障诊断方法及装置 |
| CN111414477A (zh) * | 2020-03-11 | 2020-07-14 | 科大讯飞股份有限公司 | 车辆故障自动诊断方法、装置以及设备 |
| CN112213570A (zh) * | 2019-07-10 | 2021-01-12 | 株洲中车时代电气股份有限公司 | 一种故障诊断规则库的生成方法及其故障诊断方法 |
| CN112537347A (zh) * | 2020-12-21 | 2021-03-23 | 交控科技股份有限公司 | 轨道信号设备报警信息分析方法及装置 |
| CN112862114A (zh) * | 2020-12-24 | 2021-05-28 | 交控科技股份有限公司 | 轨道交通的设备状态监测系统与资产管理系统的对接方法 |
| CN113467420A (zh) * | 2021-06-30 | 2021-10-01 | 通号城市轨道交通技术有限公司 | 区域控制器故障检测方法及装置 |
-
2022
- 2022-03-25 CN CN202210304154.4A patent/CN114625110B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| PT104246A (pt) * | 2008-10-31 | 2010-04-30 | Manutencao De Equipamento Ferr | Sistema e método para telemanutenção e diagnóstico pericial de avarias |
| US20170097860A1 (en) * | 2015-10-01 | 2017-04-06 | International Business Machines Corporation | System component failure diagnosis |
| CN106646030A (zh) * | 2016-11-15 | 2017-05-10 | 国家电网公司 | 基于多数据源及专家规则库的电网故障诊断方法及装置 |
| WO2020019202A1 (zh) * | 2018-07-25 | 2020-01-30 | 西门子股份公司 | 故障诊断装置、系统、方法及计算机可读存储介质 |
| CN110011837A (zh) * | 2019-03-19 | 2019-07-12 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种基于cbtc系统网络数据智能化故障分析方法 |
| CN112213570A (zh) * | 2019-07-10 | 2021-01-12 | 株洲中车时代电气股份有限公司 | 一种故障诊断规则库的生成方法及其故障诊断方法 |
| CN110456774A (zh) * | 2019-08-15 | 2019-11-15 | 中车大连机车研究所有限公司 | 一种快捷货运机车的故障诊断与预警装置及方法 |
| CN111199257A (zh) * | 2020-01-10 | 2020-05-26 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 高铁行车设备故障诊断方法及装置 |
| CN111414477A (zh) * | 2020-03-11 | 2020-07-14 | 科大讯飞股份有限公司 | 车辆故障自动诊断方法、装置以及设备 |
| CN112537347A (zh) * | 2020-12-21 | 2021-03-23 | 交控科技股份有限公司 | 轨道信号设备报警信息分析方法及装置 |
| CN112862114A (zh) * | 2020-12-24 | 2021-05-28 | 交控科技股份有限公司 | 轨道交通的设备状态监测系统与资产管理系统的对接方法 |
| CN113467420A (zh) * | 2021-06-30 | 2021-10-01 | 通号城市轨道交通技术有限公司 | 区域控制器故障检测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 赵晓峰;: "基于WEKA的信号设备预测性维护信息系统", 铁路计算机应用, no. 01 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116136684A (zh) * | 2023-04-04 | 2023-05-19 | 广汽埃安新能源汽车股份有限公司 | 车辆故障诊断方法、装置、电子设备和存储介质 |
| CN117341781A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市鼎善信息科技有限公司 | 轨道交通故障处理方法、装置、计算机设备及存储介质 |
| CN117341781B (zh) * | 2023-12-04 | 2024-03-22 | 深圳市鼎善信息科技有限公司 | 轨道交通故障处理方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114625110B (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114625110B (zh) | 故障诊断方法、装置、系统及智能轨道交通系统 | |
| CN107369303B (zh) | 工厂智能诊断方法、装置及系统 | |
| CN103617110B (zh) | 服务器设备状态检修系统 | |
| US20190004507A1 (en) | Equipment management apparatus, equipment management system, computer readable medium, and equipment management method | |
| BRPI1100290A2 (pt) | mÉtodo para detectar comportamento em equipamento de subestaÇço elÉtrica | |
| EP3869424A1 (en) | Equipment failure diagnosis support system and equipment failure diagnosis support method | |
| CN111353911A (zh) | 电力设备运维方法、系统、设备和存储介质 | |
| JP5621967B2 (ja) | 異常データ分析システム | |
| KR100564362B1 (ko) | 도시철도차량 유지보수 정보화 예방정비 분석을 이용한예방 정비 시스템 및 방법 | |
| CN112987696A (zh) | 一种区域配电网设备管理平台及其运行方法 | |
| CN115225460A (zh) | 故障判定方法、电子设备和存储介质 | |
| CN112132285A (zh) | 车辆故障诊断方法及装置 | |
| KR101351309B1 (ko) | 패턴인식 기술을 이용한 제어설비 고장진단 시스템 및 고장진단 방법 | |
| CN116010456A (zh) | 设备的处理方法、服务器和轨道交通系统 | |
| CN114994565A (zh) | 一种电气柜防水漏电警报系统 | |
| JP2014021577A (ja) | 故障予測装置、故障予測システム、故障予測方法、及び、故障予測プログラム | |
| CN107943654A (zh) | 一种快速判定服务器环境温度监控异常原因的方法 | |
| CN110687851A (zh) | 一种终端运行监控系统及方法 | |
| CN116345690B (zh) | 基于供电系统设备清单的电力监测虚警识别方法及系统 | |
| CN116562437A (zh) | 轨道电路补偿电容故障预测方法和装置 | |
| KR101559343B1 (ko) | 철도차량 부품이력 및 상태진단 관리 분석 시스템 | |
| CN116192681A (zh) | 一种板卡监控结合算力的网络设备健康评估方法 | |
| CN114460520A (zh) | 一种电容式电压互感器设备状态诊断方法及系统 | |
| CN115943353A (zh) | 用于确定机器的运行异常的原因的系统和方法以及计算机程序和电子可读的数据载体 | |
| KR100682509B1 (ko) | 도시철도차량 유지보수 정보화 응용시스템 |
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 |