CN114757382A - 一种基于云平台的地铁屏蔽门远程维护方法及系统 - Google Patents
一种基于云平台的地铁屏蔽门远程维护方法及系统 Download PDFInfo
- Publication number
- CN114757382A CN114757382A CN202210660328.0A CN202210660328A CN114757382A CN 114757382 A CN114757382 A CN 114757382A CN 202210660328 A CN202210660328 A CN 202210660328A CN 114757382 A CN114757382 A CN 114757382A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- information
- operation information
- door
- cloud platform
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 228
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000005314 correlation function Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 description 14
- 230000015654 memory Effects 0.000 description 13
- 238000003860 storage Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009347 mechanical transmission Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003592 biomimetic effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
- G06F9/452—Remote windowing, e.g. X-Window System, desktop virtualisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及地铁屏蔽门维护技术领域,具体提供了一种基于云平台的地铁屏蔽门远程维护方法及系统,所述方法包括:获取屏蔽门历史运行信息及第一维护信息,其中,历史运行信息为维护时记录的屏蔽门相关部件的状态信息,第一维护信息为维护时的操作信息;获取历史运行信息及第一维护信息的数据关联,并建立关联数据库;基于关联数据库建立运行维护模型;本发明实施例公开的基于云平台的地铁屏蔽门远程维护方法通过获取历史运行信息及第一维护信息之间的关联函数,并基于关联函数建立维护模型,通过维护模型预测屏蔽门的维护信息,使得屏蔽门的维护更加科学、准确。
Description
技术领域
本发明涉及地铁屏蔽门维护技术领域,尤其涉及一种基于云平台的地铁屏蔽门远程维护方法及系统。
背景技术
由于城市化的快速增长,对轨道交通运输的需求也不断地增长,同时对站台屏蔽门的应用也越来越广泛。作为机电一体化、软硬件结合的产品,在运行使用中面临机件磨损更换、电控设备故障维修、监控软件补缺升级等维护事项。
目前,车站屏蔽门的维护大多属于事后维护或定期维护。事后维护就是等到坏了再修理,这种被动方式前提是生产设备的停止损失和维修成本可以忽略或可以接受情况下的方案,这种维护方式具有突发性的特点,不利于人员、材料、器材的分配和安排;定期维护基于间隔时间的维护方式,其间隔时间是根据设备寿命、事后维护经验的人为设定,虽然克服了事后维护的无计划性,但合理性、经济性无法科学证实。传统的维护方式基于离线、经验和定期检查,难于做到事故共性提升、维护科学预测。
基于上述问题,本申请提出了一种基于云平台的地铁屏蔽门远程维护方法及系统。
发明内容
本发明的目的在于提供一种基于云平台的地铁屏蔽门远程维护方法及系统,以解决目前的地铁屏蔽门的维护方式难以做到科学预测的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于云平台的地铁屏蔽门远程维护方法,所述方法包括:
获取屏蔽门历史运行信息及第一维护信息,其中,历史运行信息为维护时记录的屏蔽门相关部件的状态信息,第一维护信息为维护时的操作信息;
获取历史运行信息及第一维护信息的数据关联,并建立关联数据库;
基于关联数据库建立运行维护模型。
进一步的,获取屏蔽门历史运行信息和第一维护信息后还包括:
检测历史运行信息和第一维护信息的完整性。
进一步的,建立关联数据库的具体方法包括以下步骤:
基于聚类算法对历史运行信息分类;
获取分类后的历史运行信息及第一维护信息之间的关联函数;
基于关联函数构建历史运行信息及第一维护信息的关联数据库。
优选的,所述聚类算法采用K-Means算法。
优选的,所述关联函数通过函数拟合法获取。
优选的,所述维护模型基于模糊推理系统建立。
进一步的,其特征在于,所述维护方法还包括:
获取当前屏蔽门的运行信息,并导入维护模型;
基于维护模型的结果推送维护消息至维护人员的终端。
进一步的,所述维护方法还包括:
获取第二维护信息,其中,第二维护信息为工作人员自主维护时的操作及记录的屏蔽门的运行信息;
基于第二维护信息、第一维护信息及历史运行信息生成新的维护模型。
本发明还公开了一种地铁屏蔽门远程维护系统,所述系统包括:
第一获取单元,用于获取屏蔽门的历史运行信息;
第二获取单元,用于获取第一维护信息;
模型生成单元,用于生成维护模型。
进一步的,所述系统还包括:
建议单元,用于输出维护建议;
第三获取单元,用于获取第二维护信息。
综上所述,本发明与现有技术相比具有以下有益效果:
本发明实施例公开的基于云平台的地铁屏蔽门远程维护方法通过获取历史运行信息及第一维护信息之间的关联函数,并基于关联函数建立维护模型,通过维护模型预测屏蔽门的维护信息,使得屏蔽门的维护更加科学、准确。
本发明实施例公开的基于云平台的地铁屏蔽门远程维护方法还通过向工作人员推送维护建议指导工作人员维护屏蔽门,使得地铁屏蔽门的维护更加及时、科学。
附图说明
图1为本发明实施例公开的基于云平台的地铁屏蔽门远程维护方法的应用环境图。
图2为本发明实施例公开的基于云平台的地铁屏蔽门远程维护方法的流程框图。
图3为本发明实施例公开的基于云平台的地铁屏蔽门远程维护方法其中一个子程序的流程框图。
图4为本发明实施例公开的基于云平台的地铁屏蔽门远程维护方法再一个子程序的流程框图。
图5为本发明实施例公开的基于云平台的地铁屏蔽门远程维护方法又一个子程序的流程框图。
图6为本发明实施例公开的基于云平台的地铁屏蔽门远程维护系统其中一个实施方式的结构框图。
图7为本发明实施例公开的基于云平台的地铁屏蔽门远程维护系统另一个实施方式的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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。
如图1所示,本发明实施例公开的基于云平台的地铁屏蔽门远程维护方法的应用环境图;
其中,所述环境包括输入装置1、屏蔽门控制装置2、服务器3、网络4以及云平台5,所述维护方法运行于屏蔽门控制装置2、输入装置1、服务器3和云平台5上,所述屏蔽门控制装置2、输入装置1以及用于获取数据,所述服务器3以及云平台5用于处理数据;
所述输入装置1、屏蔽门控制装置2、服务器3以及云平台5通过网络4电性连接。
图2所示,为本发明的一个实施例提供的一种基于云平台的地铁屏蔽门远程维护方法,所述方法包括:
步骤S100、获取屏蔽门历史运行信息及第一维护信息,其中,历史运行信息为维护时记录的屏蔽门相关部件的状态信息,第一维护信息为维护时的操作信息;
具体的,在本实施例中,首先获取屏蔽门的历史运行信息以及第一维护信息作为训练集,其中,历史运行信息为维护时记录的屏蔽门相关部件的状态信息,例如电机运行时间、限位开关累计开闭次数、操作按钮的累计次数、回路总电流参数;
其中,电机运行时间关联机械传动结构的磨损、寿命、机油损耗等劣化状态,通过电机运行时间可以预测机械传动结构的状态;限位开关累计开闭次数关联本开关的使用寿命;操作按钮的累计次数关联屏蔽门故障级别和发生频率,进一步的解释,屏蔽门有5级控制,只有系统级为正常,其余4级均为系统故障时应急操作控制,通过统计操作按钮的累计次数能够获取屏蔽门的故障次数;回路总电流参数,关联该回路电源设备发热趋势,用于预测电源设备及线路的状态;
所述第一维护信息为历史维护数据,屏蔽门维护过程中能够量化的维护项目,例如设备基础台账、维护参数、设备维修单等,其中,设备基础台账用于记录设备的性能指标、投运时间等,设备基础台账对应历史运行信息,即每组历史运行信息对应一个第一维护信息;
维护参数包括日检表、巡检表、周检表、月检表和年检表,维护参数中的每一次检测均对应一组历史运行信息;
设备维修单用于记录维修操作,包括设备的损伤程度、维修次数和更换日期,其中,每一次维修的维修操作均对应一组历史运行信息;
所述历史运行信息可以从屏蔽门的控制系统的日志中获取,还可以从第一维护信息中的设备维修单、维修参数和设备基础台账中获取;
作为本实施例中一种优选的实施方式,在获取历史运行信息和第一维护信息后,还需要对获取的信息进行校验已验证其完整性;
在一些示例中,数据校验的方法为对比历史运行信息和第一维护信息的记录时间,当历史运行信息中的记录时间与第一维护信息的记录时间相差小于阈值时,说明历史运行信息和第一维护信息具有关联性,当某一历史运行信息或某一第一维护信息的记录时间没有与之关联的信息时,说明该信息不可用,需要去除,例如,记录电机转动时间的历史运行信息的记录时间为2021年4月5日12时40分,记录更换机械机构的第一维护信息的记录时间为2021年4月5日13时整,由于历史运行信息的记录时间和第一维护信息的记录时间相差较近,则两者具有关联,若记录电机转动时间的历史运行信息的记录时间没有与之关联的第一维护信息的记录时间,则判断其为无效信息,将其删除。
步骤S200、获取历史运行信息及第一维护信息的数据关联,并建立关联数据库;
具体的,在本实施例中,对校验完成后的历史运行信息和第一维护信息处理,获取两者的关联,即两者的函数关系,并基于函数关系建立关联数据库;
作为本实施例中一种优选的实施方式,如图3所示,建立关联数据库的具体方法包括以下步骤:
步骤S210、基于聚类算法对历史运行信息分类;
步骤S220、获取分类后的历史运行信息及第一维护信息之间的关联函数;
步骤S230、基于关联函数构建历史运行信息及第一维护信息的关联数据库;
具体的,在本实施例中,第一维护信息包含许多不同的维护操作,例如巡检、更换部件、日常维护、紧急维修等,当屏蔽门出现故障时,屏蔽门的运行信息会发生变化,当日常巡检时,屏蔽门的运行信息处于正常范围,当屏蔽门的出现故障、机械部件达到寿命时,都会产生不同的运行信息,因此,在获取历史运行信息后,对历史运行信息分类,在本实施例中,通过聚类算法对历史运行信息分类,对于具有相同特征的历史运行信息,将其归为同一类;
作为本实施例中一种优选的实施方式,所述聚类算法采用K-Means算法,在本实施例中,对历史运行信息分类时,以不同的类型的数据作为m个元素的集合,例如,历史运行数据包括电机运转时间、限位开关的开闭次数、操作按钮的累计次数和回路总电路参数四个维度,则历史运行信息以每次维护作为一个集合,形成集合(a,b,c,d);
在分类时,首先随机选取n个数据集合,每个数据集合代表一个簇的数据的簇中心,对于剩余的对象,根据与簇中心的相似度分别归于簇中心所对应的簇;然后计算每个簇的平均值,以簇的平均值作为新的簇中心,再次根据与簇中心的相似度归于相应的簇;重复进行计算簇中心和重新划分数据的步骤,直至簇中心不再发生明显变化,所形成的每个簇即为一类数据;
优选的,簇中心与剩余数据的相似度由欧氏距离求得,如公式1所示,
在一些示例中,还可以采用准则函数作为判断数据与簇中心的相似度,如公式2所示:
需要说明的是,聚类算法还可以采用其他的方法,例如SVM算法、NaiveBayes算法等,此处不再赘述;
获取分类后的历史运行信息与第一维护信息之间的关联函数;
在本实施例中,通过函数拟合法获取历史运行信息与第一维护信息之间的关联函数,在一些示例中,获取关联函数时可以采用偏最小二乘法获取关联函数,在获取关联函数时,将分类后的数据导入偏最小二乘法的算法模型中,由最小二乘法的算法模型拟合函数,示例性的,可以通过MATLAB软件中的偏最小二乘法命令获取历史运行信息与第一维护信息之间的关联函数;
需要说明的是,虽然第一维护信息包含许多不同的维护操作,本实施例可以将维护操作量化,以便后续与历史运行信息关联。例如数据正常情况下的巡检、日常维护次数;
在一些示例中,针对无法量化的维护操作,采用赋值的方式,例如更换部件的操作赋值为1,维修操作赋值为2;
需要注意的是,历史运行信息在更换部件后设备运行时间需要重新计算;紧急维修后相关部件的运行记录时间和状态同时更改;
在获取关联函数后,基于关联函数建立关联数据库,所述关联数据库表征运行状态和第一维护信息的关系,关联数据库的建立基于现场维护经验建立,例如,在电机运行时间超过阈值(例如1000小时),关联的第一维护信息为检查、或检修、或更换;限位开关的累计开闭次数超过阈值(10000次),开关需要更换;
关联数据库的建立可以通过MySQL、Oracle、SqlServer、SQLite等工具建立;
需要说明的是,关联数据库能够适时添加信息和更改信息,例如增加第一维护信息、修改阈值等。
步骤S300、基于关联数据库建立运行维护模型;
具体的,在本实施例中,基于模糊推理系统运行维护模型,维护运行模型基于获取的当前屏蔽门的运行信息与关联数据库内的数据对比,预测屏蔽门的运行状态以及输出屏蔽门的维护建议,例如是否需要更换部件;
在本实施例中,维护模型的建立采用FIS模糊推理算法,具体的,工作人员采用MATLAB软件中的FIS算法程序,在FIS算法程序中设置好输入信息,以屏蔽门的运行信息作为输入,以关联函数和关联数据库作为判定规则,以关联数据库内的维护操作作为输出,形成维护模型,在输入当前的屏蔽门运行信息时,维护模拟能够输出维护建议;
在一些示例中,维护模型还可以通过GA算法,即仿生学优胜劣汰算法建立,其建立方法为现有技术,此处不再赘述。
实施例2
作为本发明进一步的实施例方式,如图4所示,所述维护方法还包括:
步骤S400、获取当前屏蔽门的运行信息,并导入维护模型;
步骤S500、基于维护模型的结果推送维护消息至维护人员的终端;
具体的,在本实施例中,维护模型获取当前的运行信息作为输入信息输入维护模型内,维护模型基于关联函数的输出以及关联数据库的检索,生成维护操作,然后将维护操作通过网络推送至工作人员的终端,例如手机、手环、客户端等。
作为本实施例进一步的实施例方式,如图5所示,所述维护方法还包括:
步骤S600、获取第二维护信息,其中,第二维护信息为工作人员自主维护时的操作及记录的屏蔽门的运行信息;
步骤S700、基于第二维护信息、第一维护信息及历史运行信息生成新的维护模型;
具体的,在本实施例中,在维护模型未出推送维护建议时,若屏蔽门出现故障,此时工作人员对屏蔽门自主维护,此时,工作人员记录的信息为第二维护信息,所述第二维护信息包括此时屏蔽门的运行信息及工作人员的操作信息,然后与关联数据库内的历史运行信息和第一维护信息组合形成新的训练集,重复进行实施例1所述的维护方法的步骤,以形成新的维护模型。
实施例3
本发明还公开了一种地铁屏蔽门远程维护系统,如图6所示,所述系统800包括:
第一获取单元801,用于获取屏蔽门的历史运行信息;
第二获取单元802,用于获取第一维护信息;
模型生成单元803,用于生成维护模型;
具体的,所述第一获取单元801获取屏蔽门历史运行信息将其发送至模型生成单元803,第一获取单元802获取第一维护信息后将其发送至模型生成的单元803,所述模型生成单元803基于历史运行信息和第一维护信息生成维护模型,其中,实施例1和实施例2所述的关联函数的建立、关联数据库的建立以及维护模型的建立都在模型生成单元803内进行;
示例性的,所述第一获取单元801为一段程序,所述第一获取单元801通过读取地铁屏蔽门的日志获取历史运行信息,所述第一获取单元801还可以读取表格文件,通过读取人工输入的表格文件获取历史运行信息;
所述第一获取单元为输入装置或者数据读取装置,用于获取工作人员输入的第一维护信息;
在一些示例中,所述模型生成单元803为云平台,所述系统800还包括通讯单元,所述第一获取单元801和第二获取单元802通过通信单元将获取的传输至模型生成单元803;
在一些示例中,所述系统800还包括数据处理单元804,用于校验数据的完整性。
作为本实施例中一种优选的实施方式,如图7所示,所述系统800还包括:
建议单元805,用于生成维护建议;
第三获取单元806,用于获取第二维护信息;
具体的,在本实施例中,所述建议单元805通过获取当前运行信息并输入维护模型内,然后获取维护模型的输出结果获取维护建议,并输出;
所述第三获取单元806为一种输入装置,工作人员铜锁第二获取单元806输入第二维护信息;
作为本实施例中一种优选的实施方式,所述系统800还包括维护终端807,所述维护终端807接收建议单元805输出的维护建议,在一些示例中,所述维护终端807可以为手环、电脑或平板等智能终端。
实施例4
本发明还公开了一种电子设备,所述电子设备包括处理器,所述处理器在执行存储器中存储的计算机程序时实现如实施例1或实施例2所述的地铁屏蔽门远程维护方法。
实施例5
本发明还公开了一种可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器在运行计算机程序时实现如实施例1或实施例2所述的地铁屏蔽门远程维护方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
在本发明实施例的一个典型的配置中,电子设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash-RAM)。内存是计算机可读介质的示例。
可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
电子设备的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory-media),如调制的数据信号和载波。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的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。
Claims (10)
1.一种基于云平台的地铁屏蔽门远程维护方法,其特征在于,所述方法包括:
获取屏蔽门历史运行信息及第一维护信息,其中,历史运行信息为维护时记录的屏蔽门相关部件的状态信息,第一维护信息为维护时的操作信息;
获取历史运行信息及第一维护信息的数据关联,并建立关联数据库;
基于关联数据库建立运行维护模型。
2.根据权利要求1所述的基于云平台的地铁屏蔽门远程维护方法,其特征在于,获取屏蔽门历史运行信息和第一维护信息后还包括:
检测历史运行信息和第一维护信息的完整性。
3.根据权利要求1所述的基于云平台的地铁屏蔽门远程维护方法,其特征在于,建立关联数据库的具体方法包括以下步骤:
基于聚类算法对历史运行信息分类;
获取分类后的历史运行信息及第一维护信息之间的关联函数;
基于关联函数构建历史运行信息及第一维护信息的关联数据库。
4.根据权利要求3所述的基于云平台的地铁屏蔽门远程维护方法,其特征在于,所述聚类算法采用K-Means算法。
5.根据权利要求3所述的基于云平台的地铁屏蔽门远程维护方法,其特征在于,所述关联函数通过函数拟合法获取。
6.根据权利要求1所述的基于云平台的地铁屏蔽门远程维护方法,其特征在于,所述维护模型基于模糊推理系统建立。
7.根据权利要求1-6任意一项所述的基于云平台的地铁屏蔽门远程维护方法,其特征在于,所述维护方法还包括:
获取当前屏蔽门的运行信息,并导入维护模型;
基于维护模型的结果推送维护消息至维护人员的终端。
8.根据权利要求7所述的基于云平台的地铁屏蔽门远程维护方法,其特征在于,所述维护方法还包括:
获取第二维护信息,其中,第二维护信息为工作人员自主维护时的操作及记录的屏蔽门的运行信息;
基于第二维护信息、第一维护信息及历史运行信息生成新的维护模型。
9.一种地铁屏蔽门远程维护系统,其特征在于,所述系统包括:
第一获取单元,用于获取屏蔽门的历史运行信息;
第二获取单元,用于获取第一维护信息;
模型生成单元,用于生成维护模型。
10.根据权利要求9所述的地铁屏蔽门远程维护系统,其特征在于,所述系统还包括:
建议单元,用于输出维护建议;
第三获取单元,用于获取第二维护信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210660328.0A CN114757382A (zh) | 2022-06-13 | 2022-06-13 | 一种基于云平台的地铁屏蔽门远程维护方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210660328.0A CN114757382A (zh) | 2022-06-13 | 2022-06-13 | 一种基于云平台的地铁屏蔽门远程维护方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114757382A true CN114757382A (zh) | 2022-07-15 |
Family
ID=82336317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210660328.0A Pending CN114757382A (zh) | 2022-06-13 | 2022-06-13 | 一种基于云平台的地铁屏蔽门远程维护方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114757382A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957889A (zh) * | 2010-09-01 | 2011-01-26 | 燕山大学 | 一种基于选择性磨损的设备最优维修时间预测方法 |
CN102975745A (zh) * | 2012-11-30 | 2013-03-20 | 北京交控科技有限公司 | 一种地铁信号系统的预防性维护系统及方法 |
CN104376200A (zh) * | 2014-11-06 | 2015-02-25 | 广西电网公司电力科学研究院 | 一种输变电设备检修模式效能评估方法 |
CN109614451A (zh) * | 2018-12-06 | 2019-04-12 | 南京邮电大学 | 工业大数据智能分析决策装置 |
CN113221352A (zh) * | 2021-05-11 | 2021-08-06 | 中国科学院自动化研究所 | 基于数字孪生的复杂装备健康管理方法及系统 |
CN113705839A (zh) * | 2021-09-13 | 2021-11-26 | 北京博瑞华通科技有限公司 | 一种燃料电池电堆的预测性维护方法以及维护系统 |
-
2022
- 2022-06-13 CN CN202210660328.0A patent/CN114757382A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957889A (zh) * | 2010-09-01 | 2011-01-26 | 燕山大学 | 一种基于选择性磨损的设备最优维修时间预测方法 |
CN102975745A (zh) * | 2012-11-30 | 2013-03-20 | 北京交控科技有限公司 | 一种地铁信号系统的预防性维护系统及方法 |
CN104376200A (zh) * | 2014-11-06 | 2015-02-25 | 广西电网公司电力科学研究院 | 一种输变电设备检修模式效能评估方法 |
CN109614451A (zh) * | 2018-12-06 | 2019-04-12 | 南京邮电大学 | 工业大数据智能分析决策装置 |
CN113221352A (zh) * | 2021-05-11 | 2021-08-06 | 中国科学院自动化研究所 | 基于数字孪生的复杂装备健康管理方法及系统 |
CN113705839A (zh) * | 2021-09-13 | 2021-11-26 | 北京博瑞华通科技有限公司 | 一种燃料电池电堆的预测性维护方法以及维护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Munirathinam et al. | Big data predictive analtyics for proactive semiconductor equipment maintenance | |
US20120123981A1 (en) | Software to facilitate design, data flow management, data analysis and decision support in structural health monitoring systems | |
CN110388315B (zh) | 基于多源信息融合的输油泵故障识别方法、装置及系统 | |
CN117172753A (zh) | 一种基于移动互联网的智慧水电站巡检系统及方法 | |
CN111080472A (zh) | 一种电力系统负荷预测和分析方法 | |
Dong | Combining unsupervised and supervised learning for asset class failure prediction in power systems | |
CN116993306A (zh) | 基于知识图谱的网络协同制造系统的构建方法和装置 | |
Bagheri et al. | Adaptive‐robust multi‐resolution generation maintenance scheduling with probabilistic reliability constraint | |
Killeen et al. | Unsupervised dynamic sensor selection for iot-based predictive maintenance of a fleet of public transport buses | |
CN117872839A (zh) | 基于时间序列的动环监控系统的预警方法及系统 | |
CN115713038A (zh) | 一种基于深度循环神经网络的配用电故障检测方法及系统 | |
Xu et al. | Intelligent diagnosis of rolling bearing fault based on improved convolutional neural network and LightGBM | |
Sambrekar et al. | Maintenance strategies for realizing Industry 4.0: An overview | |
CN117291575A (zh) | 设备检修方法、装置、计算机设备和存储介质 | |
CN114757382A (zh) | 一种基于云平台的地铁屏蔽门远程维护方法及系统 | |
CN117141265A (zh) | 一种智能无线充电桩的运行监测系统及监测方法 | |
Voronov et al. | Lead-acid battery maintenance using multilayer perceptron models | |
CN116993215A (zh) | 一种电力装备制造质量智能化评价预警方法及系统 | |
CN109522349B (zh) | 跨类型数据计算及共享方法、系统、设备 | |
Wu et al. | Intelligent fault diagnosis system based on big data | |
KR102437917B1 (ko) | 장비 운영 시스템 | |
Phiboonbanakit et al. | Detecting abnormal behavior in the transportation planning using long short term memories and a contextualized dynamic threshold | |
Leohold et al. | Prognostic Methods for Predictive Maintenance: A generalized Topology | |
Li et al. | Real‐time assessment on health state for bearing based on parallel encoder‐decoder observer | |
CN118071154B (zh) | 基于数据处理的内控智能审核系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220715 |