CN115871745B - 一种应用于轨道交通的智能维护方法与装置 - Google Patents
一种应用于轨道交通的智能维护方法与装置 Download PDFInfo
- Publication number
- CN115871745B CN115871745B CN202211699582.8A CN202211699582A CN115871745B CN 115871745 B CN115871745 B CN 115871745B CN 202211699582 A CN202211699582 A CN 202211699582A CN 115871745 B CN115871745 B CN 115871745B
- Authority
- CN
- China
- Prior art keywords
- log
- abnormal
- new
- logs
- 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.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 58
- 230000036541 health Effects 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 10
- 238000012795 verification Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种应用于轨道交通的智能维护方法与装置，其中该方法包括：获取轨道交通设备在运行过程中的日志；计算所述日志与预设健康日志对象列表中每个健康日志对象的最长公共子序列；根据最长公共子序列与预设阈值的关系判断所述日志是否出现异常；当日志出现异常时，则发出故障报警；本发明根据日志的最长公共子序列与预设阈值的关系判断当前日志是否出现异常，可以提高事件响应效率，使工作人员能快速解决故障，大大降低了异常事件造成的危害与损失。
Description
技术领域
本发明涉及轨道交通技术领域，具体而言，涉及一种应用于轨道交通的智能维护方法与装置。
背景技术
随着各地地铁线路不断铺开，维护的技术力量不断被摊薄，客流量逐渐攀升以及延长运营带来的维护时间的压缩等都给各地地铁通信信号设备的维护工作带来压力。我国地铁信息化建设经过几十年的发展，信息系统几乎深入到地铁所有专业领域，已成为地铁运输生产和管理工作的重要工具和核心战略资源。然而现有的维护系统由于各类数据信息很庞大，其运行效率很低。随着科技技术的迅猛发展，正日益深刻地改变着人类的生产方式和生活方式，并且日益成熟的科技技术开始应用于地铁运营维护，结合目前轨道交通建设现代化、智能化，需要利用现代先进手段，提升设施设备运行水平，提高运营维护、维修效率。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种应用于轨道交通的智能维护方法与装置。
一种应用于轨道交通的智能维护方法，包括：
步骤1：获取轨道交通设备在运行过程中的日志；
步骤2：计算所述日志与预设健康日志对象列表中每个健康日志对象的最长公共子序列；
步骤3：根据最长公共子序列与预设阈值的关系判断所述日志是否出现异常；
步骤4：当日志出现异常时，则发出故障报警。
优选的，所述步骤3：根据最长公共子序列与预设阈值的关系判断所述日志是否出现异常，包括：
当所述日志的最长公共子序列大于预设阈值时，则所述日志出现异常；
当所述日志的最长公共子序列在所述预设阈值范围内，且所述日志的数量在一天内骤升或骤降的值大于第二阈值时，则所述日志出现异常。
优选的，还包括：
当轨道交通设备的故障无法解决时，则录制日志文字图像，并将彩色的日志文字图像转换为二值图像，同时将所述二值图像送到维修厂家。
优选的，将彩色的日志文字图像转换为二值图像，包括：
获取日志文字图像各个颜色通道的分量值；
采用公式：
计算所述日志文字图像中每个像素的边缘强度；其中，G2(i,j)表示像素点(i,j)的边缘强度，GR(i,j)表示R通道的梯度值，GG(i,j)表示G通道的梯度值，GB(i,j)表示B通道的梯度值，fR(i+1,j+1)表示点(i+1,j+1)在R通道的分量值，fG(i+1,j+1)表示点(i+1,j+1)在G通道的分量值，fB(i+1,j+1)表示点(i+1,j+1)在B通道的分量值；
当所述边缘强度大于预设像素阈值时，则将相应的像素点的灰度置为255；
当所述边缘强度小于预设像素阈值时，则将相应的像素点的灰度置为0。
本发明还提供了一种应用于轨道交通的智能维护装置，包括：
日志获取模块，用于获取轨道交通设备在运行过程中的日志；
最长公共子序列计算模块，用于计算所述日志与预设健康日志对象列表中每个健康日志对象的最长公共子序列；
日志判断模块，用于根据最长公共子序列与预设阈值的关系判断所述日志是否出现异常；
故障报警模块，用于当日志出现异常时，则发出故障报警。
优选的，所述日志判断模块，包括：
第一日志判断单元，用于当所述日志的最长公共子序列大于预设阈值时，则所述日志出现异常；
第二日志判断单元，用于当所述日志的最长公共子序列在所述预设阈值范围内，且所述日志的数量在一天内骤升或骤降的值大于第二阈值时，则所述日志出现异常。
优选的，还包括：
录制模块，用于当轨道交通设备的故障无法解决时，则录制日志文字图像，并将彩色的日志文字图像转换为二值图像，同时将所述二值图像送到维修厂家。
优选的，将彩色的日志文字图像转换为二值图像，包括：
获取日志文字图像各个颜色通道的分量值；
采用公式：
计算所述日志文字图像中每个像素的边缘强度；其中，G2(i,j)表示像素点(i,j)的边缘强度，GR(i,j)表示R通道的梯度值，GG(i,j)表示G通道的梯度值，GB(i,j)表示B通道的梯度值，fR(i+1,j+1)表示点(i+1,j+1)在R通道的分量值，fG(i+1,j+1)表示点(i+1,j+1)在G通道的分量值，fB(i+1,j+1)表示点(i+1,j+1)在B通道的分量值；
当所述边缘强度大于预设像素阈值时，则将相应的像素点的灰度置为255；
当所述边缘强度小于预设像素阈值时，则将相应的像素点的灰度置为0。
本发明还提供了一种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上述的一种应用于轨道交通的智能维护方法中的步骤。
本发明提供的一种应用于轨道交通的智能维护方法与装置的有益效果在于：与现有技术相比，本发明根据日志的最长公共子序列与预设阈值的关系判断当前日志是否出现异常，可以提高事件响应效率，使工作人员能快速解决故障，大大降低了异常事件造成的危害与损失。
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示出了本发明实施例所提供的一种应用于轨道交通的智能维护方法流程图；
图2示出了本发明实施例一种应用于轨道交通的智能维护系统原理图；
图3示出了本发明实施例所提供的轨道交通的智能维护系统的使用方法流程图；
图4示出了本发明实施例所提供的轨道交通的智能维护系统的工作过程原理图。
具体实施方式
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”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”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，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。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1，一种应用于轨道交通的智能维护方法，包括：
步骤1：获取轨道交通设备在运行过程中的日志；
步骤2：计算所述日志与预设健康日志对象列表中每个健康日志对象的最长公共子序列；
步骤3：根据最长公共子序列与预设阈值的关系判断所述日志是否出现异常；
进一步的，所述步骤3包括：
当所述日志的最长公共子序列大于预设阈值时，则所述日志出现异常；
当所述日志的最长公共子序列在所述预设阈值范围内，且所述日志的数量在一天内骤升或骤降的值大于第二阈值时，则所述日志出现异常。
步骤4：当日志出现异常时，则发出故障报警；
需要说明的是，当轨道交通设备的故障无法解决时，则录制日志文字图像，并将彩色的日志文字图像转换为二值图像，同时将所述二值图像送到维修厂家。
进一步的，本发明中将彩色的日志文字图像转换为二值图像的步骤，包括：
获取日志文字图像各个颜色通道的分量值；
采用公式：
计算所述日志文字图像中每个像素的边缘强度；其中，G2(i,j)表示像素点(i,j)的边缘强度，GR(i,j)表示R通道的梯度值，GG(i,j)表示G通道的梯度值，GB(i,j)表示B通道的梯度值，fR(i+1,j+1)表示点(i+1,j+1)在R通道的分量值，fG(i+1,j+1)表示点(i+1,j+1)在G通道的分量值，fB(i+1,j+1)表示点(i+1,j+1)在B通道的分量值；
当所述边缘强度大于预设像素阈值时，则将相应的像素点的灰度置为255；
当所述边缘强度小于预设像素阈值时，则将相应的像素点的灰度置为0。
本发明基于上述的一种应用于轨道交通的智能维护方法，还提供了一种应用于轨道交通的智能维护系统，包括驾驶舱模块、智能告警模块、远程模块、单点登入模块、控制模块、视频录像模块、视频分析模块、安全模块、日志分析模块、接口诊断模块、专家模式模块和用户权限模块。
驾驶舱模块是智能维护系统的展示模块；
智能报警模块用于维护系统的告警，具备根告警功能；
远程模块用于远程控制各个轨道交通的设备，并支持在linux、windows操作系统上运行；
单点登入模块用于一些需要在子系统页面上进行操作时，实现安全登入的目的；
控制模块集成了网络工具、服务停止、服务启动和服务开机功能，以及对服务器进行远程开关机功能；
视频录像模块用于录像；
录像智能分析模块用于对历史视频进行分析，形成相关的档案库；
安全模块生成工作人员登入时用的验证码；
日志分析模块用于根据设备的工作日志分析故障原因，为故障处理进行指导意见；
接口诊断模块用于接口测试和诊断，判断各轨道交通与各子系统的连接是否正常；
专家模式模块用于通过智能维护系统仍然无法解决的故障，然后发送相关的文件给厂家进行人工分析处理；
用户权限模式模块21用于维护用户的登入、登出权限。
图2-4是应用于轨道交通的智能维护系统使用的方法的流程图。如图3所示，步骤S201～205为形成关联规则的步骤，步骤S206～步骤S209为使用关联规则处理告警数据的步骤。
步骤S201：在驾驶舱模块或者智能告警模块获取到故障日志。
步骤S202：查看智能告警模块的根告警，点击故障处理登入界面。
步骤S203：维护员进入故障处理界面，向维护管理员申请故障处理时长。
步骤S204：维护管理员审批通过后向维护员发送验证码。
步骤S205：维护员取得验证码之后，输入验证码登入操作维护系统，同时录像模块启动有效操作的录像；
步骤S206：维护员取得验证码之后，输入验证码登入操作维护系统，根据故障单调取维护档案；
步骤S207：登入系统后里面有各种功能模块，如远程模块、单点登入模块、控制模块、日志分析模块、接口诊断模块和专家模式模块：
远程模块包含针对windows系统和linux的远程控制，可以针对各个子系统进行配置；
单点登入模块针对子系统相关页面进行安全单点登入；
控制模块集成网络工具、服务停止、服务启动和服务开机功能，以及对服务器进行远程开关机功能；
日志分析模块用于故障出现里面日志分析故障原因，为故障处理进行指导意见。日志诊断模块诊断目的是在系统行为异常阶段，检测系统表征的异常信息，预测未来可能发生的故障，分析引发故障的根因。根因、异常和故障三个阶段之间具有时序和因果关系，已经出现的故障根因导致了系统现在的异常行为，进而在未来可能引发系统故障。基于日志数据的故障诊断过程含四种关键技术，分别是日志处理与特征提取、基于日志数据的异常检测、基于日志数据的故障预测和基于日志数据的根因分析。
基于日志数据的异常检测即在系统日志数据中发现不符合预估行为的异常模式，其输出通常是日志片段是否属于异常的标签或日志片段包含系统异常信息的概率。
大量非结构化的日志经过算法处理后，由成千上万条归纳成了几十个模板。
进一步的，本发明中对轨道交通设备在运行过程中的日志处理的过程如下：
a.首先定义一个日志对象LCSObject，对象包括日志键LCSseq和行号列表lineIds。LCSseq表示一个序列，它是多个日志消息的LCS(最长公共子序列)，也是新日志的日志模板候选，在实现中用前缀树(PrefixTree)表示。lineIds表示行索引列表，这些索引存储指向这个LCSseq的相应日志条目的行id。此外，还需定义一个日志对象列表LCSMap，用于保存每个日志对象。
b.输入log数据，按行读取(实现了流式)。对每一行日志，按照自定义的分隔符将日志解析成一组token。
c.每读取一行日志，就遍历LCSMap，看列表中是否已经有LCSObject拥有和其一样的LCSseq(日志键)，如果存在这样的LCSObject。则将这个日志的lineIds添加到LCSObject的lineIds。如果没有，则生成新的LCSObject到LCSMap中。在遍历LCSMap的过程中，对于每个LCSObject，我们计算它与新日志token序列的LCS，如果最长LCS的长度小于一个阈值(一般设置为新日志token序列长度的一半)，我们认为新日志属于最长LCS的那个模板，并且将不同的token标记成*，相同的*合并成一个，并把新日志的行索引加入lineIds如果不满足阈值条件，我们认为新日志属于一个新的模板。
而基于这些日志模板，先对系统长期无异常时间的日志进行解析，生成“健康”类型的模板，基于这些“健康”模板，我们可以：
A.对新产生的日志进行解析，当发现新日志不属于已解析的日志模板的一种，则发出报警，说明产生了异常的日志。由相关人员确认是否是异常日志，如果误报，则反馈给算法，将此日志生成新的“健康”模板。通过人员反馈，不断让算法学习，达到一个更好的效果。
B.监控每一类模板的数量变化，比如对于B类日志，如果其每天的日志新增量在1k左右，如果某天其日志增量骤升或骤降，则发出告警，说明存在异常的情况。
C.监控每天日志增量的变化情况，纳入单指标异常检测算法进行判断。
D.针对具体的日志类型做特定的过滤后，再进行日志数量的监控。比如某类日志存在固定的字段(发送方，接收方)，则可以先对特定的发送方/接收方进行一遍日志过滤，再监控此类日志的变化量。有针对性的对重点对象日志进行监控。
E.对某类模板的参数量(即模板中的*号表示的值)进行监控：
a)参数量是离散型数据(比如状态字段，只有几种情况)，如果其占比发生变化(比如状态字段，历史数据成功：失败＝9：1，某天变成了5:5)，则判断日志发生异常。
b)参数量是连续型数据(比如传输时间，取值是可以连续变化的)，如果其范围发生变化(比如传输时间一般都在20ms-900ms之间，而某日志参数值不在这个范围)，则判断日志发生异常。
基于日志数据的故障预测即通过当前日志数据预测在不远的将来是否会发生系统故障。其输出通常是系统未来是否会出现故障的标签或出现故障的概率。故障预测的方法是使用过去1小时内可用的事件日志来确定下一小时是否存在系统故障。为了建立预测模型，将历史日志分割成多个滑动窗口的事件序列，其中每个事件块具有10分钟的时间范围。然后将分段序列划分为训练集和验证集，直到找到前后事件之间某些联系。
基于日志数据的根因分析即通过日志数据诊断与系统故障相关的根因信息，如故障类型、故障位置、故障请求、故障代码片段等。故障根因诊断技术的输出即为多种类型的故障根因信息。根据置信度对日志进行压缩，置信度是指发生某故障类型在告警A生产的时候发生告警B的概率，如将策略[告警日志A＝>告警日志B，置信度：0.93]应用于日志压缩，假设设定的时间窗口为10分钟。在发生了告警日志A之后，10分钟内若发生告警日志B，将告警日志B转入告警日志压缩表，不在当前故障日志表进行展示，即运营人员在当前告警处看不到告警B，但可以选择查看告警压缩表查看压缩掉的告警。
接口诊断模块用于接口测试和诊断，判断与各子系统连接连接是否正常。接口诊断主要含有网络诊断和api接口诊断。网络诊断主要是通过测试与子系统接口连接的IP和端口进行判定连通进行诊断。api接口诊断主要通过程序内部嵌套的测试程序进行测试与子系统之间的接口数据返回是否正常，并输出诊断结果；
专家模式模块用于通过智能维护系统仍然无法解决的故障，然后发送相关的文件给厂家进行人工分析处理；
步骤S208：在申请的时间还没结束时，问题已经解决，可以通过提前手动退出。
步骤S209：在申请时间、手动提前退出、申请不通过均结束。
步骤S210：结束后录像自动传送到管理员服务器。
步骤S211：录像结束后传到管理员服务器后，自动将新的视频通过智能算法进行分析，形成档案。其主要过程如下：首先进行日志事件检测，对彩色的日志图像进行二值化的处理，然后对二值化的图像进行网值计算和边缘尺寸限制，最后依据文字像素密度范围进一步滤去非文字区域的视频字幕，提出的叠加水平和垂直方向边缘的方法，加强了检测到的文字的边缘:对边缘进行尺寸限制过滤掉了不符合文字尺寸的边缘。应用投影法最终确定视频字幕所在区域。最后，利用OCR识别技术对提取出来的文字区域进行识别，完成视频中文字的提取，然后形成档案。本发明中对彩色的日志图像进行二值化的处理主要是采用公式：
计算所述日志文字图像中每个像素的边缘强度；当所述边缘强度大于预设像素阈值时，则将相应的像素点的灰度置为255；当所述边缘强度小于预设像素阈值时，则将相应的像素点的灰度置为0。
本发明根据日志的最长公共子序列与预设阈值的关系判断当前日志是否出现异常，可以提高事件响应效率，使工作人员能快速解决故障，大大降低了异常事件造成的危害与损失。
本发明还提供了一种应用于轨道交通的智能维护装置，包括：
日志获取模块，用于获取轨道交通设备在运行过程中的日志；
最长公共子序列计算模块，用于计算所述日志与预设健康日志对象列表中每个健康日志对象的最长公共子序列；
日志判断模块，用于根据最长公共子序列与预设阈值的关系判断所述日志是否出现异常；
故障报警模块，用于当日志出现异常时，则发出故障报警。
优选的，所述日志判断模块，包括：
第一日志判断单元，用于当所述日志的最长公共子序列大于预设阈值时，则所述日志出现异常；
第二日志判断单元，用于当所述日志的最长公共子序列在所述预设阈值范围内，且所述日志的数量在一天内骤升或骤降的值大于第二阈值时，则所述日志出现异常。
优选的，还包括：
录制模块，用于当轨道交通设备的故障无法解决时，则录制日志文字图像，并将彩色的日志文字图像转换为二值图像，同时将所述二值图像送到维修厂家。
优选的，将彩色的日志文字图像转换为二值图像，包括：
获取日志文字图像各个颜色通道的分量值；
采用公式：
计算所述日志文字图像中每个像素的边缘强度；其中，G2(i,j)表示像素点(i,j)的边缘强度，GR(i,j)表示R通道的梯度值，GG(i,j)表示G通道的梯度值，GB(i,j)表示B通道的梯度值，fR(i+1,j+1)表示点(i+1,j+1)在R通道的分量值，fG(i+1,j+1)表示点(i+1,j+1)在G通道的分量值，fB(i+1,j+1)表示点(i+1,j+1)在B通道的分量值；
当所述边缘强度大于预设像素阈值时，则将相应的像素点的灰度置为255；
当所述边缘强度小于预设像素阈值时，则将相应的像素点的灰度置为0。
与现有技术相比，本发明提供的一种应用于轨道交通的智能维护装置的有益效果与上述技术方案所述一种应用于轨道交通的智能维护方法的有益效果相同，在此不做赘述。
本发明还提供了一种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上述的一种应用于轨道交通的智能维护方法中的步骤。与现有技术相比，本发明提供的计算机可读存储介质的有益效果与上述技术方案所述一种应用于轨道交通的智能维护方法的有益效果相同，在此不做赘述。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到变化或替换的技术方案，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所述权利要求的保护范围为准。
Claims (7)
1.一种应用于轨道交通的智能维护方法，其特征在于，包括：
步骤1：获取轨道交通设备在运行过程中的日志；
步骤2：计算所述日志与预设健康日志对象列表中每个健康日志对象的最长公共子序列；
步骤3：根据最长公共子序列与预设阈值的关系判断所述日志是否出现异常；
所述步骤3：根据最长公共子序列与预设阈值的关系判断所述日志是否出现异常，包括：
当所述日志的最长公共子序列大于预设阈值时，则所述日志出现异常；
当所述日志的最长公共子序列在所述预设阈值范围内，且所述日志的数量在一天内骤升或骤降的值大于第二阈值时，则所述日志出现异常；
对轨道交通设备在运行过程中的日志处理的过程如下：
a.首先定义一个日志对象LCSObject，对象包括日志键LCSseq和行号列表lineIds，LCSseq表示一个序列，它是多个日志消息的LCS即最长公共子序列，也是新日志的日志模板候选，在实现中用前缀树PrefixTree表示；lineIds表示行索引列表，这些索引存储指向这个LCSseq的相应日志条目的行id，此外，还需定义一个日志对象列表LCSMap，用于保存每个日志对象；
b.输入log数据，按行读取，对每一行日志，按照自定义的分隔符将日志解析成一组新日志token；
c.每读取一行日志，就遍历LCSMap，看列表中是否已经有LCSObject拥有和其一样的LCSseq日志键，如果存在这样的LCSObject；则将这个日志的lineIds添加到LCSObject的lineIds；如果没有，则生成新的LCSObject到LCSMap中；在遍历LCSMap的过程中，对于每个LCSObject，计算它与新日志token序列的LCS，如果最长LCS的长度小于一个阈值，阈值设置为新日志token序列长度的一半，认为新日志属于最长LCS的那个模板，并且将不同的token标记成*，相同的*合并成一个，并把新日志的行索引加入lineIds，如果不满足阈值条件，认为新日志属于一个新的模板；
而基于这些日志模板，先对系统长期无异常时间的日志进行解析，生成“健康”类型的模板，基于这些“健康”模板：
A.对新产生的日志进行解析，当发现新日志不属于已解析的日志模板的一种，则发出报警，说明产生了异常的日志；由相关人员确认是否是异常日志，如果误报，则反馈给算法，将此日志生成新的“健康”模板；通过人员反馈，不断让算法学习，达到一个更好的效果；
B.监控每一类模板的数量变化，比如对于B类日志，如果其每天的日志新增量在1k左右，如果某天其日志增量骤升或骤降，则发出告警，说明存在异常的情况；
C.监控每天日志增量的变化情况，纳入单指标异常检测算法进行判断；
D.针对具体的日志类型做特定的过滤后，再进行日志数量的监控；某类日志存在固定的字段即发送方/接收方，则可以先对特定的发送方/接收方进行一遍日志过滤，再监控此类日志的变化量；有针对性的对重点对象日志进行监控；
E.对某类模板的参数量，即模板中的*号表示的值进行监控：
a)参数量是离散型数据，如果其占比发生变化，则判断日志发生异常；
b)参数量是连续型数据，如果其范围发生变化，则判断日志发生异常；
步骤4：当日志出现异常时，则发出故障报警。
2.根据权利要求1所述的一种应用于轨道交通的智能维护方法，其特征在于，还包括：
当轨道交通设备的故障无法解决时，则录制日志文字图像，并将彩色的日志文字图像转换为二值图像，同时将所述二值图像送到维修厂家。
3.根据权利要求2所述的一种应用于轨道交通的智能维护方法，其特征在于，将彩色的日志文字图像转换为二值图像，包括：
获取日志文字图像各个颜色通道的分量值；
采用公式：
计算所述日志文字图像中每个像素的边缘强度；其中，G2(i,j)表示像素点(i,j)的边缘强度，GR(i,j)表示R通道的梯度值，GG(i,j)表示G通道的梯度值，GB(i,j)表示B通道的梯度值，fR(i+1,j+1)表示点(i+1,j+1)在R通道的分量值，fG(i+1,j+1)表示点(i+1,j+1)在G通道的分量值，fB(i+1,j+1)表示点(i+1,j+1)在B通道的分量值；
当所述边缘强度大于预设像素阈值时，则将相应的像素点的灰度置为255；
当所述边缘强度小于预设像素阈值时，则将相应的像素点的灰度置为0。
4.一种应用于轨道交通的智能维护装置，其特征在于，包括：
日志获取模块，用于获取轨道交通设备在运行过程中的日志；
最长公共子序列计算模块，用于计算所述日志与预设健康日志对象列表中每个健康日志对象的最长公共子序列；
日志判断模块，用于根据最长公共子序列与预设阈值的关系判断所述日志是否出现异常；
所述日志判断模块，包括：
第一日志判断单元，用于当所述日志的最长公共子序列大于预设阈值时，则所述日志出现异常；
对轨道交通设备在运行过程中的日志处理的过程如下：
a.首先定义一个日志对象LCSObject，对象包括日志键LCSseq和行号列表lineIds，LCSseq表示一个序列，它是多个日志消息的LCS即最长公共子序列，也是新日志的日志模板候选，在实现中用前缀树PrefixTree表示；lineIds表示行索引列表，这些索引存储指向这个LCSseq的相应日志条目的行id，此外，还需定义一个日志对象列表LCSMap，用于保存每个日志对象；
b.输入log数据，按行读取，对每一行日志，按照自定义的分隔符将日志解析成一组新日志token；
c.每读取一行日志，就遍历LCSMap，看列表中是否已经有LCSObject拥有和其一样的LCSseq日志键，如果存在这样的LCSObject；则将这个日志的lineIds添加到LCSObject的lineIds；如果没有，则生成新的LCSObject到LCSMap中；在遍历LCSMap的过程中，对于每个LCSObject，计算它与新日志token序列的LCS，如果最长LCS的长度小于一个阈值，阈值设置为新日志token序列长度的一半，认为新日志属于最长LCS的那个模板，并且将不同的token标记成*，相同的*合并成一个，并把新日志的行索引加入lineIds，如果不满足阈值条件，认为新日志属于一个新的模板；
而基于这些日志模板，先对系统长期无异常时间的日志进行解析，生成“健康”类型的模板，基于这些“健康”模板：
A.对新产生的日志进行解析，当发现新日志不属于已解析的日志模板的一种，则发出报警，说明产生了异常的日志；由相关人员确认是否是异常日志，如果误报，则反馈给算法，将此日志生成新的“健康”模板；通过人员反馈，不断让算法学习，达到一个更好的效果；
B.监控每一类模板的数量变化，比如对于B类日志，如果其每天的日志新增量在1k左右，如果某天其日志增量骤升或骤降，则发出告警，说明存在异常的情况；
C.监控每天日志增量的变化情况，纳入单指标异常检测算法进行判断；
D.针对具体的日志类型做特定的过滤后，再进行日志数量的监控；某类日志存在固定的字段即发送方/接收方，则可以先对特定的发送方/接收方进行一遍日志过滤，再监控此类日志的变化量；有针对性的对重点对象日志进行监控；
E.对某类模板的参数量，即模板中的*号表示的值进行监控：
a)参数量是离散型数据，如果其占比发生变化，则判断日志发生异常；
b)参数量是连续型数据，如果其范围发生变化，则判断日志发生异常；
第二日志判断单元，用于当所述日志的最长公共子序列在所述预设阈值范围内，且所述日志的数量在一天内骤升或骤降的值大于第二阈值时，则所述日志出现异常；
故障报警模块，用于当日志出现异常时，则发出故障报警。
5.根据权利要求4所述的一种应用于轨道交通的智能维护装置，其特征在于，还包括：
录制模块，用于当轨道交通设备的故障无法解决时，则录制日志文字图像，并将彩色的日志文字图像转换为二值图像，同时将所述二值图像送到维修厂家。
6.根据权利要求5所述的一种应用于轨道交通的智能维护装置，其特征在于，将彩色的日志文字图像转换为二值图像，包括：
获取日志文字图像各个颜色通道的分量值；
采用公式：
计算所述日志文字图像中每个像素的边缘强度；其中，G2(i,j)表示像素点(i,j)的边缘强度，GR(i,j)表示R通道的梯度值，GG(i,j)表示G通道的梯度值，GB(i,j)表示B通道的梯度值，fR(i+1,j+1)表示点(i+1,j+1)在R通道的分量值，fG(i+1,j+1)表示点(i+1,j+1)在G通道的分量值，fB(i+1,j+1)表示点(i+1,j+1)在B通道的分量值；
当所述边缘强度大于预设像素阈值时，则将相应的像素点的灰度置为255；
当所述边缘强度小于预设像素阈值时，则将相应的像素点的灰度置为0。
7.一种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1-3中任一项所述的一种应用于轨道交通的智能维护方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211699582.8A CN115871745B (zh) | 2022-12-28 | 2022-12-28 | 一种应用于轨道交通的智能维护方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211699582.8A CN115871745B (zh) | 2022-12-28 | 2022-12-28 | 一种应用于轨道交通的智能维护方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115871745A CN115871745A (zh) | 2023-03-31 |
| CN115871745B true CN115871745B (zh) | 2024-05-10 |
Family
ID=85756933
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211699582.8A Active CN115871745B (zh) | 2022-12-28 | 2022-12-28 | 一种应用于轨道交通的智能维护方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115871745B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116595425B (zh) * | 2023-07-13 | 2023-11-10 | 浙江大有实业有限公司杭州科技发展分公司 | 一种基于电网调度多源数据融合的缺陷识别方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103514398A (zh) * | 2013-10-18 | 2014-01-15 | 中国科学院信息工程研究所 | 一种实时在线日志检测方法及系统 |
| CN104252602A (zh) * | 2013-06-27 | 2014-12-31 | 日立欧姆龙金融系统有限公司 | 交易处理系统、交易处理方法 |
| CN107301120A (zh) * | 2017-07-12 | 2017-10-27 | 北京京东尚科信息技术有限公司 | 用于处理非结构化日志的方法及装置 |
| CN107479994A (zh) * | 2016-06-07 | 2017-12-15 | 阿里巴巴集团控股有限公司 | 一种基于分布式软件系统的日志文件处理方法、装置 |
| CN110471826A (zh) * | 2019-08-09 | 2019-11-19 | 广东小天才科技有限公司 | 一种基于高通平台录制adsp日志的方法及装置 |
| CN111459776A (zh) * | 2020-03-08 | 2020-07-28 | 苏州浪潮智能科技有限公司 | 一种基于动态时间规整的服务器日志异常判断方法与系统 |
| CN113064873A (zh) * | 2021-04-15 | 2021-07-02 | 上海浦东发展银行股份有限公司 | 一种高召回率的日志异常检测方法 |
| CN113535454A (zh) * | 2021-07-15 | 2021-10-22 | 上海上讯信息技术股份有限公司 | 一种日志数据异常检测的方法及设备 |
| CN113553309A (zh) * | 2021-07-28 | 2021-10-26 | 恒安嘉新（北京）科技股份公司 | 一种日志模板的确定方法、装置、电子设备及存储介质 |
| CN113626400A (zh) * | 2021-07-11 | 2021-11-09 | 南京理工大学 | 基于日志树和解析树的日志事件提取方法及系统 |
| CN114742188A (zh) * | 2022-06-10 | 2022-07-12 | 潍坊明晟信息科技有限公司 | 一种自动识别社保卡的数据识别系统及其实现方法 |
-
2022
- 2022-12-28 CN CN202211699582.8A patent/CN115871745B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104252602A (zh) * | 2013-06-27 | 2014-12-31 | 日立欧姆龙金融系统有限公司 | 交易处理系统、交易处理方法 |
| CN103514398A (zh) * | 2013-10-18 | 2014-01-15 | 中国科学院信息工程研究所 | 一种实时在线日志检测方法及系统 |
| CN107479994A (zh) * | 2016-06-07 | 2017-12-15 | 阿里巴巴集团控股有限公司 | 一种基于分布式软件系统的日志文件处理方法、装置 |
| CN107301120A (zh) * | 2017-07-12 | 2017-10-27 | 北京京东尚科信息技术有限公司 | 用于处理非结构化日志的方法及装置 |
| CN110471826A (zh) * | 2019-08-09 | 2019-11-19 | 广东小天才科技有限公司 | 一种基于高通平台录制adsp日志的方法及装置 |
| CN111459776A (zh) * | 2020-03-08 | 2020-07-28 | 苏州浪潮智能科技有限公司 | 一种基于动态时间规整的服务器日志异常判断方法与系统 |
| CN113064873A (zh) * | 2021-04-15 | 2021-07-02 | 上海浦东发展银行股份有限公司 | 一种高召回率的日志异常检测方法 |
| CN113626400A (zh) * | 2021-07-11 | 2021-11-09 | 南京理工大学 | 基于日志树和解析树的日志事件提取方法及系统 |
| CN113535454A (zh) * | 2021-07-15 | 2021-10-22 | 上海上讯信息技术股份有限公司 | 一种日志数据异常检测的方法及设备 |
| CN113553309A (zh) * | 2021-07-28 | 2021-10-26 | 恒安嘉新（北京）科技股份公司 | 一种日志模板的确定方法、装置、电子设备及存储介质 |
| CN114742188A (zh) * | 2022-06-10 | 2022-07-12 | 潍坊明晟信息科技有限公司 | 一种自动识别社保卡的数据识别系统及其实现方法 |
Non-Patent Citations (2)
| Title |
|---|
| 赵建波 ; .轨道交通信号系统通用安全中间件的研究.铁路通信信号工程技术.2017,(第03期),第61-65页. * |
| 陈义 ; 李言俊 ; 孙小炜 ; .利用OCR识别技术实现视频中文字的提取.计算机工程与应用.2010,(第10期),第184-187页第2.2.1节. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115871745A (zh) | 2023-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110650052B (zh) | 一种基于智能算法的客户原因故障识别处理方法及系统 | |
| CN114757590A (zh) | 基于大数据分析的企业运营风险预警及管控系统 | |
| CN115871745B (zh) | 一种应用于轨道交通的智能维护方法与装置 | |
| CN111934906B (zh) | 等级保护的人工智能测评方法、客户端及系统 | |
| CN113658366A (zh) | 一种火电厂有限空间作业的安全管控系统 | |
| CN108763966B (zh) | 一种尾气检测作弊监管系统及方法 | |
| CN111708687B (zh) | 一种设备异常指标确定方法、装置、设备和存储介质 | |
| CN114666117A (zh) | 一种面向电力互联网的网络安全态势度量和预测方法 | |
| CN112816933B (zh) | 一种电能表终端的维护诊断方法和系统 | |
| CN115246609A (zh) | 一种电梯安全防控云平台及运行状态评估和处理方法 | |
| CN112988843A (zh) | 一种基于SQL Server数据库的SMT贴片机故障管理及诊断系统 | |
| CN115169650B (zh) | 一种大数据分析的装备健康预测方法 | |
| CN116911596A (zh) | 基于作业稳定性模型的作业人员风险预警方法及系统 | |
| CN117220917A (zh) | 一种基于云计算的网络实时监控方法 | |
| CN106685926A (zh) | 信息系统安全等级测评方法和系统 | |
| CN111651760A (zh) | 一种设备安全状态综合分析的方法及计算机可读存储介质 | |
| CN112434979B (zh) | 道岔系统健康评估方法 | |
| CN114896096A (zh) | 基于图像识别算法的数据中心设备故障预测系统及方法 | |
| CN115509854A (zh) | 一种巡检处理方法、巡检服务器及系统 | |
| CN113869758A (zh) | 智慧两票管理及作业现场风险预警系统 | |
| CN106125643A (zh) | 一种基于机器学习技术的工控安防方法 | |
| CN117728582B (zh) | 一种具有自适应判断能力的5g电力监控系统 | |
| CN113420917B (zh) | 对业务系统未来故障预测的方法、计算机设备及存储介质 | |
| CN115984756B (zh) | 一种基于数据分析的农业电网线路巡查管理方法 | |
| CN117087726A (zh) | 一种磁浮巴士的故障预测及诊断系统和方法 |
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 |