CN115879036A - 一种列车缓解阀拉杆故障分析处理的方法 - Google Patents
一种列车缓解阀拉杆故障分析处理的方法 Download PDFInfo
- Publication number
- CN115879036A CN115879036A CN202310116948.2A CN202310116948A CN115879036A CN 115879036 A CN115879036 A CN 115879036A CN 202310116948 A CN202310116948 A CN 202310116948A CN 115879036 A CN115879036 A CN 115879036A
- Authority
- CN
- China
- Prior art keywords
- fault
- pull rod
- valve pull
- target single
- single vehicle
- 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
Images
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
- Valves And Accessory Devices For Braking Systems (AREA)
- Indication Of The Valve Opening Or Closing Status (AREA)
Abstract
本发明提供一种列车缓解阀拉杆故障分析处理的方法，解决了TFDS故障智能识别结果数据中对目标单辆车的缓解阀拉杆部件的缓解阀拉杆脱落或者缓解阀拉杆丢失或缓解阀拉杆折断故障的误报，影响列车制动预报不准确和检车人员正常作业，从而造成错检情况发生的问题。本发明逻辑处理模块对TFDS故障智能识别结果数据进行二次逻辑判断处理，准确的识别出目标单辆车缓解阀拉杆脱落或缓解阀拉杆丢失或缓解阀拉杆折断的故障，并将误报的故障进行合并处理，经过二次逻辑判断处理的数据，保证了铁路货车故障识别结果的唯一性和准确性，使得检车人员精准核验，提高检车工作效率，确保行车安全得到保障。本发明用于轨道交通故障分析领域。
Description
技术领域
本发明涉及铁路货车缓解阀故障识别领域，尤其涉及一种列车缓解阀拉杆故障分析处理的方法。
背景技术
目前，基于人工智能技术的铁路货车故障轨边旁图像检测系统（TFDS英文全称Trouble of movingFreight car Detection System)可实时智能分析TFDS采集的图像，自动识别各种不同类型的铁路货车故障，提升铁路货车运用管理水平。
与传统的图像识别技术不同，TFDS故障智能识别算法更具先进性，通过深度学习技术对大量故障数据样本进行故障识别训练，自动总结部件故障特征，自动寻找故障规律，并在实际试用中持续改善分析效果，实现从整体到局部、再到故障细节特征的逐步精细识别。
当机车和车厢相连组成列车运行时，制动、缓解等操作都由司机通过驾驶台上的手柄来完成；而当机车和车厢脱离时，总风管处于常压状态，车厢就会自己制动以防止溜滑，如果这时需要移动车厢，就必须使用“缓解阀”使车厢的制动闸瓦缓解。另外如果列车运行时司机发现因风管故障而不能正常缓解时，也可以使用缓解阀帮助缓解。缓解阀拉杆在列车行驶中，容易受到震动而脱落甚至丢失，TFDS故障智能识别算法可以识别出缓解阀拉杆脱落、缓解阀拉杆丢失、缓解阀拉杆折断等故障，但是在识别过程中经常会重复识别误报这些故障，影响检车员正常作业，从而造成错检的情况发生。
发明内容
本发明提供了一种列车缓解阀拉杆故障分析处理的方法，解决了TFDS故障智能识别结果数据中对目标单辆车的缓解阀拉杆部件的缓解阀拉杆脱落或者缓解阀拉杆丢失或缓解阀拉杆折断故障的误报，影响列车制动预报不准确和检车人员正常作业，从而造成错检情况发生的问题，本发明逻辑处理模块对TFDS故障智能识别结果数据进行二次逻辑判断处理，保证了铁路货车故障识别结果的唯一性和准确性。本发明技术方案描述中，为了方便描述将货车中某一节车厢称为单辆车。
本发明实施例提供了一种列车缓解阀拉杆故障分析处理的方法，该方法包括如下步骤：
S1、文件存储模块按部件获取目标单辆车TFDS故障智能识别结果，所述识别结果为目标单辆车的缓解阀拉杆部件的初步识别故障结果数据；
S2、逻辑处理模块从文件存储模块中获取到目标单辆车图像初步识别故障结果数据后，逻辑处理模块判断是否获取到目标单辆车的全部部件，当目标单辆车的部件全部获取到时,逻辑处理模块判断目标单辆车的缓解阀拉杆故障是否存在误报；当逻辑处理模块判断存在故障属于误报时；删除该目标单辆车的缓解阀拉杆故障；
S3、当所述逻辑处理模块判断故障不存在误报时，对目标单辆车的左侧判断是否存在缓解阀拉杆故障，所述判断结果为是，则将目标单辆车的左侧缓解阀拉杆故障数据合并成1条故障；所述判断结果为否，对目标单辆车的右侧判断是否存在缓解阀拉杆故障，若判断所述目标单辆车的右侧为缓解阀拉杆故障时，则将目标单辆车的右侧缓解阀拉杆故障数据合并成1条故障。
优选地，逻辑处理模块判断是否获取到目标单辆车的全部部件，是根据初步识别故障结果数据中的车辆序号和部件数确定所述目标单辆车m个部件数初始值为0，每次实际获取到所述目标单辆车的部件数n个，当n等于m时，获取到目标单辆车的全部部件,则逻辑处理模块进行下一步判断逻辑处理。
优选地，逻辑处理模块进行下一步判断逻辑处理是指进一步判断目标单辆车是否存在缓解阀拉杆故障误报；如果目标单辆车的缓解阀拉杆故障数据中包含部件为中间部或者中间部侧部的故障数据，则为属实故障；
如果目标单辆车的缓解阀拉杆故障数据中包含部件为非中间部或者非中间部侧部的故障数据，侧为误报故障；逻辑处理模块删除该目标单辆车的缓解阀拉杆故障数据中包含部件为非中间部或者非中间部侧部的故障数据，并进一步判断所述目标单辆车的左侧是否存在缓解阀拉杆故障；缓解阀拉杆故障为缓解阀拉杆丢失或缓解阀拉杆折断或缓解阀拉杆脱落。
优选地，进一步判断逻辑处理是指判断目标单辆车的左侧是否存在缓解阀拉杆故障，是根据目标单辆车的缓解阀拉杆故障信息中的图侧获取所述目标单辆车的左侧缓解阀拉杆故障数据；
如果目标单辆车的左侧存在缓解阀拉杆故障数据，则将目标单辆车的左侧缓解阀拉杆故障数据合并成1条故障，目标单辆车的左侧缓解阀拉杆故障数据中置信度Pmax的作为主图，其余的作为副图。
优选地，根据目标单辆车的缓解阀拉杆故障信息中的图侧获取所述目标单辆车的左侧缓解阀拉杆故障数据；如果判断该目标单辆车的右侧缓解阀拉杆故障为误报，逻辑处理模块进一步判断所述目标单辆车的右侧是否存在缓解阀拉杆故障。
优选地，逻辑处理模块进一步判断目标单辆车的右侧是否存在缓解阀拉杆故障，是根据目标单辆车的缓解阀拉杆故障信息中的图侧获取该目标单辆车的右侧缓解阀拉杆故障数据；
如果目标单辆车的右侧存在缓解阀拉杆故障数据，则将目标单辆车的右侧缓解阀拉杆故障数据合并成1条故障，目标单辆车的右侧缓解阀拉杆故障数据中置信度Pmax的作为主图，其余的作为副图。
其中，目标单辆车的中间部或中间部侧部的图像位置定义为图侧，目标单辆车的中间部或中间部侧部的图侧包括图侧left、图侧middle、图侧right。
其中，初步识别故障结果数据包括故障信息、故障数量、图像路径、部件数、车辆序号、车辆类型、过车时间、文件标识、部件编号、图像部件、图侧、图像序号、尾车标识、置信度数值；
其中，故障信息包括故障名称、故障编码、故障唯一标识、坐标、主副图标识信息。
本发明实施例提供一种列车缓解阀拉杆故障分析处理的方法，解决了TFDS故障智能识别结果数据中对目标单辆车的缓解阀拉杆部件的缓解阀拉杆脱落或者缓解阀拉杆丢失或缓解阀拉杆折断故障的误报，影响列车制动预报不准确和检车人员正常作业，从而造成错检情况发生的问题。本发明逻辑处理模块对TFDS故障智能识别结果数据进行二次逻辑判断处理，准确的识别出目标单辆车缓解阀拉杆脱落或缓解阀拉杆丢失或缓解阀拉杆折断的故障，并将误报的故障进行合并处理，经过二次逻辑判断处理的数据，保证了铁路货车故障识别结果的唯一性和准确性，使得检车人员精准核验，提高检车工作效率，确保行车安全得到保障。
附图说明
图1为一种列车缓解阀拉杆故障分析处理的方法的流程示意图；
图2为一种列车缓解阀拉杆故障分析处理的方法的逻辑处理流程示意图；
图3为一种列车缓解阀拉杆故障分析处理的方法的模块处理示意图。
具体实施方式
实施例一
本发明实施例提供了一种列车缓解阀拉杆故障分析处理的方法，如图1所示该方法包括如下步骤：
S1、文件存储模块按部件获取目标单辆车TFDS故障智能识别结果，所述识别结果为目标单辆车的缓解阀拉杆部件的初步识别故障结果数据；
S2、逻辑处理模块从文件存储模块中获取到目标单辆车图像初步识别故障结果数据后，逻辑处理模块判断是否获取到目标单辆车的全部部件，当目标单辆车部件全部获取到时,逻辑处理模块判断目标单辆车缓解阀拉杆故障是否存在误报；当逻辑处理模块判断存在故障属于误报时；删除目标单辆车缓解拉杆故障；
S3、当所述逻辑处理模块判断故障不存在误报时，对目标单辆车的左侧判断是否存在缓解阀拉杆故障，所述判断结果为是，则将目标单辆车的左侧缓解阀拉杆故障数据合并成1条故障；所述判断结果为否，对目标单辆车的右侧判断是否存在缓解阀拉杆故障，若判断所述目标单辆车的右侧为缓解阀拉杆故障时，则将目标单辆车的右侧缓解阀拉杆故障数据合并成1条故障。
在一个实施例中，逻辑处理模块判断是否获取到目标单辆车的全部部件，是根据初步识别故障结果数据中的车辆序号和部件数确定所述目标单辆车m个部件数初始值为0，每次实际获取到所述目标单辆车的部件数n个，当n等于m时，获取到目标单辆车的全部部件,则逻辑处理模块进行下一步判断逻辑处理。
在一个实施例中，逻辑处理模块进行下一步判断逻辑处理是指进一步判断目标单辆车是否存在缓解阀拉杆故障误报；如果目标单辆车的缓解阀拉杆故障数据中包含部件为中间部或者中间部侧部的故障数据，则为属实故障；
如果目标单辆车的缓解阀拉杆故障数据中包含部件为非中间部或者非中间部侧部的故障数据，侧为误报故障；逻辑处理模块删除该目标单辆车的缓解阀拉杆故障数据中包含部件为非中间部或者非中间部侧部的故障数据，并进一步判断所述目标单辆车的左侧是否存在缓解阀拉杆故障；缓解阀拉杆故障为缓解阀拉杆丢失或缓解阀拉杆折断或缓解阀拉杆脱落。
在一个实施例中，逻辑处理模块进一步判断目标单辆车的左侧是否存在缓解阀拉杆故障，是根据目标单辆车的缓解阀拉杆故障信息中的图侧获取所述目标单辆车的左侧缓解阀拉杆故障数据；
如果目标单辆车的左侧存在缓解阀拉杆故障数据，则将目标单辆车的左侧缓解阀拉杆故障数据合并成1条故障，目标单辆车的左侧缓解阀拉杆故障数据中置信度Pmax的作为主图，其余的作为副图。
在一个实施例中，根据目标单辆车的缓解阀拉杆故障信息中的图侧获取所述目标单辆车的左侧缓解阀拉杆故障数据；如果判断该目标单辆车的右侧缓解阀拉杆故障为误报，逻辑处理模块进一步判断所述目标单辆车的右侧是否存在缓解阀拉杆故障。
在一个实施例中，逻辑处理模块进一步判断目标单辆车的右侧是否存在缓解阀拉杆故障，是根据目标单辆车的缓解阀拉杆故障信息中的图侧获取该目标单辆车的右侧缓解阀拉杆故障数据；
如果目标单辆车的右侧存在缓解阀拉杆故障数据，则将目标单辆车的右侧缓解阀拉杆故障数据合并成1条故障，目标单辆车的右侧缓解阀拉杆故障数据中置信度Pmax的作为主图，其余的作为副图。
其中，目标单辆车的中间部或中间部侧部的图像位置定义为图侧，目标单辆车的中间部或中间部侧部的图侧包括图侧left、图侧middle、图侧right。
其中，初步识别故障结果数据包括故障信息、故障数量、图像路径、部件数、车辆序号、车辆类型、过车时间、文件标识、部件编号、图像部件、图侧、图像序号、尾车标识、置信度数值；
其中，故障信息包括故障名称、故障编码、故障唯一标识、坐标、主副图标识信息。
本发明实施例提供一种列车缓解阀拉杆故障分析处理的方法，解决了TFDS故障智能识别结果数据中对目标单辆车的缓解阀拉杆部件的缓解阀拉杆脱落或者缓解阀拉杆丢失或缓解阀拉杆折断故障的误报，影响列车制动预报不准确和检车人员正常作业，从而造成错检情况发生的问题。本发明逻辑处理模块对TFDS故障智能识别结果数据进行二次逻辑判断处理，准确的识别出目标单辆车缓解阀拉杆脱落或缓解阀拉杆丢失或缓解阀拉杆折断的故障，并将误报的故障进行合并处理，经过二次逻辑判断处理的数据，保证了铁路货车故障识别结果的唯一性和准确性，使得检车人员精准核验，提高检车工作效率，确保行车安全得到保障。
实施例二
在一个实施例中，例如一列货车共有30辆车，每辆车有13个部件，其中第2辆车部件1有9张图像识别结果，其中8张图像识别结果正常，无故障；图像1识别出一个故障为：缓解阀拉杆丢失，图像1主要识别信息有：部件数13，车辆序号2，故障数1，识别状态1，过车时间20220929052638，图像序号1，图侧left，车辆类型L18，部件为制动梁，文件标识：1AB8313A85CF4333B6F0F87A0DF31533_02，故障信息中主要有故障名称：缓解阀拉杆丢失，置信度98，主副图标识为0，故障唯一标识为：851cd482-3f74-11ed-b272-0242ac110001。
第2辆车部件2有12张图像识别结果，其中10张图像识别结果正常，图像1识别出一个故障：缓解阀拉杆丢失。图像1主要信息有：部件数13，车辆序号2过车时间20220929052638，部件为中间部侧部，图像序号1，图侧left，车辆类型L18，文件标识：1AB8313A85CF4333B6F0F87A0DF31533_30，故障数1，识别状态1，故障信息中主要有故障名称：缓解阀拉杆丢失，置信度99，图像2识别出一个故障：缓解阀拉杆丢失，故障唯一标识为：851cd482-3f74-11ed-b272-0242ac110002，主副图标识为0。图像2主要信息有：部件数13，车辆序号2，部件为中间部侧部，图像序号2，图侧left,车辆类型L18,文件标识：1AB8313A85CF4333B6F0F87A0DF31533_30，过车时间20220929052638，故障数1，识别状态1,故障信息中主要有故障名称：缓解阀拉杆丢失，置信度98，故障唯一标识为851cd482-3f74-11ed-b272-0242ac110003，主副图标识为0。
第2辆车部件3有18张图像识别结果，其中16张图像识别结果无故障，图像1识别出一个故障：缓解阀拉杆丢失。图像1主要信息有：部件数13，车辆序号2过车时间20220929052638，部件为中间部，图像序号1，图侧left，车辆类型L18，文件标识：DC5C9837420435B2B3E464225092AE11_08，故障数1，识别状态1，故障信息中主要有故障名称：缓解阀拉杆丢失，置信度67，故障唯一标识为851cd482-3f74-11ed-b272-0242ac110004，主副图标识为0。图像2主要信息有：部件数13，车辆序号2过车时间20220929052638，部件为中间部，图像序号2，图侧left,车辆类型L18，文件标识：DC5C9837420435B2B3E464225092AE11_08，故障数1，识别状态1，故障信息中主要有故障名称：缓解阀拉杆丢失，置信度67，故障唯一标识为851cd482-3f74-11ed-b272-0242ac110005，主副图标识为0。
一、文件存储模块
TFDS故障智能识别模块将列车图像初步识别故障结果通过http协议以JSON格式发送到软件应用。如图3所示，文件存储模块按部件接收目标单辆车TFDS智能识别结果，该识别结果为初步识别故障结果数据，如图2所示；文件存储模块接收目标车辆的初步识别数据后，初步识别故障结果数据中有需要逻辑处理的故障时，将初步识别故障结果存储到本地磁盘及数据库中；如果初步识别故障结果中没有需要逻辑处理的故障，则将初步识别故障结果数据转发给检车作业平台即可；
初步识别故障结果数据中主要有故障信息（故障名称、故障编码、故障唯一标识、坐标、主副图标识）、故障数量、识别状态、图像路径、部件数、车辆序号、车辆类型、过车时间、文件标识、部件编号、图像部件、图像序号、尾车标识、置信度数值信息等信息。
在一个实施例中，初步识别故障结果数据中第2辆车的部件1图像1、部件2图像1、部件2图像2、部件3图像1、部件3图像2存在待处理故障，将这些图像的故障信息（故障名称、故障编码、故障唯一标识、坐标、主副图标识等信息）、故障数量、图像路径、部件数、车辆序号、车辆类型、过车时间、文件标识、部件编号、图像部件、图侧、图像序号、尾车标识等数据存入数据库，列车其他部件的识别结果发送到检车作业平台。
二、逻辑处理模块
文件存储模块处理完后, 逻辑处理模块获取到初步识别故障结果数据开始进行故障逻辑处理，这里说的故障数据为缓解阀拉杆故障，缓解阀拉杆故障包括缓解阀拉杆丢失或缓解阀拉杆折断或缓解阀拉杆脱落，逻辑处理流程如图2所示。
1.判断目标单辆车的全部部件是否收到
先计算目标单辆车部件数，计算过程:根据识别结果中的车辆序号和部件数可以确定目标单辆车对应的部件数；再统计实际收到的目标单辆车部件数，计算过程：实际收到的部件数记为n（初始值0）,每次接收到目标单辆车的识别结果则部件数加1,当计算的车辆部件数等于实际收到的目标单辆车部件数时，表示该辆车所有初步识别故障结果数据都获取到。根据本例，初步识别故障结果数据中的车辆序号为2，部件数13，实际获取到的部件数初始值为0，每次接收到第2辆车的识别结果，初始值加1，实际收到的部件数等于13时，表示第2辆车所有识别结果数据都收到。
2.判断目标单辆车是否存在缓解阀拉杆故障误报
在一个实施例中，根据本例，第2辆车部件1图像1缓解阀拉杆丢失故障的部件1为制动梁，因缓解阀拉杆部件是属于中间部或者中间部侧部的一个部件，缓解阀拉杆故障对应的部件为中间部或者中间部侧部时属于属实故障，所以此故障属于误报，删除第2辆车部件1识别结果中图像1故障信息中的缓解阀拉杆丢失；如果这里判断为结果不是误报，则进一步判断目标单辆车的左侧缓解阀拉杆故障。
3．判断目标单辆车的左侧是否存在缓解阀拉杆故障
根据本例，第2辆车部件2图像1、部件2图像2、部件3图像1、部件3图像2缓解阀拉杆丢失图侧为左侧，第2辆车左侧存在缓解阀拉杆故障数据，则故障属实。
4．目标单辆车的左侧缓解阀拉杆故障合并1条故障
根据本例，将第2辆车部件2图像1、部件2图像2、部件3图像1、部件3图像2为缓解阀拉杆丢失故障需要合并1条故障；
上述四个缓解阀拉杆丢失故障数据中，置信度最高的为第2辆车部件2图像1对应的故障，其文件标识为1AB8313A85CF4333B6F0F87A0DF31533_30，主副图标识为851cd482-3f74-11ed-b272-0242ac110002。根据第2辆车部件2图像1对应的文件标识1AB8313A85CF4333B6F0F87A0DF31533_30从磁盘中获取对应的文件，将文件中第2辆车部件2图像1缓解阀拉杆丢失的故障对应的主副图标识修改为1。根据第2辆车部件2图像2对应的文件标识为1AB8313A85CF4333B6F0F87A0DF31533_30从磁盘中获取对应的文件，将该文件中第2辆车部件2图像2缓解阀拉杆丢失的故障对应的主副图标识修改为851cd482-3f74-11ed-b272-0242ac110002。根据第2辆车部件3图像1对应的文件标识DC5C9837420435B2B3E464225092AE11_08从磁盘中获取对应的文件，将文件中第2辆车部件3图像1缓解阀拉杆丢失的故障对应的主副图标识修改为851cd482-3f74-11ed-b272-0242ac110002。根据第2辆车部件3图像2对应的文件标识DC5C9837420435B2B3E464225092AE11_08从磁盘中获取对应的文件，将文件中第2辆车部件3图像2缓解阀拉杆丢失的故障对应的主副图标识修改为851cd482-3f74-11ed-b272-0242ac110002。
5．判断目标单辆车的右侧是否存在缓解阀拉杆故障
如果在目标单辆车的左侧判断不存在缓解阀拉杆故障，则需进一步判断目标单辆车的右侧是否存在缓解阀拉杆故障，如果判断目标单辆车的右侧判断存在缓解阀拉杆故障，则目标单辆车的右侧缓解阀拉杆故障合并1条故障。
本实施例给出的数据不存在目标单辆车的右侧缓解阀拉杆故障，目标单辆车的左侧判断结束后，此时逻辑处理模块分析处理就结束了；判断目标单辆车的右侧是否存在缓解阀拉杆故障的方法与目标单辆车的左侧逻辑判断一样，这里就不再复述了。
本发明实施例提供一种列车缓解阀拉杆故障分析处理的方法，解决了TFDS故障智能识别结果数据中对目标单辆车的缓解阀拉杆部件的缓解阀拉杆脱落或者缓解阀拉杆丢失或缓解阀拉杆折断故障的误报，影响列车制动预报不准确和检车人员正常作业，从而造成错检情况发生的问题。本发明逻辑处理模块对TFDS故障智能识别结果数据进行二次逻辑判断处理，准确的识别出目标单辆车缓解阀拉杆脱落或缓解阀拉杆丢失或缓解阀拉杆折断的故障，并将误报的故障进行合并处理，经过二次逻辑判断处理的数据，大大提高了列车单辆车的缓解阀拉杆部件的故障识别准确率，使得检车人员精准核验，提高检车工作效率，确保行车安全得到保障。
Claims (9)
1.一种列车缓解阀拉杆故障分析处理的方法，其特征在于，所述方法包括如下步骤：
S1、文件存储模块按部件获取目标单辆车TFDS故障智能识别结果，所述识别结果为目标单辆车的缓解阀拉杆部件的初步识别故障结果数据；
S2、逻辑处理模块从文件存储模块中获取到目标单辆车的初步识别故障结果数据后，所述逻辑处理模块判断是否获取到目标单辆车的全部部件，当所述目标单辆车的部件全部获取到时,所述逻辑处理模块判断所述目标单辆车的缓解阀拉杆故障是否存在误报；当所述逻辑处理模块判断存在故障属于误报时，则删除所述目标单辆车的缓解阀拉杆故障信息；
S3、当所述逻辑处理模块判断故障不存在误报时，对目标单辆车的左侧判断是否存在缓解阀拉杆故障，所述判断结果为是，则将目标单辆车的左侧缓解阀拉杆故障数据合并成1条故障；所述判断结果为否，对目标单辆车的右侧判断是否存在缓解阀拉杆故障，若判断所述目标单辆车的右侧为缓解阀拉杆故障时，则将目标单辆车的右侧缓解阀拉杆故障数据合并成1条故障。
2.根据权利要求1所述的一种列车缓解阀拉杆故障分析处理的方法，其特征在于，所述逻辑处理模块判断是否获取到目标单辆车的全部部件，是根据所述初步识别故障结果数据中的车辆序号和部件数确定所述目标单辆车m个部件数，初始值为0，每次实际获取到目标单辆车的部件数n个，当n等于m时，获取到目标单辆车的全部部件,则逻辑处理模块进行下一步判断逻辑处理。
3.根据权利要求2所述的一种列车缓解阀拉杆故障分析处理的方法，其特征在于，所述逻辑处理模块进行下一步判断逻辑处理是指进一步判断目标单辆车是否存在缓解阀拉杆故障误报；如果目标单辆车的缓解阀拉杆故障数据中包含部件为中间部或者中间部侧部的故障数据，则为属实故障；
如果目标单辆车的缓解阀拉杆故障数据中包含部件为非中间部或者非中间部侧部的故障数据，侧为误报故障；所述逻辑处理模块删除所述目标单辆车的缓解阀拉杆故障数据中包含部件为非中间部或者非中间部侧部的故障数据，并进一步判断所述目标单辆车的左侧是否存在缓解阀拉杆故障；所述缓解阀拉杆故障为缓解阀拉杆丢失或缓解阀拉杆折断或缓解阀拉杆脱落。
4.根据权利要求3所述的一种列车缓解阀拉杆故障分析处理的方法，其特征在于，进一步判断所述目标单辆车的左侧是否存在缓解阀拉杆故障，是根据目标单辆车的缓解阀拉杆故障信息中的图侧获取所述目标单辆车的左侧缓解阀拉杆故障数据；
如果所述目标单辆车的左侧存在缓解阀拉杆故障数据，则将目标单辆车的左侧缓解阀拉杆故障数据合并成1条故障，所述目标单辆车的左侧缓解阀拉杆故障数据中置信度Pmax的作为主图，其余的作为副图。
5.根据权利要求4所述的一种列车缓解阀拉杆故障分析处理的方法，其特征在于，所述根据目标单辆车的缓解阀拉杆故障信息中的图侧获取所述目标单辆车的左侧缓解阀拉杆故障数据，如果判断目标单辆车的右侧缓解阀拉杆故障为误报，逻辑处理模块进一步判断目标单辆车的右侧是否存在缓解阀拉杆故障。
6.根据权利要求5所述的一种列车缓解阀拉杆故障分析处理的方法，其特征在于，所述逻辑处理模块进一步判断目标单辆车的右侧是否存在缓解阀拉杆故障，是根据目标单辆车的缓解阀拉杆故障信息中的图侧获取所述目标单辆车的右侧缓解阀拉杆故障数据；
如果所述目标单辆车的右侧存在缓解阀拉杆故障数据，则将目标单辆车的右侧缓解阀拉杆故障数据合并成1条故障，所述目标单辆车的右侧缓解阀拉杆故障数据中置信度Pmax的作为主图，其余作为副图。
7.根据权利要求6所述的一种列车缓解阀拉杆故障分析处理的方法，其特征在于，所述目标单辆车的中间部或中间部侧部的图像位置定义为图侧，所述目标单辆车的中间部或中间部侧部的图侧包括图侧left、图侧middle、图侧right。
8.根据权利要求1所述的一种列车缓解阀拉杆故障分析处理的方法，其特征在于，所述初步识别故障结果数据包括故障信息、故障数量、图像路径、部件数、车辆序号、车辆类型、过车时间、文件标识、部件编号、图像部件、图侧、图像序号、尾车标识、置信度数值。
9.根据权利要求8所述的一种列车缓解阀拉杆故障分析处理的方法，其特征在于，所述故障信息包括故障名称、故障编码、故障唯一标识、坐标、主副图标识信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310116948.2A CN115879036B (zh) | 2023-02-15 | 2023-02-15 | 一种列车缓解阀拉杆故障分析处理的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310116948.2A CN115879036B (zh) | 2023-02-15 | 2023-02-15 | 一种列车缓解阀拉杆故障分析处理的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115879036A true CN115879036A (zh) | 2023-03-31 |
| CN115879036B CN115879036B (zh) | 2023-05-16 |
Family
ID=85761155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310116948.2A Active CN115879036B (zh) | 2023-02-15 | 2023-02-15 | 一种列车缓解阀拉杆故障分析处理的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115879036B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1613700A (zh) * | 2004-10-05 | 2005-05-11 | 梁裕新 | 用于机动车防备急刹车故障的中间制动法及其装置 |
| CN102346844A (zh) * | 2011-06-21 | 2012-02-08 | 北京康拓红外技术股份有限公司 | 一种货车下心盘螺栓丢失故障识别装置及其识别方法 |
| CN103295027A (zh) * | 2013-05-17 | 2013-09-11 | 北京康拓红外技术股份有限公司 | 一种基于支持向量机的铁路货车挡键丢失故障识别方法 |
| CN106778740A (zh) * | 2016-12-06 | 2017-05-31 | 北京航空航天大学 | 一种基于深度学习的tfds非故障图像检测方法 |
| US20190114914A1 (en) * | 2017-10-17 | 2019-04-18 | Traffic Control Technology Co., Ltd | Vehicle on-board controller centered train control system |
| EP3495756A1 (en) * | 2017-12-07 | 2019-06-12 | Carrier Corporation | Refrigeration system, failure diagnostic system thereof, failure diagnostic method, controller and storage medium |
| CN112669301A (zh) * | 2020-12-31 | 2021-04-16 | 哈尔滨市科佳通用机电股份有限公司 | 一种高铁底板脱漆故障检测方法 |
| CN112733747A (zh) * | 2021-01-14 | 2021-04-30 | 哈尔滨市科佳通用机电股份有限公司 | 一种缓解阀拉杆脱落故障的识别方法、系统及装置 |
| CN113516629A (zh) * | 2021-05-14 | 2021-10-19 | 中国铁路沈阳局集团有限公司苏家屯车辆段 | Tfds通过作业智能检测系统 |
| CN115240172A (zh) * | 2022-07-12 | 2022-10-25 | 哈尔滨市科佳通用机电股份有限公司 | 基于深度学习的缓解阀丢失检测方法 |
-
2023
- 2023-02-15 CN CN202310116948.2A patent/CN115879036B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1613700A (zh) * | 2004-10-05 | 2005-05-11 | 梁裕新 | 用于机动车防备急刹车故障的中间制动法及其装置 |
| CN102346844A (zh) * | 2011-06-21 | 2012-02-08 | 北京康拓红外技术股份有限公司 | 一种货车下心盘螺栓丢失故障识别装置及其识别方法 |
| CN103295027A (zh) * | 2013-05-17 | 2013-09-11 | 北京康拓红外技术股份有限公司 | 一种基于支持向量机的铁路货车挡键丢失故障识别方法 |
| CN106778740A (zh) * | 2016-12-06 | 2017-05-31 | 北京航空航天大学 | 一种基于深度学习的tfds非故障图像检测方法 |
| US20190114914A1 (en) * | 2017-10-17 | 2019-04-18 | Traffic Control Technology Co., Ltd | Vehicle on-board controller centered train control system |
| EP3495756A1 (en) * | 2017-12-07 | 2019-06-12 | Carrier Corporation | Refrigeration system, failure diagnostic system thereof, failure diagnostic method, controller and storage medium |
| CN112669301A (zh) * | 2020-12-31 | 2021-04-16 | 哈尔滨市科佳通用机电股份有限公司 | 一种高铁底板脱漆故障检测方法 |
| CN112733747A (zh) * | 2021-01-14 | 2021-04-30 | 哈尔滨市科佳通用机电股份有限公司 | 一种缓解阀拉杆脱落故障的识别方法、系统及装置 |
| CN113516629A (zh) * | 2021-05-14 | 2021-10-19 | 中国铁路沈阳局集团有限公司苏家屯车辆段 | Tfds通过作业智能检测系统 |
| CN115240172A (zh) * | 2022-07-12 | 2022-10-25 | 哈尔滨市科佳通用机电股份有限公司 | 基于深度学习的缓解阀丢失检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| CEN CHEN: "A Hybrid Deep Learning Based Framework for Component Defect Detection of Moving Trains", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
| 孙国栋 等: "基于形状上下文的列车挡键丢失图像识别算法", 《铁道科学与工程学报》 * |
| 曾广胜等: "提升TFDS发现故障功能的思考", 《铁道运营技术》 * |
| 王斌: "基于机器视觉的货车转向架典型故障检测方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115879036B (zh) | 2023-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111080603B (zh) | 一种铁路货车轴端螺栓折断故障检测方法 | |
| CN111080598A (zh) | 一种钩尾销安全吊的螺栓、螺母缺失检测方法 | |
| CN111862029A (zh) | 一种铁路动车组垂向减震器螺栓部件故障检测方法 | |
| CN111079819A (zh) | 基于图像识别与深度学习的铁路货车钩舌销的状态判断方法 | |
| CN113516629A (zh) | Tfds通过作业智能检测系统 | |
| CN112906534A (zh) | 一种基于改进后Faster R-CNN网络的锁扣丢失故障检测方法 | |
| CN210258395U (zh) | 自动驾驶车辆的异常管理系统 | |
| CN114862812B (zh) | 基于先验知识的两阶段轨道交通车辆缺陷检测方法和系统 | |
| CN111144485A (zh) | 基于xgboost分类算法的车辆事故判断方法和系统 | |
| CN116401386A (zh) | 一种铁路货车制动机故障分析处理的方法 | |
| CN110673588A (zh) | 一种ctcs-3列控系统无线超时降级故障诊断方法 | |
| CN115479949A (zh) | 一种基于大数据的桥梁安全监测预警方法及系统 | |
| CN111652212A (zh) | 基于深度学习的交叉杆端部紧固螺栓丢失故障检测方法 | |
| CN115879036B (zh) | 一种列车缓解阀拉杆故障分析处理的方法 | |
| CN111091557A (zh) | 一种铁路货车承载鞍挡边折断故障检测方法及系统 | |
| CN102627105B (zh) | 一种列车车辆制动压力状态的检测方法及装置 | |
| CN115973125B (zh) | 一种处理铁路货车脱轨自动制动装置故障的方法 | |
| CN112492025A (zh) | 一种用于自动驾驶的边缘节点故障分析方法 | |
| CN107622667B (zh) | 一种变造车牌号码检测方法及系统 | |
| CN114842315B (zh) | 轻量化高铁轮毂垫片防松识别方法及装置 | |
| CN112651343B (zh) | 一种基于图像处理的铁路货车制动梁折断故障识别方法 | |
| CN114265955A (zh) | 一种基于诊断故障代码演变图谱的故障预测方法及装置 | |
| CN115901299B (zh) | 一种列车车钩钩缓部件故障分析处理的方法 | |
| CN114743166A (zh) | 一种铁路货车的制动机检测方法 | |
| CN115352497B (zh) | 分路不良检测方法、装置、设备和介质 |
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 |