CN115941526A - 一种列车网络健康评估方法及系统 - Google Patents
一种列车网络健康评估方法及系统 Download PDFInfo
- Publication number
- CN115941526A CN115941526A CN202211197933.5A CN202211197933A CN115941526A CN 115941526 A CN115941526 A CN 115941526A CN 202211197933 A CN202211197933 A CN 202211197933A CN 115941526 A CN115941526 A CN 115941526A
- Authority
- CN
- China
- Prior art keywords
- network
- network health
- data
- physical layer
- calculating
- 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
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种列车网络健康评估方法及系统,包括:列车网络健康评估方法包括:特征值获取步骤:采集获得物理层波形与链路层数据,对物理层波形进行解析,获得物理层波形特征值;数据处理步骤:对链路层数据与物理层波形特征值进行处理,获得特征量数据集;网络健康值计算步骤:根据特征量数据集构建SOM健康诊断模型后,通过SOM健康诊断模型对SOM网络进行检测,根据检测结果计算获得网络健康值;网络健康评估步骤:根据设备端口参数计算获得设备报文数量,根据设备报文数量计算获得报文比重后,根据网络健康值与报文比重,计算获得总体网络状态量化指标,根据总体网络状态量化指标对故障进行综合评估,获得评估结果。
Description
技术领域
本申请涉及SOM的通信质量评估技术领域,尤其涉及一种列车网络健康评估方法及系统。
背景技术
随着城市轨道交通列车运行速度的提高,列车结构越来越复杂,对列车安全、可靠及高效运行提出了更高的要求。列车通信网络作为列车的神经中枢,承载着列车正常运行所必需的控制、监测和显示等信息,在地铁列车复杂的运行环境下,MVB总线经常容易受到干扰。长时间的干扰积累导致网络性能指标的累积下降,最终在某一时刻触发网络故障,这将导致不必要的经济损失甚至安全风险,影响城市轨道交通正常运行。因此,对列车通信网络的异常诊断和健康状况评估越来越被城市轨道交通领域所重视。
在国家提出制造智能化的大背景下,从理论研究和工程实践对列车通信网络进行健康管理,实现网络状态感知、故障预警、故障定位等功能,由原来的定期检修上升为状态检修,能够大大节省运营维护成本,提高城轨车辆智能化水平,对城轨车辆安全平稳高效运行具有重大意义。
发明内容
本申请实施例提供了一种列车网络健康评估方法及系统,以至少通过本发明解决了控制器故障维护性不高、外设资源相互独立不能共用造成资源浪费、数字量采集电路发热量高导致整机功耗严重、传统控制器不支持分布式控制的应用场合、控制器的板卡面积较大并且箱体设计复杂等问题。
本发明提供了一种列车网络健康评估方法,包括:
特征值获取步骤:采集获得物理层波形与链路层数据,对所述物理层波形进行解析,获得物理层波形特征值;
数据处理步骤:对所述链路层数据与所述物理层波形特征值进行处理,获得特征量数据集;
网络健康值计算步骤:根据所述特征量数据集构建SOM健康诊断模型后,通过所述SOM健康诊断模型对SOM网络进行检测,根据检测结果计算获得网络健康值;
网络健康评估步骤:根据设备端口参数计算获得设备报文数量,根据所述设备报文数量计算获得报文比重后,根据所述网络健康值与所述报文比重,计算获得总体网络状态量化指标,根据所述总体网络状态量化指标对故障进行综合评估,获得评估结果。
列车网络健康评估方法,其中,所述数据处理步骤包括:
对所述链路层数据进行解码,将所述链路层数据转换成二进制数据后,根据MVB数据帧格式,解析出设备地址与过程数据。
列车网络健康评估方法,其中,所述网络健康值计算步骤包括:
通过所述特征量数据集训练权值矩阵,获得最优权值矩阵后,计算欧式距离;
根据所述欧氏距离计算获得ED标准差后,根据所述ED标准差计算获得网络运行状况指标量。
列车网络健康评估方法,其中,所述网络健康值计算步骤还包括:
当所述网络运行状况指标量大于0时,所述检测结果为所述SOM网络异常;
当所述网络运行状况指标量小于等于0时,所述检测结果为所述SOM网络正常;
当所述检测结果为所述SOM网络异常时,根据欧氏距离计算获得尺度参数后,根据所述网络运行状况指标量与所述尺度参数计算获得所述网络健康值。
列车网络健康评估方法,其中,所述网络健康评估步骤包括:
预设设备端口地址数量、总线周期相与设备端口刷新周期;
根据所述设备端口地址数量、所述总线周期相与所述设备端口刷新周期计算获得所述设备报文数量;
根据所述设备报文数量计算获得所述设备报文数量在总线中所占的所述报文比重。
列车网络健康评估方法,其中,所述网络健康评估步骤还包括:
根据所述总体网络状态量化指标对故障进行综合评估,划分出多个SOM网络的网络状态,并根据所述网络状态输出对应的维护建议。
本发明还提供一种列车网络健康评估系统,所述列车网络健康评估系统包括:
特征值获取单元:通过NHM采集获得物理层波形与链路层数据,对所述物理层波形进行解析,获得物理层波形特征值;
数据处理单元:通过所述NHM对所述链路层数据与所述物理层波形特征值进行处理,获得特征量数据集后,通过WTD将所述特征量数据集无线传输到地面服务器;
网络健康值计算单元:根据所述特征量数据集构建SOM健康诊断模型后,通过所述SOM健康诊断模型对SOM网络进行检测,根据检测结果计算获得网络健康值;
网络健康评估单元:根据设备端口参数计算获得设备报文数量,根据所述设备报文数量计算获得报文比重后,根据所述网络健康值与所述报文比重,计算获得总体网络状态量化指标,根据所述总体网络状态量化指标对故障进行综合评估,获得评估结果。
列车网络健康评估系统,其中,所述特征值获取单元包括:
通过所述NHM采集CCU与节点设备之间的所述物理层波形与所述链路层数据,并通过所述NHM解析提取所述物理层波形的所述特征。
列车网络健康评估系统,其中,所述数据处理单元包括:
通过所述NHM对所述特征诊断所述物理层波形是否正常,获得诊断结果。
列车网络健康评估系统,其中,所述数据处理单元还包括:
通过WTD将所述诊断结果、设备地址及过程数据无线传输到所述地面服务器。
相比于相关技术,本发明提出的一种列车网络健康评估方法及系统,通过提取MVB波形特征值训练SOM健康诊断模型,实现网络通信质量量化;将网络通信质量量化指标同总线端口刷新周期占比相结合,评估总体列车网络健康状况并给出综合健康值;根据不同网络健康值对网络状态进行分类,并给出相应的维护解决方案;本发明结合网络设备节点所发报文比率量化总线通信质量,再根据量化结果对网络状态进行分类,可以为列车的运营维护提供辅助决策。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的列车网络健康评估方法流程图;
图2是根据本申请实施例的网络健康状态评估流程图;
图3是根据本申请实施例的稳态幅值计算流程图;
图4是根据本申请实施例的斜率计算流程图;
图5是根据本申请实施例的网络故障状态分类及维护建议显示图;
图6是根据本申请实施例的不同故障情况时网络总线健康度显示图;
图7是根据本申请实施例的网络健康管理系统的总体结构框图。
其中,附图标记为:
特征值获取单元:51;
数据处理单元:52;
网络健康值计算单元:53;
网络健康评估单元:54。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本发明提供了一种列车网络健康评估方法及系统,本发明利用MVB总线的物理层特征信息和总线节点的端口刷新周期特征,给出了网络总线的通信质量评估指标,实时监测网络通信状态,为售后维护提供了理论依据。
下面结合具体实施例对本发明进行说明。
实施例一
本实施例还提供了一种列车网络健康评估方法。请参照图1至图7,图1是根据本申请实施例的列车网络健康评估方法流程图;图2是根据本申请实施例的网络健康状态评估流程图;图3是根据本申请实施例的稳态幅值计算流程图;图4是根据本申请实施例的斜率计算流程图;
图5是根据本申请实施例的网络故障状态分类及维护建议显示图;图6是根据本申请实施例的不同故障情况时网络总线健康度显示图;如图1至图6所示,列车网络健康评估方法包括:
特征值获取步骤S1:采集获得物理层波形与链路层数据,对物理层波形进行解析,获得物理层波形特征值;
数据处理步骤S2:对链路层数据与物理层波形特征值进行处理,获得特征量数据集;
网络健康值计算步骤S3:根据特征量数据集构建SOM健康诊断模型后,通过SOM健康诊断模型对SOM网络进行检测,根据检测结果计算获得网络健康值;
网络健康评估步骤S4:根据设备端口参数计算获得设备报文数量,根据设备报文数量计算获得报文比重后,根据网络健康值与报文比重,计算获得总体网络状态量化指标,根据总体网络状态量化指标对故障进行综合评估,获得评估结果。
在实施例中,特征值获取步骤S1包括:
采集获得物理层波形与链路层数据,对物理层波形进行解析,获得物理层波形特征值;
在具体实施中,列车通信网络MVB总线通信距离长,总线上挂载设备繁多,工况复杂,经常出现由于连接器接触不良导致的阻抗不匹配等线路故障,导致物理波形失真,并且故障症状持续存在,因此我们可以使用物理层的特征参数进行健康评估;根据IEC61375-3-2:2012对MVB总线物理层一致性测试的要求,可以得出正常状态下MVB总线差分电压物理波形的一致性特征参数及其范围,物理波形可提取出如下状态特征:
幅值特征:稳态正电压、稳态负电压、超调;
斜率特征:上升斜率、下降斜率;
MVB波形基本形状为方波,因此求取稳态正电压和稳态负电压的思路是在MVB波形处于稳态区域时,将出现次数最多的数据点作为本数据位的稳态幅值;超调量就是MVB波形电压峰值超过稳态幅值(稳态正电压或稳态负电压)的百分比,得到稳态幅值后,计算超调量;本发明中压摆率的定义与波形的斜率相同,因此后述直接将压摆率称为斜率,斜率的计算首先是要通过数据拟合求出这段波形的函数表达式,求导后带入数据点求出对应位置的斜率,最后求出这些点斜率的平均值,是否大于15mV/ns。
在实施例中,数据处理步骤S2包括:
对链路层数据进行解码,将链路层数据转换成二进制数据后,根据MVB数据帧格式,解析出设备地址与过程数据。
在具体实施中,通过采集到的物理层波形与链路层数据,利用NHM设备内边缘计算软件进行链路层数据的解码以及MVB波形特征值的分析,提取特征量指标,挖掘网络故障的特征模型,链路层数据解码是根据IEC61375-3-2所规定的OSI标准模型中要求的解码过程进行解码,是把物理层电信号转换成二进制数据的过程,再根据IEC61375-3-2标准定义的MVB数据帧格式解析出设备地址和过程数据。
在实施例中,网络健康值计算步骤S3包括:
通过特征量数据集训练权值矩阵,获得最优权值矩阵后,计算欧式距离;
根据欧氏距离计算获得ED标准差后,根据ED标准差计算获得网络运行状况指标量;
当网络运行状况指标量大于0时,检测结果为所述SOM网络异常;
当网络运行状况指标量小于等于0时,检测结果为SOM网络正常;
当检测结果为SOM网络异常时,根据欧氏距离计算获得尺度参数后,根据网络运行状况指标量与尺度参数计算获得网络健康值。
在具体实施中,地面服务器通过无线通信接收到来自NHM设备的数据集,并开始进行SOM异常检测,SOM也称为Kohonen地图,是多维特征的二维投影空间,它有能力维护包含在原始数据;SOM具有自动特征映射,网络构建简单的优点稳定性好,可用于故障检测;在选择参数上,SOM中的每个神经元i均由一个m维表示权重向量wi=[wi1,wi2,...,wim];在得到对应训练样本集的最优权值矩阵wBMU后,计算每一个测试样本的特征值xi与其最佳匹配神经元之间的欧式距离EDi,可表示为:
正常网络的训练样本,其训练出来的最小欧式距离ED值理应紧密分布在标准值附近,如果不紧密,那么与标准值的距离就会变大,不可能距离标准值越大的值,能训练出准确度更高;为了可以更直观的衡量离散度并结合正态分布的3δ准则,采用标准差作为表征离散度指标,考虑到训练样本的自由度,得到正常样本训练出来的ED标准差:
其中,Mq是正常训练样本数,是正常样本训练得到ED平均值,可以定义当前的网络运行状况指标量S:
当S>0时,说明网络异常,否则说明网络正常。
根据公式(2)和(3),当S>0时,可以得到表示某个网络总线上设备节点健康度H的表达式:
其中,c为尺度参数,根据网络正常工作状态下训练出的ED值确定,所以当网络异常指标量H越大,当前网络健康度H越低,也就是异常程度越高,本论文c取值表达式为:
总线以报文为基本单位进行通信,在一个总线周期相内,设备节点端口数量越多,端口刷新周期越小,那么该设备节点在整体网络中的重要性就越大,并根据每个子设备节点数据的紧急程度分配好所有子设备端口的刷新周期,每个设备都至少拥有1个端口地址,假设网络总线上有N个设备,每个设备的端口地址数量为Np(p=1,2,....N)个,总线周期相为T,第p个设备的第n个端口刷新周期是Tpn(p=1,2,....N;n=1,2,....Np),每个端口在一个周期相内的报文出现次数是那么该设备的所有报文数量为
则设备P发送的报文数量在总线中所占比重为
根据一个周期相内所有设备发送报文的健康度和设备报文比重可得出总体网络状态量化指标HW:
在实施例中,网络健康评估步骤S4包括:
预设设备端口地址数量、总线周期相与设备端口刷新周期;
根据设备端口地址数量、总线周期相与设备端口刷新周期计算获得设备报文数量;
根据设备报文数量计算获得设备报文数量在总线中所占的报文比重;
根据总体网络状态量化指标对故障进行综合评估,划分出多个SOM网络的网络状态,并根据网络状态输出对应的维护建议。
在具体实施中,如图5所示,图5是根据本申请实施例的网络故障状态分类及维护建议显示图,根据列车网络总线故障情况及网络系统故障对列车运营的影响程度,结合网络整体健康度对故障综合评估,划分出四类网络状态,并给出合适的维护建议;
如图6所示,图6是根据本申请实施例的不同故障情况时网络总线健康度显示图,分别在正常网络通信工况和故障网络通信工况下取5个周期相报文数据进行测试:第1组报文是在网络正常情况下提取,整体网络健康度接近100;第2组报文在MVB连接器虚接的情况下提取,健康度不到65;第3组报文在中继器失电情况下提取,健康值超过70;第4组报文在MVB线路短路的情况下提取,波形失真严重,健康度低于60;第5组报文在MVB线路断路情况下提取,波形严重失真,健康度在30左右;因此从实验结果可以看出,健康度能基本反映出不同网络故障状态下的波形失真程度。
实施例二
下面结合图3解释说明稳态幅值计算流程,图3是根据本申请实施例的稳态幅值计算流程图。如图3所示,详细工作流程为如下:
步骤1,去除帧头起始位的数据后,有两个连续脉冲数据date[],若date[i]<0&&i>0,则进行步骤3,若不是,进行步骤2;
步骤2,设i为i++,继续判断date[i]<0&&i>0;
步骤3,向前复制30个数据点为date1[]后,统计数据出现频数num[],当num[i]最大时的date1[i]即为稳态幅值。
实施例三
下面结合图4解释说明斜率计算流程,图4是根据本申请实施例的斜率计算流程图。如图4所述,详细的为:
步骤1,100ns内数据点存放在slope[]数组中;
步骤2,统计数据点个数i,不同阶次的多项式拟合,得到不同均方误差a[];
步骤3,找到a[]的最小值对的阶次,对最佳阶次的多项式拟合,取得多项式参数b[];
步骤4,对多项式求导,并带入数据,求各点处的切线斜率值,取得各数据点的斜率平均值c;
步骤5,当c>15mV/ns时,若Lebel.ForeColor=Red,则结束,若不是,则直接结束。
实施例四
本实施例还提供了一种列车网络健康评估系统。图7是根据本申请实施例的网络健康管理系统的总体结构框图;图8是本发明的列车网络健康评估系统的结构示意图。如图7至图8所示,发明的一种列车网络健康评估方法系统,适用于上述的一种列车网络健康评估方法,一种列车网络健康评估方法系统包括:
特征值获取单元51:通过NHM采集获得物理层波形与链路层数据,对物理层波形进行解析,获得物理层波形特征值;
数据处理单元52:通过NHM对链路层数据与物理层波形特征值进行处理,获得特征量数据集后,通过WTD将特征量数据集无线传输到地面服务器;
网络健康值计算单元53:根据特征量数据集构建SOM健康诊断模型后,通过SOM健康诊断模型对SOM网络进行检测,根据检测结果计算获得网络健康值;
网络健康评估单元54:根据设备端口参数计算获得设备报文数量,根据设备报文数量计算获得报文比重后,根据网络健康值与报文比重,计算获得总体网络状态量化指标,根据总体网络状态量化指标对故障进行综合评估,获得评估结果。
在实施例中,特征值获取单元51包括:
通过NHM采集CCU与节点设备之间的物理层波形与链路层数据,并通过NHM解析提取物理层波形的特征。
在具体实施中,图7是根据本申请实施例的网络健康管理系统的总体结构框图,如图7所示,整个系统分为地面和车载两部分:车载端为网络健康监测模块,地面端为地面网络健康管理系统,地面网络健康管理系统由地面服务器与网络健康管理软件组成;
车载网络健康监测模块主要实现列车通信网网络MVB波形的采集,地面网络健康管理软件实现网络健康评估,CCU(中央控制单元)为整个网络系统的控制和管理设备,负责整个网络系统的通信管理,系统功能控制、诊断等功能;
列车通信总线为所有子系统设备留有标准的通信接口,并具有成熟可靠的接口通讯规范,每个设备都有各自的通讯端口地址,使得所有车辆子系统能可靠接入;
CCU控制所有周期信息的发送,其他从设备只能在该主设备控制下发送信息,每个从设备节点都有各自的端口地址,每个端口地址都有固定的刷新周期,周期信息与设备状态的传输相关联,在总线的周期相内周期性重复发送,无须目标设备确认;其中,总线的周期特性可以保证传输时延的确定性和响应时间的实时性,不因总线负载不同而变化。
Node1-Node8是MVB总线网络上的通信节点设备,负责与CCU进行MVB通信;
NHM负责采集CCU同各节点设备之间的MVB数据流,通过解析MVB物理层电流提取电流波形的物理特征分析MVB物理层电流波形是否正常,并把电信号转换成相应的二进制数据解析数据内容,其中包括通信地址和通信数据;再把诊断结果通过WTD无线传输到地面服务器。
在实施例中,数据处理单元52包括:
通过NHM对特征诊断物理层波形是否正常,获得诊断结果;
通过WTD将诊断结果、设备地址及过程数据无线传输到地面服务器。
综上所述,本发明涉及一种列车网络健康评估方法及系统,本发明从列车网络控制系统的MVB总线报文物理层中提取特征,并结合网络设备节点所发报文比率量化总线通信质量,再根据量化结果对网络状态进行分类,可以为列车的运营维护提供辅助决策。以往的列车通信网络的维护管理仍局限于冗余切换、事后告警、不坏不修,缺乏完善的网络监视和管理功能,使得网络系统带故障隐患工作,存在安全风险。本发明可以在故障未发生时提前预警网络通信状态,售后人员可根据提示进行维护,提前消除隐患,有效避免了列车正线运营期间出现突发性网络故障而造成更大的损失。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求的保护范围为准。
Claims (10)
1.一种列车网络健康评估方法,其特征在于,所述列车网络健康评估方法包括:
特征值获取步骤:采集获得物理层波形与链路层数据,对所述物理层波形进行解析,获得物理层波形特征值;
数据处理步骤:对所述链路层数据与所述物理层波形特征值进行处理,获得特征量数据集;
网络健康值计算步骤:根据所述特征量数据集构建SOM健康诊断模型后,通过所述SOM健康诊断模型对SOM网络进行检测,根据检测结果计算获得网络健康值;
网络健康评估步骤:根据设备端口参数计算获得设备报文数量,根据所述设备报文数量计算获得报文比重后,根据所述网络健康值与所述报文比重,计算获得总体网络状态量化指标,根据所述总体网络状态量化指标对故障进行综合评估,获得评估结果。
2.根据权利要求1所述的列车网络健康评估方法,其特征在于,所述数据处理步骤包括:
对所述链路层数据进行解码,将所述链路层数据转换成二进制数据后,根据MVB数据帧格式,解析出设备地址与过程数据。
3.根据权利要求1所述的列车网络健康评估方法,其特征在于,所述网络健康值计算步骤包括:
通过所述特征量数据集训练权值矩阵,获得最优权值矩阵后,计算欧式距离;
根据所述欧氏距离计算获得ED标准差后,根据所述ED标准差计算获得网络运行状况指标量。
4.根据权利要求1所述的列车网络健康评估方法,其特征在于,所述网络健康值计算步骤还包括:
当所述网络运行状况指标量大于0时,所述检测结果为所述SOM网络异常;
当所述网络运行状况指标量小于等于0时,所述检测结果为所述SOM网络正常;
当所述检测结果为所述SOM网络异常时,根据欧氏距离计算获得尺度参数后,根据所述网络运行状况指标量与所述尺度参数计算获得所述网络健康值。
5.根据权利要求1所述的列车网络健康评估方法,其特征在于,所述网络健康评估步骤包括:
预设设备端口地址数量、总线周期相与设备端口刷新周期;
根据所述设备端口地址数量、所述总线周期相与所述设备端口刷新周期计算获得所述设备报文数量;
根据所述设备报文数量计算获得所述设备报文数量在总线中所占的所述报文比重。
6.根据权利要求1所述的列车网络健康评估方法,其特征在于,所述网络健康评估步骤还包括:
根据所述总体网络状态量化指标对故障进行综合评估,划分出多个SOM网络的网络状态,并根据所述网络状态输出对应的维护建议。
7.一种列车网络健康评估系统,其特征在于,所述列车网络健康评估系统包括:
特征值获取单元:通过NHM采集获得物理层波形与链路层数据,对所述物理层波形进行解析,获得物理层波形特征值;
数据处理单元:通过所述NHM对所述链路层数据与所述物理层波形特征值进行处理,获得特征量数据集后,通过WTD将所述特征量数据集无线传输到地面服务器;
网络健康值计算单元:根据所述特征量数据集构建SOM健康诊断模型后,通过所述SOM健康诊断模型对SOM网络进行检测,根据检测结果计算获得网络健康值;
网络健康评估单元:根据设备端口参数计算获得设备报文数量,根据所述设备报文数量计算获得报文比重后,根据所述网络健康值与所述报文比重,计算获得总体网络状态量化指标,根据所述总体网络状态量化指标对故障进行综合评估,获得评估结果。
8.根据权利要求7所述的列车网络健康评估系统,其特征在于,所述特征值获取单元包括:
通过所述NHM采集CCU与节点设备之间的所述物理层波形与所述链路层数据,并通过所述NHM解析提取所述物理层波形的所述特征。
9.根据权利要求7所述的列车网络健康评估系统,其特征在于,所述数据处理单元包括:
通过所述NHM对所述特征诊断所述物理层波形是否正常,获得诊断结果。
10.根据权利要求7所述的列车网络健康评估系统,其特征在于,所述数据处理单元还包括:
通过WTD将所述诊断结果、设备地址及过程数据无线传输到所述地面服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211197933.5A CN115941526A (zh) | 2022-09-29 | 2022-09-29 | 一种列车网络健康评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211197933.5A CN115941526A (zh) | 2022-09-29 | 2022-09-29 | 一种列车网络健康评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115941526A true CN115941526A (zh) | 2023-04-07 |
Family
ID=86649663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211197933.5A Pending CN115941526A (zh) | 2022-09-29 | 2022-09-29 | 一种列车网络健康评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115941526A (zh) |
-
2022
- 2022-09-29 CN CN202211197933.5A patent/CN115941526A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110109445B (zh) | 一种船舶机舱辅机监控系统及监控方法 | |
CN111444169A (zh) | 一种变电站电气设备状态监测与诊断系统及方法 | |
CN111830927A (zh) | 车辆故障的监测方法、装置以及车载诊断设备 | |
CN112364434B (zh) | 一种基于车辆状态bim模型的故障定位方法及系统 | |
CN115877198A (zh) | 基于边缘计算的一二次融合开关故障诊断预警系统 | |
CN114629802A (zh) | 一种基于业务感知的电力通信骨干网络质量评估方法 | |
CN113835032A (zh) | 一种纯电动汽车远程故障诊断及预警系统 | |
CN109960237A (zh) | 一种车辆故障诊断和数据分析系统及车辆 | |
CN115159285B (zh) | 电梯状态监测方法及电梯状态监测装置 | |
CN106527118A (zh) | 基于冗余架构的铁路车辆电气控制回路监测装置及方法 | |
CN114879081A (zh) | 基于避雷器同步动态监测数据的雷害区域分析方法 | |
CN111509319A (zh) | 一种储能电源phm管理系统 | |
CN110994785A (zh) | 一种变电站用远程电力监控系统 | |
CN209606831U (zh) | 一种复杂多样工业设备状态集中监测与故障诊断系统 | |
Zhang et al. | Study on internet of things architecture of substation online monitoring equipment | |
CN115941526A (zh) | 一种列车网络健康评估方法及系统 | |
CN112559488A (zh) | 一种基于数据中台的自动扶梯全生命周期数据管理方法及系统 | |
CN112819988A (zh) | 基于5g的无人机电站智能巡检方法、系统和网络侧服务端 | |
CN111722612A (zh) | 一种电力少油监控预测系统 | |
CN105424387A (zh) | 转向齿轮实时远程智能监控系统 | |
CN115062867A (zh) | 基于Teager能量谱和改进型CNN模型的轴承故障预测方法 | |
CN113098132A (zh) | 一种基于群智能优化的改进机器学习故障诊断系统 | |
CN114264902A (zh) | 一种防雷箱工作状态的监测方法、系统、电子设备及存储介质 | |
CN112710918A (zh) | 基于边缘计算的无线数据采集方法及系统 | |
CN111092875A (zh) | 一种输变电运检平台物联网边缘信息传输压缩方法及系统 |
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 |