CN116366477B - 一种列车网络通信信号检测方法、装置、设备及存储介质 - Google Patents
一种列车网络通信信号检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116366477B CN116366477B CN202310618422.4A CN202310618422A CN116366477B CN 116366477 B CN116366477 B CN 116366477B CN 202310618422 A CN202310618422 A CN 202310618422A CN 116366477 B CN116366477 B CN 116366477B
- Authority
- CN
- China
- Prior art keywords
- network communication
- train network
- communication signal
- digital quantity
- sampling
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 247
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000005070 sampling Methods 0.000 claims abstract description 116
- 238000000034 method Methods 0.000 claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims description 59
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000003491 array Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011022 operating instruction Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/02—Capturing of monitoring data
- H04L43/022—Capturing of monitoring data by sampling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
- H04L12/40169—Flexible bus arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
- H04L2012/40267—Bus for use in transportation 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种列车网络通信信号检测方法、装置、设备及存储介质，应用于信号检测领域，该方法包括：对列车网络通信信号进行采样，得到数字量信息；计算数字量信息与预设正常通信数据信息的相似度，得到相似值；若相似值大于预设阈值，则列车网络通信信号不存在故障风险；若相似值小于或等于预设阈值，则列车网络通信信号存在故障风险。本发明通过利用数字量信息与正常通信数据信息作对比，根据相似度对列车网络通信信号进行实时分析，实现对网络通信信号的故障预判，及时发现故障风险，避免因故障造成损失。
Description
技术领域
本发明涉及信号检测领域，特别涉及一种列车网络通信信号检测方法、装置、设备及存储介质。
背景技术
列车设备间的通信是通过现场总线的形式进行的，现场总线包括RS485（一个定义平衡数字多点系统中的驱动器和接收器的电气特性的标准）总线、CAN（Controller AreaNetwork，是一种有效支持分布式实时控制的串行通信网络）总线、TRDP（Train Real-timeData Protocol，列车实时数据协议）总线、NET（一种开放式网络标准）总线等方式。而目前对列车网络通信信号的检测仍停留在对信息的解析层面，即只有设备通信出现问题后，才能判断通信故障状况，无法实现故障的预判。
发明内容
有鉴于此，本发明的目的在于提供列车网络通信信号检测方法，解决了现有技术中无法实现故障预判的问题。
为解决上述技术问题，本发明提供了一种列车网络通信信号检测方法，包括：
对列车网络通信信号进行采样，得到数字量信息；
计算所述数字量信息与预设正常通信数据信息的相似度，得到相似值；
若所述相似值大于预设阈值，则所述列车网络通信信号不存在故障风险；
若所述相似值小于或等于所述预设阈值，则所述列车网络通信信号存在故障风险。
可选的，所述对列车网络通信信号进行采样，得到数字量信息，包括：
获取所述列车网络通信信号；
利用数字量采集方法对所述列车网络通信信号进行数字采样，得到所述数字量信息。
可选的，所述利用数字量采集方法对所述列车网络通信信号进行数字采样，得到所述数字量信息，包括：
对所述列车网络通信信号进行通信总线类型分析，确定所述列车网络通信信号的总线类型；
根据所述总线类型确定所述列车网络通信信号的采样频率和初始门限；
根据所述采样频率和所述初始门限对所述列车网络通信信号进行数字采样，得到所述数字量信息。
可选的，在所述根据所述总线类型确定所述列车网络通信信号的采样频率和初始门限之后，还包括：
从数据库中获取与所述总线类型一致的正常输入通信数据和输出通信数据；
根据所述输入通信数据和所述输出通信数据调整所述初始门限，确定最终门限；
相应的，所述根据所述采样频率和所述初始门限对所述列车网络通信信号进行数字采样，得到所述数字量信息，包括：
根据所述采样频率和所述最终门限对所述列车网络通信信号进行数字采样，得到所述数字量信息。
可选的，在所述根据所述总线类型确定所述列车网络通信信号的采样频率和初始门限之后，还包括；
根据所述总线类型确定相似度的比对周期，所述比对周期为采样周期的整数倍；
相应的，所述计算所述数字量信息与预设正常通信数据信息的相似度，得到相似值，包括：
根据所述比对周期计算所述数字量信息与预设正常通信数据信息的相似度，得到所述相似值。
可选的，计算所述数字量信息与预设正常通信数据信息的相似度，得到相似值，包括：
将所述数字量信息转化为二维矩阵形式的待测数据矩阵；所述二维矩阵中的二维是指采样频率和采样周期；
将所述预设正常通信数据信息转化为二维矩阵形式的正常数据矩阵；
计算所述待测数据矩阵与所述正常数据矩阵的相似度，得到所述相似值。
可选的，在若所述相似值小于或等于所述预设阈值，则所述列车网络通信信号存在故障风险之后，还包括：
将所述数字量信息与预设故障通信数据信息进行相似度比对，确定所述列车网络通信信号的故障风险类型。
本发明还提供了一种列车网络通信信号检测装置，包括：
采样模块，用于对列车网络通信信号进行采样，得到数字量信息；
计算模块，用于计算所述数字量信息与预设正常通信数据信息的相似度，得到相似值；
第一判断结果模块，用于若所述相似值大于预设阈值，则所述列车网络通信信号不存在故障风险；
第二判断结果模块，用于若所述相似值小于或等于所述预设阈值，则所述列车网络通信信号存在故障风险。
本发明还提供了一种列车网络通信信号检测设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述列车网络通信信号检测方法的步骤。
本发明还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述列车网络通信信号检测方法的步骤。
可见，本发明通过对列车网络通信信号进行采样，得到数字量信息；计算数字量信息与预设正常通信数据信息的相似度，得到相似值；若相似值大于预设阈值，则列车网络通信信号不存在故障风险；若相似值小于或等于预设阈值，则列车网络通信信号存在故障风险。本发明通过利用数字量信息与正常通信数据信息作对比，根据相似度对列车网络通信信号进行实时分析，实现对网络通信信号的故障预判，及时发现故障风险，避免因故障造成损失。
此外，本发明还提供了一种列车网络通信信号检测装置、设备及存储介质，同样具有上述有益效果。
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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种列车网络通信信号检测方法的流程图；
图2为本发明实施例提供的一种二维矩阵构建方法示例图；
图3为本发明实施例提供的一种列车网络通信信号检测方法的流程示例图；
图4为本发明实施例提供的一种基于高斯分布特征确定对比结果的流程示例图；
图5为本发明实施例提供的一种列车网络通信信号检测装置的结构示意图；
图6为本发明实施例提供的一种列车网络通信信号检测设备的结构示意图。
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。
请参考图1，图1为本发明实施例提供的一种列车网络通信信号检测方法的流程图。该方法可以包括：
S101：对列车网络通信信号进行采样，得到数字量信息。
本实施例的执行主体为处理器。本实施例并不限定对列车网络通信信号的采样方式，只要能够得到数字量信息即可。例如，可以是数字采样，直接得到数字量信息；或者还可以模拟采样，得到模拟信号再进行模数转化，得到数字量信息。
考虑到对通信信号的模拟量采集方法，在后期的信号分析中需要进行多次模数转换，消耗处理器大量资源，实时性较差的问题，进一步的，为了节省处理器资源，上述对列车网络通信信号进行采样，得到数字量信息，可以包括以下步骤：
步骤21：获取列车网络通信信号。
步骤22：利用数字量采集方法对列车网络通信信号进行数字采样，得到数字量信息。
本实施例为了减少模数转化的操作，避免处理器资源的浪费，可以直接进行数字采样，得到数字量信息。本实施例对数字采样的方法并不限定，只要能够进行数字采样即可。进一步的，为了数字采样的准确性，上述利用数字量采集方法对列车网络通信信号进行数字采样，得到数字量信息，可以包括以下步骤：
步骤31：对列车网络通信信号进行通信总线类型分析，确定列车网络通信信号的总线类型。
步骤32：根据总线类型确定列车网络通信信号的采样频率和初始门限。
步骤33：根据采样频率和初始门限对列车网络通信信号进行数字采样，得到数字量信息。
列车设备间的网络通信是通过通信总线的形式进行的，通信总线类型包括RS485总线、CAN总线、TRDP、NET总线等方式。不同的总线类型，对应数字采样的采样频率和门限也不相同。首先根据当前通信信号的总线类型确定采样频率和初始门限，利用采用频率和初始门限对信号进行数字采样，得到数字量信息。根据门限得到数字量信息可以是大于门限设为1，小于或等于门限设为0，得到的数字量信息即0或1。
进一步的，为了确保采集的数字量信息更为准确，在上述步骤32：根据总线类型确定列车网络通信信号的采样频率和初始门限之后，还可以包括以下步骤：
步骤41：从数据库中获取与总线类型一致的正常输入通信数据和输出通信数据。
步骤42：根据输入通信数据和输出通信数据调整初始门限，确定最终门限。
相应的，步骤33：根据采样频率和初始门限对列车网络通信信号进行数字采样，得到数字量信息，可以包括：
根据采样频率和最终门限对列车网络通信信号进行数字采样，得到数字量信息。
本实施例利用数据库中保存的与当前通信信号总线类型一致的正常输入通信数据和正常输出通信数据，利用正常输入通信数据和正常输出通信数据在初始门限的基础上，小范围内的调整门限，最终确定最终门限，根据最终门限和采样频率进行数字采样，得到数字量信息。
进一步的，为了更好的进行对比，在上述步骤32：根据总线类型确定列车网络通信信号的采样频率和初始门限之后，还可以包括以下步骤：
步骤51：根据总线类型确定相似度的比对周期，比对周期为采样周期的整数倍。
相应的，S102：计算数字量信息与预设正常通信数据信息的相似度，得到相似值，可以包括：
根据比对周期计算数字量信息与预设正常通信数据信息的相似度，得到相似值。
本实施例前述根据总线类型确定了采样频率和门限，还可以根据总线类型确定对比周期，可以理解的是，对比周期为采样周期的整数倍。根据对比周期对数字量信息和预设正常通信数据信息进行相似度的对比，可以根据对比周期实时对比，对比速度更快，更高效。
S102：计算数字量信息与预设正常通信数据信息的相似度，得到相似值。
本实施例并不限定相似值的计算方法。例如，可以是采用二维矩阵的形式计算相似度值；或者还可以是根据高斯特性计算相似度。
因为高斯分布特征需要进行计算，对比效率可能会低。进一步的，为了提高对比效率，可以实时快速的对比，得到对比结果，上述计算数字量信息与预设正常通信数据信息的相似度，得到相似值，可以包括以下步骤：
步骤61：将数字量信息转化为二维矩阵形式的待测数据矩阵；二维矩阵中的二维是指采样频率和采样周期。
步骤62：将预设正常通信数据信息转化为二维矩阵形式的正常数据矩阵。
步骤63：计算待测数据矩阵与正常数据矩阵的相似度，得到相似值。
本实施例采用二维矩阵的形式进行对比，类似灰度值图像的对比方法，可以参考图2，图2为本发明实施例提供的一种二维矩阵构建方法示例图。横轴可以是采样周期，采样周期为预设时间内的采样周期数；纵轴为采样频率，采样频率即为一个周期内的采样次数纵轴为采样频率；将采样得到的数字量信息和预设正常数据矩阵按照图2的形式进行转换，得到待测数据矩阵与正常数据矩阵，相当于每一个对比周期得到一个矩阵，一个矩阵相当于是一个灰度图，与正常数据矩阵进行对比，更加快速便捷。
S103：若相似值大于预设阈值，则列车网络通信信号不存在故障风险。
S104：若相似值小于或等于预设阈值，则列车网络通信信号存在故障风险。
本实施例并不对预设阈值做限定，用户根据实际情况进行设置即可。
本实施例并不限定当存在故障风险的后续操作。例如，当发现故障风险后，可以将该故障风险反馈到预设设备，通过预设设备提醒处理人员；或者还可以当发现故障风险后，确定该故障风险的类型。
进一步的，为了便于处理人员更好的处理故障，在上述若相似值小于或等于预设阈值，则列车网络通信信号存在故障风险之后，还可以包括以下步骤：
将数字量信息与预设故障通信数据信息进行相似度比对，确定列车网络通信信号的故障风险类型。
本实施例并不限定对比方法。例如，可以是采用二维矩阵的形式计算相似度值；或者还可以是根据高斯特性计算相似度。进一步的，为了提高对比效率，利用二维矩阵的形式对数字量信息与预设故障通信数据信息进行相似度比对，确定列车网络通信信号的故障风险类型。
进一步的，为了及时将故障风险告知处理人员，以便处理人员及时处理，避免因故障造成损失，在上述若相似值小于或等于预设阈值，则列车网络通信信号存在故障风险之后，还可以包括以下步骤：
将故障风险发送预设终端；
通过预设终端提醒处理人员及时切换通信线路。
应用本发明实施例提供的列车网络通信信号检测方法，通过对列车网络通信信号进行采样，得到数字量信息；计算数字量信息与预设正常通信数据信息的相似度，得到相似值；若相似值大于预设阈值，则列车网络通信信号不存在故障风险；若相似值小于或等于预设阈值，则列车网络通信信号存在故障风险。本发明通过利用数字量信息与正常通信数据信息作对比，根据相似度对列车网络通信信号进行实时分析，实现对网络通信信号的故障预判，及时发现故障风险，避免因故障造成损失。并且，在发现存在故障风险后，将故障风险发送到终端，及时将故障风险告知处理人员，以便处理人员及时处理，避免因故障造成损失；并且，在发现存在故障风险后，确定该故障风险类型，便于处理人员更好的处理故障；并且，利用通过数字量采集的方式，实现通信信号的直接采集，提高采集效率，节省了处理器资源；并且，在不同的通信状态下，将采集数据转换为矩阵数组，与正常状态下的矩阵数组进行比对，提高了对比效率；并且，根据总线类型确定采样频率、对比周期和初始门限，并在初始门限的基础上，利用正常输入信号和正常输出信号去小范围的调整该初始门限，确保数字采集的准确性与可靠性。
为了使本发明更便于理解，具体请参考图3，图3为本发明实施例提供的一种列车网络通信信号检测方法的流程示例图，具体可以包括：
数据分析模块根据所分析的通信总线类型实时对门限进行控制，根据总线类型生成不同的采样周期、采样频率和初始门限。
通信校验数据库中存在故障通信数据和正常通信数据，其中正常通信数据包括输入通信数据和输出通信数据，用于微调门限；故障通信数据信息用于确定故障类型。
数据采样是根据采样频率输出采集到的数字量信息，即0或1，并送到SRAM（StaticRandom-Access Memory，静态随机存取存储器）数据矩阵中，即转换为数据矩阵形式。
对比单元可以通过获取采集到的数据并提取其高斯分布特性，与正常通信的高斯特性进行快速比对。达到置信度（预设阈值）则判别无故障，如果小于置信度（预设阈值）则与故障库进行比对输出故障信息。可以参考图4，图4为本发明实施例提供的一种基于高斯分布特征确定对比结果的流程示例图。图4中的故障数据库即为图3中的通信校验数据库中的故障通信数据，正常通信即为图3中的已知正常通信数据矩阵库中的正常通信数据；对比单元还可以利用对比值周期直接对SRAM数据矩阵与已知正常通信数据矩阵库中的正常通信数据信息对比，得到判定结果。
下面对本发明实施例提供的列车网络通信信号检测装置进行介绍，下文描述的列车网络通信信号检测装置与上文描述的列车网络通信信号检测方法可相互对应参照。
具体请参考图5，图5为本发明实施例提供的一种列车网络通信信号检测装置的结构示意图，可以包括：
采样模块100，用于对列车网络通信信号进行采样，得到数字量信息；
计算模块200，用于计算所述数字量信息与预设正常通信数据信息的相似度，得到相似值；
第一判断结果模块300，用于若所述相似值大于预设阈值，则所述列车网络通信信号不存在故障风险；
第二判断结果模块400，用于若所述相似值小于或等于所述预设阈值，则所述列车网络通信信号存在故障风险。
基于上述实施例，其中采样模块100，可以包括：
获取单元，用于获取所述列车网络通信信号；
数字采样单元，用于利用数字量采集方法对所述列车网络通信信号进行数字采样，得到所述数字量信息。
基于上述实施例，其中数字采样单元，可以包括：
总线类型确定子单元，用于对所述列车网络通信信号进行通信总线类型分析，确定所述列车网络通信信号的总线类型；
采样频率和初始门限确定子单元，用于根据所述总线类型确定所述列车网络通信信号的采样频率和初始门限；
数字采样子单元，用于根据所述采样频率和所述初始门限对所述列车网络通信信号进行数字采样，得到所述数字量信息。
基于上述实施例，其中列车网络通信信号检测装置，还可以包括：
获取模块，用于在所述根据所述总线类型确定所述列车网络通信信号的采样频率和初始门限之后，从数据库中获取与所述总线类型一致的正常输入通信数据和输出通信数据；
最终门限确定模块，用于根据所述输入通信数据和所述输出通信数据调整所述初始门限，确定最终门限；
相应的，所述数字采样子单元，包括：用于根据所述采样频率和所述最终门限对所述列车网络通信信号进行数字采样，得到所述数字量信息。
基于上述实施例，其中列车网络通信信号检测装置，还可以包括：
对比周期确定模块，用于在所述根据所述总线类型确定所述列车网络通信信号的采样频率和初始门限之后，根据所述总线类型确定相似度的比对周期，所述对比周期为采样周期的整数倍；
相应的，其中计算模块200，包括：用于根据所述比对周期计算所述数字量信息与预设正常通信数据信息的相似度，得到所述相似值。
基于上述任一实施例，其中计算模块200，可以包括：
第一转化单元，用于基于将所述数字量信息转化为二维矩阵形式的待测数据矩阵；所述二维矩阵中的二维是指采样频率和采样周期；
第二转化单元，用于将所述预设正常通信数据信息转化为二维矩阵形式的正常数据矩阵；
计算单元，用于计算所述待测数据矩阵与所述正常数据矩阵的相似度，得到所述相似值。
基于上述实施例，其中列车网络通信信号检测装置，还可以包括：
故障风险类型确定模块，用于在若所述相似值小于或等于所述预设阈值，则所述列车网络通信信号存在故障风险之后，将所述数字量信息与预设故障通信数据信息进行相似度比对，确定所述列车网络通信信号的故障风险类型。
需要说明的是，上述列车网络通信信号检测装置中的模块以及单元在不影响逻辑的情况下，其顺序可以前后进行更改。
应用本发明实施例提供的列车网络通信信号检测装置，通过采样模块100，用于对列车网络通信信号进行采样，得到数字量信息；计算模块200，用于计算数字量信息与预设正常通信数据信息的相似度，得到相似值；第一判断结果模块300，用于若相似值大于预设阈值，则列车网络通信信号不存在故障风险；第二判断结果模块400，用于若相似值小于或等于预设阈值，则列车网络通信信号存在故障风险。本发明通过利用数字量信息与正常通信数据信息作对比，根据相似度对列车网络通信信号进行实时分析，实现对网络通信信号的故障预判，及时发现故障风险，避免因故障造成损失。并且，在发现存在故障风险后，将故障风险发送到终端，及时将故障风险告知处理人员，以便处理人员及时处理，避免因故障造成损失；并且，在发现存在故障风险后，确定该故障风险类型，便于处理人员更好的处理故障；并且，利用通过数字量采集的方式，实现通信信号的直接采集，提高采集效率，节省了处理器资源；并且，在不同的通信状态下，将采集数据转换为矩阵数组，与正常状态下的矩阵数组进行比对，提高了对比效率；并且，根据总线类型确定采样频率、对比周期和初始门限，并在初始门限的基础上，利用正常输入信号和正常输出信号去小范围的调整该初始门限，确保数字采集的准确性与可靠性。
下面对本发明实施例提供的列车网络通信信号检测设备进行介绍，下文描述的列车网络通信信号检测设备与上文描述的列车网络通信信号检测方法可相互对应参照。
请参考图6，图6为本发明实施例提供的一种列车网络通信信号检测设备的结构示意图，可以包括：
存储器10，用于存储计算机程序；
处理器20，用于执行计算机程序，以实现上述的列车网络通信信号检测方法。
存储器10、处理器20、通信接口31和通信总线32。存储器10、处理器20、通信接口31均通过通信总线32完成相互间的通信。
在本发明实施例中，存储器10中用于存放一个或者一个以上程序，程序可以包括程序代码，程序代码包括计算机操作指令，在本发明实施例中，存储器10中可以存储有用于实现以下功能的程序：
对列车网络通信信号进行采样，得到数字量信息；
计算数字量信息与预设正常通信数据信息的相似度，得到相似值；
若相似值大于预设阈值，则列车网络通信信号不存在故障风险；
若相似值小于或等于预设阈值，则列车网络通信信号存在故障风险。
在一种可能的实现方式中，存储器10可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统，以及至少一个功能所需的应用程序等；存储数据区可存储使用过程中所创建的数据。
此外，存储器10可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括NVRAM。存储器存储有操作系统和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。操作系统可以包括各种系统程序，用于实现各种基础任务以及处理基于硬件的任务。
处理器20可以为中央处理器（Central Processing Unit，CPU）、特定应用集成电路、数字信号处理器、现场可编程门阵列或者其他可编程逻辑器件，处理器20可以是微处理器或者也可以是任何常规的处理器等。处理器20可以调用存储器10中存储的程序。
通信接口31可以为通信模块的接口，用于与其他设备或者系统连接。
当然，需要说明的是，图6所示的结构并不构成对本发明实施例中列车网络通信信号检测设备的限定，在实际应用中列车网络通信信号检测设备可以包括比图6所示的更多或更少的部件，或者组合某些部件。
下面对本发明实施例提供的可读存储介质进行介绍，下文描述的可读存储介质与上文描述的列车网络通信信号检测方法可相互对应参照。
本发明还提供一种可读存储介质，该可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的列车网络通信信号检测方法的步骤。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应该认为超出本发明的范围。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系属于仅仅用来将一个实体或者操作与另一个实体或者操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其他任何变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上对本发明所提供的一种列车网络通信信号检测方法、装置、设备及可读存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种列车网络通信信号检测方法，其特征在于，包括：
对列车网络通信信号进行采样，得到数字量信息；
计算所述数字量信息与预设正常通信数据信息的相似度，得到相似值；
若所述相似值大于预设阈值，则所述列车网络通信信号不存在故障风险；
若所述相似值小于或等于所述预设阈值，则所述列车网络通信信号存在故障风险；
所述对列车网络通信信号进行采样，得到数字量信息，包括：
获取所述列车网络通信信号；
利用数字量采集方法对所述列车网络通信信号进行数字采样，得到所述数字量信息；所述数字量信息用0和1表示;
所述计算所述数字量信息与预设正常通信数据信息的相似度，得到相似值，包括：
将所述数字量信息转化为二维矩阵形式的待测数据矩阵；所述二维矩阵中的二维是指采样频率和采样周期；
将所述预设正常通信数据信息转化为二维矩阵形式的正常数据矩阵；
计算所述待测数据矩阵与所述正常数据矩阵的相似度，得到所述相似值；
所述利用数字量采集方法对所述列车网络通信信号进行数字采样，得到所述数字量信息，包括：
对所述列车网络通信信号进行通信总线类型分析，确定所述列车网络通信信号的总线类型；
根据所述总线类型确定所述列车网络通信信号的采样频率和初始门限；
根据所述采样频率和所述初始门限对所述列车网络通信信号进行数字采样，得到所述数字量信息。
2.根据权利要求1所述的列车网络通信信号检测方法，其特征在于，在所述根据所述总线类型确定所述列车网络通信信号的采样频率和初始门限之后，还包括：
从数据库中获取与所述总线类型一致的正常输入通信数据和输出通信数据；
根据所述输入通信数据和所述输出通信数据调整所述初始门限，确定最终门限；
相应的，所述根据所述采样频率和所述初始门限对所述列车网络通信信号进行数字采样，得到所述数字量信息，包括：
根据所述采样频率和所述最终门限对所述列车网络通信信号进行数字采样，得到所述数字量信息。
3.根据权利要求1所述的列车网络通信信号检测方法，其特征在于，在所述根据所述总线类型确定所述列车网络通信信号的采样频率和初始门限之后，还包括；
根据所述总线类型确定相似度的比对周期，所述比对周期为采样周期的整数倍；
相应的，所述计算所述数字量信息与预设正常通信数据信息的相似度，得到相似值，包括：
根据所述比对周期计算所述数字量信息与预设正常通信数据信息的相似度，得到所述相似值。
4.根据权利要求1所述的列车网络通信信号检测方法，其特征在于，在若所述相似值小于或等于所述预设阈值，则所述列车网络通信信号存在故障风险之后，还包括：
将所述数字量信息与预设故障通信数据信息进行相似度比对，确定所述列车网络通信信号的故障风险类型。
5.一种列车网络通信信号检测装置，其特征在于，包括：
采样模块，用于对列车网络通信信号进行采样，得到数字量信息；
计算模块，用于计算所述数字量信息与预设正常通信数据信息的相似度，得到相似值；
第一判断结果模块，用于若所述相似值大于预设阈值，则所述列车网络通信信号不存在故障风险；
第二判断结果模块，用于若所述相似值小于或等于所述预设阈值，则所述列车网络通信信号存在故障风险；
所述采样模块，包括：
获取单元，用于获取所述列车网络通信信号；
数字采样单元，用于利用数字量采集方法对所述列车网络通信信号进行数字采样，得到所述数字量信息；所述数字量信息用0和1表示；
所述计算模块，包括：
第一转化单元，用于基于将所述数字量信息转化为二维矩阵形式的待测数据矩阵；所述二维矩阵中的二维是指采样频率和采样周期；
第二转化单元，用于将所述预设正常通信数据信息转化为二维矩阵形式的正常数据矩阵；
计算单元，用于计算所述待测数据矩阵与所述正常数据矩阵的相似度，得到所述相似值；
所述数字采样单元，包括：
总线类型确定子单元，用于对所述列车网络通信信号进行通信总线类型分析，确定所述列车网络通信信号的总线类型；
采样频率和初始门限确定子单元，用于根据所述总线类型确定所述列车网络通信信号的采样频率和初始门限；
数字采样子单元，用于根据所述采样频率和所述初始门限对所述列车网络通信信号进行数字采样，得到所述数字量信息。
6.一种列车网络通信信号检测设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述列车网络通信信号检测方法的步骤。
7.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述列车网络通信信号检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310618422.4A CN116366477B (zh) | 2023-05-30 | 2023-05-30 | 一种列车网络通信信号检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310618422.4A CN116366477B (zh) | 2023-05-30 | 2023-05-30 | 一种列车网络通信信号检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116366477A CN116366477A (zh) | 2023-06-30 |
| CN116366477B true CN116366477B (zh) | 2023-08-18 |
Family
ID=86941907
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310618422.4A Active CN116366477B (zh) | 2023-05-30 | 2023-05-30 | 一种列车网络通信信号检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116366477B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108062088A (zh) * | 2017-12-15 | 2018-05-22 | 广州广电运通金融电子股份有限公司 | 车站终端故障风险预警方法、装置、终端及存储介质 |
| CN109765878A (zh) * | 2018-12-24 | 2019-05-17 | 上海大郡动力控制技术有限公司 | 新能源汽车can总线网络故障的辅助分析方法 |
| CN110224850A (zh) * | 2019-04-19 | 2019-09-10 | 北京亿阳信通科技有限公司 | 电信网络故障预警方法、装置及终端设备 |
| CN111368890A (zh) * | 2020-02-26 | 2020-07-03 | 珠海格力电器股份有限公司 | 故障检测方法及装置、信息物理融合系统 |
| CN111865949A (zh) * | 2020-07-09 | 2020-10-30 | 恒安嘉新（北京）科技股份公司 | 一种异常通信的检测方法、装置、服务器及存储介质 |
| CN113834657A (zh) * | 2021-09-24 | 2021-12-24 | 北京航空航天大学 | 一种基于改进mset及频谱特征的轴承故障预警及诊断方法 |
| WO2022141213A1 (zh) * | 2020-12-30 | 2022-07-07 | 中南大学 | 一种智慧城市智轨车辆故障基因预测方法及系统 |
| CN114897102A (zh) * | 2022-06-13 | 2022-08-12 | 广东工业大学 | 一种工业机器人故障诊断方法、系统、设备与存储介质 |
| CN115809183A (zh) * | 2022-11-21 | 2023-03-17 | 浪潮软件集团有限公司 | 基于知识图谱的信创终端故障发现及处置的方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1227382A3 (en) * | 2001-01-24 | 2003-03-26 | Bombardier Transportation GmbH | Rolling stock diagnostic condition monitoring and on-line predictive maintenance |
| US11067973B2 (en) * | 2016-11-30 | 2021-07-20 | Hitachi, Ltd. | Data collection system, abnormality detection method, and gateway device |
| WO2021149651A1 (ja) * | 2020-01-20 | 2021-07-29 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 攻撃検知方法、攻撃検知システム、及びプログラム |
| US20210350636A1 (en) * | 2020-05-07 | 2021-11-11 | Nec Laboratories America, Inc. | Deep learning of fault detection in onboard automobile systems |
-
2023
- 2023-05-30 CN CN202310618422.4A patent/CN116366477B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108062088A (zh) * | 2017-12-15 | 2018-05-22 | 广州广电运通金融电子股份有限公司 | 车站终端故障风险预警方法、装置、终端及存储介质 |
| CN109765878A (zh) * | 2018-12-24 | 2019-05-17 | 上海大郡动力控制技术有限公司 | 新能源汽车can总线网络故障的辅助分析方法 |
| CN110224850A (zh) * | 2019-04-19 | 2019-09-10 | 北京亿阳信通科技有限公司 | 电信网络故障预警方法、装置及终端设备 |
| CN111368890A (zh) * | 2020-02-26 | 2020-07-03 | 珠海格力电器股份有限公司 | 故障检测方法及装置、信息物理融合系统 |
| CN111865949A (zh) * | 2020-07-09 | 2020-10-30 | 恒安嘉新（北京）科技股份公司 | 一种异常通信的检测方法、装置、服务器及存储介质 |
| WO2022141213A1 (zh) * | 2020-12-30 | 2022-07-07 | 中南大学 | 一种智慧城市智轨车辆故障基因预测方法及系统 |
| CN113834657A (zh) * | 2021-09-24 | 2021-12-24 | 北京航空航天大学 | 一种基于改进mset及频谱特征的轴承故障预警及诊断方法 |
| CN114897102A (zh) * | 2022-06-13 | 2022-08-12 | 广东工业大学 | 一种工业机器人故障诊断方法、系统、设备与存储介质 |
| CN115809183A (zh) * | 2022-11-21 | 2023-03-17 | 浪潮软件集团有限公司 | 基于知识图谱的信创终端故障发现及处置的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 自动化列车通信网络分析仪设计;赵建博;孙晓东;胡国强;王新政;胡雪峰;;计算机测量与控制(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116366477A (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110798227B (zh) | 模型预测优化方法、装置、设备及可读存储介质 | |
| CN111639002B (zh) | 休眠功耗测试方法、系统、计算机设备和存储介质 | |
| CN102508210B (zh) | 一种雷电脉冲信号检测及抗干扰装置 | |
| CN113008361B (zh) | 一种变电站站界噪声抗环境干扰检测方法及装置 | |
| CN111404542B (zh) | 一种双指数核信号计数方法及装置 | |
| CN111628956B (zh) | 一种网络请求传输数据的格式转换方法、装置和系统 | |
| CN116366477B (zh) | 一种列车网络通信信号检测方法、装置、设备及存储介质 | |
| CN114564345A (zh) | 一种服务器异常检测方法、装置、设备及存储介质 | |
| CN112506751B (zh) | 一种服务器整机性能的对比测试方法、装置、设备及介质 | |
| CN110824514A (zh) | 指纹定位方法和装置、计算机可读存储介质 | |
| CN112350790B (zh) | 一种基于深度学习的频谱感知检测方法、装置及设备 | |
| CN111726260B (zh) | 一种网络请求回复信息格式转换的测试方法、装置和系统 | |
| CN104112056B (zh) | 数据处理的故障检测方法和系统 | |
| CN109086185B (zh) | 一种存储集群的故障检测方法、装置、设备及存储介质 | |
| CN110275639A (zh) | 触摸数据处理方法、装置、终端及存储介质 | |
| CN113238911A (zh) | 告警处理方法及装置 | |
| CN110931021A (zh) | 一种音频信号处理方法及装置 | |
| CN116719745A (zh) | 基于时序性的性能测试方法、装置、设备及存储介质 | |
| CN112804709B (zh) | 服务小区之间的重叠覆盖状况确定方法及装置 | |
| KR102109839B1 (ko) | 항법신호를 수신하는 수신기 및 이의 항법신호 측정 방법 | |
| CN112464171A (zh) | 冰下地形自适应粗糙度量化方法 | |
| CN111582530A (zh) | 一种云产品资源的消耗预测方法和装置 | |
| CN114172514A (zh) | 一种dac电路测试方法及系统 | |
| CN115170003A (zh) | 窃电监控方法及系统、存储介质、终端 | |
| CN115917463A (zh) | 一种多参数的动态采样方法及其装置 |
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 |