CN116401386A - 一种铁路货车制动机故障分析处理的方法 - Google Patents

一种铁路货车制动机故障分析处理的方法 Download PDF

Info

Publication number
CN116401386A
CN116401386A CN202310119896.4A CN202310119896A CN116401386A CN 116401386 A CN116401386 A CN 116401386A CN 202310119896 A CN202310119896 A CN 202310119896A CN 116401386 A CN116401386 A CN 116401386A
Authority
CN
China
Prior art keywords
fault
data
target
vehicle
brake
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
Application number
CN202310119896.4A
Other languages
English (en)
Inventor
宋浩
王伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huitie Technology Co ltd
Original Assignee
Huitie Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huitie Technology Co ltd filed Critical Huitie Technology Co ltd
Priority to CN202310119896.4A priority Critical patent/CN116401386A/zh
Publication of CN116401386A publication Critical patent/CN116401386A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T17/00—Component parts, details, or accessories of power brake systems not covered by groups B60T8/00, B60T13/00 or B60T15/00, or presenting other characteristic features
    • B60T17/18—Safety devices; Monitoring
    • B60T17/22—Devices for monitoring or checking brake systems; Signal devices
    • B60T17/228—Devices for monitoring or checking brake systems; Signal devices for railway vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供了一种铁路货车制动机故障分析处理的方法，解决了基于TFDS故障智能识别模块对铁路货车每列车进行检测后输出的识别故障结果数据，直接发送到检车作业平台会导致检车人员工作量过大，铁路货车在不同时刻其识别结果并不能将故障数据全部正确识别出来，尤其是过车较密集时更会有出错风险，容易出现不必要误报的问题，本发明技术方案基于TFDS故障智能识别模块输出的故障预报结果基础上，对铁路货车制动机部件的故障预报结果进行二次识别分析及逻辑处理，获得最终的故障识别结果，从而提高基于TFDS故障智能识别模块输出的故障预报结果应用的准确率，减少误报率，减少人工复核的工作量，提高检车人员工作效率。应用于铁路货车故障处理领域。

Description

一种铁路货车制动机故障分析处理的方法
技术领域
本发明涉及铁路货车制动机故障识别领域，尤其涉及一种铁路货车制动机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图像检测系统(TFDS)，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。
制动机作为铁路货车重要组成部分，通过TFDS故障智能识别算法识别出来的故障，在铁路货车不同时刻其结果并不能将故障数据全部正确识别出来，需通过逻辑处理算法进行二次矫正，经过逻辑处理矫正后的结果才能作为故障识别最终的准确结果，逻辑处理完后将最终结果发送给检车作业平台处理。
发明内容
本发明提供了一种铁路货车制动机故障分析处理的方法，解决了在铁路货车不同时刻其结果并不能将故障数据全部正确识别出来的问题；
本发明提供了一种铁路货车制动机故障分析处理的方法，该方法步骤如下；
步骤1、数据存储模块接收TFDS故障智能识别模块输出的目标列车车辆故障预报结果，数据存储模块接收目标列车车辆故障预报结果数据以车辆部件为数据处理单元；所述数据存储模块将所述故障预报结果数据以文件形式存储到本地磁盘中，同时将故障预报结果缓存至数据库中；这里所说的缓存至数据库中，是缓存至内存存储的数据结构服务器中；
内存存储的数据结构服务器中；
步骤2、逻辑处理模块从所述数据结构服务器缓存中读取目标列车故障预报结果数据，根据预设的阈值对不同的预报故障结果进行逻辑规则引擎处理，输出最终故障识别结果；
步骤3、结果转发模块获取最终故障，并通过HTTP协议接口方式转发给检车作业平台。
优选地，数据存储模块接收TFDS货车故障图像智能识别模块输出的目标列车辆故障预报结果，是指所述TFDS故障智能识别模块将所述故障预报结果数据是通过http协议发送到数据存储模块；所述故障预报结果数据是指故障预报结果数据中有需要逻辑处理的故障图像时，TFDS故障智能识别模块将故障预报结果数据发送到数据存储模块；
优选地，故障预报结果数据是以目标列车的每辆车为数据处理对象，每辆车以车辆底部的部件、车体侧部的部件为数据处理单元；每个部件故障预报结果数据包含n张所述部件对应的图像；TFDS故障智能识别模块将故障预报结果数据通过json数据格式发送给数据存储模块。
JSON文件是用来存储简单的数据结构和对象的文件,可以在web应用程序中进行数据交换；JSON是全称为JavaScript Object Notation,是一种有条理,易于访问的存储信息的方法。
优选地，该数据处理单元包括前台侧架、后台侧架、前台制动梁、后台制动梁、中间部及中间部侧部、和互钩差；
其中，故障预报结果数据包括故障信息、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、部件名称、车尾标识、置信度数值信息；
其中，故障信息包括故障名称、故障编码、故障唯一标识、坐标信息、主副图标识。
优选地，逻辑处理模块从所述数据结构服务器缓存中读取目标列车故障预报结果数据，根据预设的阈值对不同的预报故障结果进行逻辑规则引擎处理，输出最终故障识别结果，是指逻辑处理模块判断是否获取到目标列车中的目标单辆车所有部件，目标单辆车的所有部件都获取到后，对所述目标单辆车的人力制动机紧固故障进行处理；
或者，逻辑处理模块判断是否获取到目标列车的所有部件，之后对所述目标列车的制动机缓解不良故障逻辑处理；
优选地，逻辑处理模块判断是否收到目标列车中的目标单辆车部件数据，是指根据预报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有m个部件数,实时获取到所述目标单辆车的部件数n个；初始值为0，每次获取到目标单辆车的故障预报结果数据为n+1个,该部件数为获取到预报故障结果数据的文件数；当n+1等于时m，表示所述目标单辆车所有故障预报结果数据全部获取到,逻辑处理模块执行下一步逻辑处理。
优选地，目标单辆车所有故障预报结果数据全部获取到,逻辑处理模块执行下一步逻辑处理，是指进一步判断所述目标单辆车所有故障预报结果数据是否误报；根据故障预报结果数据中的车辆序号获取目标单辆车所有的故障信息为人力制动机紧固的故障信息数据；
根据人力制动机紧固的故障信息数据判断是否满足人力制动机紧固误报条件；人力制动机紧固误报条件为(1)所述故障对应的部件名称为中间部侧部，(2)所述故障对应的部件名称为互钩差；同时满足条件(1)和(2)则所述目标单辆车为人力制动机紧固的故障属实，进行合并处理；否则为误报。
其中，同时满足条件(1)和(2)，则目标单辆车的人力制动机紧固的故障属实，进行合并处理，是根据所述数据库中所述目标单辆车序号，从故障预报结果数据查找所述目标车辆的人力制动机紧固所有故障数据，再查找出所有故障数据中部件名称为中间部侧部，并且置信度数值Pmax的目标故障数据，获取目标故障数据的故障唯一标识为x；再根据所有故障数据对应的文件标识从磁盘中找出含有文件标识的目标文件，获取目标文件故障信息中人力制动机紧固的故障信息，判断故障信息的故障标识是否为x；
若故障信息的故障唯一标识为x，修改主副图标识为1，所述目标故障数据的图像作为主图；
若故障信息的故障唯一标识不为x的，修改所述主副图标识为x,作为副图；
根据所述主副图对应所述目标故障数据的文件名，修改磁盘中所述目标故障数据的文件，合并处理完成后将所述目标故障数据修改后的文件重新保存到磁盘中；
当不能同时满足条件(1)和(2)时故障属于误报，从数据库中根据车辆序号查找所述目标车辆的人力制动机紧固故障数据，再根据所述故障数据的文件标识从磁盘中获取所述目标车辆的故障信息文件，删除目标车辆的故障信息文件中的人力制动机紧固的故障信息，再将目标车辆的图像识别结果中的故障数改为n-1；
将修改后的文件重新保存到磁盘中，人力制动机紧固故障逻辑处理完成。
优选地，逻辑处理模块判断是否获取到目标列车的总部件数据，是指获取的所述故障预报结果数据中根据车辆序号和部件数确定每辆车部件数，当获取到尾车的数据时，尾车的车辆序号为目标列车包含的车辆数，再将每辆车的部件数相加，得到所述目标列车的总部件数据；
对目标列车的制动机缓解不良故障逻辑处理，是指所述逻辑处理模块判断故障预报结果数据含有制动机缓解不良故障是否有误报。
其中，逻辑处理模块判断故障预报结果数据含有制动机缓解不良故障是否有误报，是根据数据库中所述目标列车的过车时间和故障名为制动机缓解不良信息，获取目标列车所有制动机缓解不良故障数据，当目标列车制动机缓解不良故障数据的数量大于等于设定阈值，则判定所述目标列车的制动机缓解不良为误报，否则判定为属实故障。
若目标列车制动机缓解不良故障属于误报，则对故障进行删除处理，是指根据上述所有制动机缓解不良故障数据的文件标识在磁盘中获取故障结果文件，删除文件中制动机缓解不良故障的数据信息，将对应图像中的识别故障数修改为n-1，当识别故障数为0时修改图像中的识别状态为0，最后将修改后的文件重新保存到本地磁盘。
若目标列车制动机缓解不良故障属实，则对预报故障结果不做任何修改。
本发明实施例提供了一种铁路货车制动机故障分析处理的方法，解决了基于TFDS故障智能识别模块对铁路货车每列车进行检测后输出的识别故障结果数据，直接发送到检车作业平台会导致检车人员工作量过大，铁路货车在不同时刻其识别结果并不能将故障数据全部正确识别出来，尤其是过车较密集时更会有出错风险，容易出现不必要误报的问题，本发明技术方案基于TFDS故障智能识别模块输出的故障预报结果基础上，对铁路货车制动机部件的故障预报结果进行二次识别分析及逻辑处理，获得最终的故障识别结果，从而提高基于TFDS故障智能识别模块输出的故障预报结果应用的准确率，减少误报率，减少人工复核的工作量，提高检车人员工作效率。
附图说明
图1为一种铁路货车制动机故障分析处理的方法的流程示意图；
图2为一种铁路货车制动机故障分析处理的方法的人力制动机紧固故障逻辑处理流程示意图；
图3为一种铁路货车制动机故障分析处理的方法的制动机缓解不良逻辑处理流程图示意图；
图4为一种铁路货车制动机故障分析处理的方法的障逻辑处理服务流程示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的方法的例子。
实施例一
在一个实施例中，本发明提供一种铁路货车制动机故障分析处理的方法，该方法步骤如下；
步骤1、数据存储模块接收TFDS故障智能识别模块输出的目标列车车辆故障预报结果，数据存储模块接收目标列车车辆故障预报结果数据以车辆部件为数据处理单元；所述数据存储模块将所述故障预报结果数据以文件形式存储到本地磁盘中，同时将故障预报结果缓存至数据库中，这里所说的缓存至数据库中，是缓存至内存存储的数据结构服务器中；
步骤2、逻辑处理模块从所述数据结构服务器缓存中读取目标列车故障预报结果数据，根据预设的阈值对不同的预报故障结果进行逻辑规则引擎处理，输出最终故障识别结果；
步骤3、结果转发模块获取最终故障，并通过HTTP协议接口方式转发给检车作业平台。
在一个实施例中，数据存储模块接收TFDS货车故障图像智能识别模块输出的目标列车辆故障预报结果，是指所述TFDS故障智能识别模块将所述故障预报结果数据是通过http协议发送到数据存储模块；所述故障预报结果数据是指故障预报结果数据中有需要逻辑处理的故障图像时，TFDS故障智能识别模块将故障预报结果数据发送到数据存储模块；
在一个实施例中，故障预报结果数据是以所述目标列车的每辆车为数据处理对象，每辆车以车辆底部的部件、车体侧部的部件为数据处理单元；每个部件故障预报结果数据包含n张所述部件对应的图像；所述TFDS故障智能识别模块将故障预报结果数据通过json数据格式发送给数据存储模块。
JSON文件是用来存储简单的数据结构和对象的文件,可以在web应用程序中进行数据交换；JSON是全称为JavaScript Object Notation,是一种有条理,易于访问的存储信息的方法。
在一个实施例中，该数据处理单元包括前台侧架、后台侧架、前台制动梁、后台制动梁、中间部及中间部侧部、和互钩差；
其中，故障预报结果数据包括故障信息、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、部件名称、车尾标识、置信度数值信息；
其中，故障信息包括故障名称、故障编码、故障唯一标识、坐标信息、主副图标识。
在一个实施例中，逻辑处理模块从所述数据结构服务器缓存中读取目标列车故障预报结果数据，根据预设的阈值对不同的预报故障结果进行逻辑规则引擎处理，输出最终故障识别结果，是指逻辑处理模块判断是否获取到目标列车中的目标单辆车所有部件，目标单辆车的所有部件都获取到后，对所述目标单辆车的人力制动机紧固故障进行处理；
或者，逻辑处理模块判断是否获取到目标列车的所有部件，之后对目标列车的制动机缓解不良故障逻辑处理；
在一个实施例中，逻辑处理模块判断是否收到目标列车中的目标单辆车部件数据，是指根据预报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有m个部件数,实时获取到所述目标单辆车的部件数n个；初始值为0，每次获取到目标单辆车的故障预报结果数据为n+1个,该部件数为获取到预报故障结果数据的文件数；当n+1等于时m，表示所述目标单辆车所有故障预报结果数据全部获取到,逻辑处理模块执行下一步逻辑处理。
在一个实施例中，目标单辆车所有故障预报结果数据全部获取到,逻辑处理模块执行下一步逻辑处理，是指进一步判断所述目标单辆车所有故障预报结果数据是否误报；根据故障预报结果数据中的车辆序号获取目标单辆车所有的故障信息为人力制动机紧固的故障信息数据；
根据人力制动机紧固的故障信息数据判断是否满足人力制动机紧固误报条件；人力制动机紧固误报条件为(1)所述故障对应的部件名称为中间部侧部，(2)所述故障对应的部件名称为互钩差；同时满足条件(1)和(2)则所述目标单辆车为人力制动机紧固的故障属实，进行合并处理；否则为误报。
其中，同时满足条件(1)和(2)，则目标单辆车的人力制动机紧固的故障属实，进行合并处理，是根据所述数据库中所述目标单辆车序号，从故障预报结果数据查找所述目标车辆的人力制动机紧固所有故障数据，再查找出所有故障数据中部件名称为中间部侧部，并且置信度数值Pmax的目标故障数据，获取目标故障数据的故障唯一标识为x；再根据所有故障数据对应的文件标识从磁盘中找出含有文件标识的目标文件，获取目标文件故障信息中人力制动机紧固的故障信息，判断故障信息的故障标识是否为x；
若故障信息的故障唯一标识为x，修改主副图标识为1，目标故障数据的图像作为主图；
若故障信息的故障唯一标识不为x的，修改主副图标识为x,作为副图；
根据主副图对应所述目标故障数据的文件名，修改磁盘中所述目标故障数据的文件，合并处理完成后将目标故障数据修改后的文件重新保存到磁盘中；
当不能同时满足条件(1)和(2)时故障属于误报，从数据库中根据车辆序号查找所述目标车辆的人力制动机紧固故障数据，再根据所述故障数据的文件标识从磁盘中获取所述目标车辆的故障信息文件，删除目标车辆的故障信息文件中的人力制动机紧固的故障信息，再将目标车辆的图像识别结果预报故障结果中的故障数改为n-1；
将修改后的文件重新保存到磁盘中，人力制动机紧固故障逻辑处理完成。
优选地，逻辑处理模块判断是否获取到目标列车的总部件数据，是指获取的所述故障预报结果数据中根据车辆序号和部件数确定每辆车部件数，当获取到尾车的数据时，尾车的车辆序号为目标列车包含的车辆数，再将每辆车的部件数相加，得到所述目标列车的总部件数据；
对目标列车的制动机缓解不良故障逻辑处理，是指所述逻辑处理模块判断故障预报结果数据含有制动机缓解不良故障是否有误报。
其中，逻辑处理模块判断故障预报结果数据含有制动机缓解不良故障是否有误报，是根据数据库中所述目标列车的过车时间和故障名为制动机缓解不良信息，获取目标列车所有制动机缓解不良故障数据，当目标列车制动机缓解不良故障数据的数量大于等于设定阈值，则判定所述目标列车的制动机缓解不良为误报，否则判定为属实故障。则判定所述目标列车的制动机缓解不良为误报，否则判定为属实故障。
在一个实施例中，该阈值设定为专家经验值，一般数值设置为5。
若目标列车制动机缓解不良故障属于误报，则对故障进行删除处理，是指根据上述所有制动机缓解不良故障数据的文件标识在磁盘中获取故障结果文件，删除文件中制动机缓解不良故障的数据信息，将对应图像识别结果中的识别故障数修改为n-1，当识别故障数为0时修改图像识别结果中的识别状态为0。表示无故障，最后将修改后的文件重新保存到本地磁盘。
若目标列车制动机缓解不良故障属实，则对预报故障结果不做任何修改。
本发明实施例提供了一种铁路货车制动机故障分析处理的方法，解决了基于TFDS故障智能识别模块对铁路货车每列车进行检测后输出的识别故障结果数据，直接发送到检车作业平台会导致检车人员工作量过大，铁路货车在不同时刻其识别结果并不能将故障数据全部正确识别出来，尤其是过车较密集时更会有出错风险，容易出现不必要误报的问题，本发明技术方案基于TFDS故障智能识别模块输出的故障预报结果基础上，对铁路货车制动机部件的故障预报结果进行二次识别分析及逻辑处理，获得最终的故障识别结果，从而提高基于TFDS故障智能识别模块输出的故障预报结果应用的准确率，减少误报率，减少人工复核的工作量，提高检车人员工作效率。
实施例二
在一个实施例中，铁路货车从探测站通过，TFDS拍照设备通过高速拍摄，动态采集车底、车体侧部图像，将采集的图像发送给TFDS智能识别算法模块进行识别,识别完成后将车辆故障预报结果，以车辆部件(分为前台侧架、后台侧架、前台制动梁、后台制动梁、中间部及中间部侧部和互钩差等)为数据处理单元发送到逻辑处理服务。逻辑处理服务系统根据铁路货车制动机不同故障进行对应逻辑处理，并将最终结果转发给检车作业平台。逻辑处理服务处理逻辑上分为数据存储模块、逻辑处理模块和结果转发模块。
在一个实施例中，本发明提供一种铁路货车制动机故障分析处理的方法如图4所示，图2所示，下面将列举制动机不同故障的不同处理逻辑；
在一个实施例中，例如一列车共50辆车，每辆车13个部件，其中第2辆车部件1有5张图像预报故障结果，其中四张图像预报故障结果正常，无故障，图像5识别出一个故障为：人力制动机紧固。图像5主要信息有：部件数13，车辆序号2，过车时间20220929052638，部件名称为中间部侧部，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：人力制动机紧固，置信度98，故障唯一标识为
851cd482-3f74-11ed-b272-0242ac110005，主副图标识为0。
第2辆车部件2有5张图像预报故障结果，其中四张图像预报故障结果无人力制动机紧固故障，图像4识别出一个故障：人力制动机紧固。图像4主要信息有：部件数13，车辆序号2过车时间20220929052638，部件名称为互钩差，文件标识：1AB8313A85CF4333B6F0F87A0DF31533_10，故障数1，识别状态1,故障信息中主要有故障名称：人力制动机紧固，置信度96，故障唯一标识为
851cd482-3f74-11ed-b272-0242ac110004，主副图标识为0。
第5辆车部件1有9张图像预报故障结果，其中四张图像预报故障结果无故障，图像1识别出一个故障：制动机缓解不良。图像1主要信息有：部件数13，车辆序号5过车时间20220929052638，文件标识：
DC5C9837420435B2B3E464225092AE11_01，故障数1，识别状态1,故障信息中主要有故障名称：制动机缓解不良，置信度67，故障唯一标识为
851cd482-3f74-11ed-b272-0242ac110011，主副图标识为0。
第6辆车部件1有9张图像预报故障结果，其中四张图像预报故障结果无故障，图像2识别出一个故障：制动机缓解不良。图像2主要信息有：部件数13，车辆序号6过车时间20220929052638，文件标识：0EEEBB02B8E7493285F0449D5DB9DE61_02，故障数1，识别状态1,故障信息中主要有故障名称：制动机缓解不良，置信度67，故障唯一标识为
851cd482-3f74-11ed-b272-0242ac110012，主副图标识为0。
第7辆车部件1有9张图像预报故障结果，其中四张图像预报故障结果无故障，图像3识别出一个故障：制动机缓解不良。图像3主要信息有：部件数13，车辆序号7过车时间20220929052638，文件标识：1FFE344C65FA4DB48A001E80A77F3133_03，故障数1，识别状态1,故障信息中主要有故障名称：制动机缓解不良，置信度66，故障唯一标识为
851cd482-3f74-11ed-b272-0242ac110013，主副图标识为0。
第8辆车部件1有9张图像预报故障结果，其中四张图像预报故障结果无故障，图像4识别出一个故障：制动机缓解不良。图像4主要信息有：部件数13，车辆序号8过车时间20220929052638，文件标识：2FF781A434AC4FB7AEBEA599B9C4BF44_04，故障数1，识别状态1,故障信息中主要有故障名称：制动机缓解不良，置信度56，故障唯一标识为
851cd482-3f74-11ed-b272-0242ac110014，主副图标识为0。
第9辆车部件1有9张图像预报故障结果，其中四张图像预报故障结果无故障，图像5识别出一个故障：制动机缓解不良。图像5主要信息有：部件数13，车辆序号9过车时间20220929052638，文件标识：3CD7F75758C248609459424E11BBF7F0_05，故障数1，识别状态1,故障信息中主要有故障名称：制动机缓解不良，置信度66，故障唯一标识为
851cd482-3f74-11ed-b272-0242ac110015，主副图标识为0。
一、数据存储模块。
TFDS故障智能识别模块将列车图像故障预报结果通过http协议以JSON格式发送到逻辑处理服务系统。如图2、图3所示。故障预报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、部件名称、尾车标识、置信度数值信息等信息。故障预报结果数据中有需要逻辑处理的故障时，数据存储模块则将故障预报结果存储到本地磁盘及数据库中；如果故障预报结果中没有需要逻辑处理的故障，则将故障预报结果数据转发给检车作业平台即可。
在一个实施例中，车辆2部件1图像5、车辆2部件2图像4、车辆5部件1图像1、车辆6部件1图像2、车辆7部件1图像3、车辆8部件1图像4、车辆9部件1图像5中存在人力制动机紧固或者制动机缓解不良，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、部件名称、尾车标识等数据存入数据库，列车其他部件的预报故障结果发送到检车作业平台。
二、逻辑处理模块
数据存储模块处理完后,逻辑处理模块获取到故障预报结果数据开始进行故障逻辑处理。如图2、图3所示。
1、人力制动机紧固故障逻辑处理
1)判断是否收到单辆车全部预报故障结果。
先计算目标车辆部件数，计算过程:根据预报故障结果中的车辆序号和部件数可以确定目标车辆对应的部件数；再统计实际收到的目标车辆部件数，计算过程：实际收到的部件数记为n(初始值0),每次接收到目标车辆的预报故障结果则部件数加1,当计算的车辆部件数等于实际收到的目标车辆部件数时，表示该辆车所有部件都接收到。根据本例，故障预报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辆车的预报故障结果，初始值加1，实际收到的部件数等于13时，表示第2辆车所有部件都收接收到。
2)判断TFDS故障预报结果是否误报。
目标车辆全部预报故障结果都收到后，从数据库中根据车辆序号获取该辆车所有的故障名称为人力制动机紧固的故障信息数据。故障属实判断：(1)故障对应的部件名称为中间部侧部。(2)故障对应的部件名称为互钩差。同时满足条件1和2则此辆车的人力制动机故障属实，预报故障结果中的人力制动机紧固故障进行合并，否则为误报。具体实现方式是从获取到的人力制动机紧固故障数据中获取图像部件名称，然后判断部件名称是否同时满足条件(1)和(2)。根据本例，从数据库中获取车辆2所有人力制动机紧固的故障信息数据，共两个，分别是部件1图像5对应的人力制动机紧固故障信息和部件2图像4对应的人力制动机紧固故障信息，部件1图像5对应部件名称为中间部侧部，部件2图像4对应部件名称为互钩差，满足条件(1)(2)，说明第2辆车人力制动机紧固故障属实。
3)故障属实处理
故障属实则将目标车辆人力制动机紧固故障作合并处理。从数据库中根据车辆序号查找目标车辆所有的人力制动机紧固故障数据，再根据故障数据信息查找出部件名称为中间部侧部且置信度Pmax的故障数据，获取此故障数据故障标识对应的值x；再根据所有的人力制动机紧固故障数据的每个故障数据存储的文件标识从磁盘中找出对应的文件，获取文件故障信息中人力制动机紧固的故障信息，判断其对应的故障数据故障标识是否为x，若为x，修改其主副图标识值为1，作为主图；不为x的，修改其主副图标识为x,作为副图。合并完成，将修改后的文件重新保存到磁盘中。
根据本例，部件1图像5对应的文件标识为
1AB8313A85CF4333B6F0F87A0DF31533_30，从磁盘中找出文件名为
1AB8313A85CF4333B6F0F87A0DF31533_30的文件，找出图像5的人力制动机紧固数据块，修改其主副图标识为1，同时修改图像5识别的故障数为0，修改识别状态为0；部件1图像4对应的文件标识为1AB8313A85CF4333B6F0F87A0DF31533_10，从磁盘中找出文件名为1AB8313A85CF4333B6F0F87A0DF31533_10的文件，找出图像4的人力制动机紧固数据块，修改其主副图标识为851cd482-3f74-11ed-b272-0242ac110005，同时修改图像4识别的故障数为0，修改识别状态为0
4)故障误报处理。
故障属于误报，则删除该辆车所有返回结果中的人力制动机紧固故障。从数据库中根据车辆序号查找对应的人力制动机紧固故障数据，再根据故障数据存储的文件唯一标识从磁盘文件中找出对应的文件，删除文件中的人力制动机紧固的故障信息，再将对应图像预报故障结果中的故障数改为n-1，当故障数为0时，同时修改图像故障状态为0(无故障)。删除完成后，将修改后的文件重新保存到磁盘中；人力制动机紧固故障逻辑处理完成。
2、制动机缓解不良处理逻辑
1)逻辑处理模块判断是否收到目标列车所有部件。
从获取的故障预报结果数据中根据车辆序号和部件数确定每辆车部件数，当获取到收尾车的预报故障结果数据时，尾车的车辆序号为目标列车包含的车辆数，再将每辆车的部件数相加，得到所述目标列车部件的总数；再统计本列车收到的部件数k，计算过程：初始值为0，每次收到部件的智能预报故障结果则k＝k+1；当j＝k时，说明获取到目标列车所有部件。
在本例中，列车共50辆车，第50辆车有尾车标识，当接收到尾车的预报故障结果时，确定此列车共50辆车，每辆车部件数13，此列车共650个部件，本列车收到的部件数初始值为0，收到部件数加1，当收到的部件数为650时，说明收到本列车所有部件
2)判断列车制动机缓解不良是否误报
目标列车全部预报故障结果都收到后，从数据库根据过车时间和故障名(制动机缓解不良)获取目标列车所有制动机缓解不良故障数据，统计目标列车制动机缓解不良故障数据的数量，当数量大于等于设定阈值，该阈值设定为专家经验值，一般数值为5，则判定目标列车的制动机缓解不良为误报，否则判定为属实故障。
根据本例，从数据库根据过车时间20220929052638和故障名(制动机缓解不良)查找出此列车所有制动机缓解不良故障数据，共5条，分别为车辆5图像1，车辆6图像2，车辆7图像3，车辆8图像4，车辆9图像5，等于设定阈值，说明此列车制动机缓解不良为误报。
3)故障误报处理
若目标列车制动机缓解不良为误报，则删除预报故障结果中的制动机缓解不良故障。具体实现过程：从步骤2查找出的整列车所有的制动机环节不良故障数据中获取文件标识，查找出磁盘中对应的文件，删除文件中制动机缓解不良故障的数据块，将图像识别信息中的故障数改为n-1；当故障数为0时，说明该车辆的制动机故障只有制动机故障缓解不良一个故障误报，同时修改故障状态为0(无故障)，并将修改后的文件重新保存到本地磁盘；
根据本例，从数据库查出上述5条故障信息，分别为车辆5图像1，车辆6图像2，车辆7图像3，车辆8图像4，车辆9图像5；根据车辆5图像1对应的文件标识DC5C9837420435B2B3E464225092AE11_01从磁盘中找出
DC5C9837420435B2B3E464225092AE11_01文件，删除文件中图像1中的制动机缓解不良数据块，将图像1识别信息中的故障数改为0，再将故障状态改为0，文件修改完成后重新保存；其余四条故障依次处理。
4)若目标列车制动机缓解不良为属实，对应的预报故障结果不做处理；
三、文件转发模块
逻辑处理模块对铁路货车制动机部件的故障结果进行二次识别分析及逻辑处理完后，将磁盘中处理后的识别故障结果数据文件，通过文件转发模块发送到检车作业平台，这里所述的文件转发模块是通过HTTP协议将数据以json的形式发送到检车作业平台。
本发明实施例提供了一种铁路货车制动机故障分析处理的方法，解决了基于TFDS故障智能识别模块对铁路货车每列车进行检测后输出的识别故障结果数据，直接发送到检车作业平台会导致检车人员工作量过大，铁路货车在不同时刻其识别结果并不能将故障数据全部正确识别出来，尤其是过车较密集时更会有出错风险，容易出现不必要误报的问题，本发明技术方案基于TFDS故障智能识别模块输出的故障预报结果基础上，对铁路货车制动机部件的故障预报结果进行二次识别分析及逻辑处理，获得最终的故障识别结果，从而提高基于TFDS故障智能识别模块输出的故障预报结果应用的准确率，减少误报率，减少人工复核的工作量，提高检车人员工作效率。

Claims (10)

1.一种铁路货车制动机故障分析处理的方法，其特征在于，所述方法包括步骤如下：
步骤1、数据存储模块接收TFDS故障智能识别模块输出的目标列车车辆故障预报结果，所述数据存储模块接收目标列车车辆故障预报结果数据以车辆部件为数据处理单元；所述数据存储模块将所述故障预报结果数据以文件形式存储到本地磁盘中，同时将故障预报结果缓存至数据库中；
步骤2、逻辑处理模块从所述数据结构服务器缓存中读取目标列车故障预报结果数据，根据预设的阈值对不同的预报故障结果数据进行逻辑规则引擎处理，输出最终故障识别结果；
步骤3、结果转发模块获取最终故障识别结果，并通过HTTP协议接口方式转发给检车作业平台。
2.根据权利要求1所述的一种铁路货车制动机故障分析处理的方法，其特征在于，所述数据存储模块接收TFDS故障智能识别模块输出所述目标列车辆故障预报结果，是指所述TFDS故障智能识别模块将所述故障预报结果数据是通过http协议发送到数据存储模块；所述故障预报结果数据是指故障预报结果数据中有需要进一步逻辑处理的故障图像时，所述TFDS故障智能识别模块将所述将所述故障预报结果数据发送到数据存储模块；
所述故障预报结果数据是以所述目标列车的每辆车为数据处理对象，每辆车以车辆底部的部件、车体侧部的部件为数据处理单元；每个部件故障预报结果数据包含n张所述部件对应的图像；所述TFDS故障智能识别模块将故障预报结果数据通过json数据格式发送给数据存储模块。
3.根据权利要求2的一种铁路货车制动机故障分析处理的方法，其特征在于，所述数据处理单元包括前台侧架、后台侧架、前台制动梁、后台制动梁、中间部及中间部侧部、和互钩差；
所述故障预报结果数据包括故障信息、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、部件名称、车尾标识、置信度数值信息；
所述故障信息包括故障名称、故障编码、故障唯一标识、坐标信息、主副图标识。
4.根据权利要求1所述的一种铁路货车制动机故障分析处理的方法，其特征在于，所述逻辑处理模块从所述数据结构服务器缓存中读取目标列车故障预报结果数据，根据预设的阈值对不同的预报故障结果进行逻辑规则引擎处理，输出最终故障识别结果，是指所述逻辑处理模块判断是否获取到所述目标列车中的目标单辆车所有部件数据，所述目标单辆车的所有部件数据都获取到后，对所述目标单辆车的人力制动机紧固故障进行处理；
或者，所述逻辑处理模块判断是否获取到所述目标列车的总部件数据，之后对所述目标列车的制动机缓解不良故障逻辑处理。
5.根据权利要求4所述的一种铁路货车制动机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收到所述目标列车中的目标单辆车部件数据，是指根据所述预报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有m个部件数,实时获取到所述目标单辆车的部件数n个；初始值为0，每次获取到目标单辆车的故障预报结果数据为n+1个,所述部件数为获取到预报故障结果数据的文件数；当n+1等于时m，表示所述目标单辆车所有故障预报结果数据全部获取到,所述逻辑处理模块执行下一步逻辑处理。
6.根据权利要求5所述的一种铁路货车制动机故障分析处理的方法，其特征在于，所述目标单辆车所有故障预报结果数据全部获取到,所述逻辑处理模块执行下一步逻辑处理，是指进一步判断所述目标单辆车所有故障预报结果数据是否误报；根据所述故障预报结果数据中的车辆序号获取所述目标单辆车所有的故障信息为人力制动机紧固的故障信息数据；
根据所述人力制动机紧固的故障信息数据判断是否满足人力制动机紧固误报条件；所述人力制动机紧固误报条件为：(1)所述故障对应的图像部件名称为中间部侧部，(2)所述故障对应的图像部件名称值为互钩差；同时满足条件(1)和(2)所述目标单辆车为人力制动机紧固的故障属实进行合并处理；否则为误报。
7.根据权利要求6所述的一种铁路货车制动机故障分析处理的方法，其特征在于，所述同时满足条件(1)和(2)，则目标单辆车的人力制动机紧固的故障属实，进行合并处理，是根据所述目标单辆车序号，从故障预报结果数据查找所述目标车辆的人力制动机紧固所有故障数据，再查找出所述所有故障数据中部件名称为中间部侧部，并且置信度数值Pmax的目标故障数据，获取所述目标故障数据的故障唯一标识为x；再根据所述所有故障数据对应的文件标识从磁盘中找出含有文件标识的目标文件，获取目标文件故障信息中人力制动机紧固的故障信息，判断所述故障信息的故障标识是否为x；
若所述故障信息的故障唯一标识为x，修改主副图标识为1，所述目标故障数据的图像作为主图；
若所述故障信息的故障唯一标识不为x的，修改所述主副图标识为x,作为副图；
根据所述主副图对应所述目标故障数据的文件名，修改磁盘中所述目标故障数据的文件，合并处理完成后将所述目标故障数据修改后的文件重新保存到磁盘中；
当不能同时满足条件(1)和(2)时故障属于误报，从所述数据库中根据车辆序号查找所述目标车辆的人力制动机紧固故障数据，再根据所述故障数据的文件唯一标识从所述磁盘文件中找出所述目标车辆的故障信息文件，删除所述目标车辆的故障信息文件中人力制动机紧固的故障信息，再将所述目标车辆的图像预报故障结果中的故障数改为n-1；
将所述目标车辆图像标识信息修改后的文件重新保存到磁盘中，人力制动机紧固故障逻辑处理完成。
8.根据权利要求4所述的一种铁路货车制动机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所述目标列车的总部件数据，是指获取的所述故障预报结果数据中根据车辆序号和部件数确定每辆车部件数，当获取到尾车的数据时，尾车的车辆序号为目标列车包含的车辆数，再将每辆车的部件数相加，得到所述目标列车的总部件数据；
所述对所述目标列车的制动机缓解不良故障逻辑处理，是指所述逻辑处理模块判断故障预报结果数据含有制动机缓解不良故障是否有误报。
9.根据权利要求8所述的一种铁路货车制动机故障分析处理的方法，其特征在于，所述逻辑处理模块判断故障预报结果数据含有制动机缓解不良故障是否有误报，是根据数据库中所述目标列车的过车时间和故障名为制动机缓解不良信息，获取目标列车所有制动机缓解不良故障数据，当目标列车制动机缓解不良故障数据的数量大于等于设定阈值，则判定所述目标列车的制动机缓解不良为误报，否则判定为属实故障。
10.根据权利要求9所述的一种铁路货车制动机故障分析处理的方法，其特征在于，所述判定所述目标列车的制动机缓解不良为误报，对所述目标列车的制动机缓解不良为误报数据作标识处理；
所述误报数据作标识处理，是在所述磁盘中找出所述目标列车所有制动机不良故障数据中的文件，并获取文件标识，删除所述文件标识含有制动机缓解不良故障的数据信息，将所述目标列车的预报故障结果数据的故障数改为n-1；并将所述目标列车修改后的文件重新保存到本地磁盘。
CN202310119896.4A 2023-02-15 2023-02-15 一种铁路货车制动机故障分析处理的方法 Pending CN116401386A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310119896.4A CN116401386A (zh) 2023-02-15 2023-02-15 一种铁路货车制动机故障分析处理的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310119896.4A CN116401386A (zh) 2023-02-15 2023-02-15 一种铁路货车制动机故障分析处理的方法

Publications (1)

Publication Number Publication Date
CN116401386A true CN116401386A (zh) 2023-07-07

Family

ID=87018628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310119896.4A Pending CN116401386A (zh) 2023-02-15 2023-02-15 一种铁路货车制动机故障分析处理的方法

Country Status (1)

Country Link
CN (1) CN116401386A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118397562A (zh) * 2024-05-28 2024-07-26 慧铁科技股份有限公司 一种铁路货车tfds智能识别实时监控方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118397562A (zh) * 2024-05-28 2024-07-26 慧铁科技股份有限公司 一种铁路货车tfds智能识别实时监控方法及系统

Similar Documents

Publication Publication Date Title
CN109165541B (zh) 用于智能识别轨道交通车辆图像中车辆零部件的编码方法
CN109977817A (zh) 基于深度学习的动车组车底板螺栓故障检测方法
CN109241986B (zh) 用于轨道交通车辆零部件图像识别模型的样本制作方法
CN111652295B (zh) 一种铁路货车钩尾销托梁脱落故障识别方法
CN116401386A (zh) 一种铁路货车制动机故障分析处理的方法
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
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
CN116168356A (zh) 一种基于计算机视觉的车辆损伤判别方法
CN112037182A (zh) 基于时序图像的机车走行部故障检测方法、装置及存储介质
CN115424128A (zh) 一种货车转向架下拉杆故障图像检测方法及系统
CN117576919B (zh) 车辆超载识别系统、方法及电子设备
CN112990329B (zh) 一种系统异常诊断方法和装置
CN117574129A (zh) 一种铁路货车车轮磨耗智能预测方法
CN116977981A (zh) 多传感器数据融合技术在车站外部环境动态感知系统应用
CN114066288B (zh) 一种基于智慧数据中心的营运道路应急检测方法及系统
CN112766174B (zh) 一种铁路列车车厢组底板丢失故障检测方法
CN115879036B (zh) 一种列车缓解阀拉杆故障分析处理的方法
CN104504713A (zh) 一种动车组运行状态图像监控故障自动识别方法
CN115973125B (zh) 一种处理铁路货车脱轨自动制动装置故障的方法
Li et al. Damage detection algorithm based on faster-RCNN
CN115901299B (zh) 一种列车车钩钩缓部件故障分析处理的方法
CN116579677B (zh) 一种高速铁路电务车载设备全生命周期管理方法及系统
CN113327078B (zh) 基于lstm算法的货车装卸车停靠类型判断方法、系统及介质
CN118135380A (zh) 一种tfds识别模型的评价方法及装置
CN114564609A (zh) 一种货车车辆检测图像的样本库构建方法及装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 710000 room 11302, building a, national digital publishing base, No. 996, Tiangu seventh Road, high tech Zone, Xi'an, Shaanxi Province

Applicant after: Huitie Technology Co.,Ltd.

Address before: 710000 room 11302, building a, national digital publishing base, No. 996, Tiangu seventh Road, high tech Zone, Xi'an, Shaanxi Province

Applicant before: Huitie Technology Co.,Ltd.