CN117520787A - 基于数字孪生的高速公路智慧化数据故障分析方法和系统 - Google Patents
基于数字孪生的高速公路智慧化数据故障分析方法和系统 Download PDFInfo
- Publication number
- CN117520787A CN117520787A CN202410008649.1A CN202410008649A CN117520787A CN 117520787 A CN117520787 A CN 117520787A CN 202410008649 A CN202410008649 A CN 202410008649A CN 117520787 A CN117520787 A CN 117520787A
- Authority
- CN
- China
- Prior art keywords
- data
- processing
- initial
- processing data
- cross
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 254
- 239000008280 blood Substances 0.000 claims abstract description 47
- 210000004369 blood Anatomy 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000008859 change Effects 0.000 claims abstract description 9
- 238000003754 machining Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000003672 processing method Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000009430 construction management Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请公开了基于数字孪生的高速公路智慧化数据故障分析方法和系统,涉及数字孪生应用技术领域,本申请包括:获取目标高速公路相关的全平台的数字孪生数据;将数字孪生数据分类为初始数据、加工数据和规则数据,加工数据为初始数据通过规则数据处理后的加工数据;构建任一加工数据关于初始数据、规则数据的数据血缘,包括任一加工数据与初始数据的互相关度、任一加工数据与其他加工数据的互相关度、初始数据或/和加工数据的变化对应规则数据对其他的加工数据的影响度;对报错数据依据数据血缘查找到互相关度排序配合影响度后分析故障,输出故障分析结果对应的多个加工数据。本申请实现数字孪生基础下的数据报错轻量化处理。
Description
技术领域
本申请涉及数字孪生应用技术领域,具体涉及基于数字孪生的高速公路智慧化数据故障分析方法和系统。
背景技术
随着物联网软硬件技术的发展,在工程建设领域开展了利用物联网技术推动工程建设管控的研究。高速公路项目作为数字高速的试点工程,针对工程建设管理,将重点研究如何有效的将物联网技术与高速公路全生命周期管理相结合,提高工程现场施工数据的采集质量和效率,并结合轻量化数字孪生数据进行多源信息的融合应用,提升管控应用的可视化支撑。研究内容主要包括:
(1)工程现场物联网设备数据实时接入技术研究
(2)多类型物联网采集信息数据处理技术研究
(3)多源物联网采集信息数据分类存储技术研究
在实际应用中,由于财政部门、监管部门、质检部门和上级验收部门,在与施工部门进行按工期时间节点对接过程中,存在数据在不同部门系统传递过程中报错的情况,为进行故障分析;
因此,亟需一种基于数字孪生的高速公路智慧化数据故障分析方法和系统。
发明内容
本申请基于数字孪生的高速公路智慧化数据故障分析方法和系统,解决现有技术中的问题。
第一方面,本申请提供基于数字孪生的高速公路智慧化数据故障分析方法,包括:
获取目标高速公路相关的全平台的数字孪生数据;
将数字孪生数据分类为初始数据、加工数据和规则数据,加工数据为初始数据通过规则数据处理后的加工数据;
构建任一加工数据关于初始数据、规则数据的数据血缘,包括任一加工数据与初始数据的互相关度、任一加工数据与其他加工数据的互相关度、初始数据或/和加工数据的变化对应规则数据对其他的加工数据的影响度;
对报错数据依据数据血缘查找到互相关度排序配合影响度后分析故障,输出故障分析结果对应的多个加工数据。
进一步的,所述获取目标高速公路相关的全平台的数字孪生数据,包括:
接入目标高速公路相关的所有平台和系统,获取对应平台和系统的数字孪生数据,并且统一数字孪生数据的格式和标签类型,所述标签类型为所述数字孪生数据对应的种类在不同平台和系统上的名称。
进一步的,所述将数字孪生数据分类为初始数据、加工数据和规则数据,加工数据为初始数据通过规则数据处理后的加工数据,包括:
所述初始数据为原始输入所述平台和/或系统的数据,所述加工数据为经过初始数据一次或多次处理后获取的数据,所述规则数据为获取到加工数据过程中对应的处理方法对应的数据;
所述分类为初始数据、加工数据和规则数据的过程为:
调用平台和系统的日志,对平台或系统的感知源输出的数据标记为初始数据,抓取调用初始数据的记录,读出处理初始数据的方法并标号,对同一处理方法标记为同一标号,对不同处理方法标记不同标号,记录标号为规则数据,记录对应初始数据在对应标号处理后获取的数据为加工数据。
进一步的,还包括:获取关于初始数据在一个标号或多个标号顺序处理后的加工数据记录,找出初始数据到加工数据经过最多的标号处理的记录,在所述最多的标号处理的记录中,找到最后的加工数据,计算所述最后的加工数据关于获取所述最后的加工数据相关的所有初始数据的互相关度,并计算多个互相关度的方差和均值,所述方差用于评估加工数据的数据稳定性。
进一步的,所述构建任一加工数据关于初始数据、规则数据的数据血缘,包括任一加工数据与初始数据的互相关度、任一加工数据与其他加工数据的互相关度、初始数据或/和加工数据的变化对应规则数据对其他的加工数据的影响度,具体包括:
所述数据血缘为加工数据关于规则数据和初始数据的关联关系,将所述关联关系对应的规则数据与初始数据的数据源地址指针记录,将计算获取的所述互相关度与影响度对应所述地址指针记录数据记录;
所述互相关度为基于同一数据的两个不同数据的两个比值,当构建任一加工数据与初始数据的互相关度时,处理为:初始数据关于初始数据的比值为1,任一加工数据关于初始数据的比值,此时,互相关度为1与任一加工数据关于初始数据的比值x,记为互相关度:1-x;当构建任一加工数据与其他加工数据的互相关度时,处理为:任一加工数据关于与其他加工数据在数据处理时序上最接近的同一加工数据或初始数据的比值y,其他加工数据关于所述最接近的同一加工数据或初始数据的比值z,记为互相关度:y-z;
所述影响度的计算包括:对初始数据的抖动△a在一个不同标号标记的处理后获取的加工数据的抖动△b,影响度为△b/△a;对加工数据的抖动△c在一个不同标号标记的处理后获取的加工数据的抖动△b’,影响度为△b’/△c;对两个输入数据,即,初始数据的抖动△a’和加工数据的抖动△c’ 在一个不同标号标记的处理后获取的加工数据的抖动△b’’,影响度为△b’’/`[ (△c’ +△a’ )(△c’ -△a’ )]1/2。
进一步的,所述对报错数据依据数据血缘查找到互相关度排序配合影响度后分析故障,输出故障分析结果对应的多个加工数据,具体包括:
对一个报错数据定位故障分析:计算对应报错数据的此时互相关度并排序,对比数据血缘中正常的互相关度,找出差异的加工数据,再从差异的加工数据中,计算并找出对报错数据影响度不同于数据血缘中影响度的二次差异加工数据并输出二次差异加工数据。
进一步的,对一个报错数据定位故障分析具体还包括:
依据影响度的不同,计算不同二次差异加工数据为故障概率,具体步骤为:
根据二次差异加工数据直接相关的加工数据个数,计算每个加工数据相对于二次差异加工数据产生的互相关度,分析多个互相关度在不同顺序下产生的最大互相关度方差值,依据多个二次差异加工数据的方差值的占比,计算二次差异加工数据对应的故障概率。
进一步的,所述对报错数据依据数据血缘查找到互相关度排序配合影响度后分析故障,输出故障分析结果对应的多个加工数据,具体包括:
对多个报错数据定位故障分析:
构建报错数据矩阵,先依据数据血缘中的影响度,在多个报错数据中,分析先产生错误导致后续加工数据报错的加工数据,对先出错的加工数据依据数据血缘中的互相关度矩阵,通过互相关度矩阵与先出错的加工数据同时调用规则数据矩阵输出二次加工数据,计算并分析出二次加工数据中在影响度与互相关度同时差异原数据血缘中对应数值的数据作为二次差异加工数据,输出二次差异加工数据作为故障报错。
第二方面,本申请提供基于数字孪生的高速公路智慧化数据故障分析系统,用于实现如第一方面任一所述的基于数字孪生的高速公路智慧化数据故障分析方法, 包括:
获取模块,用于获取目标高速公路相关的全平台的数字孪生数据;
分类模块,用于将数字孪生数据分类为初始数据、加工数据和规则数据,加工数据为初始数据通过规则数据处理后的加工数据;
构建模块,用于构建任一加工数据关于初始数据、规则数据的数据血缘,包括任一加工数据与初始数据的互相关度、任一加工数据与其他加工数据的互相关度、初始数据或/和加工数据的变化对应规则数据对其他的加工数据的影响度;
分析模块,用于对报错数据依据数据血缘查找到互相关度排序配合影响度后分析故障,输出故障分析结果对应的多个加工数据。
优选的,对于所述分类模块,具体用于包括:所述初始数据为原始输入所述平台和/或系统的数据,所述加工数据为经过初始数据一次或多次处理后获取的数据,所述规则数据为获取到加工数据过程中对应的处理方法对应的数据;所述分类为初始数据、加工数据和规则数据的过程为:调用平台和系统的日志,对平台或系统的感知源输出的数据标记为初始数据,抓取调用初始数据的记录,读出处理初始数据的方法并标号,对同一处理方法标记为同一标号,对不同处理方法标记不同标号,记录标号为规则数据,记录对应初始数据在对应标号处理后获取的数据为加工数据。还包括:获取关于初始数据在一个标号或多个标号顺序处理后的加工数据记录,找出初始数据到加工数据经过最多的标号处理的记录,在所述最多的标号处理的记录中,找到最后的加工数据,计算所述最后的加工数据关于获取所述最后的加工数据相关的所有初始数据的互相关度,并计算多个互相关度的方差和均值,所述方差用于评估加工数据的数据稳定性。
优选的,对于 所述构建模块,具体包括:所述数据血缘为加工数据关于规则数据和初始数据的关联关系,将所述关联关系对应的规则数据与初始数据的数据源地址指针记录,将计算获取的所述互相关度与影响度对应所述地址指针记录数据记录;所述互相关度为基于同一数据的两个不同数据的两个比值,当构建任一加工数据与初始数据的互相关度时,处理为:初始数据关于初始数据的比值为1,任一加工数据关于初始数据的比值,此时,互相关度为1与任一加工数据关于初始数据的比值x,记为互相关度:1-x;当构建任一加工数据与其他加工数据的互相关度时,处理为:任一加工数据关于与其他加工数据在数据处理时序上最接近的同一加工数据或初始数据的比值y,其他加工数据关于所述最接近的同一加工数据或初始数据的比值z,记为互相关度:y-z;所述影响度的计算包括:对初始数据的抖动△a在一个不同标号标记的处理后获取的加工数据的抖动△b,影响度为△b/△a;对加工数据的抖动△c在一个不同标号标记的处理后获取的加工数据的抖动△b’,影响度为△b’/△c;对两个输入数据,即,初始数据的抖动△a’和加工数据的抖动△c’ 在一个不同标号标记的处理后获取的加工数据的抖动△b’’,影响度为△b’’/`[ (△c’ +△a’ )(△c’-△a’ )]1/2。
优选的,对于所述分析模块,包括:
对一个报错数据定位故障分析:计算对应报错数据的此时互相关度并排序,对比数据血缘中正常的互相关度,找出差异的加工数据,再从差异的加工数据中,计算并找出对报错数据影响度不同于数据血缘中影响度的二次差异加工数据并输出二次差异加工数据。依据影响度的不同,计算不同二次差异加工数据为故障概率,具体步骤为:根据二次差异加工数据直接相关的加工数据个数,计算每个加工数据相对于二次差异加工数据产生的互相关度,分析多个互相关度在不同顺序下产生的最大互相关度方差值,依据多个二次差异加工数据的方差值的占比,计算二次差异加工数据对应的故障概率。
对多个报错数据定位故障分析:
构建报错数据矩阵,先依据数据血缘中的影响度,在多个报错数据中,分析先产生错误导致后续加工数据报错的加工数据,对先出错的加工数据依据数据血缘中的互相关度矩阵,通过互相关度矩阵与先出错的加工数据同时调用规则数据矩阵输出二次加工数据,计算并分析出二次加工数据中在影响度与互相关度同时差异原数据血缘中对应数值的数据作为二次差异加工数据,输出二次差异加工数据作为故障报错。
本申请的有益效果,包括:
本申请利用数字孪生模型数据进行故障排查,并通过数据分析的形式,将异常数据的位置、影响情况,实现全生命周期的故障分析,提高系统稳定性;
本申请实现多源异构数据的高性能承载、分析、呈现。
本申请实现数字孪生基础下的数据报错轻量化处理。
附图说明
此处所说明的附图用来提供对本申请实施例的进一步理解,构成本申请的一部分,并不构成对本申请实施例的限定。在附图中:
图1为本申请一示例性实施例提供的基于数字孪生的高速公路智慧化数据故障分析方法流程图。
图2为本申请一示例性实施例提供的基于数字孪生的高速公路智慧化数据故障分析系统模块示意图。
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申请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、本申请的一些方面相一致的装置和方法的例子。
传统高速公路管理手段不足,通过构建高速公路全生命周期数字档案,解决对工程重点地点和部位、隐蔽工程、关键指标原始数据等数据的采集上传问题,实现远程视频监控、超标数据预警、设备资产管理等信息的存储、浏览、查询和统计分析,形成数据“来源可查、去向可追、监督留痕、责任可究”的完整信息链条,实现高速公路全生命周期的数字化管理。由于数据随着物联网软硬件技术的发展,将重点研究如何有效的将物联网技术与高速公路全生命周期管理相结合,提高工程现场施工数据的采集质量和效率,并结合轻量化数字孪生数据进行多源信息的融合应用,提升管控应用的可视化支撑。在这个 过程中,产生大量数据,同时存在数据纠错的问题,由于系统错误等非标原因产生数据因干扰,导致最后影响数字孪生模型的建立,而正是由于数据的量级导致,数据回溯监控发现故障源头困难。
本申请具体的应用场景数字孪生的报错故障分析场景。
本申请构思通过对数据分类、自查的方式,在发现出错数据时,可以第一时间对比找到异常,并依据影响度因素配合互相关度因素,找到最有可能的故障数据。
本申请提供的基于数字孪生的高速公路智慧化数据故障分析方法和系统,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
实施例1:本申请提供基于数字孪生的高速公路智慧化数据故障分析方法,如图1所示,包括:
s1、获取目标高速公路相关的全平台的数字孪生数据;
接入目标高速公路相关的所有平台和系统,获取对应平台和系统的数字孪生数据,并且统一数字孪生数据的格式和标签类型,所述标签类型为所述数字孪生数据对应的种类在不同平台和系统上的名称。
s2、将数字孪生数据分类为初始数据、加工数据和规则数据;
加工数据为初始数据通过规则数据处理后的加工数据;
所述初始数据为原始输入所述平台和/或系统的数据,所述加工数据为经过初始数据一次或多次处理后获取的数据,所述规则数据为获取到加工数据过程中对应的处理方法对应的数据;
所述分类为初始数据、加工数据和规则数据的过程为:
调用平台和系统的日志,对平台或系统的感知源输出的数据标记为初始数据,抓取调用初始数据的记录,读出处理初始数据的方法并标号,对同一处理方法标记为同一标号,对不同处理方法标记不同标号,记录标号为规则数据,记录对应初始数据在对应标号处理后获取的数据为加工数据。获取关于初始数据在一个标号或多个标号顺序处理后的加工数据记录,找出初始数据到加工数据经过最多的标号处理的记录,在所述最多的标号处理的记录中,找到最后的加工数据,计算所述最后的加工数据关于获取所述最后的加工数据相关的所有初始数据的互相关度,并计算多个互相关度的方差和均值,所述方差用于评估加工数据的数据稳定性。
s3、构建任一加工数据关于初始数据、规则数据的数据血缘;
包括任一加工数据与初始数据的互相关度、任一加工数据与其他加工数据的互相关度、初始数据或/和加工数据的变化对应规则数据对其他的加工数据的影响度;
所述数据血缘为加工数据关于规则数据和初始数据的关联关系,将所述关联关系对应的规则数据与初始数据的数据源地址指针记录,将计算获取的所述互相关度与影响度对应所述地址指针记录数据记录;所述互相关度为基于同一数据的两个不同数据的两个比值,当构建任一加工数据与初始数据的互相关度时,处理为:初始数据关于初始数据的比值为1,任一加工数据关于初始数据的比值,此时,互相关度为1与任一加工数据关于初始数据的比值x,记为互相关度:1-x;当构建任一加工数据与其他加工数据的互相关度时,处理为:任一加工数据关于与其他加工数据在数据处理时序上最接近的同一加工数据或初始数据的比值y,其他加工数据关于所述最接近的同一加工数据或初始数据的比值z,记为互相关度:y-z;所述影响度的计算包括:对初始数据的抖动△a在一个不同标号标记的处理后获取的加工数据的抖动△b,影响度为△b/△a;对加工数据的抖动△c在一个不同标号标记的处理后获取的加工数据的抖动△b’,影响度为△b’/△c;对两个输入数据,即,初始数据的抖动△a’和加工数据的抖动△c’ 在一个不同标号标记的处理后获取的加工数据的抖动△b’’,影响度为△b’’/`[ (△c’ +△a’ )(△c’ -△a’ )]1/2。
s4、对报错数据依据数据血缘查找到互相关度排序配合影响度后分析故障,输出故障分析结果对应的多个加工数据。
对一个报错数据定位故障分析:计算对应报错数据的此时互相关度并排序,对比数据血缘中正常的互相关度,找出差异的加工数据,再从差异的加工数据中,计算并找出对报错数据影响度不同于数据血缘中影响度的二次差异加工数据并输出二次差异加工数据。
对一个报错数据定位故障分析具体还包括:依据影响度的不同,计算不同二次差异加工数据为故障概率,具体步骤为:根据二次差异加工数据直接相关的加工数据个数,计算每个加工数据相对于二次差异加工数据产生的互相关度,分析多个互相关度在不同顺序下产生的最大互相关度方差值,依据多个二次差异加工数据的方差值的占比,计算二次差异加工数据对应的故障概率。
对多个报错数据定位故障分析:构建报错数据矩阵,先依据数据血缘中的影响度,在多个报错数据中,分析先产生错误导致后续加工数据报错的加工数据,对先出错的加工数据依据数据血缘中的互相关度矩阵,通过互相关度矩阵与先出错的加工数据同时调用规则数据矩阵输出二次加工数据,计算并分析出二次加工数据中在影响度与互相关度同时差异原数据血缘中对应数值的数据作为二次差异加工数据,输出二次差异加工数据作为故障报错。
实施例2:
在实施例1的基础上,用于工程实现的一种基于数字孪生的高速公路智慧化数据故障分析系统,如图2所示,包括获取模块、分类模块、构建模块和分析模块;
获取模块,用于获取目标高速公路相关的全平台的数字孪生数据;分类模块,用于将数字孪生数据分类为初始数据、加工数据和规则数据,加工数据为初始数据通过规则数据处理后的加工数据;构建模块,用于构建任一加工数据关于初始数据、规则数据的数据血缘,包括任一加工数据与初始数据的互相关度、任一加工数据与其他加工数据的互相关度、初始数据或/和加工数据的变化对应规则数据对其他的加工数据的影响度;分析模块,用于对报错数据依据数据血缘查找到互相关度排序配合影响度后分析故障,输出故障分析结果对应的多个加工数据。本申请利用数字孪生模型数据进行故障排查,并通过数据分析的形式,将异常数据的位置、影响情况,实现全生命周期的故障分析,提高系统稳定性;本申请实现多源异构数据的高性能承载、分析、呈现。本申请实现数字孪生基础下的数据报错轻量化处理。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
本领域内的技术人员应明白,本发明的实施例可提供为方法或系统。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
还需要说明的是,术语“包括”、“包含”或者其任何其他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、商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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由上面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (9)
1.基于数字孪生的高速公路智慧化数据故障分析方法,其特征在于,包括:
获取目标高速公路相关的全平台的数字孪生数据;
将数字孪生数据分类为初始数据、加工数据和规则数据,加工数据为初始数据通过规则数据处理后的加工数据;
构建任一加工数据关于初始数据、规则数据的数据血缘,包括任一加工数据与初始数据的互相关度、任一加工数据与其他加工数据的互相关度、初始数据或/和加工数据的变化对应规则数据对其他的加工数据的影响度;
对报错数据依据数据血缘查找到互相关度排序配合影响度后分析故障,输出故障分析结果对应的多个加工数据。
2.根据权利要求1所述的基于数字孪生的高速公路智慧化数据故障分析方法,其特征在于,所述获取目标高速公路相关的全平台的数字孪生数据,包括:
接入目标高速公路相关的所有平台和系统,获取对应平台和系统的数字孪生数据,并且统一数字孪生数据的格式和标签类型,所述标签类型为所述数字孪生数据对应的种类在不同平台和系统上的名称。
3.根据权利要求2所述的基于数字孪生的高速公路智慧化数据故障分析方法,其特征在于,所述将数字孪生数据分类为初始数据、加工数据和规则数据,加工数据为初始数据通过规则数据处理后的加工数据,包括:
所述初始数据为原始输入所述平台和/或系统的数据,所述加工数据为经过初始数据一次或多次处理后获取的数据,所述规则数据为获取到加工数据过程中对应的处理方法对应的数据;
所述分类为初始数据、加工数据和规则数据的过程为:
调用平台和系统的日志,对平台或系统的感知源输出的数据标记为初始数据,抓取调用初始数据的记录,读出处理初始数据的方法并标号,对同一处理方法标记为同一标号,对不同处理方法标记不同标号,记录标号为规则数据,记录对应初始数据在对应标号处理后获取的数据为加工数据。
4.根据权利要求3所述的基于数字孪生的高速公路智慧化数据故障分析方法,其特征在于,还包括:获取关于初始数据在一个标号或多个标号顺序处理后的加工数据记录,找出初始数据到加工数据经过最多的标号处理的记录,在所述最多的标号处理的记录中,找到最后的加工数据,计算所述最后的加工数据关于获取所述最后的加工数据相关的所有初始数据的互相关度,并计算多个互相关度的方差和均值,所述方差用于评估加工数据的数据稳定性。
5.根据权利要求3所述的基于数字孪生的高速公路智慧化数据故障分析方法,其特征在于,所述构建任一加工数据关于初始数据、规则数据的数据血缘,包括任一加工数据与初始数据的互相关度、任一加工数据与其他加工数据的互相关度、初始数据或/和加工数据的变化对应规则数据对其他的加工数据的影响度,具体包括:
所述数据血缘为加工数据关于规则数据和初始数据的关联关系,将所述关联关系对应的规则数据与初始数据的数据源地址指针记录,将计算获取的所述互相关度与影响度对应所述地址指针记录数据记录;
所述互相关度为基于同一数据的两个不同数据的两个比值,当构建任一加工数据与初始数据的互相关度时,处理为:初始数据关于初始数据的比值为1,任一加工数据关于初始数据的比值,此时,互相关度为1与任一加工数据关于初始数据的比值x,记为互相关度:1-x;当构建任一加工数据与其他加工数据的互相关度时,处理为:任一加工数据关于与其他加工数据在数据处理时序上最接近的同一加工数据或初始数据的比值y,其他加工数据关于所述最接近的同一加工数据或初始数据的比值z,记为互相关度:y-z;
所述影响度的计算包括:对初始数据的抖动△a在一个不同标号标记的处理后获取的加工数据的抖动△b,影响度为△b/△a;对加工数据的抖动△c在一个不同标号标记的处理后获取的加工数据的抖动△b’,影响度为△b’/△c;对两个输入数据,即,初始数据的抖动△a’和加工数据的抖动△c’ 在一个不同标号标记的处理后获取的加工数据的抖动△b’’,影响度为△b’’/`[ (△c’ +△a’ )(△c’ -△a’ )]1/2。
6.根据权利要求5所述的基于数字孪生的高速公路智慧化数据故障分析方法,其特征在于,所述对报错数据依据数据血缘查找到互相关度排序配合影响度后分析故障,输出故障分析结果对应的多个加工数据,具体包括:
对一个报错数据定位故障分析:计算对应报错数据的此时互相关度并排序,对比数据血缘中正常的互相关度,找出差异的加工数据,再从差异的加工数据中,计算并找出对报错数据影响度不同于数据血缘中影响度的二次差异加工数据并输出二次差异加工数据。
7.根据权利要求6所述的基于数字孪生的高速公路智慧化数据故障分析方法,其特征在于,对一个报错数据定位故障分析具体还包括:
依据影响度的不同,计算不同二次差异加工数据为故障概率,具体步骤为:
根据二次差异加工数据直接相关的加工数据个数,计算每个加工数据相对于二次差异加工数据产生的互相关度,分析多个互相关度在不同顺序下产生的最大互相关度方差值,依据多个二次差异加工数据的方差值的占比,计算二次差异加工数据对应的故障概率。
8.根据权利要求6所述的基于数字孪生的高速公路智慧化数据故障分析方法,其特征在于,所述对报错数据依据数据血缘查找到互相关度排序配合影响度后分析故障,输出故障分析结果对应的多个加工数据,具体包括:
对多个报错数据定位故障分析:
构建报错数据矩阵,先依据数据血缘中的影响度,在多个报错数据中,分析先产生错误导致后续加工数据报错的加工数据,对先出错的加工数据依据数据血缘中的互相关度矩阵,通过互相关度矩阵与先出错的加工数据同时调用规则数据矩阵输出二次加工数据,计算并分析出二次加工数据中在影响度与互相关度同时差异原数据血缘中对应数值的数据作为二次差异加工数据,输出二次差异加工数据作为故障报错。
9.基于数字孪生的高速公路智慧化数据故障分析系统,其特征在于,用于实现如权利要求1-8任一所述的基于数字孪生的高速公路智慧化数据故障分析方法, 包括:
获取模块,用于获取目标高速公路相关的全平台的数字孪生数据;
分类模块,用于将数字孪生数据分类为初始数据、加工数据和规则数据,加工数据为初始数据通过规则数据处理后的加工数据;
构建模块,用于构建任一加工数据关于初始数据、规则数据的数据血缘,包括任一加工数据与初始数据的互相关度、任一加工数据与其他加工数据的互相关度、初始数据或/和加工数据的变化对应规则数据对其他的加工数据的影响度;
分析模块,用于对报错数据依据数据血缘查找到互相关度排序配合影响度后分析故障,输出故障分析结果对应的多个加工数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410008649.1A CN117520787B (zh) | 2024-01-04 | 2024-01-04 | 基于数字孪生的高速公路智慧化数据故障分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410008649.1A CN117520787B (zh) | 2024-01-04 | 2024-01-04 | 基于数字孪生的高速公路智慧化数据故障分析方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117520787A true CN117520787A (zh) | 2024-02-06 |
CN117520787B CN117520787B (zh) | 2024-03-19 |
Family
ID=89763019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410008649.1A Active CN117520787B (zh) | 2024-01-04 | 2024-01-04 | 基于数字孪生的高速公路智慧化数据故障分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117520787B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109976929A (zh) * | 2017-12-28 | 2019-07-05 | 中国电信股份有限公司 | 数据生产过程的故障定位方法、装置 |
CN110442936A (zh) * | 2019-07-24 | 2019-11-12 | 中国石油大学(北京) | 基于数字孪生模型的设备故障诊断方法、装置及系统 |
CN112835917A (zh) * | 2021-01-28 | 2021-05-25 | 山东浪潮通软信息科技有限公司 | 一种基于血缘关系分布的数据缓存方法、系统 |
CN116129366A (zh) * | 2023-04-19 | 2023-05-16 | 肯特智能技术(深圳)股份有限公司 | 基于数字孪生的园区监测方法及相关装置 |
CN116523506A (zh) * | 2023-05-17 | 2023-08-01 | 琢越盛元(唐山)科技有限公司 | 基于数字孪生变电站技术电路故障预测分析系统 |
EP4243438A1 (en) * | 2022-03-11 | 2023-09-13 | Huawei Digital Power Technologies Co., Ltd. | Battery fault diagnosis method and apparatus |
WO2023246568A1 (zh) * | 2022-06-22 | 2023-12-28 | 烽火通信科技股份有限公司 | 一种数字孪生架构、模型评价体系以及模型运行方法 |
CN117312281A (zh) * | 2023-06-30 | 2023-12-29 | 江苏中科西北星信息科技有限公司 | 一种多源异构数据自动融合方法、系统、设备及存储介质 |
-
2024
- 2024-01-04 CN CN202410008649.1A patent/CN117520787B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109976929A (zh) * | 2017-12-28 | 2019-07-05 | 中国电信股份有限公司 | 数据生产过程的故障定位方法、装置 |
CN110442936A (zh) * | 2019-07-24 | 2019-11-12 | 中国石油大学(北京) | 基于数字孪生模型的设备故障诊断方法、装置及系统 |
CN112835917A (zh) * | 2021-01-28 | 2021-05-25 | 山东浪潮通软信息科技有限公司 | 一种基于血缘关系分布的数据缓存方法、系统 |
EP4243438A1 (en) * | 2022-03-11 | 2023-09-13 | Huawei Digital Power Technologies Co., Ltd. | Battery fault diagnosis method and apparatus |
WO2023246568A1 (zh) * | 2022-06-22 | 2023-12-28 | 烽火通信科技股份有限公司 | 一种数字孪生架构、模型评价体系以及模型运行方法 |
CN116129366A (zh) * | 2023-04-19 | 2023-05-16 | 肯特智能技术(深圳)股份有限公司 | 基于数字孪生的园区监测方法及相关装置 |
CN116523506A (zh) * | 2023-05-17 | 2023-08-01 | 琢越盛元(唐山)科技有限公司 | 基于数字孪生变电站技术电路故障预测分析系统 |
CN117312281A (zh) * | 2023-06-30 | 2023-12-29 | 江苏中科西北星信息科技有限公司 | 一种多源异构数据自动融合方法、系统、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
张英芝 等: "基于DEMATEL/ISM 的组合机床故障相关性分析", 《工业工程》, vol. 17, no. 3, 30 June 2014 (2014-06-30), pages 92 - 96 * |
王韶 等: "基于改进相关性分析法的配电网络单相接地故障选线", 《电力系统保护与控制》, vol. 40, no. 15, 1 August 2012 (2012-08-01), pages 76 - 81 * |
Also Published As
Publication number | Publication date |
---|---|
CN117520787B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105824718B (zh) | 基于问答网站知识的软件配置故障自动修复方法和系统 | |
CN101315631B (zh) | 一种新闻视频故事单元关联方法 | |
US20070043774A1 (en) | Method and Apparatus for Incremental Computation of the Accuracy of a Categorization-by-Example System | |
CN105468765B (zh) | 一种多节点web服务异常检测方法和系统 | |
CN109995561B (zh) | 通信网络故障定位的方法、装置、设备及介质 | |
CN111368241B (zh) | 基于XPath的网页元素识别方法 | |
CN110716539B (zh) | 一种故障诊断分析方法和装置 | |
CN113806170B (zh) | 工程行业监理日志自动生成的方法、系统、介质及终端 | |
CN115062675A (zh) | 一种基于神经网络的全光谱污染溯源方法及云系统 | |
CN113806343B (zh) | 一种车联网数据质量的评估方法和系统 | |
CN117520787B (zh) | 基于数字孪生的高速公路智慧化数据故障分析方法和系统 | |
Tran et al. | How good are my search strings? Reflections on using an existing review as a quasi-gold standard | |
CN112068979B (zh) | 一种业务故障确定方法及装置 | |
CN116881670A (zh) | 一种基于gis地图的通信光缆附挂核查方法 | |
CN116149926A (zh) | 业务指标的异常监测方法、装置、设备及存储介质 | |
CN106777313A (zh) | 基于全息时标量测电网数据计算值及计算值分量分析方法 | |
CN114065967A (zh) | 电厂sis系统数据全生命周期的监控诊断系统及方法 | |
CN111638989A (zh) | 故障诊断方法、装置、存储介质及设备 | |
CN115599621A (zh) | 微服务异常诊断方法、装置、设备及存储介质 | |
CN112732773A (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
CN114817171B (zh) | 一种埋点数据质量治理方法 | |
CN116911959B (zh) | 一种建材非标准件的数据处理方法 | |
CN113820311B (zh) | 一种基于遥感组合反演公式的水质重金属监测方法及装置 | |
CN110689034B (zh) | 一种分类器的优化方法及设备 | |
CN117333006A (zh) | 一种进出口工业产品风险信息监测系统及方法 |
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 |