CN117734793A - 故障检测方法、故障检测装置、电子设备及存储介质 - Google Patents
故障检测方法、故障检测装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117734793A CN117734793A CN202311607793.9A CN202311607793A CN117734793A CN 117734793 A CN117734793 A CN 117734793A CN 202311607793 A CN202311607793 A CN 202311607793A CN 117734793 A CN117734793 A CN 117734793A
- Authority
- CN
- China
- Prior art keywords
- fault
- alarm information
- determining
- associated devices
- fault detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 118
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种故障检测方法、故障检测装置、电子设备及存储介质，该方法包括：在轨道交通信号系统产生故障报警信息的情况下，解析所述故障报警信息，确定所述故障报警信息对应的多个关联设备；基于所述故障报警信息对应的预设故障检测流程，对所述多个关联设备逐一进行故障检测，确定所述多个关联设备的设备状态，所述预设故障检测流程基于所述故障报警信息对应的故障传播路径确定；基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因。本发明提供的故障检测方法，可以提高故障检测效率。
Description
技术领域
本发明涉及轨道交通技术领域，尤其涉及一种故障检测方法、故障检测装置、电子设备及存储介质。
背景技术
随着轨道交通信号系统越来越复杂和庞大，发生故障的概率也随之增加。为了确保轨道交通信号系统的高可靠性和安全性，必须采取一系列措施来检测和故障处置。常用的轨道交通信号系统故障检测方法多为经验诊断法，经验诊断法是运营人员通过对信号设备的检查、维护和巡视，对故障进行判断和诊断的方法。该方法的准确性依赖于运营人员的经验水平和专业知识，受主观因素影响较大，故障检测的准确性和可靠性较低。
发明内容
本发明提供一种故障检测方法、故障检测装置、电子设备及存储介质，用以解决现有技术中人为故障检测受主观因素影响较大，故障检测的准确性和可靠性较低的问题。
本发明提供一种故障检测方法，包括：
在轨道交通信号系统产生故障报警信息的情况下，解析所述故障报警信息，确定所述故障报警信息对应的多个关联设备；
基于所述故障报警信息对应的预设故障检测流程，对所述多个关联设备逐一进行故障检测，确定所述多个关联设备的设备状态，所述预设故障检测流程基于所述故障报警信息对应的故障传播路径确定；
基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因。
在一些实施例中，所述解析所述故障报警信息，确定所述故障报警信息对应的多个关联设备，包括：
解析所述故障报警信息，确定所述故障报警信息对应的有向无环图；
基于所述故障报警信息对应的有向无环图，确定所述多个关联设备。
在一些实施例中，所述基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因，包括：
基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障类型，所述故障类型包括：单个设备故障、多个设备故障、单个设备故障引起的连锁故障和多个设备故障引起的连锁故障；
基于所述故障类型，分析所述多个关联设备与所述轨道交通信号系统之间的业务逻辑关系，确定所述故障原因。
在一些实施例中，所述故障报警信息对应的故障传播路径通过如下方式确定：
基于所述轨道交通信号系统中每个设备的故障概率以及各个设备对相邻设备的故障影响度，确定所述故障报警信息对应的故障传播路径。
在一些实施例中，所述基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障类型，包括：
采用贝叶斯网络算法或故障树分析算法，基于所述故障传播路径对所述多个关联设备的设备状态进行分析，确定所述故障类型。
在一些实施例中，所述基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因之后，所述方法还包括：
将所述多个关联设备的设备状态和所述故障报警信息对应的故障原因存储于数据库中，所述数据库用于更新所述故障传播路径。
本发明还提供一种故障检测装置，包括：
第一确定模块，用于在轨道交通信号系统产生故障报警信息的情况下，解析所述故障报警信息，确定所述故障报警信息对应的多个关联设备；
第二确定模块，用于基于所述故障报警信息对应的预设故障检测流程，对所述多个关联设备逐一进行故障检测，确定所述多个关联设备的设备状态，所述预设故障检测流程基于所述故障报警信息对应的故障传播路径确定；
第三确定模块，用于基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述故障检测方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述故障检测方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述故障检测方法。
本发明提供的故障检测方法、故障检测装置、电子设备及存储介质，通过解析故障报警信息，确定故障报警信息对应的多个关联设备，并且按照预设故障检测流程进行故障检测，实现自动化的故障排查，大大节约了人工排查的成本，提高了故障排查的准确性和实效性；同时将故障检测流程化，大大提高了轨道交通信号系统故障排查的规范性，降低了维护人员技术和经验要求。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本发明提供的故障检测方法的流程示意图；
图2是本发明提供的故障检测方法的DAG示意图；
图3是本发明提供的故障检测装置的结构示意图；
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
相关技术中，轨道交通信号系统作为轨道交通中最基础的控制系统，轨道交通信号系统由若干信号设备组成。当信号设备发生故障后，如得不到及时处理，则会使列车出现故障，影响列车运行。
下面结合图1-图4描述本发明的故障检测方法、故障检测装置、电子设备及存储介质。
图1是本发明提供的故障检测方法的流程示意图。参照图1，本发明提供的故障检测方法包括：
步骤110、在轨道交通信号系统产生故障报警信息的情况下，解析故障报警信息，确定故障报警信息对应的多个关联设备；
步骤120、基于故障报警信息对应的预设故障检测流程，对多个关联设备逐一进行故障检测，确定多个关联设备的设备状态，预设故障检测流程基于故障报警信息对应的故障传播路径确定；
步骤130、基于多个关联设备的设备状态，确定故障报警信息对应的故障原因。
本发明提供的故障检测方法的执行主体可以是电子设备、电子设备中的部件、集成电路、或芯片。该电子设备可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本发明不作具体限定。
下面以计算机执行本发明提供的故障检测方法为例，详细说明本发明的技术方案。
在实际执行中，轨道交通信号系统中每个信号设备设置有设备模型，设备模型基于设备标识(Identity Document，ID)、设备类型、设备位置、设备参数以及关联的故障检测模型构建。
其中，设备ID为每个设备对应的唯一标识符；设备类型用于描述设备种类的信息；设备位置用于指示设备所处的地理位置或部署区域；设备参数指的是与设备性能和配置相关的参数，如生产日期、维护记录等；关联故障检测模型指的是与当前设备关联的故障检测模型。
故障检测模型基于模型ID、模型类型、检测逻辑、输入参数和输出参数进行设计。
其中，模型ID指的是每个故障检测模型对应的唯一标识符；检测逻辑可以根据轨道交通信号系统的实时数据流，运用时间序列分析和异常检测，识别故障。实时数据流可以包括设备状态、故障报警信息或设备连接信息等。输入参数可以包括故障判断指标或设备状态量等。输出参数可以包括故障类型、故障原因、故障严重程度和故障响应措施等。
在轨道交通信号系统产生故障报警信息的情况下，解析故障报警信息，可以确定故障产生区域。根据设备模型中的设备位置，可以确定故障产生区域中与故障报警信息对应的多个关联设备。
可以理解的是，轨道交通信号系统中存储有历史时间段内产生的故障报警信息，不同的故障报警信息对应有不同的预设故障检测流程。因此，在轨道交通信号系统产生故障的情况下，根据预先设置的故障检测流程，对多个关联设备逐一进行故障检测，确定每个关联设备的设备状态。每个关联设备可以理解为需要进行故障排查的疑似故障设备。
将每个关联设备的设备状态保存在实时数据库中，最终汇总到故障原因判断节点，给出故障最终原因分析。
在实际执行中，可以利用设备状态和根据轨道交通信号系统故障检测的先验知识构建的故障传播路径识别故障原因，可以最大限度地减少误报和漏报。
下面以轨道交通信号系统中产生的故障报警信息为列车自动监控系统(Automatic Train Supervision，ATS)站场失表为例来说明本发明提供的故障检测方法。
ATS站场表示信息通常通过网络或串口连接从相应的联锁区系统获取，并由ATS分机服务器接收，经处理后发送至显示终端。
当发生ATS站场失表故障时，轨道交通信号系统在接收到对应的故障报警信息时，立即解析故障报警信息提取关键信息，包括报警区域、报警类型和受影响的关联设备。轨道交通信号系统将依次检查与之相关的关联设备的设备状态，关联设备包括联锁系统和ATS分机服务器。
联锁系统的设备状态包括联锁系统的主机状态和通讯联接状态，ATS分机服务器的设备状态包括：服务器运行状态、关联进程状态以及ATS分机服务器与联锁系统的连接状态。其中，服务器运行状态包括内存、中央处理器(Central Processing Unit，CPU)的运行状况；关联进程状态包括站场表示信息的接收、处理、转发等主要进程的状态。
在确定联锁系统的设备状态和ATS分机服务器的设备状态之后，采用因果推理算法，如贝叶斯网络或故障树分析，来追踪故障原因，结合知识库中的故障传播路径和实际收集的故障时刻关联设备的设备状态信息，推断出最可能的故障原因，并输出相应的处置措施和建议，不仅提升了故障响应效率，也确保了故障解决方案的准确性和可操作性。
本发明提供的故障检测方法，通过解析故障报警信息，确定故障报警信息对应的多个关联设备，并且按照预设故障检测流程进行故障检测，实现自动化的故障排查，大大节约了人工排查的成本，提高了故障排查的准确性和实效性；同时将故障检测流程化，大大提高了轨道交通信号系统故障排查的规范性，降低了维护人员技术和经验要求。
在一些实施例中，解析故障报警信息，确定故障报警信息对应的多个关联设备，包括：
解析故障报警信息，确定故障报警信息对应的有向无环图；
基于故障报警信息对应的有向无环图，确定多个关联设备。
在实际执行中，如图2所示，可以根据轨道交通信号系统中预先存储的故障报警信息对应的有向无环图(Directed acyclic graph，DAG)，确定故障报警信息对应的多个关联设备。
在一些实施例中，基于多个关联设备的设备状态，确定故障报警信息对应的故障原因，包括：
基于多个关联设备的设备状态，确定故障报警信息对应的故障类型，故障类型包括：单个设备故障、多个设备故障、单个设备故障引起的连锁故障和多个设备故障引起的连锁故障；
基于故障类型，分析多个关联设备与轨道交通信号系统之间的业务逻辑关系，确定故障原因。
在实际执行中，在故障报警信息产生时，每个关联设备的设备状态不一定能够反映当前设备是否故障，有可能是因为该关联设备的上下游设备故障才导致该关联设备处于故障报警状态，而该关联设备本身其实是没有故障。因此，如果要明确故障原因，需要先确定故障类型。
基于多个关联设备的设备状态，可以通过每个关联设备的上下游设备的设备状态，综合判断故障类型，可以确定的故障类型包括：单个设备故障、多个设备故障、单个设备故障引起的连锁故障和多个设备故障引起的连锁故障。
在明确故障类型之后，并通过分析多个关联设备与轨道交通信号系统之间的业务逻辑关系，从而可以快速确定故障原因。
在一些实施例中，故障报警信息对应的故障传播路径通过如下方式确定：
基于轨道交通信号系统中每个设备的故障概率以及各个设备对相邻设备的故障影响度，确定故障报警信息对应的故障传播路径。
在轨道交通信号系统中，存储有每个设备产生故障的历史记录，因此可以确定每个设备的故障概率。根据故障的分布扩散过程，以及设备间的连接关系，可以确定各个设备对相邻设备的故障影响度
基于每个设备的故障概率以及各个设备对相邻设备的故障影响度，可以明确轨道交通信号系统设备之间相互影响及依存的逻辑结构，进而可以确定故障传播路径。故障传播路径可以用于快速定位故障源。
在一些实施例中，基于多个关联设备的设备状态，确定故障报警信息对应的故障类型，包括：
采用贝叶斯网络算法或故障树分析算法，基于故障传播路径对多个关联设备的设备状态进行分析，确定故障类型。
需要说明的是，贝叶斯网络算法和故障树分析算法是两种重要的概率图模型，分别用于描述变量之间的依赖关系和系统故障的分析。
贝叶斯网络算法是一种基于概率论和模糊逻辑的理论模型，它用于描述不确定性因素之间的相互关系。在设备故障诊断中，模糊贝叶斯网络能够处理不确定不完全的信息，对故障原因进行概率推理。通过建立各个部件的故障概率模型，贝叶斯网络算法可以实现故障的快速定位和准确预测。
在复杂装备中，故障树分析算法是一种有效的故障诊断方法，它通过对设备可能出现的故障进行归纳总结，建立起故障之间的逻辑关系，找出设备的薄弱环节。故障树分析可以清晰地展现出设备各部件之间的故障传递关系，为进一步故障诊断提供基础。
在实际执行中，基于故障传播路径，采用贝叶斯网络算法或故障树分析算法进行故障分析，可以提高故障分析效率。
在一些实施例中，基于多个关联设备的设备状态，确定故障报警信息对应的故障原因之后，故障检测方法还包括：
将多个关联设备的设备状态和故障报警信息对应的故障原因存储于数据库中，数据库用于更新故障传播路径。
可以理解的是，每一次进行故障检测后，保留故障检测数据。故障检测数据包括多个关联设备的设备状态和故障报警信息对应的故障原因。设备相关信息可以更新数据库中的设备模型，故障相关信息可以用于更新数据库中的故障检测模型。
数据库中的所有数据可以用来更新故障传播路径，以提高故障检测的准确性和效率。
下面对本发明提供的故障检测装置进行描述，下文描述的故障检测装置与上文描述的故障检测方法可相互对应参照。
图3是本发明提供的故障检测装置的结构示意图。参照图3，本发明提供的故障检测装置包括：
第一确定模块310，用于在轨道交通信号系统产生故障报警信息的情况下，解析所述故障报警信息，确定所述故障报警信息对应的多个关联设备；
第二确定模块320，用于基于所述故障报警信息对应的预设故障检测流程，对所述多个关联设备逐一进行故障检测，确定所述多个关联设备的设备状态，所述预设故障检测流程基于所述故障报警信息对应的故障传播路径确定；
第三确定模块330，用于基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因。
本发明提供的故障检测装置，通过解析故障报警信息，确定故障报警信息对应的多个关联设备，并且按照预设故障检测流程进行故障检测，实现自动化的故障排查，大大节约了人工排查的成本，提高了故障排查的准确性和实效性；同时将故障检测流程化，大大提高了轨道交通信号系统故障排查的规范性，降低了维护人员技术和经验要求。
在一些实施例中，所述第二确定模块320，具体用于：
解析所述故障报警信息，确定所述故障报警信息对应的有向无环图；
基于所述故障报警信息对应的有向无环图，确定所述多个关联设备。
在一些实施例中，所述第三确定模块330，具体用于：
基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障类型，所述故障类型包括：单个设备故障、多个设备故障、单个设备故障引起的连锁故障和多个设备故障引起的连锁故障；
基于所述故障类型，分析所述多个关联设备与所述轨道交通信号系统之间的业务逻辑关系，确定所述故障原因。
在一些实施例中，所述故障报警信息对应的故障传播路径通过如下方式确定：
基于所述轨道交通信号系统中每个设备的故障概率以及各个设备对相邻设备的故障影响度，确定所述故障报警信息对应的故障传播路径。
在一些实施例中，所述第三确定模块330，具体用于：
采用贝叶斯网络算法或故障树分析算法，基于所述故障传播路径对所述多个关联设备的设备状态进行分析，确定所述故障类型。
在一些实施例中，所述装置还包括：
存储模块，用于所述基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因之后，将所述多个关联设备的设备状态和所述故障报警信息对应的故障原因存储于数据库中，所述数据库用于更新所述故障传播路径。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行故障检测方法，该方法包括：
在轨道交通信号系统产生故障报警信息的情况下，解析所述故障报警信息，确定所述故障报警信息对应的多个关联设备；
基于所述故障报警信息对应的预设故障检测流程，对所述多个关联设备逐一进行故障检测，确定所述多个关联设备的设备状态，所述预设故障检测流程基于所述故障报警信息对应的故障传播路径确定；
基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的故障检测方法，该方法包括：
在轨道交通信号系统产生故障报警信息的情况下，解析所述故障报警信息，确定所述故障报警信息对应的多个关联设备；
基于所述故障报警信息对应的预设故障检测流程，对所述多个关联设备逐一进行故障检测，确定所述多个关联设备的设备状态，所述预设故障检测流程基于所述故障报警信息对应的故障传播路径确定；
基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的故障检测方法，该方法包括：
在轨道交通信号系统产生故障报警信息的情况下，解析所述故障报警信息，确定所述故障报警信息对应的多个关联设备；
基于所述故障报警信息对应的预设故障检测流程，对所述多个关联设备逐一进行故障检测，确定所述多个关联设备的设备状态，所述预设故障检测流程基于所述故障报警信息对应的故障传播路径确定；
基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种故障检测方法，其特征在于，包括：
在轨道交通信号系统产生故障报警信息的情况下，解析所述故障报警信息，确定所述故障报警信息对应的多个关联设备；
基于所述故障报警信息对应的预设故障检测流程，对所述多个关联设备逐一进行故障检测，确定所述多个关联设备的设备状态，所述预设故障检测流程基于所述故障报警信息对应的故障传播路径确定；
基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因。
2.根据权利要求1所述的故障检测方法，其特征在于，所述解析所述故障报警信息，确定所述故障报警信息对应的多个关联设备，包括：
解析所述故障报警信息，确定所述故障报警信息对应的有向无环图；
基于所述故障报警信息对应的有向无环图，确定所述多个关联设备。
3.根据权利要求1所述的故障检测方法，其特征在于，所述基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因，包括：
基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障类型，所述故障类型包括：单个设备故障、多个设备故障、单个设备故障引起的连锁故障和多个设备故障引起的连锁故障；
基于所述故障类型，分析所述多个关联设备与所述轨道交通信号系统之间的业务逻辑关系，确定所述故障原因。
4.根据权利要求1所述的故障检测方法，其特征在于，所述故障报警信息对应的故障传播路径通过如下方式确定：
基于所述轨道交通信号系统中每个设备的故障概率以及各个设备对相邻设备的故障影响度，确定所述故障报警信息对应的故障传播路径。
5.根据权利要求3所述的故障检测方法，其特征在于，所述基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障类型，包括：
采用贝叶斯网络算法或故障树分析算法，基于所述故障传播路径对所述多个关联设备的设备状态进行分析，确定所述故障类型。
6.根据权利要求3所述的故障检测方法，其特征在于，所述基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因之后，所述方法还包括：
将所述多个关联设备的设备状态和所述故障报警信息对应的故障原因存储于数据库中，所述数据库用于更新所述故障传播路径。
7.一种故障检测装置，其特征在于，包括：
第一确定模块，用于在轨道交通信号系统产生故障报警信息的情况下，解析所述故障报警信息，确定所述故障报警信息对应的多个关联设备；
第二确定模块，用于基于所述故障报警信息对应的预设故障检测流程，对所述多个关联设备逐一进行故障检测，确定所述多个关联设备的设备状态，所述预设故障检测流程基于所述故障报警信息对应的故障传播路径确定；
第三确定模块，用于基于所述多个关联设备的设备状态，确定所述故障报警信息对应的故障原因。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述故障检测方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述故障检测方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述故障检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311607793.9A CN117734793A (zh) | 2023-11-28 | 2023-11-28 | 故障检测方法、故障检测装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311607793.9A CN117734793A (zh) | 2023-11-28 | 2023-11-28 | 故障检测方法、故障检测装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117734793A true CN117734793A (zh) | 2024-03-22 |
Family
ID=90282164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311607793.9A Pending CN117734793A (zh) | 2023-11-28 | 2023-11-28 | 故障检测方法、故障检测装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117734793A (zh) |
-
2023
- 2023-11-28 CN CN202311607793.9A patent/CN117734793A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10931511B2 (en) | Predicting computer network equipment failure | |
| EP0570505B1 (en) | Knowledge based machine initiated maintenance system and method | |
| AU661685B2 (en) | Hierarchical distributed knowledge based machine initiated maintenance system | |
| US11669390B2 (en) | Automated detection and classification of dynamic service outages | |
| KR101892516B1 (ko) | 이기종 네트워크의 장애예측 방법, 장치 및 프로그램 | |
| CN109669844A (zh) | 设备故障处理方法、装置、设备和存储介质 | |
| JP6812312B2 (ja) | プラント支援評価システム及びプラント支援評価方法 | |
| CN112039695A (zh) | 基于贝叶斯推理的传输网络故障定位方法及装置 | |
| CN106646068A (zh) | 基于多参量信息融合的智能变电站二次系统缺陷诊断方法 | |
| KR100293796B1 (ko) | 하드웨어의분산된감독용방법및시스템 | |
| CN113162808A (zh) | 存储链路故障处理方法及装置、电子设备和存储介质 | |
| CN115102844A (zh) | 一种故障监控与处理方法、装置和电子设备 | |
| CN112769615B (zh) | 一种异常分析方法及装置 | |
| CN117734793A (zh) | 故障检测方法、故障检测装置、电子设备及存储介质 | |
| CN105913226A (zh) | 基于智能语音提示的核电厂运行支持系统 | |
| Li et al. | Enhancing anomaly diagnosis of automatic train supervision system based on operation log | |
| CN118981198A (zh) | 分布式集成的故障处理系统、方法、电子设备及存储介质 | |
| CN116484012A (zh) | 轨道交通故障处理方案生成方法及装置 | |
| CN117135035A (zh) | 故障恢复告警的处理方法、装置、电子设备及存储介质 | |
| CN118046946A (zh) | 轨道交通通信设备故障预警方法、装置、设备及介质 | |
| CN118859894A (zh) | 船舶动力系统的故障类型检测方法、装置和电子设备 | |
| CN113535506A (zh) | 服务系统的监控方法及装置、存储介质、计算机设备 | |
| CA3142334A1 (en) | Equipment failure diagnostics using bayesian inference | |
| Kang | Issues in System Reliability and Risk Model |
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 |