CN116279700A - 一种铁路信号系统电子相关设备故障预警与管理实现方法 - Google Patents
一种铁路信号系统电子相关设备故障预警与管理实现方法 Download PDFInfo
- Publication number
- CN116279700A CN116279700A CN202310313521.1A CN202310313521A CN116279700A CN 116279700 A CN116279700 A CN 116279700A CN 202310313521 A CN202310313521 A CN 202310313521A CN 116279700 A CN116279700 A CN 116279700A
- Authority
- CN
- China
- Prior art keywords
- fault
- early warning
- monitoring
- mode
- management
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012544 monitoring process Methods 0.000 claims abstract description 104
- 238000012423 maintenance Methods 0.000 claims abstract description 66
- 238000013210 evaluation model Methods 0.000 claims abstract description 30
- 238000013461 design Methods 0.000 claims description 35
- 230000007613 environmental effect Effects 0.000 claims description 15
- 230000007246 mechanism Effects 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 239000000428 dust Substances 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 230000002265 prevention Effects 0.000 claims description 3
- 150000003839 salts Chemical class 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000010523 cascade reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
- B61L27/57—Trackside diagnosis or maintenance, e.g. software upgrades for vehicles or trains, e.g. trackside supervision of train conditions
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种铁路信号系统电子相关设备故障预警与管理实现方法，其包含：调取延误清客数据，确定导致清客运营延误的故障模式；在监控预警系统中建立故障逻辑模型、故障评估模型以及构建故障模式与运行状态的关系、维护措施与故障模式的关系；根据故障逻辑模型、故障模式与运行状态的关系提取故障特征参数，判断所述故障特征参数是否处于正常监控阈值内；和/或根据故障评估模型，获取故障模式的发生概率；将故障模式对应的故障特征参数和发生概率结合关键因素赋予不同的权重，计算该故障模式的预警等级；根据维护措施与故障模式的关系，选取该故障预警等级的消除方法，实现对故障模式的预警与管理，有效降低故障率。
Description
技术领域
本发明属于铁路信号系统电子系统运营与维护分析领域，特别涉及一种铁路信号系统电子相关设备故障预警与管理实现方法。
背景技术
目前铁路信号行业规范如《新型列控系统车载设备暂行技术条件》、《新型列控系统列控联锁一体化设备暂行技术条件》、《CTCS-2级列控车载设备技术条件》以及《自主化CTCS-3级列控车载设备技术条件》中对车载或联锁设备的RAM指标如故障率、维修时间、维修保证等提出了要求。虽然现在信号系统已在通过全生命周期的正向聚焦性设计来减少故障流入现场，但是通过梳理发现运营中仍然存在导致列车ATP宕机、或者列车完整性丢失等故障，进而造成线路级运营延误的发生，降低了铁路信号系统的运营服务能力。
首先，针对影响运营产生的重大故障，如ATP宕机、紧急制动无法解除、车门无法打开、车载设备重启不成功等，目前多数采取的是故障后维修的策略，其具有一定的局限性，无法规避突发故障发生带来的线路连锁反应，或者紧急事故的发生。其次，清客或者掉车等导致的运营延误若不能提前预警，只是开展定期检查，存在耗时久、检查成本高、人力耗费高、效率低等缺陷，进而导致经济效益低下。
发明内容
本发明根据铁路信号系统运营服务能力要求与信号电子设备随机性的故障特点，提出一种适用于铁路信号系统电子相关设备的故障预警与管理实现方法，提前对导致清客或者掉车等运营延误故障进行预警，规避突发故障发生带来的线路连锁反应，或者紧急事故的发生；并且可根据在线诊断的运营参数给出耗损型组件的寿命指标，反馈给回设计，提高产品选型效率、降低故障率；同时在故障预警的同时给出可能的故障原因、维修措施等维护信息，开展预防性维修，实现有效的主动故障处理方式，缩减定期检查成本，弥补现有故障诊断-故障修的局限性，给予维修准备管理更多时间，避免非必要的费用成本。最后，该故障预警与管理实现方法能根据不同线路的特定应用环境与数据，实现故障预警管理框架与故障预警模型的调整与修正。
为实现上述目的，本发明提供一种铁路信号系统电子相关设备故障预警与管理实现方法，其包含：调取延误清客数据，确定导致清客运营延误的故障模式；在监控预警系统中建立故障逻辑模型、故障评估模型以及构建故障模式与运行状态的关系、维护措施与故障模式的关系；根据所述故障逻辑模型、所述故障模式与运行状态的关系提取所述故障模式对应的故障特征参数，监控所述故障特征参数，判断所述故障特征参数是否处于正常监控阈值内；和/或根据所述故障评估模型，获取所述故障模式的发生概率；将所述故障模式对应的故障特征参数和发生概率结合关键因素赋予不同的权重，计算该故障模式的预警等级；根据维护措施与故障模式的关系，选取该故障预警等级的消除方法，实现对所述故障模式的预警与管理。
优选的，所述调取延误清客数据，确定导致清客运营延误的故障模式包括如下步骤：S101、从各项目管理处调取各年度延误清客文档；S102、筛选步骤S101中延误清客文档中的故障影响字段；S103、根据故障影响字段调取“故障模式”；S104、建立导致延误M分钟以上的故障模式为研究对象，其中M≥5。
优选的，所述故障影响字段包括“清客”、“掉车”、“延误”；所述故障模式包括ATP模式丢失、紧急制动无法解除、车门无法打开、车载重启不成功、车载死机、列车模式无法建立。
优选的，所述在监控预警系统中建立故障逻辑模型包括如下步骤：S201、调取功能设计文档，所述设计文档包括与故障模式相关的系统功能需求文档、系统架构设计文档、硬件设计文档以及软件设计文档；S202、分析产生故障模式的故障原因，选择故障树或功能-故障流方法进行分析；S203、确定所述故障原因与所述故障模式之间的逻辑关系，所述逻辑关系包括或逻辑、与逻辑；S204、分析故障模式的故障机理，该步骤具体分析到模块电路或关键芯片；S205、调取设计数据，所述设计数据包括与故障模式对应的硬件原理图和软件函数。
优选的，所述在监控预警系统中建立故障逻辑模型还包括：S206、确定监测的故障特征参数；S207、判断步骤S206中的故障特征参数是否被监控预警系统监控；若故障特征参数已被监控，则将其标注为已被监控；若故障特征参数未被监控，则执行步骤S208；S208、将未被监控的故障特征参数纳入监控预警系统的监控范围。
优选的，步骤S206所述的确定监测的故障特征参数，包括如下步骤：S261、提取故障特征参数，所述故障特征参数包括阻抗、电流、电压；S262、判断步骤S261中提取的故障特征参数是否为模拟信号，若该故障特征参数是模拟信号则执行步骤S263；反之，则根据故障模式与运行状态的关系确定该故障模式的故障特征参数；S263、选择提取故障特征参数的算法；S264、在监控预警系统中嵌入正常监控阈值曲线，用于故障特征参数的判断；S265、若故障特征参数在正常监控阈值曲线内，则结束该故障特征参数的判定，并纳入监控预警系统的监控范围；反之，若超出正常监控阈值曲线，则执行步骤S266；S266、提供预警与维护策略；若故障特征参数超出正常范围，则给出预警或维护措施。
优选的，若所述故障特征参数没有规律，且输出为离散型0/1信号，则选择ID3算法或Apriori算法；若所述故障特征参数为电流或电压信号，则选择支持向量机算法，用于故障特征参数的提取与监控。
优选的，所述在监控预警系统中建立故障评估模型包括如下步骤：S301、调取相关故障数据；S302、对步骤S301调取的相关故障数据进行数据清洗与处理；S303、根据步骤S302清洗处理后的相关故障数据制作故障表单；S304、初始化参数模型；S305、根据清洗处理后的相关故障数据拟合步骤S304中选择的参数模型；S306、将步骤S305拟合后的参数模型的结果与RAM监控平台结果比较；若步骤S305的结果与RAM监控平台结果接近，则执行步骤S307；若步骤S305的结果与RAM监控平台结果差别较大，则返回步骤S304，重新选择初始化参数模型；S307、确定步骤S305拟合后的参数模型作为故障评估模型；S308、将步骤S307确定的故障评估模型嵌入监控预警系统中，完成故障评估模型在监控预警系统中的构建。
优选的，步骤S304所述的参数模型包括X-秩回归或极大似然法建立累积故障概率模型。
优选的，参数模型包括weibull的2参数模型
β为形状参数、η为尺度参数、t为工作时间；weibull的3参数模型/>
β为形状参数、η为尺度参数、γ为位置参数；指数分布模型F(t)＝1-e-λt，λ为故障率，t为工作时间。
优选的，所述在监控预警系统中建立故障评估模型还包括步骤S309：根据维修性数据制作返修表单；所述维修性数据包含延误时间、维修时间。
优选的，在监控预警系统中构建故障事件与运行状态的关系流程示意图，其包括以下步骤：S401、确定报警故障模式；S402、调取日志数据，获取报警故障模式相关状态量字段；S403、梳理日志数据中故障模式与运行状态之间的链路关系；查找报警故障模式前N分钟的运行状态以及特征参数变化，辅助故障特征参数的选取，其中N≥10。
优选的，还包括在监控预警系统中建立耗损型组件寿命评估模型，具体包括如下步骤：S501、筛选耗损型失效机理组件；S502、通过查询设计手册确定设计参数；S503、确定实际应用参数；S504、确定应用环境因素；S505、确定耗损型组件寿命评估模型，结合规范与实际在线运行数据建立模型；S506、将步骤S505确定的耗损型组件寿命评估模型，嵌入到监控预警系统中。
优选的，在监控预警系统中构建维修措施与故障模式的关系包括如下步骤：S601、确定故障预警的故障模式清单；S602、调取现场故障数据统计系统与频发故障记录系统中的字段“现场采取的措施”；S603、调取现场故障事件汇报平台中字段“现场采取的措施”；S604、调取现有报警系统中的字段“维护建议”；S605、生成故障预警的故障模式与维修措施表单；S606、判断故障与维修措施关系是否已存在监控预警系统，若存在，则不再重复添加至监控预警系统，若不存在，则执行步骤S607；S607、将生成的故障模式与维修措施表单嵌入监控预警系统。
优选的，所述关键因素包含环境因素、已用时间或频次、故障特征值、报警数量。
优选的，所述环境因素包括温度、湿度、盐雾、灰尘，根据设备是否有防尘、散热设计数据，确定环境因素的优中良等级，赋予不同的环境因素的权重。
优选的，利用专家经验法与历史数据确定各个关键因素的权重ωi，结合监控预警系统的实际预警数据，修正与调整监控预警系统中各关键影响因素的权重ωi值。
综上所述，与现有技术相比，本发明提供的一种铁路信号系统电子相关设备故障预警与管理实现方法，该方法能够提前对导致清客或者掉车等运营延误故障进行预警，规避突发故障发生带来的线路连锁反应，或者紧急事故的发生，降低清客、或者导致5分钟以上延误故障率，提升乘客乘车满意度；
进一步，本发明提供了一种基于现场故障数据的评估模型，用于反映产品现场实际的可用性，克服了现有纯理论计算不太符合应用实际的问题；
进一步，本发明通过耗损型组件寿命评估模型可以查看耗损型组件的可用寿命结果，且生成不同的统计图表，有效提高产品设计时选型的效率；
进一步，本发明能够给出预警故障的建议维修措施与可能的故障原因，降低维修保障成本，降低维修人员强度；同时为铁路信号系统电子相关设备的故障预警与管理在监控系统的合并与集成提供了思路。
附图说明
图1为本发明的铁路信号系统电子相关设备故障预警与管理实现方法的流程框架图；
图2为本发明的确定导致清客或掉车延误等研究对象流程图；
图3为本发明的构建故障逻辑模型流程图；
图4为本发明的故障特征参数的提取流程图；
图5为本发明的故障数据信息的部分输入与输出；
图6为本发明的构建故障评估模型流程图；
图7为本发明的构建故障事件与运行状态的关系流程图；
图8为本发明的耗损型组件寿命评估模型构建流程图；
图9为本发明的构建维修措施与故障关系流程图；
图10为本发明的故障预警与管理关键因素在监控预警系统中的框架图。
具体实施方式
以下将结合本发明实施例中的附图1～附图10，对本发明实施例中的技术方案、构造特征、所达成目的及功效予以详细说明。
需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
需要说明的是，在本发明中，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、物品或者设备不仅包括明确列出的要素，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。
本发明提供了一种铁路信号系统电子相关设备故障预警与管理实现方法，如图1所示，该故障预警与管理实现方法包括：调取延误清客数据，确定导致清客运营延误的故障模式；在监控预警系统中建立故障逻辑模型、故障评估模型以及构建故障模式与运行状态的关系、维护措施与故障模式的关系；根据所述故障逻辑模型、故障模式与运行状态的关系提取所述故障模式对应的故障特征参数，监控所述故障特征参数，判断所述故障特征参数是否处于正常监控阈值内；和/或根据所述故障评估模型，获取所述故障模式的发生概率；将所述故障模式对应的故障特征参数和发生概率结合关键因素赋予不同的权重，计算该故障模式的预警等级；根据维护措施与故障模式的关系，选取该故障预警等级的消除方法，实现对所述故障模式的预警与管理。
其中，如图10所示，所述关键因素包含环境因素、已用时间或频次、故障特征值、报警数量等。进一步，所述环境因素是根据现场数据与设计数据，确定参与故障预警管理的环境；所述环境因素包括温度、湿度、盐雾、灰尘等，并根据设备是否有防尘、散热等设计数据，确定环境因素的优中良等级，赋予不同的环境因素的权重。再进一步，利用专家经验法与历史数据确定各个关键因素的权重ωi，结合监控预警系统的实际预警数据，修正与调整监控预警系统中各关键影响因素的权重ωi值，从而提升故障预警的准确性与有效性。
其中，如图2所示，所述调取延误清客数据，确定导致清客运营延误的故障模式包括如下步骤：S101、从各项目管理处调取各年度延误清客文档；S102、筛选S101中延误清客文档中的故障影响字段，如“清客”、“掉车”、“延误”等；S103、根据故障影响字段调取“故障模式”；S104、建立导致延误5分钟以上的故障模式为研究对象；进一步，所述故障模式包括：ATP模式丢失、紧急制动无法解除、车门无法打开、车载重启不成功、车载死机、列车模式无法建立等。
其中，如图3所示，所述在监控预警系统中建立故障逻辑模型包括如下步骤：S201、调取功能设计文档，即调取故障模式对应各个功能设计文档，如与故障模式相关的系统功能需求文档、系统架构设计文档、硬件设计文档以及软件设计文档等；S202、分析产生故障模式的故障原因，选择故障树或功能-故障流等方法进行分析；S203、确定所述故障原因与所述故障模式之间的逻辑关系，所述逻辑关系包括或逻辑、与逻辑等；S204、分析故障模式的故障机理，即更深一层分析故障的产生根本原因和失效的机理，该步骤具体分析到模块电路或关键芯片；S205、调取设计数据，所述设计数据包括与故障模式对应的硬件原理图和软件函数；通过步骤S201～步骤S205构建完成故障逻辑模型，所述故障逻辑模型将各个故障模式与每个故障模式对应的功能设计文档、逻辑关系、故障机理以及设计数据一一对应，以便后续故障特征参数的提取。
具体的，以紧急制动无法解除故障模式为例，通过故障树的方式查找其发生的原因与故障机理，基于紧急制动的设计文档获得紧急制动功能与速度传感器、机柜的背板、控制紧急制动的板卡PSB、安全输入输出控制板、通道接口、继电器等有关系，故根据功能关联关系建立其故障逻辑模型。
进一步，所述在监控预警系统中建立故障逻辑模型还包括：步骤S206、确定监测的故障特征参数，如阻抗、电流、电压等；步骤S207、判断步骤S206中的故障特征参数是否被监控预警系统监控；若故障特征参数已被监控，则将其标注为已被监控；若故障特征参数未被监控，则执行步骤S208；步骤S208、将未被监控的故障特征参数纳入监控预警系统的监控范围。
进一步，如图4所示，步骤S206所述的确定监测的故障特征参数，包括如下步骤：
S261、提取故障特征参数，如步骤S206中所述包括阻抗、电流、电压等；
S262、判断步骤S261中提取的故障特征参数是否为模拟信号，若该故障特征参数是模拟信号则执行步骤S263；反之，则根据故障模式与运行状态的关系确定该故障模式的故障特征参数；其中，连续变化的物理量表示的信息判断为模拟量；输出的信号为0/1则判断为数字信号；
S263、选择提取故障特征参数的算法；在实施例中，若故障特征参数没有规律，且输出为离散型0/1信号，则可以选择ID3算法或Apriori算法；若故障特征参数为电流或电压信号，则可以选择支持向量机算法，用于故障特征参数的提取与监控；
S264、在监控预警系统中嵌入正常监控阈值曲线，用于故障特征参数的判断；
S265、若故障特征参数在正常监控阈值曲线内，则结束该故障特征参数的判定，并纳入监控预警系统的监控范围；反之，若超出正常监控阈值曲线，则执行步骤S266；
S266、提供预警与维护策略；若故障特征参数超出正常范围，则给出预警或维护措施。其中，所述故障特征参数的修正是根据现场应用，通过步骤S263选取的算法进行不断学习，进而达到修正故障特征参数模型的目的，其作用是提高预警准确性。
进一步，如图6所示，所述在监控预警系统中建立故障评估模型包括如下步骤：
S301、调取相关故障数据；所述相关故障数据包括从CRM(现场故障数据统计系统)、K2(频发故障记录系统)、现场故障事件汇报平台获得的现场故障数据、从MSS(运维系统)调取的监控数据、报警数据和维护数据；
具体的，图5为本发明中相关故障数据信息的部分输入与输出，其中所述现场故障数据包含的字段有故障部件、故障现象、故障日期、故障数量、紧急制动量、是否导致列车ATP宕机、运营延误时长(分钟)、环境条件等；所述维护数据包含故障部件、维修时长(分钟)、维修措施；所述监控数据包含现有的维护台上监控的对象、故障码、故障描述等，用于区分监控对象是模拟信号还是数字信号；所述报警数据包含维护台上的被报警对象、故障报警内容、报警原因等内容。
S302、对步骤S301调取的相关故障数据进行数据清洗与处理；所述数据清洗与处理的具体步骤包括：S321、制定制作表单需要的数据格式；S322、对现场故障数据中的缺失值或无效值进行剔除处理；S323、补齐数据，形成清洗后的现场故障数据；
S303、根据步骤S302清洗处理后的相关故障数据制作故障表单；所述故障表单包括故障时间、故障样本量、环境条件、故障状态是failure还是success等信息；
S304、初始化参数模型；可应用X-秩回归(RRX)或极大似然法建立累积故障概率模型，如weibull的2参数模型(
β为形状参数，η为尺度参数，t为工作时间)、weibull的3参数模型(/>
β为形状参数，η为尺度参数，γ为位置参数)、指数分布模型(F(t)＝1-e-λt，λ为故障率，t为工作时间)；
S305、根据清洗处理后的现场故障数据拟合步骤S304中选择的参数模型；在一实施例中，通过关键设备的故障评估模型收集的某一线路78个样本，运行45048小时的故障数据分析得到
可以根据投入运营的时间t预测此关键设备在时间t的发生概率，也可设定一个发生故障的阈值概率作为主动维修条件，当低于该阈值概率时，监控预警系统发送报警信号，提示运维工作人员预防该故障发生；
S306、将步骤S305拟合后的参数模型的结果与RAM监控平台(可靠性、可用性、可维护性平台)结果比较；由于RAM监控平台是监控实际数据得到的样本数据，因此若步骤S305的结果与RAM监控平台结果接近，则执行步骤S307；若步骤S305的结果与RAM监控平台结果差别较大，则返回步骤S304，重新选择初始化参数模型；
S307、确定步骤S305拟合后的参数模型作为故障评估模型；
S308、将步骤S307确定的故障评估模型嵌入监控预警系统中，完成故障评估模型在监控预警系统中的构建。
进一步，所述在监控预警系统中建立故障评估模型还包括步骤S309：根据维修性数据制作返修表单；所述维修性数据包含延误时间、维修时间等；基于所述返修表单，可以根据故障模式直接获取对应的延误的时间和维修所需要的时间，使运维人员能够提前做好维护计划，提升维修效率。
图7为本发明中在监控预警系统中构建故障事件与运行状态的关系流程示意图，其包括以下步骤：
S401、确定报警故障模式A；
S402、调取日志数据，获取报警故障模式A相关状态量字段；由于日志数据包含了可能出现的故障信息的相关状态量字段，所述相关状态量字段能够描述故障时刻的列车运行状态以及列车防护相关的一些动作状态信息；比如一个故障事件的发生肯定是某个特征参数发生了异常，但是此时的故障事件还不足以引发报警，然后在随后的某一时刻这个故障事件又引发了另一个故障事件的发生，从而导致报警并可能导致列车ATP宕机，影响列车运行；例如报警故障模式为紧急制动无法解除时，与紧急制动无法解除的相关状态量字段包括系统中速度传感器的运行状态、控制紧急制动的板卡的运行状态，安全输入输出控制板的状态，背板的状态等；
S403、梳理日志数据中故障模式与运行状态之间的链路关系；具体的，查找报警故障模式A前N分钟(N≥10)的运行状态以及特征参数变化，其目的是查找是什么特征参数发生变化导致报警故障模式A的发生，进而辅助故障特征参数的选取。
为了使在线的失效机理为耗损型的设备进行可用寿命的评估与预警本发明提供的一种铁路信号系统电子相关设备故障预警与管理实现方法还包括：在监控预警系统中建立耗损型组件寿命评估模型。具体的，如图8所示，建立耗损型组件寿命评估模型包括如下步骤：
S501、筛选耗损型失效机理组件，如开关、继电器、LED、液体铝电解质电容、光耦、flash、接插件、电池等；
S502、通过查询设计手册确定设计参数，如液体铝电解质的耐久性指标、flash的额定擦写次数等；
S503、确定实际应用参数，如实际应用的插拔次数、光耦的输入端电流、LED的输入端电流、flash的设计擦写周期等；
S504、确定应用环境因素，如温度等；
S505、确定耗损型组件寿命评估模型，结合规范与实际在线运行数据等建立其模型，表1为部分耗损型组件的可用寿命评估模型：
表1、部分耗损型组件的可用寿命评估模型
S506、将步骤S505确定的耗损型组件寿命评估模型，嵌入到监控预警系统中。通过所述耗损型组件寿命评估模型对损耗型组件的寿命进行评估，可以提前对损耗型组件进行预警管理，有效避免损耗型组件在使用时发生失效的问题，大幅度降低故障率，避免导致运营延误。
进一步，如图9所示，在监控预警系统中构建维修措施与故障模式的关系包括如下步骤：
S601、确定故障预警的故障模式清单；即通过步骤S101～步骤S104获取所述故障模式清单；
S602、调取CRM与K2中的字段“现场采取的措施”；
S603、调取现场故障事件汇报平台中字段“现场采取的措施”，即目前历史故障数据中记录的已采取的现场维修措施；
S604、调取现有报警系统中的字段“维护建议”，即对预警的故障模式给出的一些维护建议，包含但不限于步骤S602和步骤S603中提到的“现场采取的措施”；
S605、生成故障预警的故障模式与维修措施表单；
S606、判断故障与维修措施关系是否已存在监控预警系统，若存在，则不再重复添加至监控预警系统，若不存在，则执行步骤S607；
S607、将生成的故障模式与维修措施表单嵌入监控预警系统。通过查询监控预警系统中的故障模式与维修措施表单，可以对故障预警或发生故障时快速获得维护措施，提高处理故障的速度，缩短维修时间，避免了维护时间过长对运营延误的影响。
综上所述，本发明提供了一种适用于铁路信号系统电子相关设备的故障预警与管理构建方法与流程，该方法能够提前对导致清客或者掉车等运营延误故障进行预警，规避突发故障发生带来的线路连锁反应，或者紧急事故的发生，降低清客、或者导致5分钟以上延误故障率，提升乘客乘车满意度；
进一步，本发明提供了一种基于现场故障数据的评估模型，用于反映产品现场实际的可用性，克服了现有纯理论计算不太符合应用实际的问题；
进一步，本发明通过耗损型组件寿命评估模型可以查看耗损型组件的可用寿命结果，且生成不同的统计图表，有效提高产品设计时选型的效率；
进一步，本发明能够给出预警故障的建议维修措施与可能的故障原因，降低维修保障成本，降低维修人员强度；同时为铁路信号系统电子相关设备的故障预警与管理在监控系统的合并与集成提供了思路。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
Claims (17)
1.一种铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，包括：
调取延误清客数据，确定导致清客运营延误的故障模式；
在监控预警系统中建立故障逻辑模型、故障评估模型以及构建故障模式与运行状态的关系、维护措施与故障模式的关系；
根据所述故障逻辑模型、所述故障模式与运行状态的关系提取所述故障模式对应的故障特征参数，监控所述故障特征参数，判断所述故障特征参数是否处于正常监控阈值内；
和/或根据所述故障评估模型，获取所述故障模式的发生概率；
将所述故障模式对应的故障特征参数和发生概率结合关键因素赋予不同的权重，计算该故障模式的预警等级；
根据维护措施与故障模式的关系，选取该故障预警等级的消除方法，实现对所述故障模式的预警与管理。
2.如权利要求1所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，所述调取延误清客数据，确定导致清客运营延误的故障模式包括如下步骤：
S101、从各项目管理处调取各年度延误清客文档；
S102、筛选步骤S101中延误清客文档中的故障影响字段；
S103、根据故障影响字段调取“故障模式”；
S104、建立导致延误M分钟以上的故障模式为研究对象，其中M≥5。
3.如权利要求2所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，
所述故障影响字段包括“清客”、“掉车”、“延误”；
所述故障模式包括ATP模式丢失、紧急制动无法解除、车门无法打开、车载重启不成功、车载死机、列车模式无法建立。
4.如权利要求1所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，所述在监控预警系统中建立故障逻辑模型包括如下步骤：
S201、调取功能设计文档，所述设计文档包括与故障模式相关的系
统功能需求文档、系统架构设计文档、硬件设计文档以及软件设计文档；
S202、分析产生故障模式的故障原因，选择故障树或功能-故障流方法进行分析；
S203、确定所述故障原因与所述故障模式之间的逻辑关系，所述逻辑关系包括或逻辑、与逻辑；
S204、分析故障模式的故障机理，该步骤具体分析到模块电路或关键芯片；
S205、调取设计数据，所述设计数据包括与故障模式对应的硬件原理图和软件函数。
5.如权利要求4所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，所述在监控预警系统中建立故障逻辑模型还包括：
S206、确定监测的故障特征参数；
S207、判断步骤S206中的故障特征参数是否被监控预警系统监控；
若故障特征参数已被监控，则将其标注为已被监控；若故障特征参数未被监控，则执行步骤S208；
S208、将未被监控的故障特征参数纳入监控预警系统的监控范围。
6.如权利要求5所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，步骤S206所述的确定监测的故障特征参数，包括如下步骤：
S261、提取故障特征参数，所述故障特征参数包括阻抗、电流、电压；
S262、判断步骤S261中提取的故障特征参数是否为模拟信号，若该故障特征参数是模拟信号则执行步骤S263；反之，则根据故障模式与运行状态的关系确定该故障模式的故障特征参数；
S263、选择提取故障特征参数的算法；
S264、在监控预警系统中嵌入正常监控阈值曲线，用于故障特征参数的判断；
S265、若故障特征参数在正常监控阈值曲线内，则结束该故障特征参数的判定，并纳入监控预警系统的监控范围；反之，若超出正常监控阈值曲线，则执行步骤S266；
S266、提供预警与维护策略；若故障特征参数超出正常范围，则给出预警或维护措施。
7.如权利要求6所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，若所述故障特征参数没有规律，且输出为离散型0/1信号，则选择ID3算法或Apriori算法；若所述故障特征参数为电流或电压信号，则选择支持向量机算法，用于故障特征参数的提取与监控。
8.如权利要求1所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，所述在监控预警系统中建立故障评估模型包括如下步骤：
S301、调取相关故障数据；
S302、对步骤S301调取的相关故障数据进行数据清洗与处理；
S303、根据步骤S302清洗处理后的相关故障数据制作故障表单；
S304、初始化参数模型；
S305、根据清洗处理后的相关故障数据拟合步骤S304中选择的参数模型；
S306、将步骤S305拟合后的参数模型的结果与RAM监控平台结果比较；若步骤S305的结果与RAM监控平台结果接近，则执行步骤S307；若步骤S305的结果与RAM监控平台结果差别较大，则返回步骤S304，重新选择初始化参数模型；
S307、确定步骤S305拟合后的参数模型作为故障评估模型；
S308、将步骤S307确定的故障评估模型嵌入监控预警系统中，完成故障评估模型在监控预警系统中的构建。
9.如权利要求8所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，步骤S304所述的参数模型包括X-秩回归或极大似然法建立累积故障概率模型。
10.如权利要求8所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，参数模型包括weibull的2参数模型
β为形状参数、η为尺度参数、t为工作时间；weibull的3参数模型/>
β为形状参数、η为尺度参数、γ为位置参数；指数分布模型F(t)＝1-e-λt，λ为故障率，t为工作时间。
11.如权利要求8所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，所述在监控预警系统中建立故障评估模型还包括步骤S309：根据维修性数据制作返修表单；所述维修性数据包含延误时间、维修时间。
12.如权利要求1所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，在监控预警系统中构建故障事件与运行状态的关系流程示意图，其包括以下步骤：
S401、确定报警故障模式；
S402、调取日志数据，获取报警故障模式相关状态量字段；
S403、梳理日志数据中故障模式与运行状态之间的链路关系；查找报警故障模式前N分钟的运行状态以及特征参数变化，辅助故障特征参数的选取，其中N≥10。
13.如权利要求1所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，还包括在监控预警系统中建立耗损型组件寿命评估模型，具体包括如下步骤：
S501、筛选耗损型失效机理组件；
S502、通过查询设计手册确定设计参数；
S503、确定实际应用参数；
S504、确定应用环境因素；
S505、确定耗损型组件寿命评估模型，结合规范与实际在线运行数据建立模型；
S506、将步骤S505确定的耗损型组件寿命评估模型，嵌入到监控预警系统中。
14.如权利要求1所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，在监控预警系统中构建维修措施与故障模式的关系包括如下步骤：
S601、确定故障预警的故障模式清单；
S602、调取现场故障数据统计系统与频发故障记录系统中的字段“现场采取的措施”；
S603、调取现场故障事件汇报平台中字段“现场采取的措施”；
S604、调取现有报警系统中的字段“维护建议”；
S605、生成故障预警的故障模式与维修措施表单；
S606、判断故障与维修措施关系是否已存在监控预警系统，若存在，则不再重复添加至监控预警系统，若不存在，则执行步骤S607；
S607、将生成的故障模式与维修措施表单嵌入监控预警系统。
15.如权利要求1所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，所述关键因素包含环境因素、已用时间或频次、故障特征值、报警数量。
16.如权利要求15所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，所述环境因素包括温度、湿度、盐雾、灰尘，根据设备是否有防尘、散热设计数据，确定环境因素的优中良等级，赋予不同的环境因素的权重。
17.如权利要求1所述的铁路信号系统电子相关设备故障预警与管理实现方法，其特征在于，利用专家经验法与历史数据确定各个关键因素的权重ωi，结合监控预警系统的实际预警数据，修正与调整监控预警系统中各关键影响因素的权重ωi值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310313521.1A CN116279700A (zh) | 2023-03-27 | 2023-03-27 | 一种铁路信号系统电子相关设备故障预警与管理实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310313521.1A CN116279700A (zh) | 2023-03-27 | 2023-03-27 | 一种铁路信号系统电子相关设备故障预警与管理实现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116279700A true CN116279700A (zh) | 2023-06-23 |
Family
ID=86822234
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310313521.1A Pending CN116279700A (zh) | 2023-03-27 | 2023-03-27 | 一种铁路信号系统电子相关设备故障预警与管理实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116279700A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116934142A (zh) * | 2023-07-14 | 2023-10-24 | 箭头租赁(广州)有限公司 | 租赁it设备资产维护综合管理方法、系统、设备及介质 |
| CN117369392A (zh) * | 2023-11-17 | 2024-01-09 | 岳阳长炼机电工程技术有限公司 | 一种基于多参数逻辑关系的设备故障智能预警方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103359137A (zh) * | 2012-03-31 | 2013-10-23 | 上海申通地铁集团有限公司 | 道岔故障预警方法 |
| CN109947088A (zh) * | 2019-04-17 | 2019-06-28 | 北京天泽智云科技有限公司 | 基于模型全生命周期管理的设备故障预警系统 |
| KR102165528B1 (ko) * | 2020-06-03 | 2020-10-14 | (주)금호전력 | 철도설비 상태감시를 위한 센싱 및 융합데이터 모니터링 시스템 |
| CN112863007A (zh) * | 2021-03-01 | 2021-05-28 | 中车株洲电力机车有限公司 | 牵引变流器故障预警模型及建模方法、预警方法及系统 |
| CN113466597A (zh) * | 2021-07-19 | 2021-10-01 | 江苏金鑫信息技术有限公司 | 一种轨道交通供电系统设备状态智能检测方法 |
-
2023
- 2023-03-27 CN CN202310313521.1A patent/CN116279700A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103359137A (zh) * | 2012-03-31 | 2013-10-23 | 上海申通地铁集团有限公司 | 道岔故障预警方法 |
| CN109947088A (zh) * | 2019-04-17 | 2019-06-28 | 北京天泽智云科技有限公司 | 基于模型全生命周期管理的设备故障预警系统 |
| KR102165528B1 (ko) * | 2020-06-03 | 2020-10-14 | (주)금호전력 | 철도설비 상태감시를 위한 센싱 및 융합데이터 모니터링 시스템 |
| CN112863007A (zh) * | 2021-03-01 | 2021-05-28 | 中车株洲电力机车有限公司 | 牵引变流器故障预警模型及建模方法、预警方法及系统 |
| CN113466597A (zh) * | 2021-07-19 | 2021-10-01 | 江苏金鑫信息技术有限公司 | 一种轨道交通供电系统设备状态智能检测方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116934142A (zh) * | 2023-07-14 | 2023-10-24 | 箭头租赁(广州)有限公司 | 租赁it设备资产维护综合管理方法、系统、设备及介质 |
| CN116934142B (zh) * | 2023-07-14 | 2024-04-02 | 广州箭头信息科技有限公司 | 租赁it设备资产维护综合管理方法、系统、设备及介质 |
| CN117369392A (zh) * | 2023-11-17 | 2024-01-09 | 岳阳长炼机电工程技术有限公司 | 一种基于多参数逻辑关系的设备故障智能预警方法 |
| CN117369392B (zh) * | 2023-11-17 | 2024-04-16 | 岳阳长炼机电工程技术有限公司 | 一种基于多参数逻辑关系的设备故障智能预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116279700A (zh) | 一种铁路信号系统电子相关设备故障预警与管理实现方法 | |
| CN111486893A (zh) | 一种桥梁结构健康监测与预警系统及预警方法 | |
| CN100538761C (zh) | 基于数据融合模式识别的嵌入式故障智能诊断装置及方法 | |
| CN112036505B (zh) | 道岔转辙机的设备状态确定方法、装置和电子设备 | |
| CN114894411B (zh) | 一种基于无线传感器网络的桥梁健康监测方法及系统 | |
| KR100564362B1 (ko) | 도시철도차량 유지보수 정보화 예방정비 분석을 이용한예방 정비 시스템 및 방법 | |
| CN106156913A (zh) | 用于飞机部附件的健康管理方法 | |
| CN117689214B (zh) | 一种柔性直流牵引供电系统能量路由器动态安全评估方法 | |
| CN112232405B (zh) | 齿轮箱的故障预测、监测和诊断方法及相应装置 | |
| CN112462734B (zh) | 一种工业生产设备故障预测分析方法及模型 | |
| CN118244126B (zh) | 一种基于集成传感器的新能源汽车电池检测方法及系统 | |
| CN114239734B (zh) | 一种分布式车载健康管理系统 | |
| CN113177650A (zh) | 一种铁路货车车厢的预测性维护方法及装置 | |
| CN117671818B (zh) | 一种车辆数据的管理系统 | |
| CN113761728A (zh) | 基于车联网平台的机场电动特种车辆故障预警方法 | |
| CN118100433A (zh) | 一种基于5g通信的智慧社区电力设备安全监测方法 | |
| CN118410428A (zh) | 一种地铁隧道自动化监测方法、系统、设备和介质 | |
| CN109896384B (zh) | 基于大数据分析的曳引电梯健康状态特征参数提取方法 | |
| EP3462266B1 (en) | Aircraft maintenance message prediction | |
| KR102662702B1 (ko) | 정보통신 설비 점검 시스템 및 방법 | |
| CN111780809B (zh) | 轨道车辆零部件温度和振动监测预警方法及其系统 | |
| CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
| CN113697623B (zh) | 一种基于深度学习的电梯维保预警系统及方法 | |
| CN114715234B (zh) | 列车运行控制系统的数字孪生系统、装置和方法 | |
| CN112016193A (zh) | 一种盾构机系统的润滑失效在线预测方法及系统 |
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 |