轨道交通车载设备故障传播监测方法及系统技术方案

本发明专利技术提供一种轨道交通车载设备故障传播监测方法及系统，属于轨道交通运行控制技术领域，利用分布式Hadoop作为数据的存储与处理平台并建立车载设备运行数据模型；根据车载设备运行数据模型，构建车载设备故障传播有向图分层模型；结合车载设备故障传播有向图分层模型合理评估部件节点和邻接部件的故障影响度，结合车载设备故障概率定位故障源，模拟故障分步扩散过程，识别各层级关键节点并确定关键故障传播路径。本发明专利技术采用有向图模型，DEMATEL/ISM及FMMEA组合，从微观到宏观、定性到定量研究车载设备故障传播扩散行为，准确定位故障源，制定有效的故障预防控制策略，从而有针对性地排除高危故障，提高了铁路运输系统的安全性与可靠性。性与可靠性。性与可靠性。

【技术实现步骤摘要】
轨道交通车载设备故障传播监测方法及系统


[0001]本专利技术涉及轨道交通运行控制
，具体涉及一种基于数模驱动的轨道交通车载设备故障传播监测方法及系统。

技术介绍

[0002]轨道交通作为大型的交通运输系统，确保其安全性对保障群众生命财产安全有着重要意义。列车运行控制系统车载设备作为具有安全苛求特性的关键技术之一，是保障列车行车安全、提高运输效率的核心系统，其安全、可靠运行对于客运安全、列车运行效率、铁路经济效益都有重大意义。针对轨道交通车载设备的可靠性分析开展关键技术研究，对确保轨道交通运行安全提供理论和技术支撑，杜绝重大恶性安全事故的发生具有十分重要的意义。
[0003]现阶段，在复杂运行环境下，当列车受到自然环境影响或外力破坏时，设备故障时有发生，对故障内部机理的模糊性往往导致无法快速定位故障，进而使其蔓延导致系统某一功能瘫痪，影响列车运行及行车调度，从而大大降低运营效率，造成严重安全隐患。
[0004]当前对车载设备的故障传播检测工作主要是通过一些轨道交通车载设备现有的故障现象来定位故障源，对维修人员依赖性较强，缺乏完整的故障原因及传播规律。同时，现有的故障传播模型描述故障模糊。

技术实现思路

[0005]本专利技术的目的在于提供一种轨道交通车载设备故障传播监测方法及系统，以解决上述
技术介绍
中存在的至少一项技术问题。
[0006]为了实现上述目的，本专利技术采取了如下技术方案：
[0007]一方面，本专利技术提供一种轨道交通车载设备故障传播监测方法，包括：
[0008]利用分布式Hadoop作为数据的存储与处理平台并建立车载设备运行数据模型；
[0009]根据车载设备运行数据模型，构建车载设备故障传播有向图分层模型；
[0010]结合车载设备故障传播有向图分层模型合理评估部件节点和邻接部件的故障影响度，结合车载设备故障概率定位故障源，模拟故障分步扩散过程，识别各层级关键节点并确定关键故障传播路径。
[0011]优选的，轨道交通车载设备运行数据模型的定义如下：
[0012]R＝{S,T,O}
[0013]其数据元素为：
[0014]r
i
＝{s
i
,t
i
,o
i
}
[0015]其中：S为数据模型的设备标识空间，其元素s
i
∈S代表设备的唯一标识，在实际中对应于设备的唯一标识，包括所属的列车车次号，端号与系别；T为数据时域空间，是可变的，t
i
∈T代表设备数据记录时间，t
i
所有的组成了设备的运行时间；O为状态属性空间，其元素o
i
∈O代表了设备运行状态，包括正常运行状态与故障状态，即有：
[0016]O＝O
normal
∪O
f
[0017]其中，O
normal
是设备正常工作状态，O
f
代表设备发生故障，由各类型故障组成：
[0018][0019]O
m
代表第m个故障类型，M是故障类型总数。
[0020]优选的，将故障传播有向图模型分层重构，实现系统层级划分，清晰描述故障的分步扩散过程及部件间故障传播路径，明确系统部件间相互影响及依存的逻辑结构；借助矩阵工具将车载设备故障传播有向图模型分层。
[0021]优选的，通过评估网络节点重要度，即提取故障传播模型结构性指标，以反映各节点对于故障传播影响的差异性，为准确定位车载系统故障源、识别关键故障传播路径提供理论支撑。
[0022]优选的，根据有向图分层模型，定义有向边故障影响度值；将有向图模型中部件节点故障概率和有向边故障影响度融合表征有向边动态故障传播属性。
[0023]优选的，基于关键故障传播路径的基础上，采用FMMEA方法来分析车载系统内部构成、结构组成与功能实现，明确系统失效模型，车载设备有4种失效模型分别为：软件故障、硬件故障、软硬件耦合作用下故障和环境影响下故障。
[0024]第二方面，本专利技术提供一种轨道交通车载设备故障传播监测系统，包括：
[0025]第一构建模块，用于利用分布式Hadoop作为数据的存储与处理平台并建立车载设备运行数据模型；
[0026]第二构建模块，用于根据车载设备运行数据模型，构建车载设备故障传播有向图分层模型；
[0027]识别模块，用于结合车载设备故障传播有向图分层模型合理评估部件节点和邻接部件的故障影响度，结合车载设备故障概率定位故障源，模拟故障分步扩散过程，识别各层级关键节点并确定关键故障传播路径。
[0028]第三方面，本专利技术提供一种计算机设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如上所述的轨道交通车载设备故障传播监测方法。
[0029]第四方面，本专利技术提供一种电子设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如上所述的轨道交通车载设备故障传播监测方法。
[0030]第五方面，本专利技术提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的轨道交通车载设备故障传播监测方法。
[0031]本专利技术有益效果：采用有向图模型，DEMATEL/ISM及FMMEA组合，从微观到宏观、定性到定量研究车载设备故障传播扩散行为，准确定位故障源，制定有效的故障预防控制策略，从而有针对性地排除高危故障，提高了铁路运输系统的安全性与可靠性。
[0032]本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0033]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例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专利技术的一些实施例，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。
[0034]图1为本专利技术实施例所述的基于数模驱动的轨道交通车载设备故障传播监测方法原理图。
[0035]图2为本专利技术实施例所述的轨道交通车载设备关键故障传播路径图。
具体实施方式
[0036]下面详细叙述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。
[0037]本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。
[0038]还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨道交通车载设备故障传播监测方法，其特征在于，包括：利用分布式Hadoop作为数据的存储与处理平台并建立车载设备运行数据模型；根据车载设备运行数据模型，构建车载设备故障传播有向图分层模型；结合车载设备故障传播有向图分层模型合理评估部件节点和邻接部件的故障影响度，结合车载设备故障概率定位故障源，模拟故障分步扩散过程，识别各层级关键节点并确定关键故障传播路径。2.根据权利要求1所述的轨道交通车载设备故障传播监测方法，其特征在于，轨道交通车载设备运行数据模型的定义如下：R＝{S,T,O}其数据元素为：r
i
＝{s
i
,t
i
,o
i
}其中：S为数据模型的设备标识空间，其元素s
i
∈S代表设备的唯一标识，在实际中对应于设备的唯一标识，包括所属的列车车次号，端号与系别；T为数据时域空间，是可变的，t
i
∈T代表设备数据记录时间，t
i
所有的组成了设备的运行时间；O为状态属性空间，其元素o
i
∈O代表了设备运行状态，包括正常运行状态与故障状态，即有：O＝O
normal
∪O
f
其中，O
normal
是设备正常工作状态，O
f
代表设备发生故障，由各类型故障组成：O
m
代表第m个故障类型，M是故障类型总数。3.根据权利要求2所述的轨道交通车载设备故障传播监测方法，其特征在于，将故障传播有向图模型分层重构，实现系统层级划分，清晰描述故障的分步扩散过程及部件间故障传播路径，明确系统部件间相互影响及依存的逻辑结构；借助矩阵工具将车载设备故障传播有向图模型分层。4.根据权利要求3所述的轨道交通车载设备故障传播监测方法，其特征在于，通过评估网络节点重要度，即...

【专利技术属性】
技术研发人员：上官伟，王子琪，柴琳果，彭聪，王宗耀，师泽斌，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：