故障诊断方法及装置制造方法及图纸

本发明专利技术提供一种故障诊断方法及装置，该故障诊断方法包括：获取ZC的维护数据，在确认维护数据中包括报警信息的情况下，基于预设的故障诊断模型，得到维护数据对应的诊断结果。本发明专利技术所述方法通过利用在线学习算法得到的故障诊断模型对ZC维护数据包含的故障类型进行分类，实现了对未知的故障类型的预测，并提高了故障诊断效率，节约时间成本和人力成本。节约时间成本和人力成本。节约时间成本和人力成本。

【技术实现步骤摘要】
故障诊断方法及装置


[0001]本专利技术涉及轨道交通设备故障检测
，尤其涉及一种故障诊断方法及装置。

技术介绍

[0002]在轨道交通列车运行控制系统中，智能运维系统能够对信号系统关键设备数据实现全覆盖采集，包括多个子系统，以及关键设备的状态和报警信息。
[0003]相关技术中，智能运维系统通常会监控区域控制器(Zone Controller，ZC)的运行状态，并人工检测的方式对ZC维护数据中包含的故障信息进行识别或预测，但随着待识别的ZC维护数据的增加以及故障类型趋于复杂化，人工诊断故障类型的效率低，且诊断结果的准确率低。

技术实现思路

[0004]本专利技术提供一种故障诊断方法及装置，用以解决现有技术利用人工检测的方式识别大量的ZC维护数据的故障类型时时效率低，且诊断结果不准确的缺陷，提高了对ZC维护数据中故障信息的识别效率。
[0005]本专利技术提供一种故障诊断方法，应用于智能运维系统，包括：
[0006]获取区域控制器ZC的维护数据；
[0007]在确认维护数据中包括报警信息的情况下，基于预设的故障诊断模型，得到所述维护数据对应的诊断结果，所述诊断结果包括所述报警信息对应的故障类型，所述故障诊断模型基于样本故障数据和在线学习算法得到。
[0008]根据本专利技术提供的一种故障诊断方法，所述维护数据包括所述ZC的运行状态信息、列车移动授权信息、所述ZC的故障报警信息和所述ZC的板卡运行状态信息，在所述接收ZC发送的维护数据之后，所述方法还包括：<br/>[0009]以所述ZC的运行状态信息、列车移动授权信息、所述ZC的故障报警信息和所述ZC的板卡运行状态信息中的至少一项为检索条件，在预设的知识库中进行检索，得到所述维护数据对应的诊断结果；
[0010]其中，所述知识库基于已存在的故障数据和所述已存在的故障数据对应的诊断方案确定。
[0011]根据本专利技术提供的一种故障诊断方法，所述在线学习算法为感知器算法，所述故障诊断模型通过如下步骤得到：
[0012]获取所述ZC的样本故障数据，所述样本故障数据包括多种故障分类信息；
[0013]基于所述多种故障分类信息，得到所述故障特征；
[0014]将所述故障特征输入在线学习模型，通过所述感知器算法对所述在线学习模型进行训练，得到所述故障诊断模型。
[0015]根据本专利技术提供的一种故障诊断方法，所述多种故障分类信息包括故障设备、故
障名称、故障等级、故障内容、故障发生时间、故障发生次数和故障发生间隔，所述基于所述多种故障分类信息，得到所述故障特征，包括：
[0016]将所述多种故障分类信息分别转换为目标字符串，并将所述目标字符串按预设的排列顺序进行组合，得到所述故障特征对应的特征向量。
[0017]根据本专利技术提供的一种故障诊断方法，在所述得到所述故障类型对应的诊断结果之后，所述方法还包括：
[0018]在所述智能运维系统的显示屏显示所述诊断结果。
[0019]本专利技术还提供一种故障诊断装置，包括：
[0020]获取模块，用于获取区域控制器ZC的维护数据；
[0021]诊断模块，用于在确认维护数据中包括报警信息的情况下，基于预设的故障诊断模型，得到所述维护数据对应的诊断结果，所述诊断结果包括所述报警信息对应的故障类型，所述故障诊断模型基于样本故障数据和在线学习算法得到。
[0022]根据本专利技术提供的一种故障诊断装置，所述装置还包括：
[0023]显示模块，用于在所述得到所述故障类型对应的诊断结果之后，显示所述诊断结果。
[0024]本专利技术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诊断方法。
[0025]本专利技术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诊断方法。
[0026]本专利技术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诊断方法。
[0027]本专利技术提供的故障诊断方法及装置，通过利用在线学习算法得到的故障诊断模型对ZC维护数据包含的故障类型进行分类，实现了对未知的故障类型的预测，并提高了故障诊断效率，节约时间成本和人力成本。
附图说明
[0028]为了更清楚地说明本专利技术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。
[0029]图1是本专利技术提供的故障诊断方法的流程示意图；
[0030]图2是本专利技术提供的故障诊断装置的结构示意图之一；
[0031]图3是本专利技术提供的故障诊断装置的结构示意图之二；
[0032]图4是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0033]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术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专利技术一部分实施例，
而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0034]下面结合图1
‑
图3描述本专利技术的故障诊断方法及装置。
[0035]图1是本专利技术提供的故障诊断方法的流程示意图，如图1所示，该故障诊断方法包括如下步骤：
[0036]步骤110、获取区域控制器ZC的维护数据。
[0037]在该步骤中，智能运维系统可以周期性接收ZC发送的维护数据，该维护数据可以是ZC的运行状态信息，也可以是列车移动授权信息、ZC的故障报警信息或ZC的板卡运行状态信息等。
[0038]在该实施例中，智能运维系统在周期性地接收ZC维护数据后，能够实时监控ZC的运行状态。
[0039]在一些实施例中，当维护数据包括报警信息时，可以根据专家经验判断该报警信息对应的故障类型以及故障发生原因。
[0040]在该施例中，当ZC运行时出现新的故障类型，根据现有的专家经验不能推测故障类型和故障原因时，需要借助机器学习模型或深度学习模型通过分析故障数据的内在联系，对新出现的故障类型进行识别或预测。
[0041]步骤120、在确认维护数据中包括报警信息的情况下，基于预设的故障诊断模型，得到维护数据对应的诊断结果，诊断结果包括报警信息对应的故障类型，故障诊断模型基于样本故障数据和在线学习算法得到。
[0042]可以理解的是，当ZC运行过程出现故障时，智能运维系统接收的ZC维护数据通常包含相应的报警信息，用于提醒维护人员当前接收的维护数据异常。
[0043]在该步骤中，故障诊断模型可以是深度学习模型，例如，用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种故障诊断方法，应用于智能运维系统，其特征在于，包括：获取区域控制器ZC的维护数据；在确认所述维护数据中包括报警信息的情况下，基于预设的故障诊断模型，得到所述维护数据对应的诊断结果，所述诊断结果包括所述报警信息对应的故障类型，所述故障诊断模型基于样本故障数据和在线学习算法得到。2.根据权利要求1所述的故障诊断方法，其特征在于，所述维护数据包括所述ZC的运行状态信息、列车移动授权信息、所述ZC的故障报警信息和所述ZC的板卡运行状态信息，在所述接收ZC发送的维护数据之后，所述方法还包括：以所述ZC的运行状态信息、列车移动授权信息、所述ZC的故障报警信息和所述ZC的板卡运行状态信息中的至少一项为检索条件，在预设的知识库中进行检索，得到所述维护数据对应的诊断结果；其中，所述知识库基于已存在的故障数据和所述已存在的故障数据对应的诊断方案确定。3.根据权利要求1所述的故障诊断方法，其特征在于，所述在线学习算法为感知器算法，所述故障诊断模型通过如下步骤得到：获取所述ZC的样本故障数据，所述样本故障数据包括多种故障分类信息；基于所述多种故障分类信息，得到故障特征；将所述故障特征输入在线学习模型，通过所述感知器算法对所述在线学习模型进行训练，得到所述故障诊断模型。4.根据权利要求3所述的故障诊断方法，其特征在于，所述多种故障分类信息包括故障设备、故障名称、故障等级、故障内容、故障发生时间、故障发生次数和故障发生间隔，...

【专利技术属性】
技术研发人员：郭晓明，秦萌，汪琦涵，聂宇威，刘佳，赵鹏，宋惠，宿秀元，王锋，詹学海，
申请(专利权)人：通号城市轨道交通技术有限公司，
类型：发明
国别省市：