[发明专利]一种基于时间序列分析的轨道交通故障诊断方法和系统

说明书

技术领域

本发明属于轨道交通信息技术领域，具体涉及一种基于时间序列分析的轨道交通故障诊断方法和系统。

背景技术

目前,轨道交通(国有铁路、企业铁路和城市轨道交通)领域的监测维护产品主要有三类：CSM(信号集中监测系统)、各设备维护机、通信网管系统。为了提高我国铁路信号系统设备的现代化维修水平，从90年代开始，我国先后自主研制了TJWX-I型和TJWX-2000型等不断升级中的信号集中监测CSM系统。目前大部分车站都采用了计算机监测系统，实现了对车站信号设备状态的实时监测，并通过监测与记录信号设备的主要运行状态，为电务部门掌握设备的当前状态和进行事故分析提供了基本依据，发挥了重要作用。并且，对城市轨道交通信号设备，集中监测CSM系统也被广泛部署在城轨集中站/车辆段等处，供城轨运维使用。此外，伴随我国高速铁路的建设发展，高铁特有的RBC系统、TSRS系统、ATP系统，也面临着纳入信号集中监测系统的需求，也面临着提高其监测能力、运维能力，以及设备自诊断能力的需求。

数据挖掘分析是利用统计分析的数学知识，分析文本、图像、数值等数据，发现数据的隐含规则、关系，建立数据模型，用于对数据进行分类、聚类、统计等操作。轨道交通监测数据的挖掘分析，对于判断和分析轨道交通的技术故障具有重要的意义。但目前多是依靠人工经验分析判断，靠人工在海量的监测数据中进行故障的判断和分析，需要大量的人力成本以及故障原因分析的时间，很多情况下只有在出现事故时才发现故障，导致了人工诊断铁路信号系统故障时工作量大、故障监测与诊断效率低下等技术问题，增加了行车的危险，难以为后续的维修、救援等工作提供时间保障。因此，研究更高效的轨道交通监测数据分析和故障分析方法，提高轨道交通故障分析能力，查隐患，治隐患，推动故障修向状态修发展，从而保障行车安全、提高运力，是轨道交通领域的迫切需求。

发明内容

为了解决现有技术中人工诊断铁路信号系统故障时工作量大、效率低下、风险性高等技术问题，本发明提供一种基于时间序列分析的轨道交通监测数据分析和故障诊断方法和系统。

本发明采用的技术方案如下：

一种基于时间序列分析的轨道交通故障诊断方法，其步骤包括：

1)采集轨道交通信号设备的历史和实时监测数据；

2)根据历史数据生成初始的时间序列曲线的参数模型，得到故障的判别参数；

3)根据实时数据重新调整时间序列曲线的参数模型的参数，得到当前环境条件下的故障判别参数；

4)对于当前环境条件下的时间序列曲线数据，通过步骤3)的由实时数据得到的故障判别参数进行故障预警，输出预警结果；

5)利用步骤2)的由历史数据得到的故障判别参数训练故障分类器，对于步骤4)所述预警结果中的故障曲线，将提取的曲线模型参数输入到故障分类器，得到故障诊断结果。

一种采用上述方法的基于时间序列分析的轨道交通故障诊断系统，其包括：

知识库，用于建立并存储时间序列曲线的参数模型；

历史数据库，用于存储历史监测数据，包括正常数据和故障数据；

实时数据库：用于存储实时监测数据；

数据采集接口，用于接收数据采集系统的实时数据；

数据预警模块，连接实时数据库和知识库，用于采用数据预警算法对实时数据进行判读，输出关于异常数据的判读结论；

故障诊断模块，连接历史数据库和知识库，用于采用故障诊断算法对异常数据进行分类，输出故障诊断结果。

本发明提供了一种基于时间序列分析的轨道交通监测数据分析和故障诊断方案，可以解决曲线形状微小变化对故障判读结果的影响，减小误判的风险，并且可以随时间和环境的变化，自适应的调整曲线的分类模型，使模型能够适应动态变化的情况，能够有效解决现有技术中人工诊断铁路信号系统故障时工作量大、效率低下、风险性高等问题。

附图说明

图1是基于时间序列分析的轨道交通信号设备故障诊断系统的结构示意图。

图2是基于时间序列分析的轨道交通信号设备故障诊断方法的步骤流程图。

图3A、图3B和图3C是实施例中的道岔电流数据曲线图。

具体实施方式

下面通过具体实施例和附图，对本发明做进一步说明。

图1是本发明的基于时间序列分析的轨道交通监测数据分析及故障诊断系统的结构示意图。该系统由历史数据库、实时数据库、知识库、数据采集接口、数据预警模块和故障诊断模块组成，其中：