[发明专利]一种基于大数据的城市轨道交通信号设备故障诊断系统及其诊断方法

权利要求书

1.一种基于大数据的城市轨道交通信号设备故障诊断方法，其特征在于，包括以下步骤：

步骤1、通过数据接口和数据导入模块获取城市轨道交通集中监测系统实时获取的设备运行数据：开关量、电源屏电压、轨道电压、道岔表示电压、道岔表示电流、电源对地漏流、移频信号等，并发送给数据存储模块；

步骤2、数据存储模块接收设备的实时数据，存储到Hadoop平台的分布式数据存储仓库中；

步骤3、数据预处理模块从数据存储模块中调取相应的数据，进行空缺值处理、噪声处理、数据转换，并发送给数据分析模块，以便于数据的进一步分析；

步骤4、数据分析模块利用大数据平台及数据分析技术进行状态数据分析，得到诊断结果，将结果传输给用户并做出相应的警告或给出相应的建议；

步骤5、通过用户访问模块查看相应设备的实时和历史数据、图像记录，调取相关的故障诊断和数据分析结果。

2.根据权利要求1所述的基于大数据的轨道交通信号设备故障诊断方法，其特征在于，所述步骤3具体包括以下步骤：

步骤3-1：空缺值的处理：当一个元组的多个属性值空缺时，忽略该元组；当元组仅有少数属性值缺少时，对空缺值进行填补；填补的方式包括人工填补、全局常量、所属属性下的平均值，或对该属性下的数据应用推导工具，通过对其他数值的分析来得到可能的填充值；

步骤3-2：噪声数据的处理：利用分箱的方法，将数据平均分入几个箱中，对每个箱子里的数值进行转换，转换为箱中所有数值的平均值、中值或者边界值；

步骤3-3：数据转换：对原始数据进行重新分类、编码；进行聚类、平滑处理，是指适用于不同的挖掘算法；对数据进行归约处理，利用小波变换和主成分分析，从而得到可以保持原有数据完整性的相对较小的数据集，以便于进一步的数据分析。

3.根据权利要求1所述的基于大数据的轨道交通信号设备故障诊断方法，其特征在于，所述步骤4将大数据平台的分布式计算MapReduce模型与数据分析算法相结合，其中，MapReduce的工作流程包括：

步骤4-1：把集中的数据分割后发送给集群中的各个节点分别进行处理；

步骤4-2：集群中的节点把运行的结果周期性的更新汇报给JobTracker；

步骤4-3：假设在预设时间内，JobTracker未接收到来自TaskTracker的心跳信息，那么就默认为该DataNode的TaskTracker失效，JobTracker会把分配给该个节点的数据发送给别的节点。

4.根据权利要求1所述的基于大数据的轨道交通信号设备故障诊断方法，其特征在于，所述步骤4中的数据分析模块采用Apriori算法，具体步骤包括：

步骤4-4.设L_k是k项频繁项集，C_k是k项候选集；用L_k来产生L_k+1为例；

步骤4-5.求频繁1项集L₁，用集合I作为候选集C₁，扫描数据集D，求得C₁的支持度，找出其中大于最小支持度min_support的元素作为频繁1项集L₁；

步骤4-6.逐步扫描数据集D，从而获得候选项集C_k的支持度，并找出其中大于最小支持度min_support的元素作为频繁k项集L_k；

步骤4-7.根据频繁k(k>＝1)项集L_k来产生k+1项候选集C_k+1；

步骤4-8.重复迭代执行步骤S3和步骤S4，直到不能找出k+1项候选集。

5.一种基于大数据的城市轨道交通信号设备故障诊断系统，其特征在于，包括：数据导入模块、数据存储模块，数据预处理模块，数据分析模块和用户访问模块。

6.根据权利要求5所述的基于大数据的城市轨道交通信号设备故障诊断系统，其特征在于，所述数据导入模块将轨道交通集中监测系统得到的设备实时数据利用数据导入工具Sqoop将数据从传统数据库导入到Hadoop大数据平台的分布式数据仓库中。