[发明专利]多功能车辆总线MVB波形的故障诊断方法及装置

说明书

本发明提供多功能车辆总线MVB波形的故障诊断方法及装置，以减少故障误报的发生机率、提高故障诊断效率。在本发明实施例中，在对原始的MVB波形数据提取关键特征向量后，会将关键特征向量输入目标机器学习模型，由目标机器学习模型进行分析，得到故障诊断结果。而目标机器学习模型是基于真实MVB波形数据训练得到，与现有的诊断设备相比，目标机器学习模型的故障诊断结果与实际工业应用中MVB的真实故障情况更接近，诊断精度更高，从而可降低故障误报率，进而减少了技术人员的工作量，提高了列车通信网的排故效率。

技术领域

本发明涉及物理波形诊断领域，特别涉及多功能车辆总线MVB波形的故障诊断方法及装置。

背景技术

列车通信网中互连设备之间一般使用多功能车辆总线(Multifunction VehicleBus，MVB)进行数据通信。

现有的MVB的故障诊断方式是：利用诊断设备来判断MVB物理层所传输信号的波形(简称MVB波形)是否异常(也即诊断是否发生故障)，若发生异常会报错，之后再配合经验丰富的列车网络工程师对诊断出的异常波形进行排查。

现有的诊断设备是依据IEC61375-1列车MVB协议中对物理层和链路层规定的标准来判定MVB波形是否异常的。IEC61375-1协议对MVB的物理层波形参数有明确、严格的定义，而在实际工业应用环境中，MVB波形会受线路、外界噪声(如电磁干扰等)的影响，这使得实际运行中MVB波形可能工作在协议要求的界限之外但并不妨碍总线通信；同时，不同车型、不同车辆的MVB波形通常也会表现出一定的差异性。因此，现有的诊断设备在严格地按照总线协议要求进行诊断的过程中，往往会发生故障误报。

此外，故障报错后，技术人员需借用示波器等信号显示设备逐条观察并分析报故障的MVB波形，因此，若经常性故障误报，也会耗费技术人员大量的时间，降低了列车通信网的调试与排故效率。

发明内容

有鉴于此，本发明实施例提供多功能车辆总线MVB波形的故障诊断方法及装置，以减少故障误报的发生机率、提高故障诊断效率。

为实现上述目的，本发明实施例提供如下技术方案：

一种多功能车辆总线MVB波形的故障诊断方法，包括：

获取待诊断的MVB波形数据；

对所述MVB波形数据进行预处理，得到预处理后的波形数据；

从所述预处理后的波形数据中提取关键特征向量；所述关键特征向量包括各关键特征项对应的特征值；

使用目标机器学习模型分析所述关键特征向量，得到所述MVB波形数据的故障诊断结果；其中，所述目标机器学习模型是基于真实MVB波形数据训练得到的。

在一个可能的设计中，上述故障诊断结果包括：故障类型及相应的诊断信息；其中，所述诊断信息包括：第一信息和第二信息中的至少一种，所述第一信息用于表征所述故障类型是否发生，所述第二信息用于表征所述故障类型的故障程度。

在一个可能的设计中，所述目标机器学习模型的训练过程包括：从多种MVB波形的故障类型中确定出适于采用机器学习进行诊断的故障类型；所述适于采用机器学习进行诊断的故障类型为目标故障类型；从数据源处获取波形样本；其中，任一所述波形样本包含真实的MVB波形数据；对所述波形样本进行预处理，得到预处理后的波形样本；从所述预处理后的波形样本中提取特征样本；所述特征样本包括各关键特征项对应的特征值；对所述特征样本进行标记，以表征所述特征样本的波形状态；从多种机器学习算法中选择出适用于所述目标故障类型的机器学习算法；所述适用于所述目标故障类型的机器学习算法为目标机器学习算法；确定所述目标机器学习算法的超参数，对确定出超参数的所述目标机器学习算法进行初始参数赋值；使用训练样例集和完成初始参数赋值的所述目标机器学习算法，训练得到所述目标机器学习模型；其中，所述训练样例集包括至少两个标记后的特征样本。