The invention discloses a fault diagnosis and self-healing method and system for Metro equipment, in which the self-healing method for metro equipment includes: establishing a history database for different types of Metro equipment; preprocessing the equipment signals in the history database, extracting features of equipment signals in different frequency ranges, and inputting all features into training after fusion. Network, and input equipment status corresponding to equipment signal into training network for training, establish fault diagnosis prediction model; receive real-time equipment signal of a certain metro equipment, input fault diagnosis prediction model, carry out fault diagnosis of Metro equipment, and update the historical database, periodically train fault diagnosis prediction model; when the equipment fault is diagnosed, find out the fault. The corresponding self-healing scheme generates fault self-healing instructions and sends them to the fault equipment. According to the fault self-healing instructions, the fault equipment executes self-healing actions to complete the fault self-healing of Metro equipment.
【技术实现步骤摘要】
一种地铁设备故障诊断和自愈方法、系统
本公开属于地铁设备诊断的
，涉及一种地铁设备故障诊断和自愈方法、系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。地铁的自动化系统程度较高，其顺利运行背后需要众多不同地铁设备进行协同工作。地铁设备是共同保障地铁运输安全的设施，同时也是在列车安全运营的前提下使运输效率提高和地铁员工劳动条件得以改善的重要设备。保障地铁设备的安全、可靠、高效运行，对关键设备进行在线监测、故障诊断和预示，是当前的一个重要研究课题。为了使地铁设备无故障工作得到保证，地铁设备监控系统比不可少。目前，地铁有综合监控系统、环境和设备监控系统，这两个系统对设备进行监视和控制，主要能诊断出设备的出现故障，但是不能发现具体是哪一类故障，并且出现故障后，不能进行相对的故障自愈。此外，有些地铁设备发生故障后不容易被监测到，一旦监测到故障将会对地铁系统产生安全威胁。
技术实现思路
针对现有技术中存在的不足，本公开的一个或多个实施例提供了一种地铁设备故障诊断和自愈方法、系统，实现地铁设备的故障状态分析预测，在地铁设备出现故障后进行设备故障自愈，大幅度提高地铁自动化程度并且具有较大的经济价值。根据本公开的一个或多个实施例的一个方面，提供一种地铁设备故障诊断方法。一种地铁设备故障诊断方法，该方法包括：针对不同的地铁设备类型分别建立历史数据库，所述历史数据库包括设备名称、设备信号和设备信号对应的设备状态；将历史数据库中的设备信号进行预处理，分别对划分的不同频率范围内的设备信号进行特征提取，将所有特征融合后输入训练网络，并将设备信...
【技术保护点】
1.一种地铁设备故障诊断方法，其特征在于，该方法包括：针对不同的地铁设备类型分别建立历史数据库，所述历史数据库包括设备名称、设备信号和设备信号对应的设备状态；将历史数据库中的设备信号进行预处理，分别对划分的不同频率范围内的设备信号进行特征提取，将所有特征融合后输入训练网络，并将设备信号对应的设备状态输入训练网络进行训练，建立故障诊断预测模型；接收实时采集的某一地铁设备的设备信号，输入故障诊断预测模型，进行地铁设备故障诊断，并更新历史数据库，阶段性训练故障诊断预测模型。
【技术特征摘要】
1.一种地铁设备故障诊断方法，其特征在于，该方法包括：针对不同的地铁设备类型分别建立历史数据库，所述历史数据库包括设备名称、设备信号和设备信号对应的设备状态；将历史数据库中的设备信号进行预处理，分别对划分的不同频率范围内的设备信号进行特征提取，将所有特征融合后输入训练网络，并将设备信号对应的设备状态输入训练网络进行训练，建立故障诊断预测模型；接收实时采集的某一地铁设备的设备信号，输入故障诊断预测模型，进行地铁设备故障诊断，并更新历史数据库，阶段性训练故障诊断预测模型。2.如权利要求1所述的一种地铁设备故障诊断方法，其特征在于，在该方法中，建立某一类型地铁设备的历史数据库的具体步骤包括：记录该类型地铁设备中某一设备的设备名称，收集该设备的大量设备信号数据，并记录各个设备信号对应的设备状态；记录该类型地铁设备中的下一个设备的设备名称，收集该设备的大量设备信号数据，并记录各个设备信号对应的设备状态，直至遍历该类型地铁设备中的全部设备；进一步地，所述设备状态带有地铁设备类别标签，所述设备状态包括某一类型地铁设备的正常状态和该类型地铁设备的全部故障状态。3.如权利要求1所述的一种地铁设备故障诊断方法，其特征在于，所述建立故障诊断预测模型的具体步骤包括：将历史数据库中的设备信号进行滤波处理；将历史数据库中的设备信号进行小波变换，并将小波变换后的设备信号根据频率的不同划分不同的频率范围；分别对不同频率范围内小波变换后的设备信号进行特征提取，将所有特征进行融合，得到第一融合特征；将历史数据库中的该设备信号进行EMD变换，并将EMD变换后的设备信号根据频率的不同划分不同的频率范围；分别对不同频率范围内EMD变换后的设备信号进行特征提取，将所有特征进行融合，得到第二融合特征；组合第一融合特征和第二融合特征，作为故障诊断预测模型训练网络的输入；重复上述步骤，直至遍历历史数据库中的所有设备信号；将设备信号对应的设备状态输入训练网络进行训练，得到设备信号和设备状态的对应关系，建立故障诊断预测模型；进一步地，所述建立故障诊断预测模型的具体步骤还包括：改变第一融合特征和/或第二融合特征融合时的排列组合，输入训练网络，将网络正确率最高的排列组合下的第一融合特征和第二融合特征进行组合，作为故障诊断预测模型训练网络的输入进行训练。4.一种地铁设备故障诊断系统，其特征在于，基于如权利要求1-3中任一项所述的一种地铁设备故障诊断方法，包括：数据存储模块，被配置为：针对不同的地铁设备类型分别建立历史数据库，所述历史数据库包括设备名称、设备信号和设备信号对应的设备状态；将历史数据库中的设备信号进行预处理，分别对划分的不同频率范围内的设备信号进行特征提取，将所有特征融合后输入训练网络，并将设备信号对应的设备状态输入训练网络进行训练，建立故障诊断预测模型；故障诊断模块，被配置为：实时采集某一地铁设备的设备信号，输入调用的数据存储模块中的故障诊断预测模型，进行地铁设备故障诊断，并更新数据存储模块中的历史数据库，阶段性训练故障诊断预测模型。5.如权利要求4所述的一种地铁设备故障诊断系统，其特征在于，所述数据存储模块包括：历史数据采集子模块，被配置为：采集不同的地铁设备类型的设备名称、设备信号和设备信号对应的设备状态；数据库子模块，被配置为：针对不同的地铁设备类型分别建立历史数据库，所述历史数据库包括设备名称、设备信号和设备信号对应的设备状态；数据分析子模块，被配置为：将历史数据库中的设备信号进行预处理，分别对划分的不同频率范围内的设备信号进行特征提取，将所有特征融合后输入训练网络，并将设备信号对应的设备状态输入训练网络进行训练，建立故障诊断预测模型；进一步地，所述故障诊断模块包括：实时数据采集子模块，被配置为：实时采集的某一地铁设备的设备信号；故障诊断模块子模块，被配置为：接收实时采集的某一地铁设备的设备信号，输入调用的数据存储模块中的故障诊断预测模型，进行地铁设备故障诊断，并更新数据存储模块中的历史数据库，阶段性训练故障诊断预测模型。6.一种地铁设备故障自愈方法，其特征在于，该方法包括：针对不同的地铁设备类型分别建立历史数据库，所述历史数据库包括设备名称、设备信号、设备信号对应的设备状态和设备状态中故障对应的自愈方案；将历史数据库中的设备信号进行预处理，分别对划分的不同频率范围内的设备信号进行特征提取，将所有特征融...
【专利技术属性】
技术研发人员：安俊峰，刘海东，潘雷，赵帅，孙二杰，倪怀洲，
申请(专利权)人：济南轨道交通集团有限公司，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。