一种基于自主学习的ZC双系宕机故障预警方法与装置制造方法及图纸

本发明专利技术涉及一种基于自主学习的ZC双系宕机故障预警方法，包括：S1：选取ZC系统正常运行时的运行参数；S2：当ZC系统宕机时，对运行参数进行记录；S3：通过自主学习算法，计算记录的运行参数的频繁项集；S4：分析频繁项集获取ZC系统宕机时的预警参数并将预警参数进行存储生成预警参数数据库；S5：ZC系统正常运行时，监测运行参数，当运行参数达到预警参数的预设预警范围，发出故障预警信息。本发明专利技术通过上述方法为ZC宕机时的故障分析提供数据支撑，形成经验数据库，当ZC系统条件参数达到预警范围时，给出预警信息，及时通知维护人员，具有预警的高效性与准确性。本发明专利技术还公开了一种基于自主学习的ZC双系宕机故障预警装置。

【技术实现步骤摘要】
一种基于自主学习的ZC双系宕机故障预警方法与装置
本专利技术涉及自动控制
，尤其涉及一种基于自主学习的ZC双系宕机故障预警方法与装置。
技术介绍
目前，城市轨道交通信号控制系统控制列车运行，保证行车安全和高校运营，是轨道交通的核心系统。信号系统的故障与运营关系密切，将直接影响安全行车和旅客出行，当信号系统故障时，可能造成封站，降低运营效率，甚至造成大面积停运，对整个城市的交通情况都可能产生严重影响。具体地，ZC(ZoneConductor，区域控制器)是基于通信的列车控制系统(CBTC)的地面核心控制设备，是实现移动闭塞的必备设备。ZC子系统作为涉及行车安全的设备，其能否安全可靠运行将直接影响整个CBTC系统的安全运营和线路同行效率，而对ZC设备的故障进行预警，以便及时维护减少故障率，则对运营维护起着至关重要的作用。进一步地，目前信号系统维护和故障处理方式存在以下缺陷：1)故障发生后，在子系统维护工作站上给出相关提示，由维护人员现场人工确认并进行维护维修；2)对于影响行车安全和设备正常工作的子系统发生故障后，将导致系统降级，降低运营效率和安全性；3)不具备设备故障分析和预警功能，仅能在故障发生并造成影响后再进行故障处理，且故障发生及处理过程如图1所示。
技术实现思路
本专利技术所要解决的技术问题是如何快速、高效且准确的为ZC系统运行时，提供良好的预警手段的关键问题。为此目的，本专利技术提出了一种基于自主学习的ZC双系宕机故障预警方法，包括具体以下步骤：S1：选取ZC系统正常运行时的运行参数；S2：当ZC系统宕机时，对所述运行参数进行记录；S3：通过自主学习算法，计算记录的所述运行参数的频繁项集；S4：分析所述频繁项集获取ZC系统宕机时的预警参数并将所述预警参数进行存储生成预警参数数据库；S5：ZC系统正常运行时，监测所述运行参数，当所述运行参数达到预警参数的预设预警范围时，发出故障预警信息。进一步地，所述步骤S3还包括：通过自主学习算法获得关联规则。具体地，所述运行参数为多个，包括：ZC双系之间通信数据反馈时间超时、双机内存数据不一致、硬同步FPGA信号超时、ZC主机与通信控制器通信异常、系内主机之间表决数据超时和/或系间表决数据超时。具体地，所述自主学习算法通过连接步和剪枝步两种方式计算得到所述多个运行参数的频繁项集。为此目的，本专利技术提出了一种基于自主学习的ZC双系宕机故障预警装置，包括：选取模块，用于选取ZC系统正常运行时的运行参数；记录模块，用于当ZC系统宕机时，对所述运行参数进行记录；计算模块，用于通过自主学习算法，计算记录的所述运行参数的频繁项集；获取生成模块，用于分析所述频繁项集获取ZC系统宕机时的预警参数并将所述预警参数进行存储生成预警参数数据库；预警模块，用于ZC系统正常运行时，监测所述运行参数，当所述运行参数达到预警参数的预设预警范围时，发出故障预警信息。进一步地，所述获取生成模块，还用于通过自主学习算法获得关联规则。具体地，所述运行参数为多个，包括：ZC双系之间通信数据反馈时间超时、双机内存数据不一致、硬同步FPGA信号超时、ZC主机与通信控制器通信异常、系内主机之间表决数据超时和/或系间表决数据超时。具体地，所述自主学习算法通过连接步和剪枝步两种方式计算得到所述多个运行参数的频繁项集。本专利技术公开一种基于自主学习的ZC双系宕机故障预警方法，通过分析ZC系统设计方案，选取ZC系统相关运行参数并对ZC宕机时的系统参数进行数据记录，通过自主学习算法，计算得出ZC系统参数的频繁项集，得出ZC宕机的预警参数，继而再通过自主学习算法，由频繁项集找到关联规则，为ZC宕机时的故障分析提供数据支撑，形成经验数据库，当ZC系统条件参数达到预警范围时，给出预警信息，及时通知维护人员。本专利技术还公开了一种基于自主学习的ZC双系宕机故障预警装置。附图说明通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理解为对本专利技术进行任何限制，在附图中：图1示出了现有技术的步骤流程图；图2示出了本专利技术实施例中的一种基于自主学习的ZC双系宕机故障预警方法的步骤流程图；图3示出了ZC系统采用二乘二取二的双机热备平台原理框图；图4示出了Apriori自主学习算法的步骤流程图；图5示出了本专利技术实施例中的一种基于自主学习的ZC双系宕机故障预警装置的结构示意图。具体实施方式下面将结合附图对本专利技术的实施例进行详细描述。为了更好的理解与应用本专利技术提出的一种基于自主学习的ZC双系宕机故障预警方法与系统，以如下附图示例进行详细说明。如图2所示，本专利技术提供了一种基于自主学习的ZC双系宕机故障预警方法，包括具体以下步骤：步骤S1：选取ZC系统正常运行时的运行参数。具体地，ZC系统采用二乘二取二的双机热备平台，且原理如图3所示，当双系同时故障或双系不一致时会发生ZC宕机。通过分析ZC子系统设计方案，选取ZC维护数据中的部分参数，记录其在ZC宕机时的数值。其中，运行参数为多个，包括：I1：ZC双系之间通信数据反馈时间超时；I2：双机内存数据不一致；I3：硬同步FPGA信号超时；I4：ZC主机与通信控制器通信异常；I5：系内主机之间表决数据超时；I6：系间表决数据超时。步骤S2：当ZC系统宕机时，对运行参数进行记录。步骤S3：通过自主学习算法，计算记录的运行参数的频繁项集。其中，自主学习算法，即Apriori算法使用频繁项集的先验知识，使用一种称作逐层搜索的迭代方法，k项集用于探索(k+1)项集。具体地，首先，通过扫描ZC宕机记录，找出所有的频繁1项集，该集合记做L1，然后利用L1找频繁2项集的集合L2，L2找L3，逐次进行下去，直到不能再找到任何频繁k项集。最后在所有的频繁集合中找出强规则，即产生用户感兴趣的关联规则。进一步地，Apriori自主学习算法采用连接步和剪枝步两种方式来找出所有的频繁项集。由此提高了获取记录的运行参数的频繁项集的多样性与准确性。其中，连接步，即为找出Lk，即所有的频繁k项集的集合，通过将Lk-1，即所有的频繁k-1项集的集合与自身连接产生候选k项集的集合。候选集合记作Ck。设l1和l2是Lk-1中的成员。记li[j]表示li中的第j项。假设Apriori自主学习算法对ZC宕机或项集中的项按字典次序排序，即对于(k-1)项集li，li[1]<li[2]<……….<li[k-1]。将Lk-1与自身连接，如果：(l1[1]＝l2[1])&&(l1[2]＝l2[2])&&……..&&(l1[k-2]＝l2[k-2])&&(l1[k-1]<l2[k-1])，则判定l1和l2是可连接，即连接l1和l2产生的结果是{l1[1],l1[2],……,l1[k-1],l2[k-1]}；剪枝步，即CK是LK的超集，也就是说，CK的成员可能是也可能不是频繁的。通过扫描所有的ZC宕机，确定CK中每个候选的计数，判断是否小于最小支持度计数，如果不是，则认为该候选是频繁的。进一步地，为了压缩Ck,可以利用Apriori自主学习算法的性质：任一频繁项集的所有非空子集也必须是频繁的，反之，如果某个候选的非空子集不是频繁的，那么该候选肯定不是频繁的，本文档来自技高网...

【技术保护点】
一种基于自主学习的ZC双系宕机故障预警方法，其特征在于，包括具体以下步骤：S1：选取ZC系统正常运行时的运行参数；S2：当ZC系统宕机时，对所述运行参数进行记录；S3：通过自主学习算法，计算记录的所述运行参数的频繁项集；S4：分析所述频繁项集获取ZC系统宕机时的预警参数并将所述预警参数进行存储生成预警参数数据库；S5：ZC系统正常运行时，监测所述运行参数，当所述运行参数达到预警参数的预设预警范围时，发出故障预警信息。

【技术特征摘要】
1.一种基于自主学习的ZC双系宕机故障预警方法，其特征在于，包括具体以下步骤：S1：选取ZC系统正常运行时的运行参数；S2：当ZC系统宕机时，对所述运行参数进行记录；S3：通过自主学习算法，计算记录的所述运行参数的频繁项集；S4：分析所述频繁项集获取ZC系统宕机时的预警参数并将所述预警参数进行存储生成预警参数数据库；S5：ZC系统正常运行时，监测所述运行参数，当所述运行参数达到预警参数的预设预警范围时，发出故障预警信息；所述运行参数为多个，包括：ZC双系之间通信数据反馈时间超时、双机内存数据不一致、硬同步FPGA信号超时、ZC主机与通信控制器通信异常、系内主机之间表决数据超时和/或系间表决数据超时。2.如权利要求1所述的方法，其特征在于，所述步骤S3还包括：通过自主学习算法获得关联规则。3.如权利要求1所述的方法，其特征在于，所述自主学习算法通过连接步和剪枝步两种方式计算得到所述多个运行参数的频繁项集。4.一种基于自主学习...

【专利技术属性】
技术研发人员：杨扬，刘保生，
申请(专利权)人：北京交控科技有限公司，
类型：发明
国别省市：北京;11