一种基于车载和云端的列车故障诊断系统及方法技术方案

本发明专利技术提供一种基于车载和云端的列车故障诊断系统及方法，涉及高铁大数据故障诊断技术领域。该系统包括车载故障诊断子系统和云端故障诊断子系统，车载故障诊断子系统与云端故障诊断子系统结合，采用云服务对列车的行驶过程进行监控，同时云端数据不断更新，故障诊断与预测模型不断优化和更新，并能将诊断过程进行可视化显示。本发明专利技术能使故障诊断与预测模型细节越来越完善，精度不断提高，性能超越传统单一实时故障诊断模块控制，满足了列车车载故障诊断子系统在行驶过程中高可靠高精度的要求，提高了列车在行驶过程中的安全性。

【技术实现步骤摘要】

本专利技术涉及高铁大数据故障诊断
，尤其涉及一种基于车载和云端的列车故障诊断系统和方法。
技术介绍
目前，我国的高速铁路网发展迅速，这对于其尽快发挥经济效具有积极作用。由于列车运行速度快，为了更好地掌握列车的运行状态，及时诊断列车故障，需要高可靠的列车故障诊断控制系统，列车状态监测和故障诊断系统是铁路行车安全保障体系的重要组成部分。现有的列车故障诊断主要使用车载系统控制，采用基于诊断规则的传统方法，在可获取状态变量的基础上检测预期行为的偏差，在故障和故障现象相关知识的帮助下，诊断故障位置。车载诊断系统监控所有子系统相关的元件和功能。由于高速列车数据具有明显大数据特征，高速列车运行与维护的大数据中蕴含的高速列车故障诊断信息的价值巨大，而数据具有种类多、实时性强、数据量大、处理速度快等特点，使得现有故障诊断系统难以适应以上特点。数据驱动的建模与故障诊断在工业界近年取得很多研究进展与应用，为高速列车故障、诊断提供新的途径和手段。目前，已有一些基于数据模型的故障诊断方法的研究，如专利号为201610143119.3的一种高铁列控车载设备故障诊断方法，该方法通过对车载设备故障数据进行分析和特征提取，提取建立决策信息表，并建立贝叶斯故障诊断网络进行故障诊断。该方法仍然有很多不足：1.仅基于车载系统进行故障诊断，诊断效率低；2.模型算法单一，并且计算模型不能根据列车运行情况进行完善和优化，列车车载故障诊断系统诊断可靠性低。综上所述，传统的列车故障诊断仅基于车载系统，由于列车数据高速增长，而车载系统计算能力和硬件资源有限，高铁列车在行驶过程中难以完成对数量庞大、快速积累的大规模数据进行分析建模。同时鉴于高速列车的特殊空间环境，也无法在列车上部署大规模计算集群以进行大规模高速运算来实时建立高精度列车故障诊断系统模型，并且计算模型不能根据列车运行情况进行完善和优化，导致列车车载故障诊断子系统故障诊断率低，不能满足高速列车复杂情况下的高精度高可靠的监控要求。因此，急需研究新的基于云的高速列车大数据故障诊断系统。
技术实现思路
针对现有技术的缺陷，本专利技术提供一种基于车载和云端的列车故障诊断系统和方法，采用云服务对列车在行驶过程中进行监控，同时云端数据不断更新，模型细节越来越完善，精度不断提高，性能超越传统单一实时故障诊断模块控制，满足了列车车载故障诊断子系统在行驶过程中高可靠高精度的要求，提高了列车在行驶过程中的安全性。一方面，本专利技术提供一种基于车载和云端的列车故障诊断系统，该系统包括车载故障诊断子系统和云端故障诊断子系统。所述车载故障诊断子系统包括车载数据采集模块、实时故障诊断模块和云诊断模块；所述云端故障诊断子系统包括云端数据采集模块、数据存储模块、数据处理模块、故障诊断与预测模块和数据可视化模块。所述车载数据采集模块用于对列车的运行数据进行采集。所述实时故障诊断模块用于在列车运行过程中对列车进行实时故障诊断与预测。所述云诊断模块用于调用云端故障诊断子系统所提供的故障诊断服务对列车进行辅助式故障诊断，即一方面对车载实时故障诊断模块的诊断结果与云端故障诊断子系统的故障诊断结果进行对比，并将对比结果进行显示；另一方面当对比结果表明所述车载故障诊断子系统出现重大故障的漏报或错报时，通过设定数据传输优先级，优先传递诊断指令和数据，利用云诊断模块进行快速辅助诊断。所述云端数据采集模块，一方面用于采集列车运行过程中通过列车网络传输的列车运行的实时数据，另一方面用于采集列车运行结束后列车运行的历史数据。所述数据存储模块用于将云端数据采集模块所采集的数据进行数据清洗、数据转换和数据压缩，并将数据按不同数据类型存入对应数据存储系统；所述数据清洗包括数据补缺、数据替换和数据格式规范化；所述数据转换包括数据拆分、数据排序、数据去重和数据验证；所述数据压缩用于压缩原始数据，以节约存储空间。所述数据处理模块包括计算框架子模块、查询子模块、数据统计子模块和算法库子模块；所述计算框架子模块包括实时流式计算框架和非实时批处理计算框架，所述实时流式计算框架用于实时数据流的计算，所述非实时批处理计算框架用于计算非实时历史数据；所述查询子模块用于查询列车运行实时和历史数据；所述数据统计子模块用于对列车运行的历史数据进行统计处理；所述算法库子模块用于管理数据处理的算法。所述故障诊断与预测模块包括模型建立子模块、模型评估子模块、模型管理子模块和故障诊断与预测服务子模块；所述模型建立子模块用于利用列车历史运行数据构建故障诊断与预测模型；所述模型评估子模块用于对故障诊断与预测模型的诊断与预测效果进行评估；所述模型管理子模块用于管理模型建立子模块所构建的所有历史故障诊断与预测模型；所述故障诊断与预测服务子模块用于提供和监控故障诊断与预测云服务。所述数据可视化模块用于显示各类数据处理操作的结果，包括查询结果、统计结果、计算结果和故障诊断结果。另一方面，本专利技术还提供一种基于车载和云端的列车故障诊断方法，该方法通过上述的基于车载和云端的列车故障诊断系统实现，具体步骤如下：步骤1、车载数据采集模块中的历史数据通过网络上传至云端数据采集模块，云端数据采集模块对列车数据进行采集；步骤2、对上传到云端数据采集模块中的原始数据进行数据清洗和转换后，再进行数据存储，具体包括以下步骤：步骤2.1、利用ETL(Extract-Transform-Load)工具对上传到云端数据采集模块中的原始数据进行数据补缺、数据替换和数据格式规范化的数据清洗操作，以及数据拆分、数据排序、数据去重和数据验证的数据转换操作；步骤2.2、将清洗、转换后的数据存储到对应的数据存储系统，具体为：步骤2.2.1、将结构化数据保存到数据库；步骤2.2.2、将非结构化数据保存到文件系统；步骤3、利用列车的历史运行数据对云端原有的故障诊断与预测模型进行评估，并构建新的故障诊断与预测模型，具体包括以下步骤：步骤3.1、模型评估子模块利用列车新上传至云端数据采集模块的历史数据对云端故障诊断子系统原有的故障诊断与预测模型进行评估，若有误报或漏报情况，则执行步骤3.2，否则直接执行步骤5；步骤3.2、利用列车新上传至云端数据采集模块的历史数据及云端数据存储系统中原有的历史数据建立新的故障诊断与预测模型，将该模型设定为最优模型，并将该模型存储到模型管理子模块；步骤3.3、构建供车载故障诊断子系统远程访问的云端故障诊断服务接口，执行步骤4；步骤4、列车运行之前，对车载故障诊断子系统的实时故障诊断模块中的故障诊断与预测模型进行更新，具体包括以下步骤：步骤4.1、在列车运行之前，云端故障诊断子系统对车载故障诊断子系统的实时故障诊断模块中的故障诊断与预测模型进行检验，判断该模型是否是故障诊断与预测效果最优的模型；若该模型不是故障诊断与预测效果最优的模型，则执行步骤4.2，对车载故障诊断子系统的实时故障诊断模块中的故障诊断与预测模型进行更新，若该模型是故障诊断与预测效果最优的模型，则执行步骤5；步骤4.2、判断是否需要更新实时故障诊断模块中的故障诊断与预测模型整体才能使该模型达到最优，若否，即只需对实时故障诊断模块中的故障诊断与预测模型的相关参数进行更新就能使该模型达到最优，则执行步骤4.2.1，若是，则执行步骤4.2.2；步骤本文档来自技高网...

【技术保护点】
一种基于车载和云端的列车故障诊断系统，其特征在于：该系统包括车载故障诊断子系统和云端故障诊断子系统；所述车载故障诊断子系统包括车载数据采集模块、实时故障诊断模块和云诊断模块；所述云端故障诊断子系统包括云端数据采集模块、数据存储模块、数据处理模块、故障诊断与预测模块和数据可视化模块；所述车载数据采集模块用于对列车的运行数据进行采集；所述实时故障诊断模块用于在列车运行过程中对列车进行实时故障诊断与预测；所述云诊断模块用于调用云端故障诊断子系统所提供的故障诊断服务对列车进行辅助式故障诊断，即一方面对车载实时故障诊断模块的诊断结果与云端故障诊断子系统的故障诊断结果进行对比，并将对比结果进行显示；另一方面当对比结果表明所述车载故障诊断子系统出现重大故障的漏报或错报时，通过设定数据传输优先级，优先传递诊断指令和数据，利用云诊断模块进行快速辅助诊断；所述云端数据采集模块，一方面用于采集列车运行过程中通过列车网络传输的列车运行的实时数据，另一方面用于采集列车运行结束后列车运行的历史数据；所述数据存储模块用于将云端数据采集模块所采集的数据进行数据清洗、数据转换和数据压缩，并将数据按不同数据类型存入对应数据存储系统；所述数据清洗包括数据补缺、数据替换和数据格式规范化；所述数据转换包括数据拆分、数据排序、数据去重和数据验证；所述数据压缩用于压缩原始数据，以节约存储空间；所述数据处理模块包括计算框架子模块、查询子模块、数据统计子模块和算法库子模块；所述计算框架子模块包括实时流式计算框架和非实时批处理计算框架，所述实时流式计算框架用于实时数据流的计算，所述非实时批处理计算框架用于计算非实时历史数据；所述查询子模块用于查询列车运行实时和历史数据；所述数据统计子模块用于对列车运行的历史数据进行统计处理；所述算法库子模块用于管理数据处理的算法；所述故障诊断与预测模块包括模型建立子模块、模型评估子模块、模型管理子模块和故障诊断与预测服务子模块；所述模型建立子模块用于利用列车历史运行数据构建故障诊断与预测模型；所述模型评估子模块用于对故障诊断与预测模型的诊断与预测效果进行评估；所述模型管理子模块用于管理模型建立子模块所构建的所有历史故障诊断与预测模型；所述故障诊断与预测服务子模块用于提供和监控故障诊断与预测云服务；所述数据可视化模块用于显示各类数据处理操作的结果，包括查询结果、统计结果、计算结果和故障诊断结果。...

【技术特征摘要】
1.一种基于车载和云端的列车故障诊断系统，其特征在于：该系统包括车载故障诊断子系统和云端故障诊断子系统；所述车载故障诊断子系统包括车载数据采集模块、实时故障诊断模块和云诊断模块；所述云端故障诊断子系统包括云端数据采集模块、数据存储模块、数据处理模块、故障诊断与预测模块和数据可视化模块；所述车载数据采集模块用于对列车的运行数据进行采集；所述实时故障诊断模块用于在列车运行过程中对列车进行实时故障诊断与预测；所述云诊断模块用于调用云端故障诊断子系统所提供的故障诊断服务对列车进行辅助式故障诊断，即一方面对车载实时故障诊断模块的诊断结果与云端故障诊断子系统的故障诊断结果进行对比，并将对比结果进行显示；另一方面当对比结果表明所述车载故障诊断子系统出现重大故障的漏报或错报时，通过设定数据传输优先级，优先传递诊断指令和数据，利用云诊断模块进行快速辅助诊断；所述云端数据采集模块，一方面用于采集列车运行过程中通过列车网络传输的列车运行的实时数据，另一方面用于采集列车运行结束后列车运行的历史数据；所述数据存储模块用于将云端数据采集模块所采集的数据进行数据清洗、数据转换和数据压缩，并将数据按不同数据类型存入对应数据存储系统；所述数据清洗包括数据补缺、数据替换和数据格式规范化；所述数据转换包括数据拆分、数据排序、数据去重和数据验证；所述数据压缩用于压缩原始数据，以节约存储空间；所述数据处理模块包括计算框架子模块、查询子模块、数据统计子模块和算法库子模块；所述计算框架子模块包括实时流式计算框架和非实时批处理计算框架，所述实时流式计算框架用于实时数据流的计算，所述非实时批处理计算框架用于计算非实时历史数据；所述查询子模块用于查询列车运行实时和历史数据；所述数据统计子模块用于对列车运行的历史数据进行统计处理；所述算法库子模块用于管理数据处理的算法；所述故障诊断与预测模块包括模型建立子模块、模型评估子模块、模型管理子模块和故障诊断与预测服务子模块；所述模型建立子模块用于利用列车历史运行数据构建故障诊断与预测模型；所述模型评估子模块用于对故障诊断与预测模型的诊断与预测效果进行评估；所述模型管理子模块用于管理模型建立子模块所构建的所有历史故障诊断与预测模型；所述故障诊断与预测服务子模块用于提供和监控故障诊断与预测云服务；所述数据可视化模块用于显示各类数据处理操作的结果，包括查询结果、统计结果、计算结果和故障诊断结果。2.一种基于车载和云端的列车故障诊断方法，通过权利要求1所述的一种基于车载和云端的列车故障诊断系统实现，其特征在于：该方法具体步骤如下：步骤1、车载数据采集模块中的历史数据通过网络上传至云端数据采集模块，云端数据采集模块对列车数据进行采集；步骤2、对上传到云端数据采集模块中的原始数据进行数据清洗和转换后，再进行数据存储，具体包括以下步骤：步骤2.1、利用ETL(Extract-Transform-Load)工具对上传到云端数据采集模块中的原始数据进行数据补缺、数据替换和数据格式规范化的数据清洗操作，以及数据拆分、数据排序、数据去重和数据验证的数据转换操作；步骤2.2、将清洗、转换后的数据存储到对应的数据存储系统，具体为：步骤2.2.1、将结构化数据保存到数据库；步骤2.2.2、将非结构化数据保存到文件系统；步骤3、利用列车的历史运行数据对云端原有的故障诊断与预测模型进行评估，并构建新的故障诊断与预测模型，具体包括以下步骤：步骤3.1、模型评估子模块利用列车新上传至云端数据采集模块的历史数据对云端故障诊断子系统原有的故障诊断与预测模型进行评估，若有误报或漏报情况，则执行步骤3.2，否则直接执行步骤5；步骤3.2、利用列车新上传至云端数据采集模块的历史数据以及云端数据存储系统中原有的历史数据建立新的故障诊断与预测模型，将该模型设定为最优模型，并将该模型存储到模型管理子模块；步骤3.3、构建供车载故障诊断子系统远程访问的云端故障诊断服务接口，...

【专利技术属性】
技术研发人员：徐泉，张志强，解军帅，张鹏，刘文庆，王良勇，刘强，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21