一种数据驱动进行FSK通信设备的预测维护方法技术

本发明专利技术涉及FSK通信技术领域，尤其是一种数据驱动进行FSK通信设备的预测维护方法；它包括采集FSK信号波形，然后对波形进行频率与峰值电压进行计算处理，从而合成信号质量数据作为历史数据，根据历史数据建立设备数据关联模型，根据设备数据关联模型中数据特征模型建立设备运行框架模型，将实时数据导入设备运行框架模型，对设备进行实时监测和故障的预测。在经过数据处理、数据治理与分析，通过机器学习的模型训练和算法验证，并对结果进行不同角度的评估，从而建立对FSK设备运行预测性维护和响应的控制策略。和响应的控制策略。

【技术实现步骤摘要】
一种数据驱动进行FSK通信设备的预测维护方法


[0001]本专利技术涉及FSK通信
，尤其是一种数据驱动进行FSK通信设备的预测维护方法。

技术介绍

[0002]在地铁系统的各种信号中，机车控制信号是一个关键的部分。部分的地铁控制信号的通信系统是采用频移键控FSK(frequency—shift keying)通信设备来实现，所以对FSK通信设备的维护工作是保障行车安全的重要任务。为顺应运维智能化的发展，迫切需要把信号系统的FSK通信设备的维护从手工信号测量升级到在线监控和预测性维护。

技术实现思路

[0003]针对现有技术的不足，本专利技术提供一种基于在线监测数据进行FSK通信设备预测性维护方法。
[0004]本专利技术的技术方案为：
[0005]一种数据驱动进行FSK通信设备的预测维护方法，其特征在于，它包括以下步骤：
[0006]步骤一，采集FSK信号波形，然后对波形进行频率与峰值电压进行计算处理，从而合成信号质量数据作为历史数据；
[0007]步骤二，根据历史数据建立设备数据关联模型，根据设备数据关联模型中数据特征模型建立设备运行框架模型，具体来说是通过降维、关联和方差算法建立数据关联模型，剔除对结果影响较小的变量，从而进一步优化数据特征模型，提高数据特征模型效率和精度；
[0008]设备数据关联度模型可以分别分析出设备正常运行状态和异常运行状态的关联度，这种分析完全基于设备本身的运行规律，摒弃了传统分析方法中工程师基于设备运行机理分析设备参数间关联关系的方法，通过纯粹的数据分析方法，更容易挖掘出设备参数间复杂的关系，进而学习这种关联关系，更早的发现设备异常；
[0009]步骤三，将实时数据导入设备运行框架模型，对设备进行实时监测和故障的预测。
[0010]进一步地，所述步骤三还包括匹配步骤，实时数据与设备运行框架模型反复比较，采用置信度算法找到符合实际的设备运行框架；其中，符合实际的设备运行框架为最佳设备运行框架，然后采用欧式距离算法，计算出所有实时数据与最佳设备运行框架的匹配情况；最后根据挖掘出的设备历史运行规律与当前匹配情况进行对比，分析出设备当前的信号质量。
[0011]进一步地，所述步骤一还包括采集方法：
[0012]将测点数据进行分析，通过设置筛选条件将设备数据进行分类；
[0013]将分类后的测点数据进行归一化处理；
[0014]对历史数据进行正常运行状态分析、设备停运状态分析和设备异常状态分析，通过人为设置筛选条件，自动将设备正常运行状态数据、设备停运状态数据和设备异常状态
数据进行分类，以便后期建立设备模型进行不同维度的数据分析；将分类后的测点数据进行归一化处理；数据归一化(标准化)处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性问题；原始数据经过数据归一化处理后，各指标处于同一数量级，适合进行综合对比评价，采用的归一化方法为Min-MaxScaling。
[0015]本专利技术的有益效果为：在经过数据处理、数据治理与分析，通过机器学习的模型训练和算法验证，并对结果进行不同角度的评估，从而建立对FSK设备运行预测性维护和响应的控制策略，优化设备的维修和更换，提高设备运行的安全性指标，达到系统性能和经济效益的平衡。
具体实施方式
[0016]下面结合具体实施方式作进一步说明：
[0017]步骤一，采集FSK信号波形，然后对波形进行频率与峰值电压进行计算处理，从而合成信号质量数据作为历史数据；
[0018]步骤二，根据历史数据建立设备数据关联模型，根据设备数据关联模型中数据特征模型建立设备运行框架模型，具体来说是通过降维、关联和方差算法建立数据关联模型，剔除对结果影响较小的变量，从而进一步优化数据特征模型，提高数据特征模型效率和精度；
[0019]设备数据关联度模型可以分别分析出设备正常运行状态和异常运行状态的关联度，这种分析完全基于设备本身的运行规律，摒弃了传统分析方法中工程师基于设备运行机理分析设备参数间关联关系的方法，通过纯粹的数据分析方法，更容易挖掘出设备参数间复杂的关系，进而学习这种关联关系，更早的发现设备异常；
[0020]步骤三，将实时数据导入设备运行框架模型，对设备进行实时监测和故障的预测。
[0021]所述步骤一还包括采集方法：
[0022]将测点数据进行分析，通过设置筛选条件将设备数据进行分类；
[0023]将分类后的测点数据进行归一化处理；
[0024]对历史数据进行正常运行状态分析、设备停运状态分析和设备异常状态分析，通过人为设置筛选条件，自动将设备正常运行状态数据、设备停运状态数据和设备异常状态数据进行分类，以便后期建立设备模型进行不同维度的数据分析；将分类后的测点数据进行归一化处理；数据归一化(标准化)处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性问题；原始数据经过数据归一化处理后，各指标处于同一数量级，适合进行综合对比评价，采用的归一化方法为Min-MaxScaling。
[0025]所述步骤三还包括匹配步骤，实时数据与设备运行框架模型反复比较，采用置信度算法找到符合实际的设备运行框架；其中，符合实际的设备运行框架为最佳设备运行框架，然后采用欧式距离算法，计算出所有实时数据与最佳设备运行框架的匹配情况；最后根据挖掘出的设备历史运行规律与当前匹配情况进行对比，分析出设备当前的信号质量。
[0026]上述实施例和说明书中描述的只是说明本专利技术的原理和最佳实施例，在不脱离本专利技术精神和范围的前提下，本专利技术还会有各种变化和改进，这些变化和改进都落入要求保护的本专利技术范围内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动进行FSK通信设备的预测维护方法，其特征在于，它包括以下步骤：步骤一，采集FSK信号波形，然后对波形进行频率与峰值电压进行计算处理，从而合成信号质量数据作为历史数据；步骤二，根据历史数据建立设备数据关联模型，根据设备数据关联模型中数据特征模型建立设备运行框架模型，具体来说是通过降维、关联和方差算法建立数据关联模型，剔除对结果影响较小的变量，从而进一步优化数据特征模型，提高数据特征模型效率和精度；步骤三，将实时数据导入设备运行框架模型，对设备进行实时监测和故障的预测。2.根据权利要求1所述的一种数据驱动进行FSK通信设备的预测维护方法，其特征在于：所述步骤三还包括匹配步骤，实时数据与设备运行框架模型反复比较，采用置信度算法找到符合实际的设备运行框架；其中，符合实际...

【专利技术属性】
技术研发人员：黄德演，常伟，余捷全，
申请(专利权)人：广东毓秀科技有限公司，
类型：发明
国别省市：