【技术实现步骤摘要】
一种故障诊断方法、系统、存储介质和边缘计算装置
[0001]本文涉及故障自动诊断技术，尤指一种故障诊断方法、系统、存储介质和边缘计算装置。
技术介绍
[0002]作为站台安全门系统中的组成设备
‑
站台安全门，沿站台边缘设置，将列车与站台候车室隔离，不仅可以防止乘客跌落或跳下轨道而发生危险，还可为乘客提供安全、舒适美观的乘车环境。站台安全门系统作为公共安全防护系统，广泛应用在地铁、轻轨、城际铁路等轨道交通中的高架、地面和地下站台上，具有节能、环保和安全功能。
[0003]站台安全门系统的安全性、可靠性以及运维的快捷性直接影响轨道交通的运输安全与效率，因此对站台安全门系统进行故障诊断，保障站台安全门系统的正常运行至关重要。
技术实现思路
[0004]本申请提供了一种故障诊断方法、系统、存储介质和边缘计算装置，能够对故障进行准确诊断。
[0005]本申请实施例提供的故障诊断方法，包括：
[0006]在待诊断系统运行时，获取反映所述系统的多个设备状态的实时观测数据；
...
【技术保护点】
【技术特征摘要】
1.一种故障诊断方法，包括：在待诊断系统运行时，获取反映所述系统的多个设备状态的实时观测数据；将所述实时观测数据发送至训练好的、基于隐马尔可夫模型构建的故障诊断模型；通过所述故障诊断模型进行故障诊断，并输出诊断结果。2.根据权利要求1所述的方法，其特征在于，训练所述故障诊断模型的方法，包括：获取所述多个设备中的每个设备处于不同状态下的多组实时观测数据，得到训练数据集和验证数据集；通过所述训练数据集训练所述故障诊断模型；通过所述验证数据集验证训练好的故障诊断模型。3.根据权利要求2所述的方法，其特征在于，所述训练数据集包含的训练数据为二维矩阵，所述矩阵横向的不同列代表获取到的在不同单位时间节点上通过数据监测装置监测到的设备状态数据，所述矩阵纵向的不同行代表不同的数据监测装置；所述验证数据集包含的验证数据为携带有标签的训练数据，所述标签用于指示所述每个设备的状态。4.根据权利要求3所述的方法，其特征在于，通过所述训练数据集训练所述故障诊断模型，包括：通过所述训练数据集训练生成包含多个设备故障模型的设备故障状态分类器，其中每个设备故障模型均用隐马尔可夫模型λ＝(π，a，b)描述，所述设备故障模型用于反映设备状态，所述设备状态包括：正常状态和故障状态；其中，π为设备初始状态；a为设备从当前时刻的状态变为下一时刻不同状态的概率；b为设备当前时刻的状态对应的各观测状态出现的概率。5.根据权利要求4所述的方法，其特征在于，通过所述验证数据集验证训练好的故障诊断模型，包括：将所述验证数据集中的验证数据发送至所述设备故障状态分类器；根据所述设备故障状态分类器中每个设备故障模型的输出结果获得故障预测结果；将获得的故障预测结果分别与该验证数据携带的标签进行比对；根据比对结果获得故障诊断模型的故障诊断准确率；当故障诊断准确率达到预设阈值时，则验证通过。6.根据权利要求5所述的方法，其特征在于，通过所述故障诊断模型进行故障诊断，并输出诊断结...
【专利技术属性】
技术研发人员：冯萌，李剑，柴军，刘小树，周小辉，王小东，
申请(专利权)人：北京和利时系统集成有限公司，
类型：发明
国别省市：
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。