本申请涉及轨道交通故障预警技术领域，公开了一种故障预警方法，其特征在于，所述方法包括：获取所有目标传感器的运行状态数据，所述所有目标传感器均为同类传感器；通过故障预警模型根据所述运行状态数据对所述所有目标传感器进行监控预警；其中，所述故障预警模型根据所述目标传感器的多个同类传感器的运行状态数据生成。以列车同类传感器的运行状态数据为基础，对同类传感器之间的状态数据差异进行统计分析，然后提取差异的变化特征及分布规律，进而构建一套传感器异常自检方法，以实现列车同类传感器系统突发性故障和渐变性故障的智能预警，为售后人员的维护工作预先提供建议，保障列车安全、高效运行。高效运行。高效运行。
【技术实现步骤摘要】
一种故障预警方法、装置、存储介质及电子设备
[0001]本申请涉及轨道交通故障预警
，特别地涉及一种故障预警方法、装置、存储介质以及电子设备。
技术介绍
[0002]目前，关于传感器本身故障预警方面的研究主要集中在以下四类：基于专家经验的预警模型、基于智能硬件分析的故障预警模型、基于报警跳闸限值的故障预警模型和基于数据驱动的故障预警模型。
[0003]基于专家经验的预警模型主要以相关专家、操作人员的积累经验知识为基础，定性或定量描述故障过程各设备的故障现象及故障模式。在传感器出现异常征兆后通过系统推理、演绎等方式模拟过程专家在监测上的推理能力，从而自动完成传感器故障预警。这种方法依赖于经验知识，主观性较大。
[0004]基于智能硬件分析的故障预警模型的预警思路需要在监控的传感器上再加装高性能传感器，通过信号的采集解调分析进行超前预警。这种预警方法需要额外加装设备成本较高，且在某些情况下受安装条件限制不可行。
[0005]基于报警跳闸限值的故障预警模型的预警模式主要的监控标准是厂家阈值或者行业阈值，在待监控传感器参数超限后进行及时的报警或跳闸，保护设备及人身安全。在这种预警方式下故障预警时间多处于故障的晚期，同时也无法检测到阈值以内的故障隐患。
[0006]基于数据驱动的故障预警模型的思路是利用传感器自身运行时的状态数据，横向或纵向获取传感器状态数据特征和变化规律，并根据其进行突发性故障和趋势性异常的预警分析。该方法无需加装额外设备，仅利用传感器自身状态数据进行预警，投入成本低且适用性强。
[0007]针对列车的同类传感器，由于被测对象的一致性，正常工作的同类传感器之间几乎不可能出现测量数据差异较大的情况。
技术实现思路
[0008]针对上述问题，本申请提出一种故障预警方法、装置、存储介质及电子设备，以列车同类传感器的运行状态数据为基础，对同类传感器之间的状态数据差异进行统计分析，然后提取差异的变化特征及分布规律，进而构建一套传感器异常自检方法，以实现列车同类传感器系统突发性故障和渐变性故障的智能预警，为售后人员的维护工作预先提供建议，保障列车安全、高效运行。
[0009]本申请的第一个方面，提供了一种故障预警方法，所述方法包括：
[0010]获取所有目标传感器的运行状态数据，所述所有目标传感器均为同类传感器；
[0011]通过故障预警模型根据所述运行状态数据对所述所有目标传感器进行监控预警；
[0012]其中，所述故障预警模型根据所述目标传感器的多个同类传感器的运行状态数据生成。
[0013]在一些实施例中，所述故障预警模型的生成步骤，包括：
[0014]获取所述多个同类传感器的运行状态数据；
[0015]根据所述运行状态数据获取原始状态数据差值序列；
[0016]根据所述运行状态数据获取窗口特征值差值序列；
[0017]根据所述原始状态数据差值序列和所述窗口特征值差值序列生成所述故障预警模型。
[0018]在一些实施例中，所述多个同类传感器均为历史未发生过故障的传感器。
[0019]在一些实施例中，在所述获取多个同类传感器的运行状态数据之后，还包括：
[0020]对所述多个同类传感器的运行状态数据进行过滤处理。
[0021]在一些实施例中，所述根据所述原始状态数据差值序列和所述窗口特征值差值序列生成所述故障预警模型，包括：
[0022]根据所述原始状态数据差值序列和所述窗口特征值差值序列获取预警阈值区间和差异值时间序列；
[0023]对所述差异值时间序列进行平稳性分析，得到分析结果；
[0024]获取发生过故障的同类传感器的历史故障数据；
[0025]根据所述原始状态数据差值序列、所述窗口特征值差值序列以及所述预警阈值区间生成突发故障预警模型，或，根据所述分析结果和所述历史故障数据生成渐变故障预警模型。
[0026]在一些实施例中，若所述故障预警模型为突发故障预警模型，则所述通过故障预警模型根据所述运行状态数据对所述所有目标传感器进行监控预警，包括：
[0027]从所述所有目标传感器的运行状态数据中，获取当前时间窗口下的原始状态数据差值和窗口特征值差值；
[0028]对所述当前时间窗口下的原始状态数据差值和连续多个时间窗口的窗口特征值差值进行异常判定；
[0029]当判定所述当前时间窗口存在异常状态差值数据或连续多个时间窗口存在异常窗口特征值时，进行预警。
[0030]在一些实施例中，所述对所述当前时间窗口下的原始状态数据差值进行异常判定，包括：
[0031]获取所述当前时间窗口下的原始状态数据差值不在所述预警阈值区间内的预警条数；
[0032]若所述预警条数不小于预设预警条数，则确定所述当前时间窗口存在异常状态差值数据。
[0033]在一些实施例中，所述对连续多个时间窗口的窗口特征值差值进行异常判定，包括：
[0034]如果所述当前时间窗口下的窗口特征值差值不在所述预警阈值区间内，则所述当前时间窗口出现了特征值异常；
[0035]若连续出现特征值异常的窗口个数不小于预设异常窗口个数，则确定所述后续连续多个时间窗口存在异常窗口特征值。
[0036]在一些实施例中，若所述故障预警模型为渐变故障预警模型，则所述通过故障预
警模型根据所述运行状态数据对所述所有目标传感器进行监控预警，包括：
[0037]根据所述所有目标传感器的运行状态数据，获取所述同类传感器的故障概率；
[0038]当所述故障概率不小于预设预警概率阈值时，进行预警。
[0039]本申请的第二个方面，提供了一种故障预警装置，所述装置包括：
[0040]获取模块，用于获取所有目标传感器的运行状态数据，所述所有目标传感器均为同类传感器；
[0041]预警模块，用于通过故障预警模型根据所述运行状态数据对所有所述目标传感器进行监控预警；
[0042]生成模块，用于根据根据所述目标传感器的多个同类传感器的运行状态数据生成所述故障预警模型。
[0043]本申请的第三个方面，提供了一种存储介质，该存储介质存储的计算机程序，可被一个或多个处理器执行，用以实现如上所述的故障预警方法。
[0044]本申请的第四个方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述存储器和所述处理器之间互相通信连接，该计算机程序被所述处理器执行时，实现如上所述的故障预警方法。
[0045]与现有技术相比，本申请的技术方案具有以下优点或有益效果：
[0046]1、利用同类传感器自身的运行状态数据进行故障预警，能更有效、更直接地发现潜在故障可能；同时，通过大量历史正常数据和故障数据进行模型构建和验证，监测和预警结果可靠性更高；
[0047]2、引入滑窗的方式来计算差异特征，避免了时间维度上数据信息的丢失，保证了信息的完整性；<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种故障预警方法，其特征在于，所述方法包括：获取所有目标传感器的运行状态数据，所述所有目标传感器均为同类传感器；通过故障预警模型根据所述运行状态数据对所述所有目标传感器进行监控预警；其中，所述故障预警模型根据所述目标传感器的多个同类传感器的运行状态数据生成。2.根据权利要求1所述的方法，其特征在于，所述故障预警模型的生成步骤，包括：获取所述多个同类传感器的运行状态数据；根据所述运行状态数据获取原始状态数据差值序列；根据所述运行状态数据获取窗口特征值差值序列；根据所述原始状态数据差值序列和所述窗口特征值差值序列生成所述故障预警模型。3.根据权利要求1所述的方法，其特征在于，所述多个同类传感器均为历史未发生过故障的传感器。4.根据权利要求2所述的方法，其特征在于，在所述获取多个同类传感器的运行状态数据之后，还包括：对所述多个同类传感器的运行状态数据进行过滤处理。5.根据权利要求2所述的方法，其特征在于，所述根据所述原始状态数据差值序列和所述窗口特征值差值序列生成所述故障预警模型，包括：根据所述原始状态数据差值序列和所述窗口特征值差值序列获取预警阈值区间和差异值时间序列；对所述差异值时间序列进行平稳性分析，得到分析结果；获取发生过故障的同类传感器的历史故障数据；根据所述原始状态数据差值序列、所述窗口特征值差值序列以及所述预警阈值区间生成突发故障预警模型，或，根据所述分析结果和所述历史故障数据生成渐变故障预警模型。6.根据权利要求1所述的方法，其特征在于，若所述故障预警模型为突发故障预警模型，则所述通过故障预警模型根据所述运行状态数据对所述所有目标传感器进行监控预警，包括：从所述所有目标传感器的运行状态数据中，获取当前时间窗口下的原始状态数据差值和窗口特征值差值；对所述当前时间窗口下的原始状态数据差值和连续多个时间窗口的窗口特征值差值进行异常判定；当判定所述当前...
【专利技术属性】
技术研发人员：张朝辉，郭林，王兴有，田晓栋，王成，吕歌星，刘雨聪，张慧源，孙木兰，刘邦繁，
申请(专利权)人：株洲中车时代软件技术有限公司，
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。