基于细粒度任务拆解的列车故障自动识别集群系统及方法技术方案

基于细粒度任务拆解的列车故障自动识别集群系统及方法，属于检测技术领域。为了解决现有的单机式列车故障自动识别存在检测时间长、硬件要求高的问题，本发明专利技术的系统采用多台识别服务器集群化部署，每台识别服务器上都部署识别服务单元，只有特定的几台识别服务器上部署任务分发服务单元和结果收集服务单元；任务分发服务单元对待检测任务进行拆解并进行任务投放，投放任务时指明要识别故障类型，识别服务器接收到识别任务后，根据需要识别的故障类型，识别服务单元选用相应识别模块识别列车图片，完成后，识别服务单元将识别结果发送到结果回收服务单元。到结果回收服务单元。到结果回收服务单元。

【技术实现步骤摘要】
基于细粒度任务拆解的列车故障自动识别集群系统及方法


[0001]本分明属于检测
，具体涉及列车故障自动识别方法与集群系统及方法。

技术介绍

[0002]列车故障检测系统是通过在列轨道边安装线阵相机，将列车通过时的多个部位的照片采集到服务器，使用先进的深度学习算法对原始图片进行检测识别，从而将可能的故障识别到并标识出来，避免列车事故发生。
[0003]进行列车检测时，由于列车会有多种型号，要求用于故障检测的深度学习模型需要支持多种不同车型，并能够检测多种不同故障，因此对软硬件资源要求较高，而且由于列车基本都是高速通过检查点，因此需要快速完成过车检测，这对检测时间也有较高要求。
[0004]针对使用深度学习进行故障识别的列车智能检测系统，检测对系统软硬件资源要求非常高，当列车通过检测站时，会产生1G以上的待识别图片，根据实际业务要求，必须在若干分钟内完成列车的故障识别，所以目前进行列车检测时需要配置非常高的软硬件设备，导致费用非常高；实际上也还是不能很好的满足检测要求。尤其是针对于细粒度检测时，对于软硬件的要求更高。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于细粒度任务拆解的列车故障自动识别集群系统，其特征在于，所述系统采用多台识别服务器集群化部署，每台识别服务器上都部署识别服务单元，只有特定的几台识别服务器上部署任务分发服务单元和结果收集服务单元；每个识别服务器的识别服务单元包含多个识别模块，每个识别模块对应识别一种故障类型；任务分发服务单元对待检测任务进行拆解并进行任务投放，投放任务时指明要识别故障类型，识别服务器接收到识别任务后，根据需要识别的故障类型，识别服务单元选用相应识别模块识别列车图片，完成后，识别服务单元将识别结果发送到结果回收服务单元；任务分发服务单元进行任务投放的过程包括对资源池划分的过程和路由到特定识别服务器上的过程；其中，资源池划分的过程如下：将具有相同识别模块的识别服务器在逻辑上划分为一个资源池，一个资源池包含n个识别服务器，即同时执行n个任务；容纳全量识别模块需K个识别服务器，则整个集群将被划分为K个资源池；路由到特定识别服务器上的过程的过程如下：首先通过位图映射算法寻找特定的资源池，然后在资源池内寻找到特定的识别服务器执行识别任务；结果回收服务单元回收到所有任务的识别结果后，合并识别结果，最终整列车的所有故障检测任务全部完成后，在本地合并最终检测结果；如果列车识别过程中，出现部分任务识别失败，或者当整列列车的待检测任务识别时长达到时间阈值时还未返回结果，回收服务单元自动通知任务分发服务单元需要重投没有返回识别结果的细粒度任务，所有重投任务会被集群系统重新处理一遍。2.根据权利要求1所述的基于细粒度任务拆解的列车故障自动识别集群系统，其特征在于，任务分发服务单元对待检测任务进行拆解时是根据列车的车节数量和故障识别模块的数量将待检测任务进行拆解。3.根据权利要求1或2所述的基于细粒度任务拆解的列车故障自动识别集群系统，其特征在于，图映射算法中的位图构建过程如下：将识别模块进行位图编码，设有T种识别模块，将这T种识别模块进行顺序排列，排列成一个I*J的矩阵，即位图，I为单台识别服务器容纳的识别模块数量，J为容纳全量识别模块需要的识别服务器数量，每个识别模块都对应一个矩阵的坐标(x，y)点；根据物理的部署，一个资源池内的识别服务器部署相同的识别模块，位图中的坐标点与资源池为多对一的关系，将坐标点的值设置为资源池的ID值。4.根据权利要求3所述的基于细粒度任务拆解的列车故障自动识别集群系统，其特征在于，位图的结构通过Map数据结构实现。5.根据权利要求4所述的基于细粒度任务拆解的列车故障自动识别集群系统，其...

【专利技术属性】
技术研发人员：朱润光，苏培旺，贾凡，杨宝雨，
申请(专利权)人：哈尔滨市科佳通用机电股份有限公司，
类型：发明
国别省市：