列车MVB通信网络故障诊断和定位方法及系统技术方案

本申请公开了列车MVB通信网络故障诊断和定位方法及系统，列车MVB通信网络故障诊断和定位方法包括：采集获得多种工况下的物理层波形，提取所述物理层波的特征值后，对所述特征值进行处理获得MVB数据集；根据所述MVB数据集构建SVM多分类模型后，通过所述SVM多分类模型对列车MVB通信网络进行故障诊断，根据故障诊断结果计算获得故障数据分类的决策值后，根据所述决策值确定故障数据对应的故障类型；对所述物理层波形进行解析获得故障节点发出的故障从帧的端口地址后，根据所述端口地址确定发出所述故障从帧的故障通信设备，根据所述故障通信设备通过列车MVB通信网络拓扑图定位出故障节点位置。障节点位置。障节点位置。

【技术实现步骤摘要】
列车MVB通信网络故障诊断和定位方法及系统


[0001]本申请涉及列车通信网络故障诊断和定位
，尤其涉及列车MVB通信网络故障诊断和定位。

技术介绍

[0002]铁路是目前公共交通的主要方式之一。随着列车服务时间的增加，轨道车辆的故障，特别是多功能车辆总线(MVB)逐渐增加。MVB是列车的中枢神经，它负责传输监视数据和控制数据。MVB总线呈分布式，结构复杂，在复杂的运行环境中诊断MVB故障是很困难的。传统MVB故障诊断仍然取决于工程师的经验，导致诊断效率低下，故障原因不明。很多工控网络故障都是由于线路阻抗不匹配并导致网络信号反射异常。不同的物理波形信号特征可以表征不同的故障模式。因此，从MVB物理层波形特征中提取特征是合理的把MVB故障诊断问题转换为模式识别问题。
[0003]现有技术中从物理层信息中提取特征，并融合数据链路层的时间戳信息，然后使用多维聚类算法检测故障并评估性能下降。现有技术中结合轨道电路的特性提出了适用于轨道电路故障检测技术体系结构，采用模糊神经网络技术建立了故障预测模型。国外某些研究构建了基于自适应网络的模糊推理系统(ANFIS)，利用现有CAN总线的错误帧等故障信号，采用基于ANFIS方法对CAN网络进行故障预诊断。这些研究在故障的诊断和预测中具有前瞻性的作用。现有技术提出了一种基于MVB的健康评价方法波形特征和支持向量描述域(SVDD)，被测样品与超球面的距离用于量化被测节点的健康状况。现有技术中通过训练了一个基于服务质量(QOS)指标的支持向量机(SVM)分类器来识别以太网的正常和故障状态。这分布在两个支持向量超平面之外的样本将被视为正常类和故障类，而位于两个支持向量超平面之间的样本是被认为是亚健康类。这样，网络健康评估已经转化为一个分类问题。现有技术中还提出从列车制动网络中提取了波形特征，他们提出了一个动态的检测已知网络故障和未知网络故障的选择方法检测网络故障。然而，异常检测和健康评估旨在测量当前状态和正常状态之间的偏差，通过这样的方法无法诊断实际故障类型。SVM已广泛应用于工业故障诊断，在SVM的训练阶段，样本在不同的位置对超平面产生不同的影响，位于边缘区域的样本最有可能是确定分类位置的支持向量超平面，位于数据集内部区域的样本总是非支持向量。

技术实现思路

[0004]本申请实施例提供了列车MVB通信网络故障诊断和定位方法及系统，以至少通过本专利技术解决了列车通信网络故障诊断和定位问题。
[0005]本专利技术提供了列车MVB通信网络故障诊断和定位方法，包括：
[0006]MVB数据集获取步骤：采集获得多种工况下的物理层波形，提取所述物理层波的特征值后，对所述特征值进行处理获得MVB数据集；
[0007]列车MVB通信网络故障诊断步骤：根据所述MVB数据集构建SVM多分类模型后，通过
所述SVM多分类模型对列车MVB通信网络进行故障诊断，根据故障诊断结果计算获得故障数据分类的决策值后，根据所述决策值确定故障数据对应的故障类型；
[0008]列车MVB通信网络故障定位步骤：对所述物理层波形进行解析获得故障节点发出的故障从帧的端口地址后，根据所述端口地址确定发出所述故障从帧的故障通信设备，根据所述故障通信设备通过列车MVB通信网络拓扑图定位出故障节点位置。
[0009]列车MVB通信网络故障诊断和定位方法，其中，所述MVB数据集获取步骤包括：
[0010]采集获得所述列车MVB通信网络在正常工况下和故障工况下的所述物理层波形。
[0011]列车MVB通信网络故障诊断和定位方法，其中，所述列车MVB通信网络故障诊断步骤包括：
[0012]对所述MVB数据集进行顺序随机排布后，分多次对排布后的MVB数据集进行训练与测试，以训练精确度为指标，结合网络搜索法获得最优参数后，对所述最优参数进行训练获得所述SVM多分类模型。
[0013]列车MVB通信网络故障诊断和定位方法，其中，所述列车MVB通信网络故障诊断步骤还包括：
[0014]根据所述决策值确定所述故障数据分类的标签后，根据所述标签确定所述故障数据对应的所述故障类型。
[0015]列车MVB通信网络故障诊断和定位方法，其中，所述列车MVB通信网络故障定位步骤包括：
[0016]所述故障节点发出的所述故障从帧都有对应的主帧，根据所述主帧确定所述故障从帧所述端口地址。
[0017]列车MVB通信网络故障诊断和定位方法，其中，所述列车MVB通信网络故障定位步骤还包括：
[0018]通过MVB通信协议，结合通信节点设备端口地址表，根据所述端口地址确定发出所述故障从帧的所述故障通信设备。
[0019]列车MVB通信网络故障诊断和定位方法，其中，所述列车MVB通信网络故障定位步骤还包括：
[0020]根据故障通信设备分布，通过所述列车MVB通信网络拓扑图定位出所述故障节点位置。
[0021]本专利技术还提供列车MVB通信网络故障诊断和定位系统，所述列车MVB通信网络故障诊断和定位系统包括：
[0022]MVB数据集获取单元：通过NHM采集获得多种工况下的物理层波形，提取所述物理层波的特征值后，对所述特征值进行处理获得MVB数据集；
[0023]列车MVB通信网络故障诊断单元：根据所述MVB数据集构建SVM多分类模型后，通过所述SVM多分类模型对列车MVB通信网络进行故障诊断，根据故障诊断结果计算获得故障数据分类的决策值后，根据所述决策值确定故障数据对应的故障类型；
[0024]列车MVB通信网络故障定位单元：对所述物理层波形进行解析获得故障节点发出的故障从帧的端口地址后，根据所述端口地址确定发出所述故障从帧的故障通信设备，根据所述故障通信设备通过列车MVB通信网络拓扑图定位出故障节点位置。
[0025]列车MVB通信网络故障诊断和定位系统，其中，所述MVB数据集获取单元包括：
[0026]通过所述NHM采集CCU与通信设备之间的所述物理层波形；
[0027]所述NHM通过WTD将所述MVB数据集无线传输到地面服务器。
[0028]列车MVB通信网络故障诊断和定位系统，其中，所述列车MVB通信网络故障诊断单元包括：
[0029]所述地面服务器将所述MVB数据集传输给地面网络软件后，根据所述MVB数据集构建所述SVM多分类模型。
[0030]相比于相关技术，本专利技术提出的列车MVB通信网络故障诊断和定位方法及系统，在不同工况下提取网络物理层波形特征后，通过SVM分类器对列车MVB数据集进行训练以将网络故障诊断转化为模式识别问题，再结合MVB通信协议和网络拓扑结构对故障进行定位，准确的识别了不同MVB故障并进行了定位。
[0031]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0032]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.列车MVB通信网络故障诊断和定位方法，其特征在于，所述列车MVB通信网络故障诊断和定位方法包括：MVB数据集获取步骤：采集获得多种工况下的物理层波形，提取所述物理层波的特征值后，对所述特征值进行处理获得MVB数据集；列车MVB通信网络故障诊断步骤：根据所述MVB数据集构建SVM多分类模型后，通过所述SVM多分类模型对列车MVB通信网络进行故障诊断，根据故障诊断结果计算获得故障数据分类的决策值后，根据所述决策值确定故障数据对应的故障类型；列车MVB通信网络故障定位步骤：对所述物理层波形进行解析获得故障节点发出的故障从帧的端口地址后，根据所述端口地址确定发出所述故障从帧的故障通信设备，根据所述故障通信设备通过列车MVB通信网络拓扑图定位出故障节点位置。2.根据权利要求1所述的列车MVB通信网络故障诊断和定位方法，其特征在于，所述MVB数据集获取步骤包括：采集获得所述列车MVB通信网络在正常工况下和故障工况下的所述物理层波形。3.根据权利要求1所述的列车MVB通信网络故障诊断和定位方法，其特征在于，所述列车MVB通信网络故障诊断步骤包括：对所述MVB数据集进行顺序随机排布后，分多次对排布后的MVB数据集进行训练与测试，以训练精确度为指标，结合网络搜索法获得最优参数后，对所述最优参数进行训练获得所述SVM多分类模型。4.根据权利要求1所述的列车MVB通信网络故障诊断和定位方法，其特征在于，所述列车MVB通信网络故障诊断步骤还包括：根据所述决策值确定所述故障数据分类的标签后，根据所述标签确定所述故障数据对应的所述故障类型。5.根据权利要求1所述的列车MVB通信网络故障诊断和定位方法，其特征在于，所述列车MVB通信网络故障定位步骤包括：所述故障节点发出的所述故障从帧都有对应的主帧，根据所述主帧确定所述故障从帧所述端口地址。6....

【专利技术属性】
技术研发人员：王佳人，杨帆，徐逸煌，刘巍，
申请(专利权)人：中车青岛四方车辆研究所有限公司，
类型：发明
国别省市：