System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 列车故障诊断方法、系统、电子设备和存储介质技术方案_技高网

列车故障诊断方法、系统、电子设备和存储介质技术方案

技术编号:41133227 阅读:2 留言:0更新日期:2024-04-30 18:03
本发明专利技术公开了一种列车故障诊断方法、系统、电子设备和存储介质。其中,方法应用于雾端,包括从云端获取普适化模型;基于所连接的边缘端的种类从所述云端匹配对应的个性化数据;利用所述个性化数据对所述普适化模型进行个性化训练,获得个性化诊断模型;将所述个性化诊断模型发送至所述边缘端,以使所述边缘端利用所述个性化诊断模型对列车故障进行个性化诊断。本发明专利技术方案先训练获取一个普适化模型,再基于边缘端的实际场景,对普适化模型进行个性化训练,获得服务于不同的边缘端诊断场景的个性化模型,可实现边缘端的个性化诊断,提高诊断准确率和诊断速度。

【技术实现步骤摘要】

本专利技术实施例涉及故障诊断,尤其涉及一种列车故障诊断方法、系统、电子设备和存储介质


技术介绍

1、目前,随着我国铁路修建里程、提速范围的不断上升,铁路已成为国家极为重要的基础设施。高速、重载化发展已成为世界铁路技术发展的重要方向,这种发展形势对列车的安全运行、确保铁路行车准时提出了要求,这也使得列车运行状态实时监测、故障诊断、列车检修的快速高效变得越来越关键。

2、目前,电力机车电气系统设备的维修保养仍然以定期的计划修为主,当机车在行驶过程中发生故障后,仅能够通过人工临场处置的方式分析故障原因,排除故障影响。这种采用电力机车计划修的方式不仅可能造成修理频率不够,也有可能会修理频率过剩,有效维护保养机车,效率低,也浪费了资源。而且由人工排除故障需对乘务人员的技术水平和驾驶经验有较高依赖,无法保证故障处置的及时性和处置率。


技术实现思路

1、为解决现有机车修理方式对人员有较大的经验要求,且修理常常不及时的技术问题,本专利技术实施例提供一种列车故障诊断方法、系统、电子设备和存储介质。

2、本专利技术实施例的技术方案是这样实现的:

3、本专利技术实施例提供了一种列车故障诊断方法,应用于雾端,所述方法包括:从云端获取普适化模型;基于所连接的边缘端的种类从所述云端匹配对应的个性化数据;利用所述个性化数据对所述普适化模型进行个性化训练,获得个性化诊断模型;将所述个性化诊断模型发送至所述边缘端,以使所述边缘端利用所述个性化诊断模型对列车故障进行个性化诊断。</p>

4、在一实施例中,所述利用所述个性化数据对所述普适化模型进行个性化训练,获得个性化诊断模型,包括:在所述普适化模型中的全连接层增加一个旁支网络;将所述全连接层的权重值拆分为两个秩分解矩阵的乘积;利用所述个性化数据进行训练,确定所述两个秩分解矩阵的数值;基于所述两个秩分解矩阵的数值更新所述全连接层的权重值。

5、本专利技术实施例还提供了一种列车故障诊断方法,应用于云端,所述方法包括:接收边缘端发送的诊断结果数据;基于所述诊断结果数据获取训练样本;利用所述训练样本对预设的初始诊断模型进行初步训练,获得普适化模型;将所述普适化模型发送至雾端,以使所述雾端对所述普适化模型进行个性化训练,获得个性化诊断模型,其中,所述个性化诊断模型用于在边缘端对列车进行故障诊断。

6、在一实施例中,所述基于所述诊断结果数据获取训练样本,包括:获取机车故障诊断公开数据集;将所述机车故障诊断公开数据集与所述诊断结果数据混合,获得训练样本。

7、在一实施例中,所述普适化模型包括输入层、卷积层、池化层、全连接层和输出层;所述利用所述训练样本对预设的初始诊断模型进行初步训练,获得普适化模型,包括:利用所述训练样本对预设的初始诊断模型进行初步训练,获取所述输入层、所述卷积层、所述池化层、所述全连接层和所述输出层的权重值与偏置值;基于所述权重值与所述偏置值,对所述初始诊断模型进行设置,获得普适化模型。

8、本专利技术实施例还提供了一种列车故障诊断方法,应用于边缘端,所述方法包括:从雾端获取个性化诊断模型;采集列车实时状态数据;利用所述个性化诊断模型对所述实时状态数据进行列车故障诊断,获得诊断结果数据。

9、本专利技术实施例还提供了一种列车故障诊断系统,所述系统包括云端、雾端和边缘端;所述云端,用于接收所述边缘端发送的诊断结果数据;基于所述诊断结果数据获取训练样本;利用所述训练样本对预设的初始诊断模型进行初步训练,获得普适化模型;将所述普适化模型发送至所述雾端;所述雾端,用于从所述云端获取普适化模型;基于所连接的边缘端的种类从所述云端匹配对应的个性化数据;利用所述个性化数据对所述普适化模型进行个性化训练,获得个性化诊断模型;将所述个性化诊断模型发送至所述边缘端;所述边缘端,用于执行从雾端获取个性化诊断模型;采集列车实时状态数据;利用所述个性化诊断模型对所述实时状态数据进行列车故障诊断,获得诊断结果数据。

10、在一实施例中,所述雾端包括车载诊断终端,所述云端包括地面数据处理中心,所述边缘端包括信号采集节点。

11、本专利技术实施例还提供了一种电子设备,包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,处理器用于运行计算机程序时,执行上述任一方法的步骤。

12、本专利技术实施例还提供了一种存储介质,存储介质中存储有计算机程序,计算机程序被处理器执行时,实现上述任一方法的步骤。

13、本专利技术实施例提供的列车故障诊断方法、系统、电子设备和存储介质,从云端获取普适化模型;基于所连接的边缘端的种类从所述云端匹配对应的个性化数据;利用所述个性化数据对所述普适化模型进行个性化训练,获得个性化诊断模型;将所述个性化诊断模型发送至所述边缘端,以使所述边缘端利用所述个性化诊断模型对列车故障进行个性化诊断。本专利技术方案先训练获取一个普适化模型,再基于边缘端的实际场景,对普适化模型进行个性化训练,获得服务于不同的边缘端诊断场景的个性化模型,可实现边缘端的个性化诊断,提高诊断准确率和诊断速度。

本文档来自技高网...

【技术保护点】

1.一种列车故障诊断方法,其特征在于,应用于雾端,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述利用所述个性化数据对所述普适化模型进行个性化训练,获得个性化诊断模型,包括:

3.一种列车故障诊断方法,其特征在于,应用于云端,所述方法包括:

4.根据权利要求3所述的方法,其特征在于,所述基于所述诊断结果数据获取训练样本,包括:

5.根据权利要求3所述的方法,其特征在于,所述普适化模型包括输入层、卷积层、池化层、全连接层和输出层;所述利用所述训练样本对预设的初始诊断模型进行初步训练,获得普适化模型,包括:

6.一种列车故障诊断方法,其特征在于,应用于边缘端,所述方法包括:

7.一种列车故障诊断系统,其特征在于,所述系统包括云端、雾端和边缘端;

8.根据权利要求7所述的列车故障诊断系统,其特征在于,所述雾端包括车载诊断终端,所述云端包括地面数据处理中心,所述边缘端包括信号采集节点。

9.一种电子设备,其特征在于,包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,

10.一种存储介质,所述存储介质中存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现权利要求1至6任一项所述方法的步骤。

...

【技术特征摘要】

1.一种列车故障诊断方法,其特征在于,应用于雾端,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述利用所述个性化数据对所述普适化模型进行个性化训练,获得个性化诊断模型,包括:

3.一种列车故障诊断方法,其特征在于,应用于云端,所述方法包括:

4.根据权利要求3所述的方法,其特征在于,所述基于所述诊断结果数据获取训练样本,包括:

5.根据权利要求3所述的方法,其特征在于,所述普适化模型包括输入层、卷积层、池化层、全连接层和输出层;所述利用所述训练样本对预设的初始诊断模型进行初步训练,获得普适化模型,包括:

【专利技术属性】
技术研发人员:陈文胜尹亮石继荣
申请(专利权)人:国能新朔铁路有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1