CN103345207A

CN103345207A - 一种轨道交通监控数据的挖掘分析与故障诊断***

Info

Publication number: CN103345207A
Application number: CN2013102113565A
Authority: CN
Inventors: 鲍侠
Original assignee: BEIJING TAILEDE INFORMATION TECHNOLOGY Co Ltd
Current assignee: BEIJING TAILEDE INFORMATION TECHNOLOGY Co Ltd
Priority date: 2013-05-31
Filing date: 2013-05-31
Publication date: 2013-10-09
Anticipated expiration: 2033-05-31
Also published as: CN103345207B

Abstract

本发明公开了一种轨道交通监控数据的挖掘分析与故障诊断***，涉及铁路信号技术领域。该***包括信号监测***数据处理单元，用于从各电务车间或工区中现场的信号集中监测CSM设备中采集历史铁路信号监测数据和实时铁路信号监测数据；数据分析单元，用于对信号监测***数据处理单元采集的历史铁路信号监测数据进行分析，并生成故障诊断规则；知识库单元，用于存储根据各铁路信号设备的工作原理、铁路信号领域的国家和行业标准、规范制定的故障诊断用的判断标准，以及存储数据分析单元的故障诊断规则；故障诊断单元，用于针对信号监测***数据处理单元采集的实时铁路信号监测数据，依据故障诊断规则和判断标准生成故障诊断结果。

Description

一种轨道交通监控数据的挖掘分析与故障诊断***

技术领域

本发明涉及铁路信号技术领域，特别涉及一种轨道交通监控数据的挖掘分析与故障诊断***。

背景技术

为了提高我国铁路信号***设备的现代化维修水平，从90年代开始，先后自主研制了TJWX-I型和TJWX-2000型等不断升级中的信号集中监测CSM***。目前大部分车站都采用了计算机监测***，实现了对车站信号设备状态的实时监测，并通过监测与记录信号设备的主要运行状态，为电务部门掌握设备的当前状态和进行事故分析提供了基本依据，发挥了重要作用。并且，对城市轨道交通信号设备，集中监测CSM***也被广泛部署在城轨集中站/车辆段等处，供城轨运维使用。

但是，针对很多复杂设备故障和行车事故原因的诊断方面，该***却无能为力，目前仍需依靠人工经验分析判断，很多情况下只有在出现重大问题时才发现故障，不仅导致了人工诊断铁路信号***故障时工作量大、故障监测与诊断效率低下等技术问题，增加了行车的危险。

发明内容

为了解决现有技术中人工诊断铁路信号***故障时工作量大、效率低下、风险性高等技术问题，本发明提供了一种轨道交通监控数据的挖掘分析与故障诊断***。

一种轨道交通监控数据的挖掘分析与故障诊断***，包括：信号监测***数据处理单元、数据分析单元、知识库单元、故障诊断单元和人机接口单元；其中，

所述信号监测***数据处理单元，用于从各电务车间或工区中现场的信号集中监测CSM设备中采集历史铁路信号监测数据和实时铁路信号监测数据；

所述数据分析单元，用于对信号监测***数据处理单元采集的历史铁路信号监测数据进行分析，生成故障诊断规则，并发送到知识库单元；

所述知识库单元，用于存储根据各铁路信号设备的工作原理、铁路信号领域的国家和行业标准、规范制定的故障诊断用的判断标准，以及存储数据分析单元的故障诊断规则；

所述故障诊断单元，用于针对信号监测***数据处理单元采集的实时铁路信号监测数据，依据故障诊断规则和判断标准生成故障诊断结果；

所述人机接口单元，用于将故障诊断结果展示给用户。

其中，所述数据分析单元包括：

数据准备模块，用于从信号监测***数据处理单元采集的历史铁路信号监测数据中选择铁路信号分析数据；

数据预处理模块，用于选择的铁路信号分析数据进行处理，生成适合于挖掘故障诊断规则的数据；

数据挖掘模块，用于采用数据挖掘算法对适合挖掘故障诊断规则的数据进行分析，提取数据特征；

模式生成模块，用于根据提取的数据特征，生成故障诊断规则。

其中，所述故障诊断单元包括：

特征提取模块，用于针对信号监测***数据处理单元采集的实时铁路信号监测数据进行分析，并提取数据特征；

诊断确定模块，用于根据故障诊断规则和判断标准对特征提取模块提取的数据特征进行匹配，得出故障诊断结果。

优选方案中，该***还包括数据仓库单元；

数据分析单元，还用于将采集的历史铁路信号监测数据发送到数据仓库单元；相应地，该数据仓库单元，用于存储所述历史铁路信号监测数据。

本实施例提供的***中通过采用将现有铁路***信号集中监测CSM设备上的铁路信号监测数据采集出来，根据采集的历史铁路信号监测数据分析出故障诊断规则，结合现有的铁路领域标准，针对实时铁路信号监测数据进行诊断，确定铁路信号***是否故障的技术手段，解决了现有技术中，人工诊断铁路信号***故障时工作量大、效率低下、风险性高等技术问题，进而取得自动诊断铁路信号***故障，提高工作效率，降低人为工作量，尽早发现***问题，降低铁路运行风险的技术效果。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1提供的一种轨道交通监控数据的挖掘分析与故障诊断***的结构示意图；

图2为本发明实施例1提供的另一种轨道交通监控数据的挖掘分析与故障诊断***的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。并且，以下各实施例均为本发明的可选方案，实施例的排列顺序及实施例的编号与其优选执行的顺序无关。

实施例1

本实施例提供一种轨道交通监控数据的挖掘分析与故障诊断***，如图1所示，该***包括：信号监测***数据处理单元11（该信号监测***数据处理单元可以针对现有的CSM***提供，也可以针对以后出现的任何铁路信号监测***提供）、数据分析单元12、知识库单元13、故障诊断单元14和人机接口单元15；其中，

信号监测***数据处理单元11，用于从各电务车间或工区中现场的信号集中监测CSM设备中采集历史铁路信号监测数据和实时铁路信号监测数据，并将这些采集到的历史铁路信号监测数据和实时铁路信号监测数据上报到数据分析单元12。

本实施例中，历史铁路信号监测数据和实时铁路信号监测数据的内容是一样的，均包括联锁、闭塞、列控、驼峰、TDCS（调度指挥管理***）/CTC（调度集中控制***）和电源屏等信号设备的状态数据。不同的是：历史铁路信号监测数据是信号设备保存的以往的铁路信号监测数据，这些数据中包括了已知设备状态情况下的状态数据，例如已确定信号设备状态是故障，且该故障状态下该信号设备的状态数据；实时铁路信号监测数据是信号设备当时的设备状态是未知的情况下的状态数据，例如：信号设备刚刚产生的状态数据，还未知该信号设备是否故障或者正常等。

数据分析单元12，用于对信号监测***数据处理单元11采集的历史铁路信号监测数据进行分析，生成故障诊断规则，并将故障诊断规则发送到知识库单元13。

知识库单元13，用于存储根据各铁路信号设备的工作原理、铁路信号领域的国家和行业标准、规范制定的故障诊断用的判断标准，以及存储数据分析单元12的故障诊断规则；

故障诊断单元14，用于针对信号监测***数据处理单元11采集的实时铁路信号监测数据，依据知识库单元中的故障诊断规则和判断标准生成故障诊断结果，该故障诊断结果可以认为是一种实时数据的故障诊断结果；

人机接口单元15，用于将故障诊断结果展示给用户。

本实施例提供的该***作为轨道交通综合监测调度协同与运维信息化***（专利号为201310190664.4的申请文件）的组件，能够运行于设备级、***级和应用级，完成各级的信号数据分析和故障诊断。设备级上能够利用采集的设备级数据，进行设备信号的实时分析和故障诊断。***级上根据设备之间的关系，综合设备信号数据，进行故障诊断。应用级从数据仓库中获取设备级和***级的数据，进行数据挖掘分析和故障诊断，并进行诊断结果的发布。

更进一步的优选方案中，本实施例提供的***还可以包括：数据仓库单元16。

数据分析单元12，还用于将采集的历史铁路信号监测数据发送到数据仓库单元16；数据仓库单元16，用于存储所述历史铁路信号监测数据。

数据分析单元12，还用于将实时铁路信号监测数据发送到数据仓库单元16；相应地，数据仓库单元16，还用于将数据分析单元12发送而来的实时铁路信号监测数据透传到故障诊断单元14，同时数据仓库单元16还将备份该实时铁路信号监测数据进而存储。

故障诊断单元14，还用于针对数据仓库单元16中存储的历史铁路信号监测数据，依据故障诊断规则和判断标准生成故障诊断结果。该故障诊断结果也可以认为是一种历史数据的故障诊断结果。

数据仓库单元16在本实施例中的作用主要用于将各电务车间或工间各自保存的监测数据集中在上层保存起来，以用于故障诊断或后继其他方面的应用。

下面具体介绍一下本实施例提供的***中上述各单元的功能。

1、信号监测***数据处理单元11，具体用于从各电务车间或工区中现场的信号集中监测CSM设备中通过开关量采集器、智能传感器和回线的方式，从需要监测的继电器、模块获取开关量和模拟量数据；对那些有统一接口的设备或***，如自动闭塞***、智能电源屏、计算机联锁等，通过总线方式，直接从统一接口采集铁道部接口规范中规定的铁路信号监测数据。

2、数据分析单元包括12：

数据准备模块121，用于从信号监测***数据处理单元采集的历史铁路信号监测数据中选择合适的铁路信号分析数据。

上述合适的铁路信号分析数据是指已知设备状态情况下的状态数据。可以将历史铁路信号监测数据中当时的设备状态已经过人工判断并进行记录的数据作为已知设备状态情况下的状态数据。

数据预处理模块122，用于对选择的铁路信号分析数据进行处理，生成适合于挖掘故障诊断规则的数据。

数据预处理模块122主要用于对铁路信号分析数据进行预处理，预处理后的分析数据即为适合于挖掘故障诊断故障的数据。该预处理主要包括：数据清理和集成，清除噪声数据、非可用数据，将原始铁路信号分析数据规范化、标准化并将多个数据源组合在一起，再将数据类型转换为可应用的类型，定义新的数据属性，减小数据维数和尺寸。

数据清理(Data Cleaning)是通过填写空缺值，平滑噪声数据，识别、删除孤立点，并解决不一致问题来实现“清理”数据。解决由于脏的数据能使挖掘过程陷入混乱，导致不可靠的输出。

数据集成(Data Integration)是考虑到挖掘故障诊断规则时经常需要将来自于多个数据源的数据进行合并存储，有时还可能需要将数据转换成适合于挖掘的形式。

清除噪声数据、非可用数据，将原始铁路信号分析数据规范化、标准化并将多个数据源组合在一起是指数据归约(Data Reduction)。例如将大型数据集压缩表示，使在归约后的数据集上挖掘将更有效，并产生相同(或几乎相同)的挖掘结果。主要包括特征值归约、特征归约和样本归约。

数据挖掘模块123，用于采用数据挖掘算法对适合挖掘故障诊断规则的数据进行分析，提取数据特征。

本实施例中的数据挖掘算法包括：对数据进行分类、孤立点、关联规则挖掘、时间序列分析、粗糙集属性约简算法等方法。

1）分类方法：故障检测是要通过分析信号数据，来确定设备工作是否正常，即要将数据分为正常和异常两类，所以故障诊断可以看作是分类问题，用数据挖掘中的分类技术来进行故障检测。

2）孤立点分析：当设备工作异常时，相应的信号数据与正常工作时的信号数据不一致，即故障数据相对正常数据而言是孤立点，所以可以采用数据挖掘中的孤立点分析方法来进行故障检测。

3）关联规则挖掘：关联规则技术侧重于确定数据中不同域之间的联系，找出满足给定支持度和置信度阈值的多个域之间的依赖关系。关联分析发现关联规则，这些规则展示“属性—值”频繁地在给定数据集中一起出现的条件。通过关联分析，可能发现设备故障模式之间的关联关系以及发现设备不同工作参数之间的潜在关联关系。

4）时间序列分析：设备监测数据是随时间变化的时序数据，采用时间序列分析的数据挖掘方法，包括趋势分析、相似性搜索、与时间有关数据的序列模式和周期模式挖掘，以及动态时间弯曲和时域特征提取。

数据挖掘模块作用简单来讲就是通过数据挖掘算法从一大批数据中选择出同某一故障相关的数据，并将这些数据作为数据特征提取出来。因此，数据挖掘模块提取的数据特征就是能够表征故障，或者与故障相关联的一部分数据或者通过变换后的数据表示。具体挖掘过程参照下例。

例如：利用粗糙集属性约简算法进行故障特征提取

算法如下：

输入：决策表S=(U,C∪D)和用户重要属性Y，其中C为条件属性集（即故障表征集），包括n个条件属性，D为决策属性（即故障类别），Y为用户保留属性。

输出：属性约简集R。

基本思路：从单列C1开始，计算根据其能正确对决策属性D（即故障类型）进行区分的类别个数|POS_c1(D)|（即C1对D的正域中类别个数），再计算根据两列能正确对D进行区分的类别个数……直到获得m列，根据这m列（m<=n）对D和整个条件属性集C具有相同的区分能力（即根据这m列正确对D进行分类的类别个数和根据C进行分类的类别个数相同），这m列就是约简后的集合。

下表一为从信号监测***采集到的部分历史铁路信号监测数据中的故障样本集：

表一

其中，决策属性为故障代号，条件属性a-g为故障对应的各属性，括号内为属性名称，是传感器位置标号，表格内的值是各传感器测量值按某一范围离散化处理后的值。

将其作为输入决策表，通过程序后，得到属性a、d、e为一组约简后的属性，因而可以得到约简后的决策表，如下表二：

表二

其中，条件属性可以作为提取的数据特征。

模式生成模块124，用于根据提取的数据特征，生成故障诊断规则。

故障规则就是一组故障的判断表达式，一般是If<条件>Then<结论>的形式，其表示在当前的条件下，所可能对应的故障。

例如：应用关联规则挖掘进行故障诊断规则建立算法如下：

输入：故障数据库（FDB）、最小支持度阈值（min_sup）、最小可信度阈值（min_conf）

输出：故障规则库，得到故障表征与故障分类的对应规则。

应用关联规则挖掘算法进行故障诊断规则库的建立，当min_sup=20%，min_conf=80%时，其结果如下表三：

B2

A2

E6

E1

A1

E10

D1

E5

FaultNum

0

<NULL>

4

<NULL>

1

<NULL>

3

<NULL>

0

<NULL>

3

<NULL>

1

<NULL>

2

<NULL>

0

<NULL>

0

<NULL>

3

<NULL>

1

0

<NULL>

2

<NULL>

1

<NULL>

0

3

<NULL>

1

<NULL>

1

2

<NULL>

0

1

3

<NULL>	<NULL>	<NULL>	<NULL>	<NULL>	<NULL>	1	0	3
									1	0	1	<NULL>	<NULL>	<NULL>	<NULL>	<NULL>	1
<NULL>	1	0	0	<NULL>	<NULL>	1	<NULL>	4
									<NULL>	1	0	0	<NULL>	<NULL>	<NULL>	1	4

表三

从表三中可以看出，在具有较高置信度与支持度的条件下，所获得的规则也覆盖了所有故障分类，这样就得到了较有指导性的故障规则库（即故障诊断规则的集合）。

故障规则库中的规则表示如下：

rule：

if ZQJ1-4is有电

then conclude电路故障is ZQJ1-4断线

rule：

if ZQJ1-4is无电

and if ZQJ1is无KF

then conclude电路故障is ZQJ4～KF间断线

rule：

if ZQJ1-4is无电

and if ZQJ1is无KZ

and组合侧面端05-5is有KZ

then conclude电路故障is05-5～ZQJ1间断线

……

3、故障诊断单元14包括：

特征提取模块141，用于针对信号监测***数据处理单元采集的实时铁路信号监测数据进行分析，并提取数据特征。

本实施例中的特征提取模块141对实时铁路信号监测数据进行分析的过程与上述数据挖掘模块对适合挖掘故障诊断规则的数据进行分析的过程相同，并且特征提取模块提取的数据特征也与上述数据挖掘模块提取的数据特征相同。不同之处在于，数据挖掘模块提取出的数据特征用来生成故障诊断规则，而特征提取模块提取的数据特征用来诊断信号设备是否故障。

诊断确定模块142，用于根据故障诊断规则和判断标准进行对特征提取模块提取的数据特征进行匹配，得出初步的故障诊断结果。

由上述表三可知，诊断确定模块142可以以故障规则库中的规则为条件结合判断标准逐一对特征提取模块提取的数据特征进行匹配，若提取的数据特征与故障规则库中的某一故障的条件匹配，则可以初步诊断为故障。

解释决策模块143，用于对故障进行解释推理，确定故障原因。

该模块可以参考已有的专家***中存储的信息内容，对故障进行解释。

本实施例提供的信号监测***数据处理单元11、数据分析单元12、知识库单元13、故障诊断单元14、人机接口单元15和数据仓库单元16可以作为一组插件到专利号为201310190664.4的申请文件，发明名称为一种轨道交通综合监控调度协同与运维信息化***中，实现该***中如图4所示的***功能层次示意图。具体而言，本实施例提供的各单元可以作为故障诊断组件***到轨道交通综合监测调度协同与运维信息化平台的应用支持层，也可以分成以组件的形式***到上述专利文件提到的监测层中的设备级、***级、应用级等。由于本实施例提供的***具有移植性强，形式多样化等特点，因此既可以与现有的铁路电务CSM***连接实现相应功能，也可以与未来铁路***新的CSM***等轨道交通监测***相连接，实现本***的延续性，使***具备跟随铁路***设备升级的迁移移植能力。

本实施例提供的***中通过采用将现有铁路***信号集中监测CSM设备上的铁路信号监测数据采集出来，根据采集的历史铁路信号监测数据分析出故障诊断规则，结合现有的铁路领域标准，针对实时铁路信号监测数据进行诊断，确定铁路信号***的工作状态是否故障的技术手段，解决了现有技术中，人工诊断铁路信号***故障时工作量大、效率低下、风险性高等技术问题，进而取得自动诊断铁路信号***故障，提高工作效率，降低人为工作量，尽早发现***问题，降低铁路运行风险的技术效果。

以上所述，仅为本发明的具体实施方式，但本发明能有多种不同形式的具体实施方式，上文结合附图对本发明做举例说明，这并不意味着本发明所应用的具体实施方式只能局限在这些特定的具体实施方式中，本领域的技术人员应当了解，上文所提供的具体实施方式只是多种优选实施方式中的一些示例，任何体现本发明权利要求的具体实施方式均应在本发明权利要求所要求保护的范围之内；本领域的技术人员能够对上文各具体实施方式中所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换或者改进等，均应包含在本发明权利要求的保护范围之内。

Claims

1.一种轨道交通监控数据的挖掘分析与故障诊断***，其特征在于，包括：信号监测***数据处理单元、数据分析单元、知识库单元、故障诊断单元和人机接口单元；其中，

所述数据分析单元，用于对信号监测***数据处理单元采集的历史铁路信号监测数据进行分析，生成故障诊断规则，并将该故障诊断规则发送到知识库单元；

所述人机接口单元，用于将故障诊断结果展示给用户。

2.根据权利要求1所述的***，其特征在于，所述数据分析单元包括：

3.根据权利要求1或2所述的方法，其特征在于，所述故障诊断单元包括：

4.根据权利要求3所述的方法，其特征在于，故障诊断单元还包括：

解释决策模块，用于对故障进行解释推理，确定故障原因。

5.根据权利要求1所述的***，其特征在于，该***还包括数据仓库单元；

所述数据分析单元，还用于将采集的历史铁路信号监测数据发送到数据仓库单元；

所述数据仓库单元，用于存储所述历史铁路信号监测数据。

6.根据权利要求5所述的***，其特征在于，

所述数据分析单元，还用于将实时铁路信号监测数据发送到数据仓库单元；

所述数据仓库单元，还用于将数据分析单元发送而来的实时铁路信号监测数据透传到故障诊断单元。

7.根据权利要求5所述的***，其特征在于，

所述故障诊断单元，还用于针对数据仓库单元中存储的历史铁路信号监测数据，依据故障诊断规则和判断标准生成故障诊断结果。