CN108583629A - 一种铁路车务故障处理方法 - Google Patents
一种铁路车务故障处理方法 Download PDFInfo
- Publication number
- CN108583629A CN108583629A CN201810418571.5A CN201810418571A CN108583629A CN 108583629 A CN108583629 A CN 108583629A CN 201810418571 A CN201810418571 A CN 201810418571A CN 108583629 A CN108583629 A CN 108583629A
- Authority
- CN
- China
- Prior art keywords
- fault
- signature data
- railcar
- fault signature
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/04—Automatic systems, e.g. controlled by train; Change-over to manual control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开了一种铁路车务故障处理方法,包括以下步骤:(1)提取故障特征数据;(2)利用智能算法对所提取的故障特征数据进行优化处理;(3)选择深度学习模型对优化处理的故障特征数据进行训练,直至模型的训练收敛;(4)将经过训练的故障特征数据发送至专家***,经专家***分析后将信息反馈给车间、段调度、铁路局及CTC。本发明能够自动传送反馈铁路故障,避免了现有铁路故障处理时电话交流效率低、沟通慢、汇报时间长等问题,并且反馈故障原由时不带感情色彩,避免由于沟通不当而造成故障延期,不能及时处理等问题,对铁路故障的处理更方便快速。
Description
技术领域
本发明属于铁路***技术领域,尤其涉及一种铁路车务故障处理方法。
背景技术
近年来,深度学习算法体系走进了人们的视野,其通过构件多隐层的模型和海量训练数据来提高处理图像、文本、语言等非结构化数据的性能,这对处理铁路车务故障具有重要意义。专家***是一种人工智能***,该***仅通过设计一个数据库和一个知识库,并对数据库的数据以及知识库的知识进行调取和分析,分析后即可给出解决方案的推理结果,因而专家***的研究如今已成为世界研究的热点之一。
目前,在日常的铁路车务流程中,不论联锁机或是道岔哪一方面出现故障,车站值班员都是以打电话的方式由工区向车间汇报,车间向段调度汇报,段调度向铁路局汇报。这种方式沟通效率和故障处理效率低,使用不方便,还有可能还会造成更多问题。因此,如何将深度学习算法体系中的大数据和专家***与铁路车务流程相结合,是研究智能化车务流程的一个重要方向。
发明内容
本发明的目的在于提供一种铁路车务故障处理方法,旨在解决上述背景技术中现有铁路车务故障处理时故障诊断准确性差,故障处理效率低且不便捷的问题。
本发明是这样实现的,一种铁路车务故障处理方法,该方法包括以下步骤:
(1)提取故障特征数据
将车站值班员行车记录登记簿、现场工作人员日常维护处理经验以及从云平台上所获得的车间、段调度、铁路局与CTC的故障检测数据作为故障特征数据源,进行数据融合算法后,提取故障特征数据;
(2)利用智能算法对所提取的故障特征数据进行优化处理;
(3)选择深度学习模型对优化处理的故障特征数据进行训练,直至模型的训练收敛;
(4)将经过训练的故障特征数据发送至专家***,经专家***分析后将信息反馈给车间、段调度、铁路局及CTC。
优选地,所述专家***包括知识库、动态数据库、推理机、解释***及角色管理***,所述知识库存放专家经验及理论知识,所述动态数据库存放监测到的经过处理的数据,所述推理机对根据知识库中的知识对动态数据库中的信息进行推理,推理过程及结果反向定位于动态数据库和知识库中,由动态数据库和知识库将信息输出至解释***,解释***再将相应信息反馈给角色管理***,所述角色管理***中的角色指车间、段调度、铁路局及CTC。
优选地,所述推理机中设置调度程序和解释程序,所述调度程序获取动态数据库中的信息后通过相应的策略从知识库中识别和获取相关的知识进行推理,推理结果通过所述解释程序从***结构和推理过程方面进行解释。
优选地,所述智能算法为群体智能算法。
优选地,所述深度学习模型为神经网络。
相比于现有技术的缺点和不足,本发明具有以下有益效果:本发明在铁路故障发生时,可以直接自动传送反馈,避免了电话交流时的效率低、沟通慢、汇报时间长等问题。对于故障诊断,本发明可在判断故障原由后及时汇报,不带感情色彩,避免由于沟通不当而造成故障延期,不能及时处理等问题,对铁路故障的处理更方便快速。
附图说明
图1是本发明实施例提供的一种铁路车务故障处理方法的流程示意图;
图2是本发明实施例提供的专家***的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,一种铁路车务故障处理方法,该方法包括以下步骤:
(1)提取故障特征数据
将车站值班员行车记录登记簿、现场工作人员日常维护处理经验以及从云平台上所获得的车间、段调度、铁路局与CTC的故障检测数据作为故障特征数据源,进行数据融合算法后,提取故障特征数据;
(2)利用智能算法对所提取的故障特征数据进行优化处理,采用群体智能优化算法。
(3)选择深度学习模型对优化处理的故障特征数据进行训练,直至模型的训练收敛,深度学习模型采用神经网络;
(4)将经过训练的故障特征数据发送至专家***,经专家***分析后将信息反馈给车间、段调度、铁路局及CTC。
如图2所示,专家***包括知识库、动态数据库、推理机、解释***及角色管理***,知识库存放专家经验及理论知识,动态数据库存放监测到的经过处理的数据,推理机中设置调度程序和解释程序,调度程序获取动态数据库中的信息,并根据动态数据库中已知的当前问题状态及有关信息通过相应的策略从知识库中识别和获取相关的知识进行推理;解释程序是专家***用来解释问题结果、帮助用户理解***结构及求解过程的单元,通常为了回答某一故障采用处理的方法时,其会展示求解过程或推理路径,便于用户理解。推理结果通过解释程序从***结构和推理过程方面进行解释;推理机对根据知识库中的知识对动态数据库中的信息进行推理,推理过程及结果反向定位于动态数据库和知识库中,由动态数据库和知识库将信息输出至解释***,解释***再将相应信息反馈给角色管理***,所述角色管理***中的角色指车间、段调度、铁路局及CTC。
在实际应用时,当出现故障时,车务***首先从云平台获得故障问题所在;若云平台上没有监测到故障信息,***自动进行故障诊断,确定问题所在,在行车记录登记薄自动录入信息,同时,通知车站值班员在手写本上记录。***自动将故障问题通过角色管理由工区向车间反馈,车间向段调度反馈,段调度向铁路局反馈;汇报完毕后,***根据故障种类向现场相关维护人员发送相关故障处理信息,现场维护人员处理故障。故障处理完毕,***自动检测故障是否成功处理。此时,***自动调用知识库,查看结果;如若没有此项信息,将此故障相关信息处理并记录在知识库中。同时,***在行车记录登记薄自动销毁记录,车站值班员在手写本上销毁记录。***再次自动将故障处理结果由工区向车间反馈,车间向段调度反馈,段调度向铁路局反馈,同时车务终端***记录。最后,将监测的故障问题以及故障处理方案反馈到云平台上。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种铁路车务故障处理方法,其特征在于,所述方法包括:
(1)提取故障特征数据
将车站值班员行车记录登记簿、现场工作人员日常维护处理经验以及从云平台上所获得的车间、段调度、铁路局与CTC的故障检测数据作为故障特征数据源,进行数据融合算法后,提取故障特征数据;
(2)利用智能算法对所提取的故障特征数据进行优化处理;
(3)选择深度学习模型对优化处理的故障特征数据进行训练,直至模型的训练收敛;
(4)将经过训练的故障特征数据发送至专家***,经专家***分析后将信息反馈给车间、段调度、铁路局及CTC。
2.如权利要求1所述的铁路车务故障处理方法,其特征在于,所述专家***包括知识库、动态数据库、推理机、解释***及角色管理***,所述知识库存放专家经验及理论知识,所述动态数据库存放监测到的经过处理的数据,所述推理机对根据知识库中的知识对动态数据库中的信息进行推理,推理过程及结果反向定位于动态数据库和知识库中,由动态数据库和知识库将信息输出至解释***,解释***再将相应信息反馈给角色管理***,所述角色管理***中的角色指车间、段调度、铁路局及CTC。
3.如权利要求2所述的铁路车务故障处理方法,其特征在于,所述推理机中设置调度程序和解释程序,所述调度程序获取动态数据库中的信息后通过相应的策略从知识库中识别和获取相关的知识进行推理,推理结果通过所述解释程序从***结构和推理过程方面进行解释。
4.如权利要求1所述的铁路车务故障处理方法,其特征在于,所述智能算法为群体智能算法。
5.如权利要求1所述的铁路车务故障处理方法,其特征在于,所述深度学习模型为神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810418571.5A CN108583629A (zh) | 2018-05-04 | 2018-05-04 | 一种铁路车务故障处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810418571.5A CN108583629A (zh) | 2018-05-04 | 2018-05-04 | 一种铁路车务故障处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108583629A true CN108583629A (zh) | 2018-09-28 |
Family
ID=63619712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810418571.5A Pending CN108583629A (zh) | 2018-05-04 | 2018-05-04 | 一种铁路车务故障处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108583629A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109625040A (zh) * | 2019-01-09 | 2019-04-16 | 内蒙古伊泰准东铁路有限责任公司 | 机务运营管理*** |
CN109948690A (zh) * | 2019-03-14 | 2019-06-28 | 西南交通大学 | 一种基于深度学习和结构信息的高铁场景感知方法 |
CN110884530A (zh) * | 2019-11-20 | 2020-03-17 | 中车青岛四方机车车辆股份有限公司 | 一种智能列车*** |
CN111737431A (zh) * | 2020-06-19 | 2020-10-02 | 海尔优家智能科技(北京)有限公司 | 设备异常的处理方法及装置、存储介质、电子装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102530028A (zh) * | 2012-01-19 | 2012-07-04 | 重庆安谐新能源技术有限公司 | 铁路轨道实时监测***及其数据处理方法 |
CN102680242A (zh) * | 2012-06-06 | 2012-09-19 | 哈尔滨工程大学 | 基于群体智能的柴油机故障诊断方法 |
CN103264717A (zh) * | 2013-05-21 | 2013-08-28 | 北京泰乐德信息技术有限公司 | 一种轨道交通综合监控调度协同与运维信息化*** |
CN103969052A (zh) * | 2014-05-21 | 2014-08-06 | 哈尔滨工程大学 | 基于离群分析的柴油机故障诊断方法 |
CN104331543A (zh) * | 2014-10-17 | 2015-02-04 | 中国船舶重工集团公司第七一二研究所 | 一种船舶电力推进***故障诊断专家***和建立方法 |
CN104392071A (zh) * | 2014-12-12 | 2015-03-04 | 北京交通大学 | 一种基于复杂网络的高速列车***安全评估方法 |
CN104777827A (zh) * | 2015-01-21 | 2015-07-15 | 中国铁路总公司 | 高速铁路信号***车载设备故障诊断方法 |
CN105882687A (zh) * | 2016-05-13 | 2016-08-24 | 南京雅信科技集团有限公司 | 道岔转辙机的故障类别分析方法 |
CN106335523A (zh) * | 2016-09-23 | 2017-01-18 | 中车南京浦镇车辆有限公司 | 一种车载设备状态远程采集与诊断处理方法 |
CN106526400A (zh) * | 2016-11-28 | 2017-03-22 | 株洲中车时代电气股份有限公司 | Dc600v列车供电***的接地故障诊断方法及装置 |
CN106597231A (zh) * | 2016-11-11 | 2017-04-26 | 上海交通大学 | 基于多源信息融合和深度学习网络的gis故障检测***及方法 |
CN107547613A (zh) * | 2016-06-29 | 2018-01-05 | 河南蓝信软件有限公司 | 动车组车辆信息动态监测方法及其*** |
-
2018
- 2018-05-04 CN CN201810418571.5A patent/CN108583629A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102530028A (zh) * | 2012-01-19 | 2012-07-04 | 重庆安谐新能源技术有限公司 | 铁路轨道实时监测***及其数据处理方法 |
CN102680242A (zh) * | 2012-06-06 | 2012-09-19 | 哈尔滨工程大学 | 基于群体智能的柴油机故障诊断方法 |
CN103264717A (zh) * | 2013-05-21 | 2013-08-28 | 北京泰乐德信息技术有限公司 | 一种轨道交通综合监控调度协同与运维信息化*** |
CN103969052A (zh) * | 2014-05-21 | 2014-08-06 | 哈尔滨工程大学 | 基于离群分析的柴油机故障诊断方法 |
CN104331543A (zh) * | 2014-10-17 | 2015-02-04 | 中国船舶重工集团公司第七一二研究所 | 一种船舶电力推进***故障诊断专家***和建立方法 |
CN104392071A (zh) * | 2014-12-12 | 2015-03-04 | 北京交通大学 | 一种基于复杂网络的高速列车***安全评估方法 |
CN104777827A (zh) * | 2015-01-21 | 2015-07-15 | 中国铁路总公司 | 高速铁路信号***车载设备故障诊断方法 |
CN105882687A (zh) * | 2016-05-13 | 2016-08-24 | 南京雅信科技集团有限公司 | 道岔转辙机的故障类别分析方法 |
CN107547613A (zh) * | 2016-06-29 | 2018-01-05 | 河南蓝信软件有限公司 | 动车组车辆信息动态监测方法及其*** |
CN106335523A (zh) * | 2016-09-23 | 2017-01-18 | 中车南京浦镇车辆有限公司 | 一种车载设备状态远程采集与诊断处理方法 |
CN106597231A (zh) * | 2016-11-11 | 2017-04-26 | 上海交通大学 | 基于多源信息融合和深度学习网络的gis故障检测***及方法 |
CN106526400A (zh) * | 2016-11-28 | 2017-03-22 | 株洲中车时代电气股份有限公司 | Dc600v列车供电***的接地故障诊断方法及装置 |
Non-Patent Citations (1)
Title |
---|
邓朝晖等: "《智能制造技术基础》", 31 July 2017 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109625040A (zh) * | 2019-01-09 | 2019-04-16 | 内蒙古伊泰准东铁路有限责任公司 | 机务运营管理*** |
CN109948690A (zh) * | 2019-03-14 | 2019-06-28 | 西南交通大学 | 一种基于深度学习和结构信息的高铁场景感知方法 |
CN110884530A (zh) * | 2019-11-20 | 2020-03-17 | 中车青岛四方机车车辆股份有限公司 | 一种智能列车*** |
CN111737431A (zh) * | 2020-06-19 | 2020-10-02 | 海尔优家智能科技(北京)有限公司 | 设备异常的处理方法及装置、存储介质、电子装置 |
CN111737431B (zh) * | 2020-06-19 | 2024-03-22 | 海尔优家智能科技(北京)有限公司 | 设备异常的处理方法及装置、存储介质、电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108583629A (zh) | 一种铁路车务故障处理方法 | |
CN109710772B (zh) | 一种基于深度学习的问答库知识管理***及其实现方法 | |
CN107133349B (zh) | 一种对话机器人*** | |
WO2018201964A1 (zh) | 一种会话信息的处理方法、服务器及计算机可读存储介质 | |
Waring et al. | Decision‐making in multiagency multiteam systems operating in extreme environments | |
US11948187B2 (en) | Artificial intelligence based digital leasing assistant | |
Cameron et al. | Framing factors: The importance of context and the individual in understanding trust in human-robot interaction | |
TWI770461B (zh) | 支援人機協作的即時簡訊機器人的系統及方法 | |
DE112019003414T5 (de) | Videoüberwachung mit neuronalen Netzen | |
CN117112769B (zh) | 基于大语言模型的故障维修智能问答***及方法 | |
CN106254379A (zh) | 网络安全策略的处理***及处理方法 | |
CN110379037A (zh) | 一种巡河方法及装置 | |
CN116611471A (zh) | 一种深度学习大模型的多方共享***与方法 | |
CN107944999A (zh) | 一种审核费用项目的自动执行方法及装置 | |
CN106021114A (zh) | 面向智能机器人的自动化测试方法及*** | |
Sandoval-Almazan et al. | Artificial Intelligence in innovation labs: Map of cases for the public sector | |
CN113946464B (zh) | 一种结合模型及经验的预训练和并行推演的告警降噪方法 | |
CN104933179B (zh) | 用户数据处理方法、服务器和*** | |
CN113542509A (zh) | 一种应急处理方法、装置、存储介质和设备 | |
CN104301128A (zh) | 故障处理方法和故障处理装置 | |
CN104504536B (zh) | 一种信息交互方法 | |
CN110264008A (zh) | 一种行为预测监控*** | |
Cocklin | The adult student at secondary school: a New Zealand case study | |
CN109040003A (zh) | 一种对局域网进行安全管理的方法 | |
CN109104359A (zh) | 消息监控方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |
|
RJ01 | Rejection of invention patent application after publication |