CN112884325A - 一种客站设备应用分析及健康状况评价方法及*** - Google Patents
一种客站设备应用分析及健康状况评价方法及*** Download PDFInfo
- Publication number
- CN112884325A CN112884325A CN202110198378.7A CN202110198378A CN112884325A CN 112884325 A CN112884325 A CN 112884325A CN 202110198378 A CN202110198378 A CN 202110198378A CN 112884325 A CN112884325 A CN 112884325A
- Authority
- CN
- China
- Prior art keywords
- health
- equipment
- real
- passenger
- target
- 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
- 230000036541 health Effects 0.000 title claims abstract description 316
- 238000011156 evaluation Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000004458 analytical method Methods 0.000 title claims abstract description 66
- 238000012423 maintenance Methods 0.000 claims abstract description 49
- 238000004519 manufacturing process Methods 0.000 claims abstract description 18
- 238000007726 management method Methods 0.000 claims description 52
- 238000013473 artificial intelligence Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000013077 scoring method Methods 0.000 claims description 4
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 6
- 230000003862 health status Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000004929 transmission Raman spectroscopy Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种客站设备应用分析及健康状况评价方法及***,包括:通过获取客站内目标设备相关的实时状态信息;确定目标设备的健康概率值;根据健康概率值,确定目标设备的健康匹配等级;在健康匹配等级低于预设健康等级阈值的情况下,根据实时状态信息,对目标设备进行健康状况动态评估,以获取目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果。本发明能解决传统作业方式下设备检修不及时或检修频繁等造成的资源浪费问题,通过合理的设置维保节点,对智能客站设备的剩余生命周期、故障趋势以及生产作业状况给出预测和分析,提高了客运作业人员的工作效率,大幅提升了旅客出行满意度和铁路客运车站的智能化水平。
Description
技术领域
本发明涉及设备管理技术领域,尤其涉及一种客站设备应用分析及健康状况评价方法及***。
背景技术
铁路信息化作为支撑铁路客运车站客运业务和旅客服务的重要手段,在我国铁路客运车站建设过程中起到了举足轻重的作用。人工智能、神经网络、机器人、物联网、大数据、云计算、5G等前沿技术的出现,快速推动了我国高速铁路的信息化、智能化建设,基于业务需求开发的智能化应用层出不穷,且与车站信息化、智能化发展相配套的设备的种类和数量呈现指数式增长。
作为支撑铁路信息化、智能化发展的核心单元和部件,智能化的客站设备的安全性、可靠性、可维修性直接关系到客运生产组织、客运作业指挥、旅客出行等过程,其运营和维护直接影响到铁路智能化的建设进程。
长期以来,我国铁路客运车站设备运维通常采用人工定期巡检、手动上报工单、故障假设等方式卡控设备检修、巡检、点检(简称:“三检”),人力成本高、效率低、覆盖面小、作业过程无法得到有效监督,极易造成错检、漏检等问题,且凭借传统的日历式运维,也容易产生“维修不足”或“维修过剩”的局面,引起资源的浪费,经济可承受能力差。
传统方式中的基于状态的维修(condition-based maintenance,CBM),虽然对设备的实时状态进行了考虑,但仍采用“阈值”法作为设备运维的判断规则,对“阈值”内的设备不作处理或加强监控,只对超过“阈值”的设备进行维修,虽然节省了运维费用但会存在很多危险点没有及时卡控造成设备生命周期缩短,设备可靠性差等问题
有鉴于此,亟需提高现有的客站设备管理方法,以保证铁路客运车站客运业务和旅客服务的安全、高效运行。
发明内容
针对解决目前铁路客运车站因前端采集设备种类繁多、数目巨大,导致反馈的海量数据无法根据业务需求和客运作业需要进行针对性的分析,从而也无法为车站工作人员提供作业指导和辅助决策的弊端,本发明实施例提供一种客站设备应用分析及健康状况评价方法及***。
本发明提供一种客站设备应用分析及健康状况评价方法,包括:通过数据引擎获取客站内目标设备相关的实时状态信息;根据实时状态信息,确定目标设备的健康概率值;根据健康概率值,确定目标设备的健康匹配等级;在健康匹配等级低于预设健康等级阈值的情况下,根据实时状态信息,对目标设备进行健康状况动态评估,以获取目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果;所述预设健康等级阈值越大,目标设备的健康状况越正常。
根据本发明提供的一种客站设备应用分析及健康状况评价方法,所述根据所述实时状态信息,确定所述目标设备的健康概率值,包括:基于客站内所有设备的功能及性能,对所有客站设备进行分类,构建健康状况评价指标体系;确定健康等级的划分方式,包括确定各不同健康等级的健康概率值范围;基于9度评分法,结合健康状况评价指标体系、分类结果以及不同健康等级的健康概率值范围,创建健康评价矩阵;基于健康评价矩阵,计算健康状况评价指标体系中基层指标的先验概率以及各中间层指标、各高层指标的相对概率,创建用于指标评价的贝叶斯网络;利用所述贝叶斯网络,根据目标设备相关的实时状态信息,确定目标设备的健康概率值。
根据本发明提供的一种客站设备应用分析及健康状况评价方法,在获取所述目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果之后,还包括:结合列车运行计划数据,确定目标设备的设备健康状况以及针对目标设备的辅助决策建议;列车运行计划数据包括以下至少一项:列车运行状态数据、客运作业计划数据、设备管理计划数据;辅助决策建议包括以下至少一项:设备购置方案、设备管理计划、设备运维策略、设备节能环保措施、设备生产作业计划优化方案。
根据本发明提供的一种客站设备应用分析及健康状况评价方法,在确定所述目标设备的设备健康状况以及针对所述目标设备的辅助决策建议之后,还包括:利用车站三维数学模型、平面展示界面和查询终端中的至少一项,对设备健康状况以及辅助决策建议进行可视化展示;可视化展示的方式包括以下至少一项:图形、图表、列表、饼状图、柱状图、散点图、三维电子地图、鱼骨图、折线图、音频、视频。
根据本发明提供的一种客站设备应用分析及健康状况评价方法,所述根据实时状态信息,对目标设备进行健康状况动态评估,包括:基于人工智能分析方法,对所述实时状态信息进行健康状况动态评估;所述人工智能分析方法包括以下至少一项:KNN模型、SVM模型、TOPSIS方法。
根据本发明提供的一种客站设备应用分析及健康状况评价方法,在通过数据引擎获取客站内目标设备相关的实时状态信息之前,还包括:通过客站设备健康状况管理***的内部、外部接口,利用数据采集终端,分别实时获取各内部***设备的运行状况信息,和各外部***设备的运行状况信息;将内部***设备的运行状况信息和外部***设备的运行状况信息上传至数据引擎;所述内部***设备包括以下至少一项:旅客服务与生产管控平台、铁路客票发售与预订***、客运设备管理信息***、客运管理***、铁路运输调度管理***;所述外部***设备包括以下至少一项:楼宇自动化***与火灾报警***中的电梯、空调、照明、风机。
根据本发明提供的一种客站设备应用分析及健康状况评价方法,在根据实时状态信息,确定目标设备的健康概率值之前,还包括:对实时状态信息进行一次预处理;基于主成份分析法,对一次预处理后的实时状态信息进行特征提取,并对特征提取后的实时状态信息进行状态分类;对状态分类后的实时状态信息进行二次预处理;一次预处理包括以下至少一项:清洗、集成、变换、归约;二次预处理包括以下至少一项:清洗、标准化、归一化。
本发明还提供一种客站设备应用分析及健康状况评价***,包括:设备状态采集模块主要用于通过数据引擎获取客站内目标设备相关的实时状态信息;数据分析处理模块,用于根据实时状态信息,确定目标设备的健康概率值;状态分析模块主要用于根据健康概率值,确定目标设备的健康匹配等级;健康状态评估及辅助分析模块用于在健康匹配等级低于预设健康等级阈值的情况下,根据实时状态信息,对目标设备进行健康状况动态评估,以获取目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果;所述预设健康等级阈值越大,目标设备的健康状况越正常。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述客站设备应用分析及健康状况评价方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述客站设备应用分析及健康状况评价方法的步骤。
本发明提供的客站设备应用分析及健康状况评价方法及***,能解决传统作业方式下设备检修不及时或检修频繁等造成的资源浪费问题,通过合理的设置维保节点,对智能客站设备的剩余生命周期、故障趋势以及生产作业状况给出预测和分析,提高了客运作业人员的工作效率,大幅提升了旅客出行满意度和铁路客运车站的智能化水平。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的客站设备应用分析及健康状况评价方法的流程示意图之一;
图2是本发明提供的确定客站设备的健康匹配等级的流程示意图;
图3是本发明提供的构建健康状况评价指标体系的流程示意图;
图4是本发明提供的客站设备应用分析及健康状况评价方法的流程示意图之二;
图5是本发明提供的实时状态信息获取的流向示意图;
图6是本发明提供的实时状态信息预处理的方法示意图
图7是本发明提供的客站设备应用分析及健康状况评价***的结构示意图之一;
图8是本发明提供的客站设备应用分析及健康状况评价***的结构示意图之二;
图9是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
需要说明的是,在本发明实施例的描述中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明综合考虑了智能客站的经济可承受性、设备可靠性、设备可维护性、设备全寿命周期管理等因素,结合故障预测与健康管理(Prognostics and Health Management,PHM)理论,针对性的提出了一种智能客站设备的应用分析及健康评价的方法、***、装置及电子设备,对智能客站设备进行应用分析和健康状况进行等级评价,包括:利用大数据分析平台实时分析采集到的实时状态信息,再根据设备种类、等级划分多个健康匹配等级;再结合人工智能算法建立健康评价模型,对智能客站设备以及供应单位、维保单位进行应用分析和健康状况评估,进行运维预测和故障趋势推演,更加明确的划定维保时间节点,方便客运工作人员进行设备管理的同时也为客运作业指挥提供辅助决策支持,极大的提升了旅客出行满意度和客运作业效率。
下面结合图1-图9描述本发明实施例所提供的客站设备应用分析及健康状况评价方法和***。
图1是本发明提供的客站设备应用分析及健康状况评价方法的流程示意图,如图1所示,包括但不限于以下步骤:
步骤101:通过数据引擎获取客站内目标设备相关的实时状态信息;
步骤102:根据所述实时状态信息,确定所述目标设备的健康概率值;
步骤103:根据所述健康概率值,确定所述目标设备的健康匹配等级;
步骤104:在所述健康匹配等级低于预设健康等级阈值的情况下,根据所述实时状态信息,对所述目标设备进行健康状况动态评估,以获取所述目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果。其中,所述预设健康等级阈值越大,所述目标设备的健康状况越正常。
其中,客站设备的实时状态信息主要包括:旅客服务与生产管控平台、客票发售与预订***(TRS)、客运设备管理信息***、客运管理***、铁路运输调度管理***(TDMS)等内部***中的显示屏、广播接口机、拾音器、查询机、视频监控摄像头、自动售检票终端、进站检票闸机等设备运行状况信息;以及(楼宇自动化***(BAS)、火灾报警***(FAS)等外部***中的电梯、空调、照明、风机等设备的实时运行状态数据中的至少一种。具体地,可以包括:检票闸机、自动售票机、自助验票终端等设备的每日正常运行状态日志、故障日志、维保工单、维保日志、设备硬件配置情况以及旅客服务与生产管控平台、TRS、客运设备管理信息***、客运管理***、TDMS等***的后台操作日志以及***日志和故障日志,甚至包括具体设备的供货信息以及供应商、维保商的供货、维保服务记录等。
上述所有客站设备的实时状态信息均被收集汇总在智能化的客站设备健康状况管理数据引擎中。
在步骤101中,在需要对任一客站内目标设备进行应用分析及健康状况评价时,可以从上述数据引擎中调用该目标设备相关的实时状态信息。
进一步地,在获取目标设备相关的实时状态信息之后,则可以监测并分析所述实时状态信息,包括:结合该目标设备的功能、性能对其进行合理分类,结合分类情况以及重要性和性能指标,进行健康状况指标划分,并配合预先设定的健康指标的划分等级和范围,构建健康评价矩阵;通过计算先验概率及故障在具体时间所发生的概率,以搭建针对智能化的客站设备的健康状况分析的贝叶斯网络;最后,利用贝叶斯网络可以获取到目标设备的上级节点的发生概率,即能够获取到目标设备的健康概率值。
最后,在步骤103中,结合预先构建的设备健康状态阈值区间中的评价指标,从而得出目标设备的健康匹配等级。
例如,智能化客站的设备健康状况阈值区间可以按照设备的健康等级预先划分为6级,分别为健康、亚健康、合格、异常、故障、严重故障,每个区间所对应的取值范围分别为V1[0.95,1.0]、V2[0.90,0.95)、V3[0.85,0.90)、V4[0.80,0.85)、V5[0.70,0.80)、V6[0.60,0.70)。
假设在步骤102中计算出目标设备的健康概率值为0.89则可以确定出目标设备的健康匹配等级为V3级,其设备健康状态则为亚健康状态。
需要说明的是,上述设备健康状况阈值区间的划分是根据目标对象的特点和功能以及目前的健康状况等相关内容进行划分的。在具体匹配时,是将目标设备为健康的概率(即健康概率值)与阈值区间进行匹配。其中,每个目标设备的健康概率值可以通过预先构建的贝叶斯网络获取。
其中,将目标设备的实时状态信息首先按照设备类型进行分类,继而按照目标设备的预测需求进行下一步细分。
例如:要进行预估的是自动售票机的故障趋势,则需要将检测到的自动售票机的故障信息根据其主要零部件的故障状态、发生故障时刻、维保周期、故障持续时长、维保后状态、零部件更换情况等相关的实时状态信息,进行针对性的分析,综合以上分析内容得出自动售票机的总的健康概率值。然后,将该实时状态信息再与该目标设备的阈值区间进行匹配,最终得出匹配结果(即健康匹配等级)。根据该健康匹配等级能确定出该目标设备具体属于V1~V6之间的某一个级别,即可以确定该目标设备的健康等级,以作为评估该目标设备是否健康以及健康的程度。
进一步地,在步骤104中,在获取到目标设备的健康匹配等级为V3(即其健康等级为V3级)之后,将该健康等级与目标设备所对应的预设健康等级阈值(假设为V2级)进行比较。由于目标设备的健康等级低于预设健康等级阈值,则可以确定该目标设备的健康状态是不达标的,需要根据目标设备的进行健康状况动态评估,以获取所述目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果。以上结果结合列车运行状态基本情况、客运作业计划、设备管理计划等计划数据可为客运工作人员提供决策支持。
另外,在目标设备的健康匹配等级不低于(高于或等于)预设健康等级阈值的情况下,则可以认为目标设备的健康状态是健康的,则无需对其作进一步处理,即保持其现有健康状况以及最近一次的评估结果和辅助决策建议(如客运作业计划安排、维修计划安排、设备使用部署情况等),作为历史数据和下一次分析的比较标准。
本发明提供的客站设备应用分析及健康状况评价方法,能解决传统作业方式下设备检修不及时或检修频繁等造成的资源浪费问题,通过合理的设置维保节点,对智能客站设备的剩余生命周期、故障趋势以及生产作业状况给出预测和分析,提高了客运作业人员的工作效率,大幅提升了旅客出行满意度和铁路客运车站的智能化水平。
基于上述实施例的内容,作为一种可选实施例,根据实时状态信息,确定目标设备的健康概率值,包括但不限于:
基于客站内所有设备的功能及性能,对所有客站设备进行分类,构建健康状况评价指标体系;确定健康等级的划分方式,包括确定各不同健康等级的健康概率值范围;基于9度评分法,结合健康状况评价指标体系、分类结果以及不同健康等级的健康概率值范围,创建健康评价矩阵;基于所述健康评价矩阵,计算健康状况评价指标体系中基层指标的先验概率以及各中间层指标、各高层指标的相对概率,创建用于指标评价的贝叶斯网络;利用贝叶斯网络,根据目标设备相关的实时状态信息,确定目标设备的健康概率值。
图2是本发明提供的确定客站设备的健康匹配等级的流程示意图,如图2所示,本发明提供的客站设备应用分析及健康状况评价方法,首先根据客站设备的具体功能、性能明确其分类,结合分类情况、设备重要等级、设备性能指标等进行健康评价指标的划分,确定指标等级范围下一步构建健康评价矩阵,之后计算先验规律及故障在具体时间发生的概率,从而搭建健康状况评价指标的贝叶斯网络。然后,根据网络结构得出上级节点的概率,从而结合概率区间进行评价指标的划分,最终得出对应设备的健康评价等级。
可选地,分类情况指的是智能客站设备按照功能、性能、类别、评判标准进行分类。设备重要等级指的是该设备在某一评价指标下的重要性。需要说明的是,上述设备重要等级是一个相对的概念,即:某个指标相对其他指标的重要程度。设备性能指标指的是设备的性能参数,较为具体,如:自动售票机的出票速度、出票率、卡纸率、CPU占用比例等具体的参数。
图3是本发明提供的构建健康状况评价指标体系的流程示意图,如图5所示,按照智能客站设备的类别、重要程度和主要功能对其进行了健康评价指标等级划分,据此构建健康状况评价指标体系,所构建的健康状况评价指标体,具体为:
一级指标为智能客站设备整体的健康等级,记为L;二级指标分别为旅服设备和客票设备的健康等级,分别记为A、B(本申请暂不考虑机电设备);三级指标按照设别功能分为展示设备和控制设备,具体划分为旅服展示设备、旅服控制设备、客票展示设备、客票控制设备,分别记为A1、A2、B1、B2;四级指标为具体的旅服***、客票***的展示和控制设备,具体包括:引导显示屏(包括:窗口屏、票额屏、站台屏、通道屏等,记为:A11),到发通告屏(记为A12)、手持移动终端(记为A13)、时钟设备(记为A14)、视频监控摄像头(记为A15)、旅服***服务器(记为A21)、广播控制设备(记为A22)、导向控制设备(记为A23)、智能视频控制设备(记为A24)、自动售票机(记为B11)、自动取票机(记为B12)、检票闸机(记为B13)、移动补票机(记为B14)、身份认证服务器(记为B21)、售检票***服务器(记为B22)。
以上所有设备根据每个智能客站不同有所增减)。所有四级指标均可依据设备完好率、设备运行***、设备故障率、平均无故障工作时间、设备可靠度、故障停机率、设备失效率、设备故障频率、平均故障修复时间、平均预防维修时间、综合效率OEE、设备响应时间等评价标准根据智能客站设备的功能、性能、服务对象等与具体设备进行关联匹配。
需要说明的是,不同车站具体的设备种类可能有所出入,本申请给出的只是基本的架构,具体新增的设备可以对该模型进行调整和优化。
例如,上述确定健康等级的划分方式,包括确定各不同健康等级的健康概率值范围,可以是:
将智能化客站的设备健康状况阈值区间按照设备的健康等级预先划分为6个健康等级,分别为健康、亚健康、合格、异常、故障、严重故障,每个区间所对应的健康概率值范围分别为V1[0.95,1.0]、V2[0.90,0.95)、V3[0.85,0.90)、V4[0.80,0.85)、V5[0.70,0.80)、V6[0.60,0.70)。
其中,根据对所有评价指标的评价结果构造基于9度评分法的健康评价矩阵,以计算基层指标的先验概率和中间层、高层指标相对应的健康概率值,并将获取的健康概率值置于阈值区间进行比对。若目标设备的健康指标数值与标准值相差越远,则表明该设备健康状况属于此类标准的可能性越小,最终以最大概率原则确定目标设备的健康等级。
其中,健康评价矩阵可以视作为一种重要程度评判矩阵,其具体形式为:以各类客运设备为横轴,以各项指标为纵轴,确定某类设备对应的具体指标的概率值,如:确定自动售票机平均无障碍工作时间的重要程度概率为1/5,又如确定LED显示屏的失效度的重要程度概率为1/3等等。
进一步地,由于贝叶斯网络是一个有向无环图(Directed Acyclic Graph,DAG),由代表变量结点及连接这些结点有向边构成。结点代表随机变量,结点间的有向边代表了结点间的互相关系(由父结点指向其子结点),用条件概率进行表达关系强度,没有父结点的用先验概率进行信息表达。结点变量可以是任何问题的抽象,如:测试值,观测现象,意见征询等。适用于表达和分析不确定性和概率性的事件,应用于有条件地依赖多种控制因素的决策,可以从不完全、不精确或不确定的知识或信息中做出推理。
故本发明利用贝叶斯网络的特性,智能客站设备健康状况管理***结合智能客站设备功能、性能对设备进行合理分类,根据分类情况、设备重要性、设备具体性能指标等参数对智能客站设备进行健康状况指标划分,构建健康状况评价矩阵,对先验概率及故障在具体时间发生的概率进行计算,搭建智能客站设备健康状况的贝叶斯网络(Bayesiannetwork),再由所述贝叶斯网络结构得出上级节点的发生概率,即可以确定目标设备的健康概率值。
本发明提供的客站设备应用分析及健康状况评价方法,结合PHM理论,利用大数据分析平台实时分析采集到的实时状态信息,并根据设备的种类、等级不同划分处多个健康等级,结合人工智能算法建立用于健康评价的贝叶斯网络模型,对智能客站设备进行应用分析和健康状况评估,进而为设备的运维预测和故障趋势推演提供更加明确的划定维保时间节点,方便客运工作人员进行设备管理的同时也为客运作业指挥提供辅助决策支持,极大的提升了旅客出行满意度和客运作业效率。
基于上述实施例的内容,作为一种可选实施例,在获取所述目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果之后,还包括:结合列车运行计划数据,确定所述目标设备的设备健康状况以及针对所述目标设备的辅助决策建议;所述列车运行计划数据包括以下至少一项:列车运行状态数据、客运作业计划数据、设备管理计划数据;所述辅助决策建议包括以下至少一项:设备购置方案、设备管理计划、设备运维策略、设备节能环保措施、设备生产作业计划优化方案。
本发明提供的客站设备应用分析及健康状况评价方法,是通过获取到每个客站设备的健康状况动态评估结果,以确定设备维保的合适节点,并明确的制定在该维保节点内的维保内容,具体地:
在获取到各客站设备的健康指标计算和评估、故障趋势预测、运行状况推演、故障态势推演、剩余生命周期预测等结果之后,根据上述结果并结合列车运行状态基本情况、客运作业计划、设备管理计划等计划数据可为客运工作人员提供决策支持。
具体地,可以根据目标设备的健康状况,结合该目标设备的维保单位和供应商,给出对应评价。若评价对象为维保单位,则结合运营维保情况;若评价对象为供应商,可参考该供应商提供的其他设备的健康状况以及运行状况的大数据分析结果。从而为车站提供评价支持,确定后期是否采用该供应商或维保单位。
进一步地,本发明提供的客站设备应用分析及健康状况评价方法,在获取到各客站设备的健康指标计算和评估、故障趋势预测、运行状况推演、故障态势推演、剩余生命周期预测等结果之后,还可以对供应单位的产品质量、维保单位的服务质量按照设备类别进行针对性的评价,以便客运车站后期选取合格的供应商和维保单位。
其中,辅助决策手段可以包括:提供设备购置方案、设备管理计划、设备运维策略、设备节能环保措施、设备生产作业计划优化方案等。
需要说明的是,本发明对符合阈值范围的智能客站设备健康指标保持现有健康状况以及最近一次的评估结果和辅助决策建议,作为历史数据和下一次分析的比较标准。
例如:对于目前比较健康的设备(如达到V2及以上水平),则保持现有辅助决策手段(包括:客运作业计划安排、维修计划安排、设备使用部署情况等等)。
本发明提供的客站设备应用分析及健康状况评价方法,通过建立智能客站应用分析及健康状况评价***,解决了智能客站设备的评估和健康状况依赖人工巡检和评估无法得到及时、准确的评估结果和管理方案的问题,以及客运工作人员的客运作业指导和供应商、维保商选择评估问题,彻底改变了传统作业方式下设备检修不及时或检修频繁等造成的资源浪费,合理设置维保节点,直观展示实时运维状况,对智能客站设备的剩余生命周期和故障趋势甚至生产作业状况给出预测和分析,提高了客运作业人员的工作效率,大幅提升了旅客出行满意度和铁路客运车站的智能化水平。
基于上述实施例的内容,作为一种可选实施例,在确定所述目标设备的设备健康状况以及针对所述目标设备的辅助决策建议之后,还包括:利用车站三维数学模型、平面展示界面和查询终端中的至少一项,对所述设备健康状况以及所述辅助决策建议进行可视化展示;所述可视化展示的方式包括以下至少一项:图形、图表、列表、饼状图、柱状图、散点图、三维电子地图、鱼骨图、折线图、音频、视频。
本发明提供的客站设备应用分析及健康状况评价方法,在获取每个目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果之后,还包括对所获取的上述结果进行前端可视化展示,以便于客运生产作业人员及时、方便的获取到辅助决策和支持数据,包括:
结合车站三维数学模型、平面展示界面、查询终端等多种介质实现智能客站设备健康状况的可视化展示;
其中,展示方式包括但不限于:图形、图表、列表、饼状图、柱状图、散点图、三维电子地图、鱼骨图、折线图、音频、视频等多种展示方式。
基于上述实施例的内容,作为一种可选实施例,所述根据所述实时状态信息,对所述目标设备进行健康状况动态评估,包括:
基于人工智能分析方法,对所述实时状态信息进行健康状况动态评估;所述人工智能分析方法包括以下至少一项:KNN模型、SVM模型、TOPSIS方法。
本发明提供的健康状况动态评估具体为:智能客站设备健康状况管理***根据健康阈值范围的匹配结果评估智能客站设备健康状况,生成智能客站设备的健康评估结果、故障趋势预测、故障推演结果及剩余生命周期预估等。
其中,由大数据分析相关算法(如:决策树、贝叶斯等)对设备健康状况阈值匹配结果进行合理的数据分类和等级评价,之后借助如KNN、Gradient Boosting、SVM模型、TOPSIS等人工智能的处理手段对数据进行分析评价,模型可以根据设备运行状况数据和设备特点及具体分类选择适宜的模型和算法,从而得出智能客站设备健康指标计算和评估、故障趋势预测、运行状况推演、故障态势推演、剩余生命周期预测等结果,以上结果结合列车运行状态基本情况、客运作业计划、设备管理计划等计划数据可为客运工作人员提供决策支持。
此评价过程中要结合客运业务需要和旅客服务的业务要求,如:提供智能查询求助、站内智能接驳、故障预测、设备剩余生命周期预估、故障趋势推演、智能化排班、智能运维管理等。
此外,以上辅助决策建议还可以包含:对供应单位的产品质量、维保单位的服务质量按照设备类别进行针对性的评价,以便客运车站后期选取合格的供应商和维保单位。
需要说明的是,本发明对利用上述KNN、Gradient Boosting、SVM模型、TOPSIS等人工智能的处理手段对实时状态信息进行处理的具体方式不作具体的限定,但总体包括但不限于:根据实时状态信息的数据结构、数据形式以及分析的目标选择合适的处理手段。
图4是本发明实施例提供的客站设备应用分析及健康状况评价方法的流程示意图之二,如图4所示,整个应用分析及健康状况评价方法包括但不限于以下内容:
步骤1:客站设备健康状况管理数据引擎实时获取各个智能客站设备的实时状态信息,并进行存储及调用。
步骤2:智能客站设备健康状况管理***在后台,对获取到的任一实时状态信息进行数据预处理。
步骤3:智能客站设备健康状况管理***将处理后的数据进行状态监测,包括:根据客站设备的分类及使用情况和业务需求,将客站设备健康阈值范围划分为多个不同的区间(即多个健康概率值范围)。同时,获取每个待分析的目标设备的健康概率值。再见目标设备的健康概率值与上述划分出的多个健康概率值范围进行匹配,以获取到目标设备的健康匹配等级。
步骤4:将目标设备的健康匹配等级与预设健康等级阈值进行比较,若超过了预设健康等级阈值的阈值范围,则证明该目标设备的健康状态不达标;若未超过预设健康等级阈值的阈值范围,则证明该目标设备的健康状态良好,此时可以保持该设备的现有健康状况以及最近一次的评估结果和辅助决策的建议,并进入步骤7。
步骤5:在确定目标设备的健康状态不达标时,健康状况管理***则对该目标设备进行健康状况动态评估,包括获取目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果。
步骤6:在获取到目标设备的健康状况动态评估的结果之后,智能客站设备健康状态管理***根据该结果,利用人工智能方法给出相应地辅助决策建议。
步骤7:结合前段分析,展示上述健康状态评估结果以及上述辅助决策建议,以供车站工作人员及时采取相应的处理。
基于上述实施例的内容,作为一种可选实施例,在通过数据引擎获取客站内目标设备相关的实时状态信息之前,还包括:
通过客站设备健康状况管理***的内部、外部接口,利用数据采集终端,分别实时获取各内部***设备的运行状况信息,和各外部***设备的运行状况信息;
将所述内部***设备的运行状况信息和所述外部***设备的运行状况信息上传至所述数据引擎;
所述内部***设备包括以下至少一项:旅客服务与生产管控平台、铁路客票发售与预订***、客运设备管理信息***、客运管理***、铁路运输调度管理***;
所述外部***设备包括以下至少一项:楼宇自动化***与火灾报警***中的电梯、空调、照明、风机。
图5是本发明提供的实时状态信息获取的流向示意图,如图5所示,智能客站设备健康状况管理***的数据引擎,实时获取各智能客站设备的实时状态信息,包括:
分别通过智能客站设备健康状况管理***的内部接口、外部接口,借助客运车站部署的传感器、红外探测仪、摄像头等数据采集终端,获取旅客服务与生产管控平台、铁路客票发售与预订***(TRS,Railway Ticketing and Reservation System)、客运设备管理信息***、客运管理***、铁路运输调度管理***(TDMS)等内部***的显示屏、广播接口机、拾音器、查询机、视频监控摄像头、自动售检票终端、进站检票闸机等设备的运行状况信息;以及获取楼宇自动化***(BAS)、火灾报警***(FAS)等外部***的电梯、空调、照明、风机等设备的实时运行状态数据,并上传至智能客站设备健康状况管理数据引擎。
其中,智能客站设备的运行状况信息可以包括:检票闸机、自动售票机、自助验票终端等设备的每日正常运行状态日志、故障日志、维保工单、维保日志、设备硬件配置情况以及旅客服务与生产管控平台、TRS、客运设备管理信息***、客运管理***、TDMS等***的后台操作日志以及***日志和故障日志,甚至包括具体设备的供货信息以及供应商、维保商的供货、维保服务记录等设备运行相关数据。
本发明提供的客站设备应用分析及健康状况评价方法,通过数据引擎调用的方式,实现对于整个客站设备健康状况管理***中所有客站设备相关的实时状态信息的实时采集和汇总,为客站设备应用分析及健康状况评价提供了数据基础,有效地保证了数据分析的全面性和可靠性。
基于上述实施例的内容,作为一种可选实施例,在所述根据所述实时状态信息,确定所述目标设备的健康概率值之前,还包括:
对实时状态信息进行一次预处理;基于主成份分析法,对一次预处理后的所述实时状态信息进行特征提取,并对特征提取后的所述实时状态信息进行状态分类;对状态分类后的实时状态信息进行二次预处理;一次预处理包括以下至少一项:清洗、集成、变换、归约;二次预处理包括以下至少一项:清洗、标准化、归一化。
图6是本发明提供的实时状态信息预处理的方法示意图,如图6所示,由于数据引擎仅仅用于数据的收集,但由于整个客站设备健康状况管理***中涉及的客站设备繁多,且每个客站设备相关的实时状态信息有可能是通过不同的采集设备所采集的,且由于所采集的实时状态信息中还包括较多的无用干扰信息以及存在明显错误的信息,故本发明提供的客站设备应用分析及健康状况评价方法,在获取到客站设备相关的实时状态信息后,还包括数据预处理的过程,包括:
对获取的实时状态信息先进行清洗、集成、变换、归约等一次预处理;然后,通过主成份分析(Principal Component Analysis,PCA)方法对预处理后的数据进行特征提取;然后,根据提取特征后的数据状态信息进行状态分类,并对分类后的数据进行再次清洗和标准化、归一化等二次预处理,最终得到有效的智能客站设备相关的实时状态信息。
图7是本发明提供的客站设备应用分析及健康状况评价***的结构示意图之一,如图7所示,包括但不限于:设备状态采集模块701、数据分析处理模块702、状态分析模块703以及健康状态评估及辅助分析模块704。
设备状态采集模块701主要用于通过数据引擎获取客站内目标设备相关的实时状态信息;数据分析处理模块702主要用于根据所述实时状态信息,确定所述目标设备的健康概率值;状态分析模块703主要用于根据所述健康概率值,确定所述目标设备的健康匹配等级;健康状态评估及辅助分析模块704在所述健康匹配等级低于预设健康等级阈值的情况下,用于根据所述实时状态信息,对所述目标设备进行健康状况动态评估,以获取所述目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果;所述预设健康等级阈值越大,所述目标设备的健康状况越正常。
图8是本发明提供的客站设备应用分析及健康状况评价***的结构示意图之二,如图8所示,本发明提供的智能客站设备应用分析及健康状况评价***,主要包括:设备状态采集模块701,主要用于实时状态采集607;状态分析模块703,主要用于实时状态分析以及应用情况评估;数据分析处理模块702,主要用于进行数据预处理、数据特征提取、数据样本分类、标准化处理等;健康状况评估及辅助分析模块704,主要用于包评价指标的构建、健康指标的评估、供应商的评价、辅助决策的分析等。
本发明提供的智能客站设备应用分析及健康状况评价***,还可以包括:应用分析及辅助决策展示模块705,主要用于执行应用分析展示以及辅助决策展示等。
本发明提供的客站设备应用分析及健康状况评价***,能解决传统作业方式下设备检修不及时或检修频繁等造成的资源浪费问题,通过合理的设置维保节点,对智能客站设备的剩余生命周期、故障趋势以及生产作业状况给出预测和分析,提高了客运作业人员的工作效率,大幅提升了旅客出行满意度和铁路客运车站的智能化水平。
需要说明的是,本发明实施例提供的客站设备应用分析及健康状况评价***,在具体执行时,可以基于上述任一实施例所述的客站设备应用分析及健康状况评价方法来实现,对此本实施例不作赘述。
图9是本发明提供的电子设备的结构示意图,如图9所示,该电子设备可以包括:处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940,其中,处理器910,通信接口920,存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令,以执行客站设备应用分析及健康状况评价方法,该方法包括:通过数据引擎获取客站内目标设备相关的实时状态信息;根据实时状态信息,确定目标设备的健康概率值;根据健康概率值,确定目标设备的健康匹配等级;在健康匹配等级低于预设健康等级阈值的情况下,根据实时状态信息,对目标设备进行健康状况动态评估,以获取目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果;所述预设健康等级阈值越大,目标设备的健康状况越正常。
此外,上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的客站设备应用分析及健康状况评价方法,该方法包括:通过数据引擎获取客站内目标设备相关的实时状态信息;根据实时状态信息,确定目标设备的健康概率值;根据健康概率值,确定目标设备的健康匹配等级;在健康匹配等级低于预设健康等级阈值的情况下,根据实时状态信息,对目标设备进行健康状况动态评估,以获取目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果;所述预设健康等级阈值越大,目标设备的健康状况越正常。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的客站设备应用分析及健康状况评价方法,该方法包括:通过数据引擎获取客站内目标设备相关的实时状态信息;根据实时状态信息,确定目标设备的健康概率值;根据健康概率值,确定目标设备的健康匹配等级;在健康匹配等级低于预设健康等级阈值的情况下,根据实时状态信息,对目标设备进行健康状况动态评估,以获取目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果;所述预设健康等级阈值越大,目标设备的健康状况越正常。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种客站设备应用分析及健康状况评价方法,其特征在于,包括:
通过数据引擎获取客站内目标设备相关的实时状态信息;
根据所述实时状态信息,确定所述目标设备的健康概率值;
根据所述健康概率值,确定所述目标设备的健康匹配等级;
在所述健康匹配等级低于预设健康等级阈值的情况下,根据所述实时状态信息,对所述目标设备进行健康状况动态评估,以获取所述目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果;
所述预设健康等级阈值越大,所述目标设备的健康状况越正常。
2.根据权利要求1所述的客站设备应用分析及健康状况评价方法,其特征在于,所述根据所述实时状态信息,确定所述目标设备的健康概率值,包括:
基于客站内所有设备的功能及性能,对所有客站设备进行分类,构建健康状况评价指标体系;
确定健康等级的划分方式,包括确定各不同健康等级的健康概率值范围;
基于9度评分法,结合所述健康状况评价指标体系、分类结果以及不同健康等级的健康概率值范围,创建健康评价矩阵;
基于所述健康评价矩阵,计算所述健康状况评价指标体系中基层指标的先验概率以及各中间层指标、各高层指标的相对概率,创建用于指标评价的贝叶斯网络;
利用所述贝叶斯网络,根据所述目标设备相关的实时状态信息,确定所述目标设备的健康概率值。
3.根据权利要求1所述的客站设备应用分析及健康状况评价方法,其特征在于,在获取所述目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果之后,还包括:
结合列车运行计划数据,确定所述目标设备的设备健康状况以及针对所述目标设备的辅助决策建议;
所述列车运行计划数据包括以下至少一项:列车运行状态数据、客运作业计划数据、设备管理计划数据;
所述辅助决策建议包括以下至少一项:设备购置方案、设备管理计划、设备运维策略、设备节能环保措施、设备生产作业计划优化方案。
4.根据权利要求3所述的客站设备应用分析及健康状况评价方法,其特征在于,在确定所述目标设备的设备健康状况以及针对所述目标设备的辅助决策建议之后,还包括:
利用车站三维数学模型、平面展示界面和查询终端中的至少一项,对所述设备健康状况以及所述辅助决策建议进行可视化展示;
所述可视化展示的方式包括以下至少一项:图形、图表、列表、饼状图、柱状图、散点图、三维电子地图、鱼骨图、折线图、音频、视频。
5.根据权利要求1所述的客站设备应用分析及健康状况评价方法,其特征在于,所述根据所述实时状态信息,对所述目标设备进行健康状况动态评估,包括:
基于人工智能分析方法,对所述实时状态信息进行健康状况动态评估;
所述人工智能分析方法包括以下至少一项:KNN模型、SVM模型、TOPSIS方法。
6.根据权利要求1所述的客站设备应用分析及健康状况评价方法,其特征在于,在通过数据引擎获取客站内目标设备相关的实时状态信息之前,还包括:
通过客站设备健康状况管理***的内部、外部接口,利用数据采集终端,分别实时获取各内部***设备的运行状况信息,和各外部***设备的运行状况信息;
将所述内部***设备的运行状况信息和所述外部***设备的运行状况信息上传至所述数据引擎;
所述内部***设备包括以下至少一项:旅客服务与生产管控平台、铁路客票发售与预订***、客运设备管理信息***、客运管理***、铁路运输调度管理***;
所述外部***设备包括以下至少一项:楼宇自动化***与火灾报警***中的电梯、空调、照明、风机。
7.根据权利要求1所述的客站设备应用分析及健康状况评价方法,其特征在于,在所述根据所述实时状态信息,确定所述目标设备的健康概率值之前,还包括:
对所述实时状态信息进行一次预处理;
基于主成份分析法,对一次预处理后的所述实时状态信息进行特征提取,并对特征提取后的所述实时状态信息进行状态分类;
对状态分类后的所述实时状态信息进行二次预处理;
所述一次预处理包括以下至少一项:清洗、集成、变换、归约;
所述二次预处理包括以下至少一项:清洗、标准化、归一化。
8.一种客站设备应用分析及健康状况评价***,其特征在于,包括:
设备状态采集模块,用于通过数据引擎获取客站内目标设备相关的实时状态信息;
数据分析处理模块,用于根据所述实时状态信息,确定所述目标设备的健康概率值;
状态分析模块,用于根据所述健康概率值,确定所述目标设备的健康匹配等级;
健康状态评估及辅助分析模块,在所述健康匹配等级低于预设健康等级阈值的情况下,用于根据所述实时状态信息,对所述目标设备进行健康状况动态评估,以获取所述目标设备的健康评估结果、故障趋势预测结果、故障推演结果及剩余生命周期预估结果;
所述预设健康等级阈值越大,所述目标设备的健康状况越正常。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述客站设备应用分析及健康状况评价方法步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述客站设备应用分析及健康状况评价方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110198378.7A CN112884325A (zh) | 2021-02-22 | 2021-02-22 | 一种客站设备应用分析及健康状况评价方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110198378.7A CN112884325A (zh) | 2021-02-22 | 2021-02-22 | 一种客站设备应用分析及健康状况评价方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112884325A true CN112884325A (zh) | 2021-06-01 |
Family
ID=76056884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110198378.7A Pending CN112884325A (zh) | 2021-02-22 | 2021-02-22 | 一种客站设备应用分析及健康状况评价方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112884325A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723827A (zh) * | 2021-09-01 | 2021-11-30 | 山东大学 | 地铁机电设备运行风险诊断及运维管控方法与*** |
CN114240155A (zh) * | 2021-12-17 | 2022-03-25 | 中国工商银行股份有限公司 | 机房设备健康度的评估方法、装置、计算机设备 |
CN114267178A (zh) * | 2021-12-30 | 2022-04-01 | 佳都科技集团股份有限公司 | 一种车站的智能运营维护方法及装置 |
CN114298616A (zh) * | 2022-03-11 | 2022-04-08 | 西南石油大学 | 设备健康状态评估方法、装置和计算机设备 |
CN114997554A (zh) * | 2022-03-21 | 2022-09-02 | 湖北文理学院 | 复杂机械设备健康状况的评估方法、装置和存储介质 |
CN115352493A (zh) * | 2022-08-26 | 2022-11-18 | 交控科技股份有限公司 | 全线车载控制器***健康度计算方法及装置 |
CN115481929A (zh) * | 2022-10-17 | 2022-12-16 | 四川大学华西医院 | 改造措施效度评估方法、装置、终端设备及存储介质 |
CN115658799A (zh) * | 2022-10-18 | 2023-01-31 | 日本电产(韶关)有限公司 | 生产数据显示方法以及*** |
CN116187864A (zh) * | 2023-04-20 | 2023-05-30 | 北京达净科技有限公司 | 一种客运服务分析与调度方法、***和管控平台 |
CN116342111A (zh) * | 2023-05-30 | 2023-06-27 | 中汽信息科技(天津)有限公司 | 一种基于大数据的汽车配件智能交易方法及*** |
CN117236931A (zh) * | 2023-10-12 | 2023-12-15 | 罗麦(北京)营养食品研究有限公司 | 一种设备管理方法与计算机设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617110A (zh) * | 2013-11-11 | 2014-03-05 | 国家电网公司 | 服务器设备状态检修*** |
CN104638764A (zh) * | 2015-01-22 | 2015-05-20 | 国家电网公司 | 配网设备状态智能诊断和检修*** |
CN104992270A (zh) * | 2015-06-19 | 2015-10-21 | 国家电网公司 | 输变电设备状态检修辅助决策***及方法 |
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台*** |
CN111160685A (zh) * | 2019-09-23 | 2020-05-15 | 上海安恪企业管理咨询有限公司 | 一种基于设备综合健康状况分析和管理的维修决策方法 |
CN111401583A (zh) * | 2020-03-18 | 2020-07-10 | 北京天泽智云科技有限公司 | 基于预测性维护的自动扶梯全生命周期健康管理*** |
CN111817880A (zh) * | 2020-06-17 | 2020-10-23 | 安徽创米信息技术有限公司 | 一种油气田生产设备健康管理***以及实现方法 |
CN112152698A (zh) * | 2020-09-24 | 2020-12-29 | 中国科学院空天信息创新研究院 | 一种遥感卫星地面站健康监控***及方法 |
-
2021
- 2021-02-22 CN CN202110198378.7A patent/CN112884325A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617110A (zh) * | 2013-11-11 | 2014-03-05 | 国家电网公司 | 服务器设备状态检修*** |
CN104638764A (zh) * | 2015-01-22 | 2015-05-20 | 国家电网公司 | 配网设备状态智能诊断和检修*** |
CN104992270A (zh) * | 2015-06-19 | 2015-10-21 | 国家电网公司 | 输变电设备状态检修辅助决策***及方法 |
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台*** |
CN111160685A (zh) * | 2019-09-23 | 2020-05-15 | 上海安恪企业管理咨询有限公司 | 一种基于设备综合健康状况分析和管理的维修决策方法 |
CN111401583A (zh) * | 2020-03-18 | 2020-07-10 | 北京天泽智云科技有限公司 | 基于预测性维护的自动扶梯全生命周期健康管理*** |
CN111817880A (zh) * | 2020-06-17 | 2020-10-23 | 安徽创米信息技术有限公司 | 一种油气田生产设备健康管理***以及实现方法 |
CN112152698A (zh) * | 2020-09-24 | 2020-12-29 | 中国科学院空天信息创新研究院 | 一种遥感卫星地面站健康监控***及方法 |
Non-Patent Citations (4)
Title |
---|
夏景辉;陈昌进;曲泽超;张振;: "地铁站台门***设备健康管理研究与应用", 都市快轨交通, no. 01 * |
宾光富;李学军;DHILLON BALBIR-S;楚万文;: "基于模糊层次分析法的设备状态***量化评价新方法", ***工程理论与实践, no. 04 * |
王福忠;李媛媛;韩素敏;史鹏飞;: "基于模糊综合评价的矿用提升机电气传动***状态评估", 电力***保护与控制, no. 09 * |
程刚等: "基于模糊贝叶斯网络的高原铁路站客运服务质量评价研究", 铁道运输与经济, vol. 41, no. 12, pages 59 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723827B (zh) * | 2021-09-01 | 2023-09-15 | 山东大学 | 地铁机电设备运行风险诊断及运维管控方法与*** |
CN113723827A (zh) * | 2021-09-01 | 2021-11-30 | 山东大学 | 地铁机电设备运行风险诊断及运维管控方法与*** |
CN114240155A (zh) * | 2021-12-17 | 2022-03-25 | 中国工商银行股份有限公司 | 机房设备健康度的评估方法、装置、计算机设备 |
CN114267178A (zh) * | 2021-12-30 | 2022-04-01 | 佳都科技集团股份有限公司 | 一种车站的智能运营维护方法及装置 |
CN114267178B (zh) * | 2021-12-30 | 2023-09-26 | 佳都科技集团股份有限公司 | 一种车站的智能运营维护方法及装置 |
CN114298616A (zh) * | 2022-03-11 | 2022-04-08 | 西南石油大学 | 设备健康状态评估方法、装置和计算机设备 |
CN114298616B (zh) * | 2022-03-11 | 2022-05-06 | 西南石油大学 | 设备健康状态评估方法、装置和计算机设备 |
CN114997554A (zh) * | 2022-03-21 | 2022-09-02 | 湖北文理学院 | 复杂机械设备健康状况的评估方法、装置和存储介质 |
CN114997554B (zh) * | 2022-03-21 | 2024-03-12 | 湖北文理学院 | 复杂机械设备健康状况的评估方法、装置和存储介质 |
CN115352493A (zh) * | 2022-08-26 | 2022-11-18 | 交控科技股份有限公司 | 全线车载控制器***健康度计算方法及装置 |
CN115352493B (zh) * | 2022-08-26 | 2024-04-26 | 交控科技股份有限公司 | 全线车载控制器***健康度计算方法及装置 |
CN115481929B (zh) * | 2022-10-17 | 2023-11-24 | 四川大学华西医院 | 改造措施效度评估方法、装置、终端设备及存储介质 |
CN115481929A (zh) * | 2022-10-17 | 2022-12-16 | 四川大学华西医院 | 改造措施效度评估方法、装置、终端设备及存储介质 |
CN115658799B (zh) * | 2022-10-18 | 2023-08-15 | 尼得科电机(韶关)有限公司 | 生产数据显示方法以及*** |
CN115658799A (zh) * | 2022-10-18 | 2023-01-31 | 日本电产(韶关)有限公司 | 生产数据显示方法以及*** |
CN116187864A (zh) * | 2023-04-20 | 2023-05-30 | 北京达净科技有限公司 | 一种客运服务分析与调度方法、***和管控平台 |
CN116342111B (zh) * | 2023-05-30 | 2023-08-29 | 中汽信息科技(天津)有限公司 | 一种基于大数据的汽车配件智能交易方法及*** |
CN116342111A (zh) * | 2023-05-30 | 2023-06-27 | 中汽信息科技(天津)有限公司 | 一种基于大数据的汽车配件智能交易方法及*** |
CN117236931A (zh) * | 2023-10-12 | 2023-12-15 | 罗麦(北京)营养食品研究有限公司 | 一种设备管理方法与计算机设备 |
CN117236931B (zh) * | 2023-10-12 | 2024-03-12 | 罗麦(北京)营养食品研究有限公司 | 一种设备管理方法与计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112884325A (zh) | 一种客站设备应用分析及健康状况评价方法及*** | |
CN116862199A (zh) | 基于大数据和云计算的建筑施工优化*** | |
RU2540830C2 (ru) | Адаптивное дистанционное обслуживание подвижных составов | |
CN109905885B (zh) | 一种确定巡检基站列表的方法以及巡检装置 | |
CN114267178B (zh) | 一种车站的智能运营维护方法及装置 | |
CN109544399B (zh) | 基于多源异构数据的输电设备状态评价方法及装置 | |
CN111310803B (zh) | 环境数据处理方法和装置 | |
CN111222784A (zh) | 一种基于人口大数据的安防监控方法和*** | |
CN109491339B (zh) | 一种基于大数据的变电站设备运行状态预警*** | |
CN108288019B (zh) | 一种城市轨道交通预防性维修对象识别方法及装置 | |
CN108763966B (zh) | 一种尾气检测作弊监管***及方法 | |
CN112800910A (zh) | 一种通讯机房维护作业效能评估方法及*** | |
CN113627784A (zh) | 一种基于工业互联网的企业资产管理智能决策*** | |
CN115953186A (zh) | 一种网约车需求模式识别与短时需求预测方法 | |
CN117439256A (zh) | 一种基于物联网的电站设备管理方法及*** | |
CN114912678A (zh) | 电网调控异常操作在线自动检测预警方法及*** | |
CN109409563B (zh) | 一种公交运营车辆实时人数的分析方法、***和存储介质 | |
CN111348535A (zh) | 轨道交通车站中使用的扶梯的健康状态监测***及方法 | |
CN114493238A (zh) | 供电服务风险预测方法、***、存储介质及计算机设备 | |
CN117114175B (zh) | 基于北斗定位技术实现外贸货物交付计划的预测方法 | |
CN117408487A (zh) | 一种充电站运行管理方法、***、终端设备及存储介质 | |
CN112837201A (zh) | 一种精准数据驱动的资源配置智能化*** | |
CN114419894B (zh) | 一种路内停车泊位设置与使用监测的方法与*** | |
KR102489119B1 (ko) | 스마트 고장형태 영향분석 시스템 및 이를 이용한 공정관리 시스템 및 방법 | |
KR20230109491A (ko) | 기상상황에 따른 위해개소 및 고장원인 예측 방법과 예측 시스템 |
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 |