CN114018321A - 一种动车组防寒打温远程自动在线监测***和方法 - Google Patents
一种动车组防寒打温远程自动在线监测***和方法 Download PDFInfo
- Publication number
- CN114018321A CN114018321A CN202111242893.7A CN202111242893A CN114018321A CN 114018321 A CN114018321 A CN 114018321A CN 202111242893 A CN202111242893 A CN 202111242893A CN 114018321 A CN114018321 A CN 114018321A
- Authority
- CN
- China
- Prior art keywords
- temperature
- data
- motor train
- train unit
- warming
- 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
- 238000010792 warming Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 238000012806 monitoring device Methods 0.000 claims abstract description 73
- 230000008859 change Effects 0.000 claims abstract description 56
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 230000002776 aggregation Effects 0.000 claims abstract description 7
- 238000004220 aggregation Methods 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 47
- 238000004891 communication Methods 0.000 claims description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 27
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 26
- 238000005065 mining Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000009413 insulation Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 241000271559 Dromaiidae Species 0.000 claims 1
- 238000010438 heat treatment Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 11
- 238000012937 correction Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000007710 freezing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明提供了一种动车组防寒打温远程自动在线监测***和方法。包括:现场在线监测装置,通过多种类型的无线网络连接数据中心***,通过传感器现场采集动车组设备、车厢内和外界环境的温度数据;数据中心***,用于利用数据汇聚模块接收现场在线监测装置发送的数据,并存储在数据库中;防寒打温优化***,利用数据库内的多维数据挖掘动车组温度变化规律,建立动车组温度预测模型,预测动车组温度设定时间内的变化曲线,将预测到的动车温度与设定临界温度进行比较,若预测温度低于临界温度,则发出打温预警。本发明可以对不同季节的车内温度与环境温度间的变化规律进行挖掘和提取,满足保证动车打温质量和构建节能型打温的统一。
Description
技术领域
本发明涉及动车组状态监测技术领域,尤其涉及一种动车组防寒打温远程自动在线监测***和方法。
背景技术
我国高速铁路发展迅速,高速动车组数量越来越多。由于整备作业库容量有限,大部分动车组在完成日常作业后,在室外进行存放。我国北方大部分地区冬季的平均气温在0℃以下。动车组停放在环境温度低于0℃时,内部供水***和管路设备易受冻坏。中国国家铁路集团的各个运输企业都在每年11月到次年3月,在动车组的运用所和停车场,配置人员进行打温工作。现有的动车组防寒打温维护工作主要采用根据人工经验的定时打温方式,或者人工手持测温计对动车室内温度间隔测量,根据测量结果进行打温作业。由于打温方式依据经验或者间隔测温,没有适用的现场在线监测装置,常常出现欠打温和过打温,对运行状态产生影响或浪费严重,对动车升温和降温规律无法掌握。
目前对动车组打温工作主要根据经验或者间隔测量温度,对工作人员依赖性大。打温工作一般发生在后半夜,不但测量人员易发生疲劳,而且打温工作易发生欠打温和过打温的状况,欠打温会影响动车组安全;过打温浪费大量电能。动车组防寒打温缺少现场在线监测装置、方法和***,亟需动车组温度的自动测量装置、方法和***。
现有技术中的一种动车组防冻预热监控方法包括:远程温度采集装置采集动车组温度,并实时把采集到的动车组温度通过GPRS(General packet radio service,通用无线分组业务)传送至数据中心云服务器。数据中心云服务器接收到动车组温度和属性信息后,首先将动车组温度与设定的阈值进行比对,若动车组温度大于阈值,则数据中心云服务器记录远程温度采集装置的位置信息、所属动车组编号、动车组温度和传送时间;若动车组温度小于阈值,则数据中心云服务器发送预警信息至云终端,同时记录远程温度采集装置的位置信息、所属动车组编号、动车组温度和传送时间;然后,数据中心云服务器通过云终端对动车组送电进行预热防冻。
上述现有技术中的一种动车组防冻预热监控方法的缺点为:该方案只采用单一的GPRS通信方式,无法适应多样的现场条件,每个测温装置有运行成本。仅依靠阈值判定进行安排打温工作,无法得知车辆温度随环境温度的变化规律,无法对温度进行预测,无法实现节能型打温。
发明内容
本发明的实施例提供了一种动车组防寒打温远程自动在线监测***和方法,以实现对动车组防寒打温进行有效地远程监测。
为了实现上述目的,本发明采取了如下技术方案。
根据本发明的一个方面,提供了一种动车组防寒打温远程自动在线监测***,其特征在于,包括:现场在线监测装置、数据中心***和防寒打温优化***;
所述的现场在线监测装置,用于通过多种类型的无线网络连接数据中心***,通过传感器现场采集动车组的设备、车厢内和外界环境的温度数据,将采集的温度数据通过无线网络传输给数据中心***;
所述的数据中心***,用于利用数据汇聚模块接收现场在线监测装置发送的数据,并将其存储在服务器的数据库中,利用网络发布软件发布相关监测结果,通过浏览器实时查看动车温度信息及其变化曲线;
所述的防寒打温优化***,用于利用数据库内的多维数据挖掘动车组温度变化规律,建立动车组温度预测模型,利用动车组温度预测模型预测动车组温度设定时间内的变化曲线,将预测到的动车温度与设定临界温度进行比较,若预测温度低于临界温度,则发出打温示警。
优选地,所述的现场在线监测装置包括:
数据通信模块,用于通过GPRS、NB-IoT和LoRa无线网络连接数据中心***,根据各种无线网络信号强度的优劣自动切换其中一种无线网络来连接数据中心***,通过模拟开关方式实现切换通信模块接口并改变传输方式;
车厢温湿度监测装置,用于采集车厢内温度和湿度数据,将采集的数据通过无线网络传输给数据中心***;
环境监测装置,用于采集环境温度、湿度和风速数据,将采集的数据通过无线网络传输给数据中心***;
水箱和集便器温度采集传输装置,用于采集装置采集动车水箱和集便器外表皮的温度数据,将采集的数据通过无线网络传输给数据中心***。
优选地,所述的数据中心***包括:
数据服务器:用于存放在线监测设备获取的各类数据;动车组打温***的数据汇聚程序、数据处理程序、数据挖掘程序、温度预测程序、打温提醒程序等;
数据接收装置:根据不同的数据通信方法,数据接收模块是可选用的;采用NBIOT和GPRS,则不需要数据接收装置;采用LoRa通信,需要数据接收装置。
优选地,所述的环境监测装置包括微处理器、风速传感器、温度传感器、湿度传感器、电源模块、存储器、通信模块、显示器及按键;
所述的车厢温湿度监测装置包括微处理器、温度传感器、湿度传感器、电源模块、存储器、通信模块、显示器及按键;
所述的水箱和集便器温度检测装置包括微处理器、温度传感器、湿度传感器、外置型温度传感器、电源模块、存储器、通信模块、显示器及按键,所述外置型温度传感器封装在水箱、集便器的保温结构中。
优选地,所述的车厢温湿度监测装置在动车头尾车厢的窗边各放置一个;
所述环境监测装置的户外环境温度监测点选择动车组两侧且距离动车一定距离的地段,且应保证温度传感器不接地,暴露在空气中,风速传感器与车窗齐高;
所述水箱和集便器温度监测装置的放置点包括车底水箱表皮和集便器表面。
优选地,所述的数据中心***,用于以Apache作为Web服务器软件,向打温人员提供历史数据查询、实时温度展示、阈值设置和联系人设置,实时查看动车温度变化曲线和实时温度信息。
根据本发明的另一个方面,提供了一种动车组防寒打温规律挖掘和打温优化方法,应用于所述的***,所述方法包括:
现场在线监测装置通过多种类型的无线网络连接数据中心***,通过传感器现场采集动车组的车厢内和外界环境的温度数据,将采集的温度数据通过无线网络传输给数据中心***和***;
所述数据中心***将现场在线监测装置传输过来的温度数据存储在数据库中,利用网络发布软件发布相关监测结果,通过浏览器实时查看动车温度信息及其变化曲线;
所述防寒打温优化***用于利用数据库内的多维数据挖掘动车组温度变化规律,建立动车组温度预测模型,利用动车组温度预测模型预测动车组温度设定时间内的变化曲线,将预测到的动车温度与设定临界温度进行比较,若预测温度低于临界温度,则发出打温示警;通过浏览器实时查看动车温度信息及其变化曲线。
优选地,所述方法还包括:
所述防寒打温优化***利用数据库内的多维数据,利用MATLAB对不同季节的车内温度与环境温度间的变化规律进行挖掘和建模,挖掘环境温度、风速、湿度等变量对动车组温度的影响通过拟合温度变化曲线确定多元时间序列模型参数,得到环境温度、风速、湿度等变量对动车组温度的影响变化规律,建立具有在线学习功能的动车组温度预测模型;
利用所述动车组温度预测模型根据历史温度信息自动更新参数,合理预测出动车组设定时间内的温度变化曲线,并结合监控人员设置的临界阈值,提前对打温人员进行打温预警。
预测动车温度1小时内的变化曲线,并将预测到的动车温度与所设置临界温度进行比较,若动车1小时内的预测温度低于临界温度,提前通过报警电话、报警短信和微信小程序方式对打温人员示警,并告知打温人员需要打温的车辆信息;调度室通过浏览器登录***,实时查看动车温度变化曲线和实时温度信息。
优选地,所述现场在线监测装置通过专线APN连接企业内部网与数据中心的汇聚模块数据中心的汇聚模块通信,在动车段使用的采集传输装置和数据中心的汇聚模块之间构成一条无线虚拟专网通道;现场在线监测装置的微处理器监听从数据中心的汇聚模块数据中心的汇聚模块传回的信息,根据传回的信息更新自身状态;现场在线监测装置的微处理器每隔一定时间通过AT指令查询当前使用通信模块的信号强度,若信号强度过低,则通过数字控制模拟开关更换通信模块接口。
由上述本发明的实施例提供的技术方案可以看出,本发明可根据现场信号环境自动地切换上述三种通信方式,以保证设备数据的正常传输。***的数据处理、规律挖掘(方法)、温度预测(方法)更加适合构建节能型打温***。对温度数据进行处理,对不同季节的车内温度与环境温度间的变化规律进行挖掘和提取,并以此为依据,对温度变化趋势进行预测。满足保证动车打温质量和构建节能型打温的统一。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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为本发明实施例提供的一种车组防寒打温远程自动监测***的结构图;
图2为本发明实施例提供的一种环境温度采集传输装置的结构图;
图3为本发明实施例提供的一种动车温度采集传输装置的结构图;
图4为本发明实施例提供的一种水箱和集便器温度采集传输装置的结构图;
图5为本发明实施例提供的一种通信模块接口示意图;
图6为本发明实施例提供的一种现场在线监测装置的工作流程图;
图7为本发明实施例提供的一种数据中心***的工作流程图;
图8为本发明实施例提供的一种整个动车组防寒打温远程自动监测***的工作流程图;
图9为本发明实施例提供的一种整个动车组防寒打温远程自动监测***的工作流程;
图10为本发明实施例提供的一种环境温度、设备温度、时间的三维瀑布图;
图11为本发明实施例提供的一种设备温度与时间的曲线示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
动车组防寒打温是为了防止动车组在环境温度0℃以下,内部供水***和管路设备受冻而损坏动车的状态,让动车上电加温的过程。本发明实施例通过兼容多种传输方式与实现各种传输方式间的自由转换,实现了可适用于各种通信基础设施条件下的动车组温度数据的采集和传输。开发了能够自动对采集温度数据进行处理,并挖掘其中规律,能对温度变化趋势进行预测的打温***。对需要打温的动车组提前预警,实现了动车组节能型、能够根据不同季节规律的打温***。
本发明实施例的***采用GPRS传输数据,也用到数据服务器。但是本发明实施例的***相比现有技术通信方式更加多样,能够适合我国各地的基础设施条件。本发明采用的无线通信方式包括:
GPRS是通用分组无线业务(General Packet Radio service),是远距离数据通信方式,适用于间断的、突发性的、频繁的、少量的数据传输。
窄带物联网NB-IoT(Narrow Band Internet of Things,NB-IoT),低功耗远距离通信,适合物联网应用,覆盖能力强,增加20db信号增益;超低功耗;连接数量大;成本低。
LoRa(Long Range)是低功耗广域网LPWAN(Low power wide-area network)通信技术中的一种,具有传输距离长、超低功耗、连接容量大等优点。LoRa主要在全球免费频段运行,包括433、868、915MHz等。LoRa采用直接序列扩频获得较高的信号增益,采用前向纠错编码技术,传输数据中加入冗余,能够抵抗多径衰落,保证传输的可靠性。采用LoRa技术,对应的服务器装置包括LoRa接收装置和服务器。
本发明实施例提供的一种动车组防寒打温远程自动监测***的结构如图1所示,包括现场在线监测装置、数据中心***和防寒打温优化***。
现场在线监测装置主要实现动车组现场设备和车厢温度的采集和传输。现场在线监测装置均使用微处理器为核心,接入传感器、存储芯片及GPRS、NB-IoT数据传输模块。现场在线监测装置具有数据采集、无线长距离通信、数据处理、数据存储和异常预警等功能。现场在线监测装置包括三类:动车温度采集传输装置、水箱和集便器温度采集传输装置、环境温度采集传输装置。环境温度采集传输装置采集环境温度、湿度、风速等信息;动车温度采集传输装置采集车厢内温度、湿度等信息;水箱和集便器温度采集传输装置采集动车水箱和集便器外表皮的温度信息。考虑到现场信号条件的多样性,以上三类装置均采用多种混合传输方式。现场在线监测装置用GPRS、NB-IoT、LoRa等多种传输方式,根据信号强度的差异,自动切换其中一种通信方式;或者事先测试可用的无线传输信号的强弱,确定一种无线传输方案。
数据中心***通过数据汇聚模块接收现场在线监测装置采集到的数据。数据中心***的数据汇聚模块,根据所用的无线传输方式的不同,可以是硬件接收装置,也可以是软件汇聚模块。
防寒打温优化***装载动车组防寒打温***的软件,要实现数据接收和汇聚、数据处理、规律挖掘、温度预测和打温预警等。
本发明的两个主要方法包括规律挖掘方法和温度预测方法。规律挖掘方法由防寒打温优化***通过拟合温度变化曲线,确定多元时间序列模型参数,得到温度变化规律,该温度变化规律包括不同环境温度、湿度和风速下,打温提升或下降一度需要的时间。温度预测方法具有在线学习功能,可以根据历史温度信息自动更新参数,合理预测出动车组1小时内的温度变化曲线,并结合监控人员设置的临界阈值,提前1小时对打温人员进行打温预警。
防寒打温优化***通过数据汇聚、数据解析、规律挖掘、温度预测、数据存储、数据展示完成数据分析,对不同季节的车内温度与环境温度间的变化规律进行挖掘和建模,得到温度变化规律和温度预测模型。以此为依据,对动车组的温度变化趋势进行预测,将预测的温度与设置的临界温度进行对比,提前通知打温人员,实现打温预警。数据中心***采用B/S结构,用户可以方便查看存储在数据库中的各项数据及实时曲线。
图2为本发明实施例提供的一种环境温度采集传输装置的结构图,环境温度采集传输装置是以微处理器为核心,包括风速传感器、温度传感器、湿度传感器、电源模块、存储器、通信模块、显示器及按键。
图3为本发明实施例提供的一种动车温度采集传输装置的结构图,动车温度采集传输装置是以微处理器为核心,包括温度传感器、湿度传感器、电源模块、存储器、通信模块、显示器及按键。
图4为本发明实施例提供的一种水箱和集便器温度采集传输装置的结构图,水箱和集便器温度采集传输装置是以微处理器为核心,包括温度传感器、湿度传感器、外置型温度传感器、电源模块、存储器、通信模块、显示器及按键。外置型温度传感器可以封装在水箱、集便器的保温结构中,更加准确地监测水箱、集便器外表皮的温度变化。
以上三类现场在线监测装置均采用GPRS、NB-IoT、LoRa等多种传输方式,根据信号强度的差异,自动切换其中一种通信方式。现场在线监测装置微处理器通过向无线模块传输AT(Attention)指令的方式检测当前通信方式的信号强度,若信号强度低于设定阈值,则更换传输方式。
图5为本发明实施例提供的一种通信模块接口示意图,通信模块接口的切换传输方式是由模拟开关方式实现的,当现场在线监测装置检测到GPRS、NBIOT均不能正常工作时,将使用LoRa通信方式。LoRa通信方式通过LoRa模块进行实现。
LoRa模块包括LoRa芯片和天线接口,LoRa模块分为两部分:一部分为LoRa管理通道,负责LoRa节点申请入网、新接入的LoRa节点的地址分配;另一部分为LoRa通信通道,获得地址分配的LoRa节点通过通信通道发送和接收数据。LoRa通信信道可以有多个,采用不同的频率传输数据。
LoRa组网方式采用终端、中继器和集中器的模式,现场在线监测装置为LoRa终端,当超出LoRa传输范围时,通过其他现场在线监测装置转做中继器的方式进行中继传输,通过集中器进行上传到以太网。
本***主要结构为现场在线监测装置和数据中心***两层结构。现场在线监测装置的主要工作是采集数据、发送数据和超限报警等;数据中心***主要功能为数据处理、规律挖掘、温度预测和打温预警等。
现场在线监测装置分三类,但工作原理基本一致,在下文中统一介绍。
图6为本发明实施例提供的一种现场在线监测装置的工作流程图,正常状态下,现场在线监测装置定时采集数据,然后判断当前温度是否超限,若没有超限则进行数据发送。若连接中断,则装置先将当前时间存入,再将后面的数据按次序存入存储器中,待人工导出或再次建立连接重新发送。
APN设置是用户通过GPRS或NB-IOT连接以太网必须配置的一个参数。它决定了用户通过什么方式来访问移动网络。APN由两部分组成,APN网络标识以及APN运营者标识。前者是由网络运行商分配给公司的,与固定Internet域名一致,可通过其接入某公司的企业网,是APN的必选组成部分;后者是标识设备所归属网络,一般用来区分2G/3G/4G/NB-IOT等归属网络,是APN的可选组成部分。
发送数据时,现场在线监测装置通过专线APN(Access Point Name,接入点名称)连接企业内部网与数据中心的汇聚模块数据中心的汇聚模块通信,从而在动车段使用的采集传输装置和数据中心的汇聚模块数据中心的汇聚模块网络之间构成一条无线虚拟专网通道,解决了动车段的内部网络安全性及数据私密性的要求。同时,现场在线监测装置的微处理器监听从数据中心的汇聚模块数据中心的汇聚模块传回的信息,如时间更新信息、阈值改变命令、发送间隔改变命令、设备编号改变命令等,然后根据传回的信息更新自身状态。
关于现场在线监测装置自动切换通信方式的工作原理如下:现场在线监测装置的微处理器每隔一定时间通过AT(Attention)指令查询当前使用通信模块的信号强度,若信号强度过低,则通过数字控制模拟开关更换通信模块接口。
现场在线监测装置的部署安排为:第1环境温度监测装置至第N环境温度监测装置、第1动车温度监测装置至第M动车温度监测装置、第1水箱和集便器温度采集传输装置至第L水箱和集便器温度采集传输装置通过网络与数据中心的汇聚模块数据中心的汇聚模块建立连接。其中,N取动车监测数量,可酌情减少,但至少为一;M取两倍动车监测数量,可根据实际情况增减;L取四倍动车监测数量,可根据实际情况增减。
环境温度监测装置在户外环境温度监测点应选择动车组两侧且距离动车一定距离的地段,且应保证温度传感器不接地,完全暴露在空气中,风速传感器与车窗齐高以稳定测量风速。
动车温度监测装置可在动车头尾车厢的窗边各放置一个,但需保持温度传感器悬空。按调研及实验验证,动车车内温度最低点一般在头尾车厢靠窗位置,也可根据实际情况增添动车温度监测装置。
在水箱和集便器温度采集传输装置的放置点应有车底水箱表皮和集便器表面等。对于不同的监测点应符合动车安全要求,并且尽可能使传感器靠近被测物体,以避免其他因素造成干扰。
图7为本发明实施例提供的一种数据中心***的工作流程图。数据中心***采用B/S结构,以LabVIEW搭建后台处理软件,将数据存入MySQL数据库,实现数据处理和打温预警功能,并利用MATLAB对不同季节的车内温度与环境温度间的变化规律进行挖掘和建模,实现规律挖掘和温度预测等功能;以Apache作为Web服务器软件,向打温人员提供历史数据查询、实时温度展示、阈值设置、联系人设置等功能。打温人员通过手机或电脑登陆网页即可查询;或通过微信小程序查询;或通过集群电话通知。
图8为本发明实施例提供的一种整个动车组防寒打温数据中心***规律挖掘与温度预测的工作流程,包括如下的处理过程:
防寒打温优化***利用数据库内的多变量时间序列数据,挖掘环境温度、风速、湿度等变量对动车组温度的影响。利用时间序列模型拟合动车组温度变化曲线,根据方差估计和误差平方和最小的原则,确定模型阶数和参数,选取优化的模型作为车内温度变化的预测模型。
同时,模型具有在线学习功能,根据新的数据自动更新模型参数,可以得到不同季节的车内温度的变化规律,通过模型计算准确得到1小时内温度变化值。
图9为本发明实施例提供的一种整个动车组防寒打温远程自动监测***的工作流程,包括如下的处理过程:
由现场在线监测装置采集数据后,通过无线传输给数据中心***和防寒打温优化***进行解析和存储,实现数据处理功能。
基于动车组温度预测模型,预测动车温度1小时内的变化曲线,并将预测到的动车温度与所设置临界温度进行比较。若动车1小时内的预测温度低于临界温度,将提前通过报警电话、报警短信和微信小程序等方式对打温人员示警,并告知打温人员需要打温的车辆信息,以便于打温人员能及时到达动车组车辆进行打温。同时,调度室也可通过浏览器登录***,实时查看动车温度变化曲线和实时温度信息,全面地掌握动车整体情况。
防寒打温优化***根据环境温度、风速、湿度等变量对动车组温度的影响变化规律为非线性函数,利用二次函数表示,具体公式如下式所示:
T设(t)=a0+a1*T环(t)+a2*T环 2(t)+b1*v(t)+b2*v2(t)+c1*H(t)+c2*H2(t)+ε
式中,T设(t)为t时刻动车组设备或车厢内温度;T环(t)为t时刻的环境温度;v(t)为t时刻的风速;H(t)为t时刻的环境湿度值;a0、a1、a2、b1、b2、c1、c2为各变量的权数;ε为修正量。动车组温度值、环境温度、风速、湿度等信息通过现场监测装置实时采集得到。a0、a1、a2、b1、b2、c1、c2权数计算采用多元回归分析,利用多项式回归计算得到。修正量ε通过计算实际值与预测值的差值得到,随现场采集实时信息而更新,因此规律公式具有在线学习的功能。
因风速、湿度对在设备温度计算公式中权数较小,故做忽略处理。因环境温度均为大惯性时间常数,故在工程上认为其在短时间内不会发生改变,为一常数。由此可以根据环境温度、设备温度、时间画出如图10所示的三维瀑布图。
打温工作的调度人员可以在确定环境温度后,可以唯一确定设备温度与时间的曲线,如图11所示。同时,工作人员根据设备当前温度对应的t1及打温阈值温度对应的t2,可以直接通过曲线估算出降温的大概时间t1-t2,以提前做好调度安排。
所述防寒打温优化***基于动车组温度预测模型,动车组温度预测模型是基于采集到的温度时间序列数据,以当前时刻t及之前的n个时刻的温度数据,预测下一时刻t+Δt的温度,动车组温度预测具体公式如下:
T设(t+Δt)=m0+m1T设(t)+m2T设(t-Δt)+…+mn+1T设(t-nΔt)
式中,m0为修正值,根据实际温度对预测结果进行的必要修正;m1,…,mn+1为历史温度值的权数。
首先,通过滤波方法将采集到的温度数据进行去噪处理,得到真实的温度数据。然后,鉴于温度惯性较大,采用时间序列预测法中的加权移动平均法,运用过去的温度时间序列数据进行统计分析,推测出温度的发展趋势。加权移动平均法计算公式如下:
式中,Yi为第i期实际值;Xi为第i期的权数,权数的和等于1;n为本期数。
最后,根据加权移动平均法得到下一时刻的温度预测值,并不断计算预测值与实际值的平均差值,利用平均差值对预测值进行修正,最终得到动车组温度预测公式。
综上所述,本发明实施例通过采用GPRS、NBIOT和LoRa三种通信方式并存的方式,提高了装置对不同信号环境的适应性。通过采用多元时间序列模型预测动车温度变化趋势,可以更好地调度打温工作人员和控制打温时间。
1)现场在线监测装置具有多种类型的通信方式,包括GPRS、NB-IoT、4G-LTE,能够适应不同网络环境下的数据传输。装置结构设计可裁剪,一个装置根据不同需求安装不同模块;可以监测具有电伴热装置的设备。***也具有预测超限提醒功能。当动车温度预达到预设温度时能够直接向打温人员手机发送报警短信、微信提醒,便于打温人员及时进行打温工作。
2)发明的两类方法:动车组设备温度随环境温度的升降规律的数据挖掘方法、动车组温度变化的预测方法,能够使打温工作从经验实施到方法指导的跨越,基于现场在线监测装置的两类方法是实质性进步的重要体现。
3)防寒打温优化***:能够从现场监测设备中汇聚数据,利用本方明的两类方法,得到温度在一小时后的预测值,根据预测值调度打温人员。***还能够得到不同环境温度下的动车组设备温度变化规律。打温***也是实质性进步的重要体现。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。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)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或***实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及***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劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种动车组防寒打温远程自动在线监测***,其特征在于,包括:现场在线监测装置、数据中心***和防寒打温优化***;
所述的现场在线监测装置,用于通过多种类型的无线网络连接数据中心***,通过传感器现场采集动车组的设备、车厢内和外界环境的温度数据,将采集的温度数据通过无线网络传输给数据中心***;
所述的数据中心***,用于利用数据汇聚模块接收现场在线监测装置发送的数据,并将其存储在服务器的数据库中,利用网络发布软件发布相关监测结果,通过浏览器实时查看动车温度信息及其变化曲线;
所述的防寒打温优化***,用于利用数据库内的多维数据挖掘动车组温度变化规律,建立动车组温度预测模型,利用动车组温度预测模型预测动车组温度设定时间内的变化曲线,将预测到的动车温度与设定临界温度进行比较,若预测温度低于临界温度,则发出打温预警。
2.根据权利要求1所述的***,其特征在于,所述的现场在线监测装置包括:
数据通信模块,用于通过GPRS、NB-IoT和LoRa无线网络连接数据中心***,根据各种无线网络信号强度的优劣自动切换其中一种无线网络来连接数据中心***,通过模拟开关方式实现切换通信模块接口并改变传输方式;
车厢温湿度监测装置,用于采集车厢内温度和湿度数据,将采集的数据通过无线网络传输给数据中心***;
环境监测装置,用于采集环境温度、湿度和风速数据,将采集的数据通过无线网络传输给数据中心***;
水箱和集便器温度采集传输装置,用于采集装置采集动车水箱和集便器外表皮的温度数据,将采集的数据通过无线网络传输给数据中心***。
3.根据权利要求1所述的***,其特征在于,所述的数据中心***包括:
数据服务器:用于存放在线监测设备获取的各类数据;动车组打温***的数据汇聚程序、数据处理程序、数据挖掘程序、温度预测程序、打温提醒程序等;
数据接收装置:根据不同的数据通信方法,数据接收模块是可选用的;采用NBIOT和GPRS,则不需要数据接收装置;采用LoRa通信,需要数据接收装置。
4.根据权利要求1所述的***,其特征在于,
所述的环境监测装置包括微处理器、风速传感器、温度传感器、湿度传感器、电源模块、存储器、通信模块、显示器及按键;
所述的车厢温湿度监测装置包括微处理器、温度传感器、湿度传感器、电源模块、存储器、通信模块、显示器及按键;
所述的水箱和集便器温度检测装置包括微处理器、温度传感器、湿度传感器、外置型温度传感器、电源模块、存储器、通信模块、显示器及按键,所述外置型温度传感器封装在水箱、集便器的保温结构中。
5.根据权利要求4所述的***,其特征在于,所述的车厢温湿度监测装置在动车头尾车厢的窗边各放置一个;
所述环境监测装置的户外环境温度监测点选择动车组两侧且距离动车一定距离的地段,且应保证温度传感器不接地,暴露在空气中,风速传感器与车窗齐高;
所述水箱和集便器温度监测装置的放置点包括车底水箱表皮和集便器表面。
6.根据权利要求1所述的***,其特征在于,所述的数据中心***,用于以Apache作为Web服务器软件,向打温人员提供历史数据查询、实时温度展示、阈值设置和联系人设置,实时查看动车温度变化曲线和实时温度信息;采用B/S结构,以LabVIEW搭建后台处理软件,将数据存入数据库,实现数据处理和打温预警功能。
7.一种动车组防寒打温规律挖掘和打温优化方法,其特征在于,应用于权利要求1至6任一项所述的***,所述方法包括:
现场在线监测装置通过多种类型的无线网络连接数据中心***,通过传感器现场采集动车组的车厢内和外界环境的温度数据,将采集的温度数据通过无线网络传输给数据中心***和***;
所述数据中心***将现场在线监测装置传输过来的温度数据存储在数据库中,利用网络发布软件发布相关监测结果,通过浏览器实时查看动车温度信息及其变化曲线;
所述防寒打温优化***用于利用数据库内的多维数据挖掘动车组温度变化规律,建立动车组温度预测模型,利用动车组温度预测模型预测动车组温度设定时间内的变化曲线,将预测到的动车温度与设定临界温度进行比较,若预测温度低于临界温度,则发出打温示警;通过浏览器实时查看动车温度信息及其变化曲线。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
所述防寒打温优化***利用数据库内的多维数据,利用MATLAB对不同季节的车内温度与环境温度间的变化规律进行挖掘和建模,挖掘环境温度、风速、湿度等变量对动车组温度的影响通过拟合温度变化曲线确定多元时间序列模型参数,得到环境温度、风速、湿度等变量对动车组温度的影响变化规律,建立具有在线学习功能的动车组温度预测模型;
利用所述动车组温度预测模型根据历史温度信息自动更新参数,合理预测出动车组设定时间内的温度变化曲线,并结合监控人员设置的临界阈值,提前对打温人员进行打温预警。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
所述防寒打温优化***基于动车组温度预测模型,预测动车温度1小时内的变化曲线,并将预测到的动车温度与所设置临界温度进行比较,若动车1小时内的预测温度低于临界温度,提前通过报警电话、报警短信和微信小程序方式对打温人员示警,并告知打温人员需要打温的车辆信息;调度室通过浏览器登录***,实时查看动车温度变化曲线和实时温度信息。
10.根据权利要求9所述的方法,其特征在于,所述现场在线监测装置通过专线APN连接企业内部网与数据中心的汇聚模块数据中心的汇聚模块通信,在动车段使用的采集传输装置和数据中心的汇聚模块之间构成一条无线虚拟专网通道;现场在线监测装置的微处理器监听从数据中心的汇聚模块数据中心的汇聚模块传回的信息,根据传回的信息更新自身状态;现场在线监测装置的微处理器每隔一定时间通过AT指令查询当前使用通信模块的信号强度,若信号强度过低,则通过数字控制模拟开关更换通信模块接口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111242893.7A CN114018321A (zh) | 2021-10-25 | 2021-10-25 | 一种动车组防寒打温远程自动在线监测***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111242893.7A CN114018321A (zh) | 2021-10-25 | 2021-10-25 | 一种动车组防寒打温远程自动在线监测***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114018321A true CN114018321A (zh) | 2022-02-08 |
Family
ID=80057539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111242893.7A Pending CN114018321A (zh) | 2021-10-25 | 2021-10-25 | 一种动车组防寒打温远程自动在线监测***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114018321A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030020541A (ko) * | 2001-09-01 | 2003-03-10 | (주)이노시스경보기 | 차량의 온도센서 이용장치 및 그 방법 |
CN104018975A (zh) * | 2014-05-28 | 2014-09-03 | 梁东 | 内燃机车打温控制***及其控制方法 |
EP2805862A1 (en) * | 2013-04-26 | 2014-11-26 | Hitachi Ltd. | Traction system for railway vehicles and railway vehicles where the system is equipped |
CN110930673A (zh) * | 2019-12-02 | 2020-03-27 | 上海宝钢工业技术服务有限公司 | 智能无线温湿度监测器的双通讯自动切换***及方法 |
CN111417085A (zh) * | 2020-04-30 | 2020-07-14 | 青岛科技大学 | 一种整备场内燃机车无线温度便携采集终端及温度监控*** |
CN111845865A (zh) * | 2020-06-08 | 2020-10-30 | 中国铁路郑州局集团有限公司郑州动车段 | 动车组防冻预热监控方法及其*** |
CN112644523A (zh) * | 2020-12-07 | 2021-04-13 | 青岛四方庞巴迪铁路运输设备有限公司 | 轨道车辆水箱防冻排空控制方法 |
CN114018132A (zh) * | 2021-10-25 | 2022-02-08 | 北京交通大学 | 一种数显弧度测量装置 |
-
2021
- 2021-10-25 CN CN202111242893.7A patent/CN114018321A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030020541A (ko) * | 2001-09-01 | 2003-03-10 | (주)이노시스경보기 | 차량의 온도센서 이용장치 및 그 방법 |
EP2805862A1 (en) * | 2013-04-26 | 2014-11-26 | Hitachi Ltd. | Traction system for railway vehicles and railway vehicles where the system is equipped |
CN104018975A (zh) * | 2014-05-28 | 2014-09-03 | 梁东 | 内燃机车打温控制***及其控制方法 |
CN110930673A (zh) * | 2019-12-02 | 2020-03-27 | 上海宝钢工业技术服务有限公司 | 智能无线温湿度监测器的双通讯自动切换***及方法 |
CN111417085A (zh) * | 2020-04-30 | 2020-07-14 | 青岛科技大学 | 一种整备场内燃机车无线温度便携采集终端及温度监控*** |
CN111845865A (zh) * | 2020-06-08 | 2020-10-30 | 中国铁路郑州局集团有限公司郑州动车段 | 动车组防冻预热监控方法及其*** |
CN112644523A (zh) * | 2020-12-07 | 2021-04-13 | 青岛四方庞巴迪铁路运输设备有限公司 | 轨道车辆水箱防冻排空控制方法 |
CN114018132A (zh) * | 2021-10-25 | 2022-02-08 | 北京交通大学 | 一种数显弧度测量装置 |
Non-Patent Citations (1)
Title |
---|
闫优俊: "基于多元非线性回归算法的动车组变压器温度预测研究", 《控制与信息技术》, no. 1, 5 February 2021 (2021-02-05), pages 91 - 94 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108343844B (zh) | 一种多参数模块化油气管道安全监测***及方法 | |
CN102343922B (zh) | 基于无线传感器网络的高速铁路道岔振动特性在线监测*** | |
CN108173929A (zh) | 中低速磁浮列车基于trdp协议的无线上传和专家诊断*** | |
CN107972695A (zh) | 一种物联网轨道车辆车轴健康状态智能监测管理***装置 | |
CN106814676A (zh) | 楼宇能耗监控和管理的***、方法和装置 | |
CN108128322A (zh) | 一种基于物联网的轨道车辆车轴健康状态智能监测方法 | |
CN111190375B (zh) | 一种用于水电站设备的智能监控***与监控方法 | |
CN111426345A (zh) | 分布式电缆沟道环境监测***、方法、计算机设备 | |
CN207128911U (zh) | 一种铁路轨道监测*** | |
CN107380201A (zh) | 基于广域网与局域网车轴健康状态监测方法及监测*** | |
CN102880115A (zh) | 一种基于物联网的数控机床远程协作诊断*** | |
CN104796937A (zh) | 一种基于移动机器人的无线传感器网络节点故障巡检方法 | |
CN203053480U (zh) | 基于无线传感网络的桥梁安全监测及预警*** | |
CN112003938B (zh) | 一种市政工程施工现场远程管理*** | |
CN105242649B (zh) | 一种用于通讯基站的能效监控及节能***的实现方法 | |
CN108415347A (zh) | 一种耗能综合管控*** | |
CN209783646U (zh) | 一种基于多参量融合传感的钢轨受力状态监测*** | |
CN102223408A (zh) | 基于无线传感器网络的能耗实时监测及节能管理*** | |
CN101806925A (zh) | 铁路接触网霜冻预测 | |
CN110689688A (zh) | 基于北斗通讯的铁路沿线滑坡实时监测*** | |
CN104539628A (zh) | 基于ZigBee的设备监控***及其监控方法 | |
CN114018321A (zh) | 一种动车组防寒打温远程自动在线监测***和方法 | |
CN111353767B (zh) | 一种土壤修复场站冗余监控管理*** | |
CN103754238A (zh) | 轨道车辆门控器运行信息远程集中采集装置及采集方法 | |
CN204697112U (zh) | 一种基于无线记录和执行的物联网*** |
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 |