轨道交通基础设施多模态诊断的模型调度与数据处理方法与流程
本发明涉及轨道安全,尤其涉及一种轨道交通基础设施多模态诊断的模型调度与数据处理方法。
背景技术:
1、轨道交通基础设施多模态诊断场景下,通用边缘云架构存在的“算不动、传不完、用不了”的工程落地难题。具体表现为直接采用较高精度的诊断模型对轨道运行状态数据进行全量分析,虽然较高精度的诊断模型具有较高的诊断准确率和精细度,相应也会占用较大的算力资源,对轨道运行状态数据进行全量高精度分析,则会大幅降低诊断效率以及需要巨大的算力资源,进而存在“算不动”的问题。同时,由于较高精度的诊断模型需要占用较大的算力资源,导致其无法直接在数据采集设备上运行,需要数据采集设备将轨道运行状态数据全量传输给边缘计算节点,因此存在“传不完”的问题,进一步降低诊断效率。以及,较高精度的诊断模型并非每时每刻都可以被运行,因此有时会存在“用不了”的问题。
2、综上所述,在轨道交通基础设施多模态诊断场景下,目前的通用边缘云架构存在诊断效率低下、对算力资源要求高以及有时无法被执行等问题,导致实用性差难以落地。
技术实现思路
1、本发明提供一种轨道交通基础设施多模态诊断的模型调度与数据处理方法,用以解决目前的通用边缘云架构存在诊断效率低下、对算力资源要求高以及有时无法被执行的缺陷。
2、第一个方面,本发明提供一种轨道交通基础设施多模态诊断的模型调度与数据处理方法,包括:
3、采集并轻量化预处理轨道运行状态数据以生成轻量化特征向量;
4、调用轻量筛查模型对所述轻量化特征向量进行检测,得到疑似故障事件以及对应的异常检测概率;
5、当所述异常检测概率大于第一阈值时,通过预构建的调度知识库确定目标高精度诊断子模型以及运维约束参数,所述调度知识库存储有轨道典型的故障事件与诊断需求的先验映射关系,所述目标高精度诊断模型为满足所述疑似故障事件的诊断需求的高精度诊断模型;
6、根据所述异常检测概率、所述疑似故障事件、所述运维约束参数以及所述目标高精度诊断子模型的加载条件判断是否加载所述目标高精度诊断子模型,以对所述疑似故障事件进行诊断,所述高精度诊断子模型在未被加载时处于休眠状态。
7、根据本发明提供的一种轨道交通基础设施多模态诊断的模型调度与数据处理方法,所述轨道交通基础设施多模态诊断的模型调度与数据处理方法应用于云-边-端三级架构,所述云-边-端三级架构由上至下依次包括云端调度中心、边缘计算层和所述终端感知层;
8、所述终端感知层包括若干组感知设备,不同组所述感知设备部署于轨道沿线的不同区域从而分别采集并轻量化预处理不同区域的轨道运行状态数据;
9、所述边缘计算层包括若干边缘计算节点,不同所述边缘计算节点部署于轨道沿线的不同区域从而分别检测不同区域的所述轻量化特征向量以及诊断不同区域的所述疑似故障事件;
10、所述云端调度中心用于协调不同边缘计算节点之间的计算资源。
11、根据本发明提供的一种轨道交通基础设施多模态诊断的模型调度与数据处理方法,所述疑似故障事件由事件语义特征表征,所述事件语义特征包括类型标识、严重程度和影响范围。
12、根据本发明提供的一种轨道交通基础设施多模态诊断的模型调度与数据处理方法,所述运维约束参数包括网络负载阈值、算力利用率阈值、运营窗口期和维修资源可用性。
13、根据本发明提供的一种轨道交通基础设施多模态诊断的模型调度与数据处理方法。
14、根据本发明提供的一种轨道交通基础设施多模态诊断的模型调度与数据处理方法,所述目标高精度诊断子模型的加载条件根据所述疑似故障事件的诊断需求确定以及具体包括加载所需算力和加载所需带宽。
15、根据本发明提供的一种轨道交通基础设施多模态诊断的模型调度与数据处理方法,所述诊断需求包括算法复杂度、数据模态、响应时效。
16、根据本发明提供的一种轨道交通基础设施多模态诊断的模型调度与数据处理方法,根据所述疑似故障事件、所述运维约束参数以及所述目标高精度诊断子模型的加载条件判断是否加载所述目标高精度诊断子模型由对应的边缘计算节点执行且具体包括:
17、计算所述目标高精度诊断子模型的加载分数:
18、;
19、其中,为所述异常检测概率,为所述疑似故障事件的严重程度,表示当前是否处于所述运营窗口期,若是则,否则,为所述维修资源可用性,和分别为所述边缘计算节点的当前网络负载和当前算力利用率,和分别为所述网络负载阈值和所述算力利用率阈值,和分别为所述目标高精度诊断子模型的加载所需算力和加载所需带宽,和分别为所述边缘计算节点的当前可用算力和当前可用带宽,、、、、、、、分别为不同的决策权重;
20、当所述加载分数大于第二阈值时加载所述目标高精度诊断子模型,否则不加载。
21、第二个方面,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第一个方面所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法。
22、第三个方面,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如上述第一个方面所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法。
23、第四个方面,本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述第一个方面所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法。
24、与现有技术相比,本发明具有以下有益效果:
25、本发明提供的轨道交通基础设施多模态诊断的模型调度与数据处理方法,首先对轨道运行状态数据进行轻量化预处理得到轻量化特征向量,从而降低了轨道运行状态数据的传输量;其次采用轻量筛查模型对轻量化特征向量进行全量初步检测,只需要占用较少的计算资源,能够在绝大部分系统正常运行的时间内,避免启动高功耗、高开销的高精度诊断模型;然后为疑似故障事件精准匹配高精度诊断模型,实现了从“通用模型”到“专用模型”的转变,提高了诊断的针对性和准确性;最后综合决策是否调用目标高精度诊断模型对疑似故障事件进行高精度诊断,综合决策全面考虑了疑似故障事件本身及其异常检测概率以及运维约束和目标高精度诊断模型的增加条件,每次确保高精度模型的加载均是合适的,而非为每一个疑似故障事件均加载高精度模型,进一步提高了算力资源利用率以及模型加载稳定性。因此,在轨道交通基础设施多模态诊断场景下,上述技术方案解决了目前的通用边缘云架构存在诊断效率低下、对算力资源要求高以及有时无法被执行等问题。
1.一种轨道交通基础设施多模态诊断的模型调度与数据处理方法,其特征在于,包括:
2.根据权利要求1所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法,其特征在于,所述轨道交通基础设施多模态诊断的模型调度与数据处理方法应用于云-边-端三级架构,所述云-边-端三级架构由上至下依次包括云端调度中心、边缘计算层和所述终端感知层;
3.根据权利要求2所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法,其特征在于,所述疑似故障事件由事件语义特征表征,所述事件语义特征包括类型标识、严重程度和影响范围。
4.根据权利要求3所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法,其特征在于,所述运维约束参数包括网络负载阈值、算力利用率阈值、运营窗口期和维修资源可用性。
5.根据权利要求4所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法,其特征在于,所述目标高精度诊断子模型的加载条件根据所述疑似故障事件的诊断需求确定以及具体包括加载所需算力和加载所需带宽。
6.根据权利要求5所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法,其特征在于,所述诊断需求包括算法复杂度、数据模态、响应时效。
7.根据权利要求5所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法,其特征在于,根据所述疑似故障事件、所述运维约束参数以及所述目标高精度诊断子模型的加载条件判断是否加载所述目标高精度诊断子模型由对应的边缘计算节点执行且具体包括:
8.一种电子设备,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程序时实现如权利要求1至7任一项所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法。
9.一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任一项所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法。
10.一种计算机程序产品,包括计算机程序,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任一项所述的轨道交通基础设施多模态诊断的模型调度与数据处理方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com