一种基于数据分析的轨道交通车辆检修管理方法及系统与流程

摘要: 本发明属于轨道交通车辆检修管理,具体来说,涉及一种基于数据分析的轨道交通车辆检修管理方法及系统。背景技术:1、轨道交通系统作为城市群与都市圈交通网络的核心组成部...
一种基于数据分析的轨道交通车辆检修管理方法及系统与流程

本发明属于轨道交通车辆检修管理,具体来说,涉及一种基于数据分析的轨道交通车辆检修管理方法及系统。

背景技术:

1、轨道交通系统作为城市群与都市圈交通网络的核心组成部分,承担着城际旅客快速运输的重要职能。城际轨道交通车辆检修管理是指通过制定维修计划、执行状态监测与组织维修作业,保障车辆运行安全与可用性的全过程。近年来,基于数据分析的检修管理方法通过采集车辆运行数据与环境数据,利用数据挖掘与模式识别技术,在故障预警与维修策略优化方面取得了显著进展,有效提升了车辆维保效率并降低了运维成本。

2、现有数据分析方法主要依赖于城际车辆运行期间采集的实时监测数据,通过预设阈值与规则库实现异常判断与故障报警。在常规运行环境下,此类方法能够满足基本的车辆维保需求。但在高湿热沿海的特殊环境中,城际车辆部件在运行期间因设备发热呈现数据正常假象,而故障原因如盐雾沉积发生于运行过程,故障演变如凝露形成发生于休止时段,故障表现如绝缘击穿发生于次日送电时刻,导致故障原因、演变过程与故障表现在时间轴上完全分离,形成数据采集盲区与因果错位问题。

3、现有技术的缺陷在于,缺乏对休止时段状态演变的反演能力,也无法建立累积性损伤与触发条件的关联模型,难以识别此类跨越运行期与休止期的隐蔽性故障风险,导致在特殊环境下车辆维保预警准确率显著下降。

技术实现思路

1、针对轨道交通车辆检修管理现有数据分析方法缺乏对休止时段状态演变的反演能力,也无法建立累积性损伤与触发条件的关联模型,难以识别此类跨越运行期与休止期的隐蔽性故障风险,导致在特殊环境下车辆维保预警准确率显著下降的问题,本发明提供了一种基于数据分析的轨道交通车辆检修管理方法及系统。

2、为实现上述技术目的,本发明采用的技术方案如下:

3、一种基于数据分析的轨道交通车辆检修管理方法,包括步骤:

4、s1、采集高湿热沿海地区的车辆运行数据、车辆运行环境数据、部件历史状态数据和虚拟传感器数据,并计算错位性影响估计值;

5、s2、提取错位性影响估计值所对应车辆部件的虚拟传感器数据,识别周期风险时段并确定主动风险时段;

6、s3、以错位性影响估计值与主动风险时段作为输入特征构建决策二叉树,标记交叉转换点;

7、s4、根据交叉转换点划分车辆部件寿命区间,以维修成本与设备可用性加权指标优化并输出当前运营环境推荐维修周期。

8、进一步地,步骤s1的详细步骤包括:

9、以车辆运行数据中异常运行数据与车辆运行环境数据中异常环境数据作为初始分析数据对,记录每个初始分析数据对中异常运行时刻与异常环境时刻;

10、将相同的异常运行时刻与异常环境时刻中所对应初始分析数据对标记为瞬时关联数据对;

11、针对每个瞬时关联数据对,提取部件历史状态数据中瞬时关联数据对所对应时刻前后预设时间窗口内的部件状态变化量序列,提取虚拟传感器数据中瞬时关联数据对所对应时刻前后预设时间窗口内的模拟状态变化量序列,对部件状态变化量序列与模拟状态变化量序列进行时间对齐。

12、进一步地,所述部件状态变化量序列与模拟状态变化量序列进行时间对齐,包括:

13、逐时刻比较部件状态变化量序列与模拟状态变化量序列的差异绝对值,若两者差异绝对值小于预设一致性阈值,则将对应时刻标记为一致时刻,若两者差异绝对值大于等于预设一致性阈值,则将对应时刻标记为不一致时刻并记录时刻差异值;

14、统计预设时间窗口内不一致时刻的数量以及每个不一致时刻对应的时刻差异值,将时刻差异值累加获得不一致偏离总量,将数量与预设时间窗口总时刻数的比值作为不一致时刻占比;

15、将不同的异常运行时刻与异常环境时刻中所对应初始分析数据对标记为错位性候选数据对。

16、进一步地, 所述将不同的异常运行时刻与异常环境时刻中所对应初始分析数据对标记为错位性候选数据对,包括:

17、针对每个错位性候选数据对,提取异常运行时刻与异常环境时刻的时间差,调取与错位性候选数据对故障类型相同的瞬时关联数据对的不一致偏离总量与不一致时刻占比,以不一致偏离总量与不一致时刻占比的乘积作为影响强度基准,将影响强度基准与时间差相乘获得错位性影响估计值。

18、进一步地,步骤s2的详细步骤包括:

19、对虚拟传感器数据按照车辆运行周期进行划分,每个车辆运行周期包含一次完整的运行时段与一次完整的休止时段;

20、在每个车辆运行周期内,以虚拟传感器数据中的部件状态模拟曲线作为输入,识别部件状态模拟曲线在休止时段内呈现单调变化且变化幅度超过预设变化阈值的时段,并标记为周期风险时段。

21、进一步地,所述标记为周期风险时段,包括:

22、统计连续n个车辆运行周期的周期风险时段长度,计算相邻两个车辆运行周期之间周期风险时段长度的差值;

23、若连续n个差值均为正值,则判定周期风险时段长度持续增加;

24、若连续n个差值均为负值,则判定周期风险时段长度持续缩短;

25、将判定为持续增加或持续缩短之后的下一个车辆运行周期及后续各车辆运行周期的周期风险时段标记为主动风险时段;

26、将主动风险时段作为检修管理输入,制定针对错位性影响估计值所对应车辆部件的检查计划。

27、进一步地,所述制定针对错位性影响估计值所对应车辆部件的检查计划,包括:

28、根据主动风险时段涉及的车辆部件及风险特征制定专项检测计划,所述专项检测计划包括测量标准区域或增强区域的污染程度、承载件的微裂纹深度和防护项目的绝缘性能值。

29、进一步地,步骤s3的详细步骤包括:

30、所述错位性影响估计值用于衡量故障原因发生时刻与故障表现发生时刻在时间轴上的分离程度,错位是指故障的根本原因与故障最终表现发生在不同时间点,两者之间存在时间间隔;

31、所述主动风险时段用于衡量盲区内风险演变的持续性与周期性特征,周期风险时段长度持续增加或持续缩短代表盲区内风险水平持续升高,盲区是指故障演变过程发生在数据采集系统监测范围之外的时间段或物理维度上,导致运行期间采集的数据呈现正常假象而实际隐患已累积;

32、将每个车辆部件在各车辆运行周期中计算得到的错位性影响估计值与主动风险时段作为样本点特征,以车辆部件实际故障时刻或车辆部件实际检测寿命终点作为目标变量,采用递归分割算法构建决策二叉树;

33、决策二叉树的每个内部节点对应一个样本点特征的分裂条件,每个叶子节点对应一组具有相似寿命特征的样本点;

34、从决策二叉树中提取所有内部节点的分裂阈值,将同时涉及错位性影响估计值与主动风险时段两个样本点特征的分支路径上的节点标记为交叉转换点。

35、进一步地,步骤s4的详细步骤包括:

36、所述交叉转换点表示在交叉转换点处错位性影响与主动风险时段共同作用导致车辆部件寿命发生显著变化的临界条件;

37、根据交叉转换点对应的特征阈值,将不同运营环境下的样本点划分到k个寿命区间中,划分依据为样本点对应的实际故障时刻或实际检测寿命终点,每个寿命区间内统计车辆部件的平均剩余寿命;

38、基于所述平均剩余寿命,按照预设比例集合生成m个候选维修周期,以维修成本与设备可用性的加权综合指标作为优化目标,从m个候选维修周期中选取使加权综合指标最优的推荐维修周期作为当前运营环境下的推荐维修周期。

39、一种基于数据分析的轨道交通车辆检修管理系统,包括

40、数据采集与错位性分析模块,用于采集高湿热沿海地区车辆运行数据、车辆运行环境数据、部件历史状态数据和虚拟传感器数据,并计算错位性影响估计值;

41、主动风险识别模块,用于提取错位性影响估计值所对应车辆部件的虚拟传感器数据,识别周期风险时段并确定主动风险时段;

42、决策树构建模块,用于以错位性影响估计值与主动风险时段作为输入特征构建决策二叉树,标记交叉转换点;

43、维修周期优化模块,用于根据交叉转换点划分车辆部件寿命区间,以维修成本与设备可用性加权指标优化并输出当前运营环境推荐维修周期。

44、本发明相比现有技术,具有如下有益效果:

45、通过采集高湿热沿海地区车辆运行数据、环境数据、部件历史状态数据及虚拟传感器数据,融合构建错位性影响估计值与主动风险时段,量化了故障原因与表现的时间分离程度及盲区风险演变趋势。采用递归分割算法构建决策二叉树,提取错位性影响与主动风险时段的交叉转换点,实现跨越运行期与休止期的隐蔽性故障风险精准识别。基于交叉转换点划分寿命区间,以维修成本与设备可用性的加权综合指标优化推荐维修周期,克服了传统方法依赖运行期数据、忽视休止期演变的缺陷,显著提升了特殊环境下车辆维保预警准确率与周期动态优化能力。