一种向导式机车故障快速录入的智能推荐处置方法与流程

摘要: 本发明涉及fxn3c型机车故障采集,具体来说,涉及一种向导式机车故障快速录入的智能推荐处置方法。背景技术:1、铁路fxn3c型内燃机车是国内机务段主力运输牵引设...
一种向导式机车故障快速录入的智能推荐处置方法与流程

本发明涉及fxn3c型机车故障采集,具体来说,涉及一种向导式机车故障快速录入的智能推荐处置方法。

背景技术:

1、铁路fxn3c型内燃机车是国内机务段主力运输牵引设备,机车长期高强度运行过程中柴油机、制动、电气、走行部等多系统易频发各类故障,现场检修人员需要实时记录故障信息、留存维修台账,为机车状态评估、周期性预防性检修、故障溯源分析提供基础数据支撑。现阶段机务检修数字化转型过程中,大量场站仍沿用纸质登记本、本地excel单机存档方式完成故障记录,同时少量场站引入通用型设备运维小程序辅助信息采集,数字化采集模式逐步普及。移动端现场采集具备携带便捷、即时录入的优势,成为机车故障信息采集主流发展方向;行业内也逐步开始采用协同过滤、特征匹配类算法实现维修方案辅助推荐,依托故障历史数据搭建知识库辅助新人检修作业。

2、现有故障登记手段与通用数字化录入系统存在多重无法规避的技术缺陷:其一,缺少fxn3c机车专属分层故障知识库与强制向导录入约束逻辑,检修人员可自由填写无统一编码、无分类标签的故障文本,不同班组、不同维修人员记录口径混乱,生成异构化故障数据,无法直接用于自动化统计分析;其二,传统录入流程无分步强制引导机制,完整故障信息填写平均耗时五分钟,停机等待时长较高,且通用小程序未设计本地离线缓存机制,检修现场无网络时录入数据极易丢失;其三,现有维修方案匹配方式仅依靠关键词简单检索,未构建机车特征向量、故障特征向量量化匹配模型,缺少基于故障历史发生频次的加权关联权重计算逻辑,相似故障处置模板匹配精度低,无法有效降低新人故障误判概率;其四,现有知识库不具备自迭代优化闭环,新增故障记录后无法自动更新故障关联权重,长期使用过程中推荐匹配效果无法持续提升;其五,通用云端同步机制缺少基于故障唯一编码的自动去重逻辑,多终端并发上传故障记录易产生重复台账,大幅增加后台数据整理人工工作量。上述多重缺陷叠加,导致现有技术难以同时满足机车故障快速录入、数据化、智能辅助维修、弱网稳定存储、知识库自主优化的综合业务需求。

3、针对相关技术中的问题,目前尚未提出有效的解决方案。

技术实现思路

1、针对相关技术中的问题,本发明提出一种向导式机车故障快速录入的智能推荐处置方法,以克服现有相关技术所存在的上述技术问题。

2、本发明的技术方案是这样实现的:

3、一种向导式机车故障快速录入的智能推荐处置方法,包括以下步骤:

4、步骤s1,预先初始化机车分层故障知识库kb,并将所述机车分层故障知识库kb部署至云端数据库,移动端同步缓存轻量化知识库副本;

5、步骤s2,启动向导式分步录入节点序列,依次完成机车编号录入、故障一级分类选择、故障部位与故障现象录入,将录入生成的故障表单存入移动端离线缓存故障表单数据集dlocal;

6、步骤s3,基于相似度函数构建机车设备特征向量与故障特征向量的匹配模型,遍历知识库内全部故障元数据fi计算综合相似度,依据综合相似度排序推送故障及对应化故障处置模板;

7、步骤s4,移动端检测到网络连通后,将离线缓存故障表单数据集dlocal批量异步上传至云端故障台账数据集dcloud,基于故障唯一编码完成台账合并与自动去重;依据本次新增故障记录更新故障权重矩阵w,同步更新云端机车分层故障知识库kb至移动端轻量化副本,清空移动端已同步完成的离线缓存数据。

8、其中,所述机车分层故障知识库kb,表示为:;其中,c为故障一级分类集合,表示为:,式中,c1为柴油机系统、c2为辅助系统、c3为电气系统、c4为制动系统、c5为走行部系统、c6为车载安全防护系统、c7为其他故障;f为故障元数据全集,,n为故障条目总量,其中,单条故障元数据,式中,为故障唯一编码;为该故障归属一级分类,;为故障细分部位编码;为故障现象描述文本;为应急处置模板文本;为该故障历史累计发生次数;t为化故障处置模板集合,用于映射每一条;w为故障权重矩阵,用于存储全部故障两两之间关联权重。

9、其中,计算初始,表示为:

10、;

11、式中,为故障fi与故障fj的关联权重系数;为故障fi历史累计发生次数;为故障fj历史累计发生次数;为知识库内全部故障总发生频次;为同机型权重放大系数。

12、其中,所述启动向导式分步录入节点序列,包括以下步骤:

13、步骤s201,执行录入节点z1,表示强制输入机车编号lnum,录入时实时生成机车特征向量vl,表示为;其中,为机车编号特征值;为机车所属车型编码,固定为fxn3c编码值;为检修班组编号;为本次故障发生时间戳。

14、步骤s202,执行录入节点z2,表示下拉选择一级故障分类;

15、步骤s203,执行录入节点z3,表示录入细分故障部位lloc、故障现象;

16、步骤s204,执行录入节点z4,表示暂存当前表单至离线缓存数据集dlocal;其中,检修现场无网络时表单永久保存在移动端本地,网络正常时直接跳转执行步骤s3。

17、其中,所述依据综合相似度排序推送故障及对应化故障处置模板,包括以下步骤:

18、步骤s301,提取当前录入的车型、故障部位参数生成机车设备特征向量vl;调取知识库内故障特征向量,式中,为故障一级分类编码;为故障细分部位编码;为故障历史频次;为故障fi对应全部关联故障权重数组;

19、步骤s302,遍历知识库全部故障元数据fi,计算每一条故障的综合相似度,表示为:

20、;

21、式中,为当前录入故障与知识库故障fi的综合相似度;为权重分配系数;为车型匹配相似度;为故障部位匹配相似度;为故障fi平均关联权重;

22、步骤s303,按sim值降序排序,输出预设量故障及对应处置模板ti弹窗展示。

23、其中,所述清空移动端已同步完成的离线缓存数据,包括以下步骤:

24、s401,移动端检测网络连通状态后,将离线缓存故障表单数据集dlocal批量上传至云端故障台账数据集dcloud,通过故障唯一编码识别重复故障记录集合,自动剔除重复台账数据;

25、s402,提取本次新增故障的分类、细分部位信息,迭代更新故障权重矩阵w,且每完成一条故障录入,自动提升本次故障与同分类、同部位故障的关联权重,其单次更新权重表示为:

26、;

27、式中,为新增一条故障记录后更新后的关联权重;为更新前原始权重;为知识库迭代修正因子;为知识库总故障频次;

28、s403,云端将更新完成的机车分层故障标准知识库kb下发同步至移动端轻量化知识库副本,同步完成后清空移动端离线缓存故障表单数据集dlocal,释放移动端本地存储资源。

29、本发明的有益效果:

30、本发明通过设置分层统一故障分类体系并搭配强制分步录入逻辑,能够从源头规范故障信息记录格式,消除人工自由录入带来的数据差异化问题,形成规整统一的结构化故障台账;借助本地离线缓存配套云端异步同步的联动机制,可适配检修现场网络不稳定的使用场景,保障故障采集数据完整留存,不会出现信息丢失情况;基于机车设备特征向量与故障特征向量构建的相似度匹配模型,能够自动检索知识库内适配的化故障处置模板并完成推送,为检修人员提供专业维修参考,减少故障判断偏差;

31、同时本发明可依据新增录入的故障记录持续迭代更新故障权重矩阵,让机车分层故障知识库具备自主优化能力,随着持续使用不断提升故障匹配推荐的精准程度;规整存储于云端的化故障台账还可直接为机车全周期故障统计、部件故障趋势研判以及预防性检修工作提供完整可靠的数据基础,整体简化故障登记全流程操作,降低现场检修信息采集与后台数据整理的人工工作量,适配机务段内燃机车常态化故障数字化管理场景。