设备全寿命周期履历追踪及故障关联分析方法及装置与流程

1.本发明涉及轨道交通技术领域，尤其涉及一种设备全寿命周期履历追踪及故障关联分析方法及装置。


背景技术：

2.信号系统作为轨道交通运行控制的“大脑”起着保证列车超速防护，辅助驾驶和安全运行的重要作用。信号系统设备使用寿命周期大致为15至20年，使用周期长，如何保证信号系统设备全生命周期的可靠运行；需要对其全生命周期使用过程进行追溯，在合理有效的维护下，不断提升产品在线运行的可靠性。针对产品使用过程中出现的故障问题，通过分析运营中形成的产品履历大数据，有针对性的进行维护和问题解决，不断提升产品可靠性和可用性。
3.随着轨道交通大发展，维护设备海量数据，对于地铁公司或者设备厂商带来一定的挑战，都缺乏对设备全寿命周期(生产、安装、调试、投入运营、报废)的履历追踪与故障关联分析的相关功能，不能有效提前发现问题，无法指导设备巡检维护和故障问题根因分析。


技术实现要素：

4.本发明提供一种设备全寿命周期履历追踪及故障关联分析方法及装置，用以解决现有技术中缺乏对设备全寿命周期的履历追踪与故障统计分析的相关功能，不能有效提前发现问题，无法指导设备巡检维护和故障问题根因分析的缺陷。
5.第一方面，本发明提供一种设备全寿命周期履历追踪及故障关联分析方法，包括：
6.获取轨道交通设备的全寿命周期履历信息和故障数据；
7.将所述轨道交通设备的全寿命周期履历信息和故障数据输入至训练完成的设备全寿命周期履历信息和故障数据的关联分析模型进行关联分析，得到所述轨道交通设备的故障关联分析结果；
8.其中，所述设备全寿命周期履历信息和故障数据的关联分析模型是利用所述轨道交通设备的已知全寿命周期履历信息和历史故障数据训练得到的。
9.根据本发明提供的一种设备全寿命周期履历追踪及故障关联分析方法，训练得到所述设备全寿命周期履历信息和故障数据的关联分析模型的步骤，包括：
10.获取轨道交通设备的已知全寿命周期履历信息和历史故障数据；
11.结合所述轨道交通设备的已知故障模式，对所述轨道交通设备的全寿命周期履历信息和历史故障数据进行多维度初步关联，得到多维度关联关系表；
12.确定所述关联关系表中涉及的相关设备的外部环境变量和内部变量，将所述外部环境变量和内部变量作为多维度关联分析的参数；
13.将所述参数的变化与故障模式进行多维度有效关联分析，将所述参数中与故障模式没有任何关联联系或者关联度比较低的数据进行过滤筛除，得到关联分析结果；
14.提取所述关联分析结果中有效数据的维度，在所述有效数据的维度不满足关联分
析要求的情况下，增加新的相关关联参数，反复持续训练直至关联分析结果中有效数据的维度满足关联分析要求的情况时结束训练，得到设备全寿命周期履历信息和故障数据的关联分析模型；
15.对所述设备全寿命周期履历信息和故障数据的关联分析模型进行验证，验证通过后，得到验证通过后的设备全寿命周期履历信息和故障数据的关联分析模型。
16.根据本发明提供的一种设备全寿命周期履历追踪及故障关联分析方法，所述将所述参数的变化与故障模式进行多维度有效关联分析，将所述参数中与故障模式没有任何关联联系或者关联度比较低的数据进行过滤筛除，得到关联分析结果，包括：
17.根据所述参数设置特征变量，根据故障模式设置分类变量；
18.计算每个特征变量与分类变量之间的相关度；
19.将相关度大于预设阈值的特征变量所对应的参数保留，生成关联分析结果。
20.根据本发明提供的一种设备全寿命周期履历追踪及故障关联分析方法，所述故障关联分析结果包括以下至少一项内容：轨道交通设备，设备故障信息，设备故障模式，设备全寿命周期履历信息，履历跟踪标识，关联关系表示。
21.第二方面，本发明还提供一种设备全寿命周期履历追踪及故障关联分析装置，包括：
22.数据获取模块，用于获取轨道交通设备的全寿命周期履历信息和故障数据；
23.关联分析模块，用于将所述轨道交通设备的全寿命周期履历信息和故障数据输入至训练完成的设备全寿命周期履历信息和故障数据的关联分析模型进行关联分析，得到所述轨道交通设备的故障关联分析结果；
24.其中，所述设备全寿命周期履历信息和故障数据的关联分析模型是利用所述轨道交通设备的已知全寿命周期履历信息和历史故障数据训练得到的。
25.根据本发明提供的一种设备全寿命周期履历追踪及故障关联分析装置，还包括训练模块，用于：
26.获取轨道交通设备的已知全寿命周期履历信息和历史故障数据；
27.结合所述轨道交通设备的已知故障模式，对所述轨道交通设备的全寿命周期履历信息和历史故障数据进行多维度初步关联，得到多维度关联关系表；
28.确定所述关联关系表中涉及的相关设备的外部环境变量和内部变量，将所述外部环境变量和内部变量作为多维度关联分析的参数；
29.将所述参数的变化与故障模式进行多维度有效关联分析，将所述参数中与故障模式没有任何关联联系或者关联度比较低的数据进行过滤筛除，得到关联分析结果；
30.提取所述关联分析结果中有效数据的维度，在所述有效数据的维度不满足关联分析要求的情况下，增加新的相关关联参数，反复持续训练直至关联分析结果中有效数据的维度满足关联分析要求的情况时结束训练，得到设备全寿命周期履历信息和故障数据的关联分析模型；
31.对所述设备全寿命周期履历信息和故障数据的关联分析模型进行验证，验证通过后，得到验证通过后的设备全寿命周期履历信息和故障数据的关联分析模型。
32.根据本发明提供的一种设备全寿命周期履历追踪及故障关联分析装置，所述将所述参数的变化与故障模式进行多维度有效关联分析，将所述参数中与故障模式没有任何关
联联系或者关联度比较低的数据进行过滤筛除，得到关联分析结果，包括：
33.根据所述参数设置特征变量，根据故障模式设置分类变量；
34.计算每个特征变量与分类变量之间的相关度；
35.将相关度大于预设阈值的特征变量所对应的参数保留，生成关联分析结果。
36.根据本发明提供的一种设备全寿命周期履历追踪及故障关联分析装置，所述故障关联分析结果包括以下至少一项内容：轨道交通设备，设备故障信息，设备故障模式，设备全寿命周期履历信息，履历跟踪标识，关联关系表示。
37.第三方面，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任一种所述设备全寿命周期履历追踪及故障关联分析方法的步骤。
38.第四方面，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任一种所述设备全寿命周期履历追踪及故障关联分析方法的步骤。
39.第五方面，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任一种所述设备全寿命周期履历追踪及故障关联分析方法的步骤。
40.本发明提供的设备全寿命周期履历追踪及故障关联分析方法及装置，通过将轨道交通设备的全寿命周期履历信息和故障数据进行多维关联分析，可以得到潜在的设备故障影响因素和故障模式的关联关系，大大提高了维护质量和问题发现的效率，提高了轨道交通设备维护的质量和设备的可靠性。
附图说明
41.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。
42.图1为本发明实施例提供的设备全寿命周期履历追踪及故障关联分析方法的流程示意图；
43.图2为本发明实施例提供的训练得到所述设备全寿命周期履历信息和故障数据的关联分析模型的流程示意图；
44.图3为本发明实施例提供的设备全寿命周期履历追踪及故障关联分析装置的结构示意图；
45.图4为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
46.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。
47.近年来城市轨道交通建设加速，各地铁公司同时配置了各种信息管理，这些系统中包括资产管理系统；各设备厂商基于对自家设备的故障分析及返修管理也建立了各种信息管理系统，包括fracas(故障报告、分析及纠正措施系统)管理系统。资产管理系统是地铁公司对所有固定资产(包括轨道交通信号系统设备)进行管理更新的信息化工具，该系统主要功能包括设备数量，固定资产'进、出、用'各个环节进行科学管理等功能。fracas管理系统是设备厂商对不合格品故障分析及纠正措施制定和实施的闭环管理系统，这两个系统在地铁企业和设备厂商对设备维护管理中担负着重要角色。
48.对于设备资产管理而言，资产管理系统完成企业对固定资产日常业务的核算和管理，全面反映固定资产的增加、减少及相关变动情况，提供资产调拨的管理，提供资产跟踪管理，帮助企业更有效、更全面地管理固定资产。但对于信号系统关键设备故障履历数据缺乏与资产系统的管理，不能根据设备历史故障数据进一步安排设备巡检和预防性维护给出相关指引，给地铁公司带来一些困扰。
49.对于fracas(故障报告、分析及纠正措施系统)管理系统，随着设备厂商的售后业务不断拓展，售后维护设备数量大幅增加，通过fracas管理系统能很好地完成设备故障维修记录及纠正措施制定和实施进行闭关管理，很大程度上解决维修和纠正的规范性问题，但设备故障各种各样，如何进行历史故障统计分类，专注重点问题进行突破，提升产品可靠性，缺乏有效抓手，往往需要人工搜集现场设备故障数据进行统计汇总分析，但范围和时间维度全面性较差，效率较低，给设备厂商带来一些困扰。
50.随着轨道交通大发展，维护设备海量数据，对于地铁公司或者设备厂商带来一定的挑战，对于地铁公司而言，进行设备预防性维护，提前发现设备故障隐患，避免影响运营是其关注的价值核心，对于设备厂商，通过解决重点不合格品，提升产品可靠性，提升品牌信誉是其关注重点；对于资产管理系统和fracas(故障报告、分析及纠正措施系统)管理系统两者而言，都缺乏对设备全寿命周期(生产、安装、调试、投入运营、报废)的履历追踪与故障统计分析的相关功能，不能有效提前发现问题，指导设备巡检维护和故障问题根因分析。
51.为了解决或者至少部分解决上述问题，本发明提供了设备全寿命周期履历追踪及故障关联分析方法。
52.图1为本发明实施例提供的设备全寿命周期履历追踪及故障关联分析方法的流程示意图，如图1所示，该方法包括以下步骤：
53.步骤100，获取轨道交通设备的全寿命周期履历信息和故障数据；
54.需要说明的是，此处的全寿命周期履历信息包括但不限于生产阶段的履历信息，调试阶段的履历信息，投入运营阶段的履历信息，维修阶段的履历信息以及报废阶段的履历信息。
55.其中，履历信息是指设备在各阶段对应的相关操作信息。例如，生产阶段的履历信息包括线路名称，板卡生产日期，生产批次信息等；投入运营阶段的履历信息包括：设备使用时长，板载继电器的动作次数等。
56.故障数据是指设备发生故障的相关数据，例如设备故障次数，设备故障名称，设备故障模式等。
57.在本发明中，获取轨道交通设备的全寿命周期履历信息和故障数据，以将全寿命周期履历信息和故障数据进行关联分析。
58.步骤101，将所述轨道交通设备的全寿命周期履历信息和故障数据输入至训练完成的设备全寿命周期履历信息和故障数据的关联分析模型进行关联分析，得到所述轨道交通设备的故障关联分析结果；
59.其中，所述设备全寿命周期履历信息和故障数据的关联分析模型是利用所述轨道交通设备的已知全寿命周期履历信息和历史故障数据训练得到的。
60.本技术实施例中，通过利用训练完成的设备全寿命周期履历信息和故障数据的关联分析模型对获取的交通设备的全寿命周期履历信息和故障数据进行关联分析，从而得到所述轨道交通设备的故障关联分析结果。
61.所述设备全寿命周期履历信息和故障数据的关联分析模型输出的故障关联分析结果能够反映设备故障的影响因素和故障模式的相关数据。
62.所述设备全寿命周期履历信息和故障数据的关联分析模型是利用所述轨道交通设备的已知全寿命周期履历信息和历史故障数据训练得到的，具备对多种设备的全寿命周期履历信息和故障数据进行关联分析的功能。
63.本发明实施例提供的设备全寿命周期履历追踪及故障关联分析方法，通过将轨道交通设备的全寿命周期履历信息和故障数据进行多维关联分析，可以得到潜在的设备故障影响因素和故障模式的关联关系，大大提高了维护质量和问题发现的效率，提高了轨道交通设备维护的质量和设备的可靠性。
64.在一些实施例中，所述设备全寿命周期履历追踪及故障关联分析方法还包括：
65.训练得到所述设备全寿命周期履历信息和故障数据的关联分析模型。
66.如图2所示，训练得到所述设备全寿命周期履历信息和故障数据的关联分析模型的步骤，包括：
67.步骤200，获取轨道交通设备的已知全寿命周期履历信息和历史故障数据；
68.步骤201，结合所述轨道交通设备的已知故障模式，对所述轨道交通设备的全寿命周期履历信息和历史故障数据进行多维度初步关联，得到多维度关联关系表；
69.其中，多维度关联关系表包括以下至少一项内容：线路名称、安装位置、安装时间、产品sn号、产品名称、产品物料号、合同要求使用年限、内部元器件名称、内部元器件物料号、位号、产品轮检周期、产品轮检原因和方法、更换年限、更换原因。
70.例如：线路名称：天津6号线；安装位置：03车-tc2端；安装时间：2016.5.4；产品sn号：64010083v00150531031；产品名称：lcf300-d-车载atp通信控制器(记录)板-板组；产品物料号：64010083；合同要求使用年限：15；内部元器件名称：pc104模块上电池；内部元器件物料号：39010184；位号：u4；产品轮检周期：6个月；产品轮检原因和方法：用万用表直流档测pc104上的电池两引脚端电压范围是否在在3.0至3.6之间(如果无电池，则不需轮检)，并目测是否漏液；更换年限：5年；更换原因：无法正常使用。
71.步骤202，确定所述关联关系表中涉及的相关设备的外部环境变量和内部变量，将所述外部环境变量和内部变量作为多维度关联分析的参数；
72.其中，外部环境变量包括但不限于环境温度、湿度、震动强度等；内部变量是指相关设备技术参数等信息。
73.步骤203，将所述参数的变化与故障模式进行多维度有效关联分析，将所述参数中与故障模式没有任何关联联系或者关联度比较低的数据进行过滤筛除，得到关联分析结
果；
74.步骤204，提取所述关联分析结果中有效数据的维度，在所述有效数据的维度不满足关联分析要求的情况下，增加新的相关关联参数，反复持续训练直至关联分析结果中有效数据的维度满足关联分析要求的情况时结束训练，得到设备全寿命周期履历信息和故障数据的关联分析模型；
75.步骤205，对所述设备全寿命周期履历信息和故障数据的关联分析模型进行验证，验证通过后，得到验证通过后的设备全寿命周期履历信息和故障数据的关联分析模型。
76.本发明实施例提供的设备全寿命周期履历追踪及故障关联分析方法，通过对已知设备履历信息和故障数据的大量样本进行训练，得到设备全寿命周期履历信息和故障数据的关联分析模型，可以用于得到潜在的设备故障影响因素和故障模式的关联关系，大大提高了维护质量和问题发现的效率，提高了轨道交通设备维护的质量和设备的可靠性。
77.可选地，所述步骤203将所述参数的变化与故障模式进行多维度有效关联分析，将所述参数中与故障模式没有任何关联联系或者关联度比较低的数据进行过滤筛除，得到关联分析结果，包括：
78.根据所述参数设置特征变量，根据故障模式设置分类变量；
79.计算每个特征变量与分类变量之间的相关度；
80.将相关度大于预设阈值的特征变量所对应的参数保留，生成关联分析结果。
81.例如，利用卡方检验方法对数据进行相关度筛选。
82.首先，根据参数设置特征变量：使用环境温度x1,使用时间长x2，故障现象编码值x3；
83.根据故障模式设置分类变量：物料编码y。
84.需要计算：x1与y之间的相关度，x2与y之间的相关度，以及x3与y之间的相关度。
85.相关度的值越大，说明两个变量的相关程度越高。
86.将相关度大于预设阈值的特征变量所对应的参数保留，生成关联分析结果。
87.本发明实施例提供的设备全寿命周期履历追踪及故障关联分析方法，通过将所述外部环境变量和内部变量作为多维度关联分析的参数，利用相关度计算得到与故障模式之间的相关度，采用此训练方法得到的设备全寿命周期履历信息和故障数据的关联分析模型，可以用于得到潜在的设备故障影响因素和故障模式的关联关系，大大提高了维护质量和问题发现的效率，提高了轨道交通设备维护的质量和设备的可靠性。
88.在一些实施例中，所述故障关联分析结果包括以下至少一项内容：轨道交通设备，设备故障信息，设备故障模式，设备全寿命周期履历信息，履历跟踪标识，关联关系表示。
89.表1为本发明实施例提供的故障关联分析结果的示例。
90.表1故障关联分析结果
91.92.93.94.[0095][0096]
本发明实施例提供的设备全寿命周期履历追踪及故障关联分析方法，故障关联分析结果包括以下至少一项内容：轨道交通设备，设备故障信息，设备故障模式，设备全寿命周期履历信息，履历跟踪标识，关联关系表示，可以用于表征潜在的设备故障影响因素和故障模式的关联关系，大大提高了维护质量和问题发现的效率，提高了轨道交通设备维护的质量和设备的可靠性。
[0097]
图3为本发明实施例提供的设备全寿命周期履历追踪及故障关联分析装置的结构示意图，如图3所示，该设备全寿命周期履历追踪及故障关联分析装置包括：
[0098]
数据获取模块310，用于获取轨道交通设备的全寿命周期履历信息和故障数据；
[0099]
关联分析模块320，用于将所述轨道交通设备的全寿命周期履历信息和故障数据输入至训练完成的设备全寿命周期履历信息和故障数据的关联分析模型进行关联分析，得到所述轨道交通设备的故障关联分析结果；
[0100]
其中，所述设备全寿命周期履历信息和故障数据的关联分析模型是利用所述轨道交通设备的已知全寿命周期履历信息和历史故障数据训练得到的。
[0101]
本发明实施例提供的设备全寿命周期履历追踪及故障关联分析装置，通过将轨道交通设备的全寿命周期履历信息和故障数据进行多维关联分析，可以得到潜在的设备故障影响因素和故障模式的关联关系，大大提高了维护质量和问题发现的效率，提高了轨道交通设备维护的质量和设备的可靠性。
[0102]
在一些实施例中，设备全寿命周期履历追踪及故障关联分析装置还包括训练模块，用于：
[0103]
获取轨道交通设备的已知全寿命周期履历信息和历史故障数据；
[0104]
结合所述轨道交通设备的已知故障模式，对所述轨道交通设备的全寿命周期履历信息和历史故障数据进行多维度初步关联，得到多维度关联关系表；
[0105]
确定所述关联关系表中涉及的相关设备的外部环境变量和内部变量，将所述外部环境变量和内部变量作为多维度关联分析的参数；
[0106]
将所述参数的变化与故障模式进行多维度有效关联分析，将所述参数中与故障模式没有任何关联联系或者关联度比较低的数据进行过滤筛除，得到关联分析结果；
[0107]
提取所述关联分析结果中有效数据的维度，在所述有效数据的维度不满足关联分析要求的情况下，增加新的相关关联参数，反复持续训练直至关联分析结果中有效数据的维度满足关联分析要求的情况时结束训练，得到设备全寿命周期履历信息和故障数据的关联分析模型；
[0108]
对所述设备全寿命周期履历信息和故障数据的关联分析模型进行验证，验证通过后，得到验证通过后的设备全寿命周期履历信息和故障数据的关联分析模型。
[0109]
本发明实施例提供的设备全寿命周期履历追踪及故障关联分析装置，通过对已知设备履历信息和故障数据的大量样本进行训练，得到设备全寿命周期履历信息和故障数据的关联分析模型，可以用于得到潜在的设备故障影响因素和故障模式的关联关系，大大提高了维护质量和问题发现的效率，提高了轨道交通设备维护的质量和设备的可靠性。
[0110]
可选地，所述将所述参数的变化与故障模式进行多维度有效关联分析，将所述参数中与故障模式没有任何关联联系或者关联度比较低的数据进行过滤筛除，得到关联分析结果，包括：
[0111]
根据所述参数设置特征变量，根据故障模式设置分类变量；
[0112]
计算每个特征变量与分类变量之间的相关度；
[0113]
将相关度大于预设阈值的特征变量所对应的参数保留，生成关联分析结果。
[0114]
本发明实施例提供的设备全寿命周期履历追踪及故障关联分析装置，通过将所述外部环境变量和内部变量作为多维度关联分析的参数，利用相关度计算得到与故障模式之
间的相关度，采用此训练方法得到的设备全寿命周期履历信息和故障数据的关联分析模型，可以用于得到潜在的设备故障影响因素和故障模式的关联关系，大大提高了维护质量和问题发现的效率，提高了轨道交通设备维护的质量和设备的可靠性。
[0115]
可选地，所述故障关联分析结果包括以下至少一项内容：轨道交通设备，设备故障信息，设备故障模式，设备全寿命周期履历信息，履历跟踪标识，关联关系表示。
[0116]
本发明实施例提供的设备全寿命周期履历追踪及故障关联分析装置，故障关联分析结果包括以下至少一项内容：轨道交通设备，设备故障信息，设备故障模式，设备全寿命周期履历信息，履历跟踪标识，关联关系表示，可以用于表征潜在的设备故障影响因素和故障模式的关联关系，大大提高了维护质量和问题发现的效率，提高了轨道交通设备维护的质量和设备的可靠性。
[0117]
本技术实施例提供的设备全寿命周期履历追踪及故障关联分析装置能够实现前述设备全寿命周期履历追踪及故障关联分析方法实施例实现的各个过程且能达到相同的技术效果，为避免重复，在此不再赘述。
[0118]
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communications interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行设备全寿命周期履历追踪及故障关联分析方法，该方法包括：获取轨道交通设备的全寿命周期履历信息和故障数据；将所述轨道交通设备的全寿命周期履历信息和故障数据输入至训练完成的设备全寿命周期履历信息和故障数据的关联分析模型进行关联分析，得到所述轨道交通设备的故障关联分析结果；其中，所述设备全寿命周期履历信息和故障数据的关联分析模型是利用所述轨道交通设备的已知全寿命周期履历信息和历史故障数据训练得到的。
[0119]
此外，上述的存储器430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-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0120]
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计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的设备全寿命周期履历追踪及故障关联分析方法，该方法包括：获取轨道交通设备的全寿命周期履历信息和故障数据；将所述轨道交通设备的全寿命周期履历信息和故障数据输入至训练完成的设备全寿命周期履历信息和故障数据的关联分析模型进行关联分析，得到所述轨道交通设备的故障关联分析结果；其中，所述设备全寿命周期履历信息和故障数据的关联分析模型是利用所述轨道交通设备的已知全寿命周期履历信息和历史故障数据训练得到的。
[0121]
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方法提供的设备全寿命周期履历追踪及故障关联分析方法，该方法包括：获取轨道交通设备的全寿命周期履历信息和故障数据；将所述轨道交通设备的全寿命周期履历信息和故障数据输入至训练完成的设备全寿命周期履历信息和故障数据的关联分析模型进行关联分析，得到所述轨道交通设备的故障关联分析结果；其中，所述设备全寿命周期履历信息和故障数据的关联分析模型是利用所述轨道交通设备的已知全寿命周期履历信息和历史故障数据训练得到的。
[0122]
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。
[0123]
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。
[0124]
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。