首页 > 资讯 > 基于大数据的车辆健康状态评估模型构建方法与流程

基于大数据的车辆健康状态评估模型构建方法与流程

泰然健康网
2024-12-16 06:19

基于大数据的车辆健康状态评估模型构建方法与流程
本发明属于轨道交通车辆检修管理领域，尤其涉及一种基于大数据的车辆健康状态评估模型构建方法。
背景技术：
：随着中国经济的快速发展以及城市不断的建设，城市聚集了越来越多的人口，交通出行总量剧增。城市轨道交通作为一种大运量、快捷的公共交通方式，极大缓解了交通压力，在近年来得到了快速的发展。但是，随着轨道交通的快速发展，轨道交通车辆的运营强度不断增加，在高强度超负荷运行中地铁车辆会出现各种突发性问题，因此，对轨道交通运营管理方面也面临着更高的要求。对于车辆基地的车辆健康状态即车辆维修现状而言，主要还处于“计划修”的水平，即按照检修规程和运行历史开展相应的修程，考虑到经济效益、检修效率等因素，未来的发展趋势是采用更经济和科学的“状态修”。通过获取完整而及时的状态参数，建立车辆健康状态评估模型将成为轨道交通行业发展的重点。目前，智能化车辆基地内包含大量的设备，所面临的现实是：电客车、轨旁设备和机电设备均采用大量电子信息化设备和生产控制系统，实时产生海量数据，但由于涉及专业多，各专业技术复杂，需要利用先进的技术手段，从海量数据中抽取有用的信息，并对实际设备状态的评估和维修策略的优化进行促进和指导，提高智能化车辆基地内设备维修维护的管理水平。技术实现要素：发明目的：针对以上问题，本发明提出一种基于大数据的车辆健康状态评估模型构建方法，实现车辆状态的分析和趋势化分析。技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于大数据的车辆健康状态评估模型构建方法，包括步骤：(1)获取车辆各子系统的状态监测数据；(2)进行数据预处理与分析；(3)对各子系统健康状态分类；(4)针对各子系统构建不同的健康状态评估模型；(5)进行多模型子系统健康状态评估与预测；(6)基于健康状态评估结果给出维修方案。进一步地，所述步骤1中，车辆子系统包括车载系统、走行部系统、轮对受电弓系统。进一步地，所述步骤3中，车辆故障分类包括车辆、部件、部件定位、系统、故障类型、发生时间。进一步地，所述步骤3中，健康状态分类包括健康、亚健康、轻微故障、中等故障、严重故障。进一步地，所述步骤4中，采用逻辑回归、topis多目标和熵权法建立动态权重自适应的评估模型。进一步地，所述步骤2中，各子系统控制器是数据采集设备，对采集数据进行预处理与分析，用于子系统的运行控制。进一步地，所述步骤5中，地面控制中心接收各子系统状态监测数据，基于不同的健康状态评估模型对各子系统状态进行评估与预测，预警子系统故障。有益效果：本发明通过建立车辆健康状态评价模型，将车辆基地的检修从“计划修”提升到“状态修”，提高了车辆基地的检修效率；并通过对车辆基地的数据积累和分析，对车辆系统的健康状态进行预测和报警，达到辅助生产决策，节约了检修成本。附图说明图1是车辆数据预警模型图；图2是车辆部件故障分类多维度图；图3是车辆健康诊断示意图；图4是健康状态评估方案示意图。具体实施方式下面结合附图和实施例对本发明的技术方案作进一步的说明。本发明构建基于大数据的车辆健康状态评估模型，综合利用多源监测数据的支撑，来实现对车辆基地“状态修”的支撑。自动化采集车辆状态数据，计算评价指标，从车辆可靠度、关键部件检测参数、寿命预测、缺陷隐患等多维度构建车辆健康状态评估模型，并采用逻辑回归、topis多目标、熵权法等算法建立动态权重自适应的评估模型，为优化维修规程与策略、优化检修计划排程和部件更换提供依据。本发明所述的基于大数据的车辆健康状态评估模型构建方法，具体步骤如下：(1)获取多源车辆状态监测数据；为保证车辆的全自动安全运行，从多个方面对车辆状态进行监测，车辆主要数据来源包括：车载tcms数据、走行部在线监测数据、轮对受电弓在线检测数据、其他工艺设备检测数据等，具体如表1所示。表1序号上传的数据备注1牵引辅助系统数据牵引辅助命令、状态、故障2制动系统数据制动系统命令、状态、故障3乘客信息系统数据乘客信息系统命令、状态、故障4车门系统数据车门状态、故障5空调系统数据空调命令、状态、故障6蓄电池管理系统数据蓄电池状态、故障7蓄电池充电机数据蓄电池充电机状态、故障8火灾报警系统数据火灾命令、状态、故障9公共广播系统数据公共广播命令、状态、故障10走行部检测系统走行部检测状态、故障11弓网检测系统弓网检测系统故障车辆数据预警模型如图1所示，通过对数据进行运营监测、故障诊断、故障预测、健康评估来提出维修建议。(2)进行数据预处理与分析；数据分析与处理可分为两个层面，第一层面为数据采集设备，各子系统控制器是数据采集设备，也是数据的第一层分析与处理设备，对采集数据进行简单的分析处理，用于子系统的运行控制。(3)对各子系统健康状态分类；通过对列车关键子系统进行的大数据技术研究，增强对产品结构和性能的认知深度，同时应用大数据技术对海量运维检修数据进行分析，结合检修的实际需求，从源头上解决存在的安全隐患问题，更好为列车运用提供信息保障，增强列车安全风险防控水平。对于车辆部件的故障分类而言，考虑多维度数据分析，如图2所示，通过车辆、部件、部件定位、系统、故障类型、发生时间这六个维度对其故障进行分类。通过智能采集、大数据多模型分析，集成车辆各类动态和静态信息，并对车辆的故障进行诊断和分析，主要包含以下内容：(1)故障描述；(2)故障代码；(3)故障触发条件；(4)故障消失条件；(5)对系统造成影响；(6)故障等级分类；(7)司机解决办法；(8)检修解决办法。举例说明，走行部及轮轨的健康状态分类如表2所示。表2序号对象类型健康等级1轴承健康、亚健康、轻微故障、中等故障、严重故障2轴承温度中等故障、严重故障3踏面健康、亚健康、轻微故障、中等故障、严重故障4轨道健康、亚健康、故障(4)针对各子系统构建不同的健康状态诊断模型；(4.1)车载系统中，牵引系统关键部件依据其特征参数与性能的映射关系以及各种工况下的试验测试数据，开展牵引系统关键部件的模型及大数据分析；空调和车门系统健康诊断模型主要是以采集的数据为基础，通过对既有数据的合理利用，运用各种合理的推理算法，搭建出的用于判断及预测子系统健康状态的数据模型；制动控制系统应具有维护接口，便携可移动式测试装置可通过该接口读取制动控制系统的故障信息与状态信息。(4.2)走行部系统中，根据广义共振故障诊断技术，通过安装传感器接收振动和对冲击广义共振，实现广义共振信号的提取，进而对广义共振信号进行解调，实现对无害的振动谱全部剔除，有害的冲击谱凸现。(4.3)轮对受电弓系统中，通过对车轮外形直径、踏面磨耗、轮缘厚度，滑板磨耗等检测指标，突发故障至少包括缺陷，以及基础数据包含走行里程等因数，进行综合评估，评估结果由多个因素影响，每个影响因素占有不同权重。根据每个影响因数的单独得分，结合熵权法的客观赋权方法和变权公式得到权重，得出总体健康指数。车辆健康诊断如图3所示，大数据平台通过对实时数据、车载数据、环境数据的处理和分析，搭建健康评价模型，给出最终的维修意见。(5)进行多模型子系统健康状态预测；数据分析与处理的第二层面为地面控制中心，地面控制中心接收每列车传输的子系统状态，基于大数据理论对各子系统状态进行预测及诊断，实现子系统状态的智能诊断，提前预警子系统故障，及时推送维修建议。依托地面大数据中心，进行落地车载数据的实时分析，实现走行部、制动系统、牵引系统、空调系统等影响行车安全、行车秩序、乘坐体验的故障预警。并结合实际对列车运行的影响程度，利用大数据分析和挖掘技术构建合理的健康评估维度，构建车辆健康状态评估，为列车运行安全状态评估和管理提供支撑。走行部通过轴温的变化趋势，进行轴箱、齿轮箱、牵引电机等部件的预警；牵引系统通过监测牵引系统关键参数，进行网压波动、过流、传动系统(联轴节、齿轮箱)等预警；空调通过监测进行空调异常预警；车门通过记录数据，进行大数据统计，进行寿命和故障预测。(6)基于健康状态评价结果给出维修方案；健康状态评价方案会结合相关科技车载故障诊断系统及轨旁检测系统所采集的样本数据，同时考虑设备的可靠性、维修经济性及维修的难易程度等因素，综合计算诊断对象的健康指数，并以此来实现健康状态的评价。健康状态评估方案如图4所示，通过对各种信息的提取，将数据融合至健康方案中，最后给出相应的健康等级和维修建议。本发明利用车辆设备的现场采集数据信息，建立基于维修全寿命状态跟踪及管理机制的信息化系统，实现电客车、工程车、车辆工艺等设备的日常运营、日常维护等管理，以提高生产效率，做到结果可输出、可统计，过程可监控、可追溯，故障可预测、可预防。当前第1页12