动车组PHM模型数据处理架构优化及关键技术研究

动车组故障预测与健康管理（PHM,Prognostics and Health Management）模型研究工作围绕动车组运维数据开展。数据是动车组PHM模型的驱动力，数据计算是动车组PHM模型的核心。文章从动车组PHM模型应用现状出发，对动车组PHM模型数据架构进行了优化设计，研究了动车组车载信息无线传输系统（WTDS,Wireless Transmission Device System）数据清洗及存储等关键技术，提升了PHM模型源数据处理效率。     

智能动车组车载PHM系统探讨

新一代复兴号智能动车组搭载了车载故障预测与健康管理(PHM)系统,实现了动车组故障的预警、预测等功能.根据现阶段智能动车组车载PHM技术方案,重点阐述车载PHM系统应用现状,同时结合实际工作中地面PHM系统较为完善的开发应用经验,进一步探讨车载PHM系统与地面PHM系统相互融合的设计需求、技术方案及应用场景.     

高速铁路道岔异构数据在Hbase上的云存储方案

实现健康预测管理（PHM）可以提高信号设备的运行安全性、系统可靠性和可维修性，道岔设备的数据对其PHM的研究有重要意义。目前，高速铁路道岔监测数据存储架构难以满足PHM海量异构历史数据存储问题，结合道岔监控数据以及道岔缺口监测图像等异构数据，引入大数据技术中的Hbase非结构化数据存储理念，提出高速铁路道岔设备海量异构数据的云存储及查询管理方案。针对图像数据尺寸不一致的问题，提出基于MapReduce的优化图像分块存储算法，实现高速铁路道岔异构数据的Hbase云存储，在实验室环境搭建平台对方案进行验证。结果表明:从MySQL到Hbase迁移10 GB历史数据约为15 min，在数量到达20万条以上时Hbase查询性能优于MySQL。通过MapReduce优化图像数据分块算法，存储速度得到提升。该方案对高速铁路道岔设备PHM中海量异构数据的存储提供了理论和技术支撑。     

故障预测与健康管理技术在动车组中的应用

动车组维护策略优化研究日益受到重视,其中故障预测与健康管理(PHM)技术以及基于状态的维修是目前动车组维护策略优化的重点。分析了PHM技术的现状和发展趋势,结合技术架构对动车组车载PHM系统、车地PHM系统、地面PHM系统等技术进行分析,并对PHM系统进行验证。分析结果可为PHM技术在各类轨道交通车辆中的应用提供参考。     

面向应答器传输模块测试的上行链路信号模拟器研究

应答器传输模块高速通过地面应答器时的接收性能测试是我国目前客运专线列控系统运用中亟需解决的问题。针对该问题,本文提出一种面向应答器传输模块测试的上行链路信号模拟器。首先分析应答器传输模块高速过点时的工作机理,深入研究车速对应答器传输模块高速过点时接收到的上行链路信号的幅度、频率和相位的影响,推导出应答器传输模块高速过点时实际接收到的上行链路信号表达式,然后提出基于自动测试系统和虚拟仪器设计方法的上行链路信号模拟器的软硬件实现方案。实际应用和测试表明,上行链路信号模拟器产生的信号和理论分析相符,可以有效地实现对应答器传输模块接收性能的测试。     

动车组故障预测与健康管理(PHM)体系架构研究思考

从我国动车组故障预测与健康管理(PHM)技术现状出发,利用需求、功能、逻辑和物理架构(RFLP)的概念指导PHM架构设计,从不同层级、业务的需求分解,到PHM系统对动车组各业务场景的核心功能,再到各环节逻辑架构,最终形成考虑当前数据传输、信息化现状的物理架构,以便最终工程化实施落地,形成适用于我国动车组的PHM体系架构...     

PHM技术在高速道岔中的应用和难点分析

故障预测与健康管理(PHM)技术通过监测系统运行状态,根据系统的历史数据和实时数据预测系统未来的健康状态,从而保障系统运行安全,优化养护维修策略,降低系统的使用和维护费用。将PHM技术应用于高速道岔中,可以提高高速道岔的管理水平并降低全寿命周期成本。本文根据目前几种正在研发的道岔PHM子系统,分析了PHM技术在高速道岔应用中的可行性和难点,并归纳总结了系统级PHM技术在高速道岔中应用时面临的问题。     

基于无线报文的RBC移交无线超时故障分析

地面无线闭塞中心(RBC)与列车无线通信超时故障是当前高速铁路运营中比较常见的一类故障,无线超时故障往往发生在RBC移交区,会导致列车由CTCS-3级降级到CTCS-2级,也会触发列车制动甚至停车。导致无线超时故障的原因复杂,很难定位故障源。车地通信通过无线报文进行传输,无线报文的交互信息过程能够反映无线传输系统实时工作状态,因此提出基于无线报文的无线超时故障分析方法。根据无线报文包号,利用MATLAB对车地通信在移交区正常与故障情况下的无线报文交互信息过程进行描绘并拟合成曲线,得到阈值曲线和故障曲线,此阈值曲线是故障判定的重要参考依据。该分析方法有助于定位故障源,提高移交区无线超时故障的排查率,并进行故障预判。     

列控车载数据无线传输管理系统的运用

列控车载数据无线传输管理系统,将列控车载系统运行数据通过无线网络传输到地面分析管理系统,减少电务工作人员的作业时间和工作量,避免频繁使用移动存储介质插拔列控设备造成设备损坏。介绍列控车载数据无线传输管理系统组成、结构及工作原理。     

基于云平台的地铁列车无线监控系统

介绍了一种基于云平台的地铁列车无线监控系统。该系统由车载智能终端、云端运维软件和客户端软件组成。车载智能终端以ARM处理器为核心,可实现与多个网络控制主机实时通信,将车辆状态通过无线传输至云端;云端运维软件实时接收列车状态数据,实现列车运行设备数据的实时处理和故障预判;客户端软件完成显示和维护。     

高速动车组大数据PHM系统研究与应用

针对延长高速动车组使用寿命和提高使用效率的问题，在研究了工业大数据、故障预测与健康管理（PHM）的定义和应用、PHM相关标准以及国外PHM软件开发平台的基础上，搭建了基于大数据的车载、地面故障预测与健康管理系统一体化的功能架构并提出技术实现方案，应用动车牵引电机轴承温度健康状态模型,以牵引电机轴承温度和环境温度数据为基础,进行了实例分析。     

动车组故障预测与健康管理系统方案研究

结合国内动车组实际需要和列车运行传感技术的发展现状，对现阶段建立动车组故障预测与健康管理地面系统的数据、用户及业务需求进行了分析，提出了基于超融合技术、铁路总公司和动车段两级硬件部署、铁路总公司–铁路局–动车段–运用所四级应用的系统设计方案，明确界定了故障预测与健康管理系统与既有动车组管理信息系统的接口和预测故障的闭环管理机制，并对动车组健康管理系统的应用前景进行了展望，对建设动车组PHM系统，实现动车组视情检修，提高动车组运用、维修效率进行了积极的思考。     

地铁接触网关键设备 PHM 平台建设的规划探讨

为保障城市轨道交通系统的安全稳定运营,开展地铁接触网关键设备故障预测与健康管理(PHM)平台建设与方案研究。以大数据和云计算技术为核心,设计接触网关键设备PHM平台系统结构,整合接触网维护管理信息和检测、监测数据,评估系统所需的硬件资源,提出结合现有接触网监测管理系统的硬件方案。实现基于贝叶斯网络推理模型的接触网关键设备及零部件的故障诊断、多维度健康状态评价及基于隐马尔科夫模型的维修前剩余时间估计三大功能,最终形成一套从系统到零部件的接触网闭环健康管理体系。论述研究接触网关键设备PHM平台的必要性和可行性,探讨接触网关键设备PHM平台的系统结构、功能设计及可视化呈现。     

地铁车辆制动系统故障预测与健康管理技术研究

为了提高地铁车辆制动系统的运维效率,避免制动系统过度维修造成资源浪费,设计了地铁车辆制动系统故障预测与健康管理系统,研究了电空制动系统典型部件的故障诊断与故障预测方法,详细叙述了制动系统健康管理系统的功能,提出了制动系统健康管理系统车载PHM单元以及地面PHM平台的设计方案。     

ZPW-2000A型二线制站内电码化室外故障处理

为了保证列车的运行安全,信号系统已逐渐在向机车信号主体化发展。机车信号系统中地面发送设备是整个防护系统的重要组成部分。对于检测站内机车信号的正确完整性,如何确保地面电码化设备的可靠工作和缩短电码化的故障延时就显得尤为重要。通过日常故障处理积累的经验,本文探讨ZPW-2000A二线制叠加电码化地面设备故障处理方法,提出减少故障发生、缩短故障处理延时的解决方案。     

地铁列车远程数据管理系统设计与应用

从指导地铁列车高效运营和快速检修的客户需求出发,提出了地铁列车远程数据管理系统的组网结构和系统组成方案,通过分析地面采集存储软件和Web端管理软件的技术路线、软件模块流程和远程列车状态界面设计,实现了实时/非实时运行和故障数据的远程采集、解析、存储和显示功能。该系统设计在厦门地铁1号线车辆中已测试验证,目前应用稳定,达到了远程技术支持车辆运行、指导应急故障处理和维修快捷方便的目的。     

CTCS2-200H型列控车载设备运用状态在线诊断系统的研究与应用

CTCS2-200H型列控车载设备运用状态在线诊断系统.采用无线传输及专家智能诊断技术,通过无线下载列控车载设备运行中记录的DRU数据,以及通过视频采集设备板卡上显示灯和开关状态,自动将数据发送到地面中心.并对数据进行智能识别判断,自动生成分析结果及分类存储。该系统能够准确定位故障点,缩短故障处理时间.有助于减少数据下载、分析统计等过程耗费的低效人力,提升故障应急处置水平。     

一种基于改进FP-Growth算法的动车组故障预测研究

动车组的故障预测和健康管理是目前的研究热点,其中,故障预测的关键是寻找动车组故障信息和状态信息之间的关联关系。频繁模式增长(FP-Growth)算法是关联规则挖掘中的经典算法之一,用来挖掘频繁项集。针对动车组故障数据提出了一种改进的FP-Growth(IFP-Growth,Improved FP-Growth)算法,采用先序遍历FP-tree的方法产生条件模式基。实验结果表明,IFP-Growth算法能够有效提高动车组故障数据挖掘的效率,并且能够有效地挖掘动车组故障信息和状态信息之间的关联关系。