[发明专利]面向动车组重要部件的设备画像与个性化运维服务方法

说明书

本发明提出一种面向动车组重要部件的设备画像与个性化运维服务方法，首先针对动车组的各个重要部件进行FMEA分析，获取每一个子系统可能发生的故障类别，对故障案例样本抽取故障现象关键词及其权重后，形成特征案例库；其次，构建动车组运维故障的标签库，针对每一个动车组个体建立设备画像模型并进行周期性更新，精确刻画动车组故障规律；最后，基于最近邻搜索算法实现最佳相似案例推荐，最终实现动车组个性化和差异化运维，以降低运维成本，提高运维效率。

技术领域

本发明涉及重要部件监控与运维方法技术领域，具体为一种面向动车组重要部件的设备画像与个性化运维服务方法。

背景技术

动车组是高速铁路运输的主要技术装备，承担着运输旅客和货物的重大任务，其高效运维直接影响高速铁路运输的安全与效益。动车组零部件众多、结构复杂、集成度高、运维数据庞大，包含有牵引、制动、控制、网络等多个子系统，涵盖了牵引电机、车轮、转向架等多个重要部件。

现有的维修策略主要以计划预防修为主，体现为5级检修制度，包括一级例行检修、二级重点检查、三级重要部件分解检修、四级系统全面分解检修、五级整车全面分解检修，为不同车型设置对应固定的维修周期结构，存在缺乏维修或者过度维修导致的大量人力财力投入问题。随着检修诊断设备、物联网、信息物理系统等新一代信息与通信技术的迅猛发展，动车组检修制度融入了更灵活可变的状态修，充分考虑列车各部件的工作方式与故障模式，对一些已掌握寿命规律的重要零部件进行严格的寿命管理，但维修周期结构不应单一取决于运行里程或车型，还应考虑每一列车在运维过程中的差异化故障现象，进行个性化运维方案的制定。

中国专利《一种物联网设备行为画像方法》(201710500863.9)公开了一种物联网设备行为画像方法，该方法是将用户画像系统与物联网平台相结合，通过对采集得到的智能终端设备的行为数据进行分析、特征提取、放置标签的处理，最终生成多维度的设备行为画像，并生成模型回馈给物联网平台。文献“CTCS--1级列控系统区域列控数据中心故障诊断方法研究，北京：北京交通大学，2019”基于列车区域列控数据中心(Regional DataCenter,RDC)失效模式和影响分析，提出了基于案例推理和词袋模型的RDC浅层诊断模型和基于粗糙集理论和贝叶斯网络的RDC深层故障诊断模型，进而实现快速准确的故障分类，并提供对应的维修措施。

设备画像是根据自动化设备在运行过程中留下的数据，主动或被动采集基本信息，再针对设备本身提取有效的信息当成标签，按照标签信息构造设备的抽象模型。而上述发明和研究在设备画像和动车组某一部件的故障诊断方面取得一定成果，然而在实际的动车组运维过程中，故障现象相互重叠、关联，复杂的部件组成与海量的运维数据使得难以把握每一列车的故障规律特点，因而动车组的运维方案同质化严重、维修周期结构单一，缺乏针对性的、差异性的运维服务，也难以对以往的故障维修案例进行有效利用。因此，针对动车组运维过程的设备画像与个性化运维方案制定有待进一步研究

发明内容

为了解决动车组在运维过程中故障规律精确刻画和差异化运维方案制定问题，本发明提出了一种面向动车组重要部件的设备画像与个性化运维服务方法，以动车组为代表，研究对复杂产品的重要部件在运维过程中的差异化故障现象建立设备画像模型，基于特征案例库和最近邻搜索算法实现最佳相似案例推荐，实现动车组个性化运维方案的形成。

本发明的技术方案是：

首先针对动车组的各个重要部件进行FMEA分析，获取每一个子系统可能发生的故障类别，对故障案例样本抽取故障现象关键词及其权重后，形成特征案例库；其次，构建动车组运维故障的标签库，针对每一个动车组个体建立设备画像模型并进行周期性更新，精确刻画动车组故障规律；最后，基于最近邻搜索算法实现最佳相似案例推荐，最终实现动车组个性化和差异化运维，以降低运维成本，提高运维效率。

具体包括以下步骤：

步骤1：通过整合动车组关键部件的设计、制造和运维场景信息，建立动车组关键部件的标签库，包括动车组关键部件的评价标签、属性标签和行为标签；