基于流数据的列车在线状态监测方法研究与应用

为实时地监测列车在线状态,传统的阈值检测方法只能从数值表现上对设备或系统状态做出判断,而忽略了数据趋势性变化所反映出的列车健康状态变化信息。文章针对列车在线运行过程中产生的流数据提出了一种基于一致性表现的流数据分析方法,其在离群异常点提供报警的同时,能够从特征变化趋势中挖掘信息,同时开发了一套应用于列车多功能车辆总线MVB网络的智能维护设备来搭载和验证算法;基于列车实测数据和故障注入技术在实验室模拟了列车总线网络测试环境,以列车气制动系统为分析对象对所提方法和所开发的设备进行了测试。结果表明,其能够有效地对突发性异常进行报警,在健康状态早期、中期和后期的报警识别率分别为85.7%, 71.4%和57.1%,且能够较好地识别和监测设备性能的衰退。

Research and Application of an Online Train Condition Monitoring Method Based on Streaming Data