[發明專利]面向動車組重要部件的設備畫像與個性化運維服務方法

在審

• 申請號: 202110000266.6
• 申請日: 2021-01-02
• 公開（公告）號: CN112732787A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 張映鋒;史麗春;任杉;林琦;王剛
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F40/289;G06F16/35;G06K9/62;G06Q10/00;G06Q50/30
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 陳星

1.一種面向動車組重要部件的設備畫像與個性化運維服務方法，其特征在于：包括以下步驟：

步驟1：通過整合動車組關鍵部件的設計、制造和運維場景信息，建立動車組關鍵部件的標簽庫，包括動車組關鍵部件的評價標簽、屬性標簽和行為標簽；

步驟2：從動車組運維管理相關的系統中收集動車組歷史故障信息，并基于面向對象技術與數據庫技術相結合的案例表示方法，構建特征案例庫：

步驟2.1：從動車組列控系統、調度系統、聯鎖系統及外部系統收集動車組歷史故障信息，并對動車組進行FMEA分析，確定每一個子系統可能發生的故障類別，并對每一故障類別的故障現象、故障發生的原因、故障影響以及故障發生頻率進行分析，總結出典型的故障模式，并篩選出具有代表性的故障案例；

步驟2.2：對收集到的故障案例文本進行文本處理，抽取故障現象關鍵詞，并將動車組故障案例用一個四元組來定義：

C＝(D,(S,E),R)

其中，D＝{d₁,d₂,…,d_n}表示對動車組故障案例的描述，包括車次、故障編號、故障發生地點、故障類別；(S,E)表示故障案例的特征集，S是故障案例的故障現象特征集，表現形式為S＝{(attr₁:η₁),(attr₂:η₂),…,(attr_n:η_n)}，包括故障案例特的故障現象關鍵詞attr_i與對應權重η_i，E是故障案例的屬性標簽與行為標簽信息，包括故障位置、運行環境、運行參數，表現形式是

E＝{(name₁:W₁),(name₂:W₂),…,(name_m:W_m)}；

R是動車組故障結論信息，包括維修方案、結果評價；

步驟3：構建每一動車組個體的設備畫像模型，具體包括以下步驟：

步驟3.1：構建每一動車組個體的設備畫像模型M_u為如下形式：

M_u＝{(F₁,E₁):ω₁,(F₂,E₂):ω₂,…,(F_n,E_n):ω_n}

在設備畫像模型M_u中，(F_i,E_i)表示某一動車組的某一重要部件的一個故障類別特征向量，每一個故障類別特征向量都關聯一個權重ω_i，該權重ω_i是指該部件發生第i個故障類別的次數占設定的固定歷史時間窗口中發生所有故障類別數量的比重，只有權重大于設定閾值ω_threshold的故障類別特征向量才能出現在設備畫像模型M_u中；

在故障類別特征向量(F_i,E_i)中，F_i為故障現象興趣模型，表現形式是F_i＝{(attr₁:η₁),(attr₂:η₂),…,(attr_p:η_p)}，其中，attr_j表示一個故障現象關鍵詞，η_j是相應的權重，表示該故障特征的重要程度；E_i是設備部件的屬性與行為特征模型，表現形式是E_i＝{(name₁:W₁),(name₂:W₂),…,(name_q:W_q)}，name_k是屬性標簽或行為標簽，W_k是標簽內容；

步驟3.2：周期性更新設備畫像模型M_u：

設備畫像模型的更新是一個周期性的更新過程，根據設備具體的運維情況設置更新周期，統計分析一個周期內的故障反饋信息來更新設備畫像模型M_u中的故障類別特征向量(F_i,E_i),i＝1,…,n，包括根據最新的設備屬性和行為信息更新設備畫像模型M_u中的設備部件的屬性與行為特征模型E_i,i＝1,…,n，以及應用Rocchio反饋算法更新故障現象興趣模型F_i,i＝1,…,n；

步驟4：為設備畫像模型M_u中的每一個故障類別特征向量推薦最佳相似案例，以形成該設備每一故障類別的個性化運維方案；具體包括以下步驟：

步驟4.1：遍歷設備畫像模型M_u中每一個故障類別(F_i,E_i),i＝1,…,n，找出特征案例庫中第i個故障類別下的故障案例集合，計算故障類別特征向量(F_i,E_i),i＝1,…,n與該故障案例集合中的歷史故障案例的相似度，并將相似度最高的歷史故障案例及其解決方案進行推送；

步驟4.2：判斷設備畫像模型M_u中每個故障類別(F_i,E_i),i＝1,…,n被推送的歷史故障案例及其解決方案是否適用，若適用，則直接應用其解決方法解決當前問題；若不完全適用，則對最佳相似案例的維修方案進行修正并保存到特征案例庫之后，形成該設備故障類別特征向量的個性化維修方案。