[發明專利]一種系統異常診斷方法和裝置

有效

• 申請號: 202110325710.1
• 申請日: 2021-03-26
• 公開（公告）號: CN112990329B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 錢敏;李彥夫
• 申請（專利權）人: 清華大學
• 主分類號: G06F18/2433
• 分類號: G06F18/2433;G06F18/23;G06F18/25
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 蔣冬梅;栗若木

本申請實施例公開了一種系統異常診斷方法和裝置，該方法包括：采集系統監控數據并對系統監控數據進行預處理獲取第一數據；從第一數據選出第一特征數據；將第一特征數據按照迭代的順序依次輸入聚類模型中，根據聚類模型輸出結果判斷第一特征數據是否屬于預設的目標類集合；當第一特征數據不屬于目標類集合時，判定當前系統處于正常狀態；當第一特征數據屬于目標類集合時，將第一特征數據輸入預先訓練好的分類模型中，根據分類模型的分類結果判斷當前系統是否處于異常狀態；分類模型是以相對平衡的數據集作為分類訓練集對預設的分類器進行訓練獲得的。通過該實施例方案，實現了準確識別高鐵列車關鍵子系統的異常狀態，保障了高鐵列車的安全運行。

技術領域

本文涉及高鐵列車關鍵子系統異常診斷技術領域，尤指一種系統異常診斷方法和裝置。

背景技術

高速鐵路列車簡稱高鐵列車，通常指能夠以200km/h以上最高速度行駛的鐵路列車，是一種現代化的高速交通工具，可以大幅提高列車旅行速度從而提高火車運輸效率。高鐵列車快捷舒適、平穩安全、節能環保，深受當代人們的歡迎，近十年來，高速鐵路在世界范圍內得到了迅速的發展，并在日常交通中得到了廣泛的應用，世界各國都大力發展新型高鐵列車來滿足日益增長的出行需求。高鐵列車相比于汽車、普通火車等交通工具，發生事故的概率是非常小的，但是一旦高鐵列車發生致命事故，將會造成巨大的經濟損失和人員傷亡。

高鐵列車的信號系統、制動系統等關鍵子系統故障是造成這些悲劇的主要原因之一，如果能夠對高鐵列車關鍵子系統進行準確的異常診斷，將不僅能預先阻止單一的運行中斷，而且還能在網絡層面上降低異常的影響，從而提高鐵路網的可靠性，極大地降低高鐵列車事故發生的風險。

高鐵列車的關鍵子系統的異常診斷可以認為是一個二分類問題，需要建立傳感器監控數據和系統異常之間的分類模型，在訓練階段，根據高鐵列車上多種傳感器的歷史監控數據和歷史事故數據，完成分類模型的訓練。在測試過程中，利用高鐵列車上相關傳感器的實時監控數據和訓練好的分類模型，快速判斷當前時刻高鐵列車的關鍵子系統是否存在異常，并根據分類結果進行預警和處理。這一過程是一個多變量，高度非平衡的復雜過程，在高鐵列車的實際運行過程中發生事故的概率是非常小的，往往經過幾年的正常運行都不會有任何異常發生，所以歷史監控數據中的正常運行數據的比例要遠遠高于異常數據。因此，根據高維、高度非平衡的歷史監控數據建立一個準確可靠的異常診斷模型，準確識別混合在數量龐大的正常運行數據中的極少數異常監控數據，及時有效的診斷高鐵列車的健康狀況對于保障高鐵列車安全運行，是一件意義重大但是極具挑戰的任務。

發明內容

本申請實施例提供了一種系統異常診斷方法和裝置，能夠準確識別高鐵列車關鍵子系統的異常狀態，保障高鐵列車的安全運行。

本申請實施例提供了一種系統異常診斷方法，所述方法可以包括：

采集系統監控數據，并對所述系統監控數據進行預處理獲取第一數據；

從所述第一數據中選擇出第一特征數據，所述第一特征數據具有滿足預設要求的特征；

將所述第一特征數據按照迭代的順序依次輸入預設的聚類模型中，根據所述聚類模型的輸出結果判斷所述第一特征數據是否屬于預設的目標類集合；

當所述第一特征數據不屬于所述目標類集合時，判定當前系統處于正常狀態；當所述第一特征數據屬于所述目標類集合時，將所述第一特征數據輸入預先訓練好的分類模型中，根據所述分類模型的分類結果判斷當前系統是否處于異常狀態；其中，所述分類模型是以相對平衡的數據集作為分類訓練集對預設的分類器進行訓練獲得的。

在本申請的示例性實施例中，所述對所述系統監控數據進行預處理獲取第一數據，可以包括：

對所述系統監控數據進行向量初始化，獲取第一初始特征矩陣；

將所述第一初始特征矩陣中的每個特征分別進行中心標準化處理，得到第一新特征矩陣，作為所述第一數據。