一种基于大数据的地铁信号设备状态修分析方法与流程

技术特征：

1.一种基于大数据的地铁信号设备状态修分析方法，其特征在于，包括：

分析处理装置周期性地接收地铁信号系统中每一子系统发送的该子系统中每一信号设备在预设时间段内的运行状态信息，以及接收维护支持系统发送的每一信号设备的维修记录信息；

分析处理装置将所有信号设备的运行状态信息和维修记录信息分布式存储在HDFS中；

针对至少一个信号设备进行状态修分析时，分析处理装置根据信号设备的标识，从HDFS中查找该信号设备的运行状态信息、维修记录信息；

分析处理装置根据查找的运行状态信息、维修记录信息，结合预设公式，获取该信号设备发生故障的概率。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

分析处理装置判断获取的概率是否大于预设值，若是，则发出预警信息。

3.根据权利要求1所述的方法，其特征在于，所述运行状态信息包括：

已发生报警的报警信息、设备信息、运行环境信息和/或停车信息；

其中，报警信息包括：报警设备、报警级别、报警时间和/或报警状态；

设备信息包括：设备名称、设备的属性值和/或测量时间点；

停车信息包括：车次号、头尾端标识、站台号和/或停车精度级别；

维修记录信息包括：信号设备起始使用时间、厂商规定的使用期限、信号设备维修时间点和/或维修原因。

4.根据权利要求2所述的方法，其特征在于，针对信号设备为道岔转辙机时，从HDFS中查找该信号设备的运行状态信息、维修记录信息的步骤，包括：

获取前两个月内每个采集时间段采集的该道岔转辙机的重要告警次数、不重要告警次数、正常次数、采集次数和设备使用率；

相应地，根据查找的运行状态信息、维修记录信息，结合预设公式，获取该信号设备发生故障的概率的步骤，包括：

根据采集的该道岔转辙机的重要告警次数、不重要告警次数、正常次数和采集次数，预估重要告警概率、不重要告警概率和正常概率的预估值；

根据重要告警次数、不重要告警次数、正常次数、设备使用率，以及预估的重要告警概率、不重要告警概率和正常概率的预估值，结合预设公式，获取该道岔转辙机的故障概率曲线；

依据故障概率曲线，预测该道岔转辙机发生故障的时间段。

5.根据权利要求4所述的方法，其特征在于，根据重要告警次数、不重要告警次数、正常次数、设备使用率，以及预估的重要告警概率、不重要告警概率和正常概率的预估值，结合预设公式，获取该道岔转辙机的故障概率曲线，具体为：

根据公式一，获取该道岔转辙机的故障概率曲线q；

公式一：k_ax^a+k_by^b+k_cz^c+d＝q

其中，a为发生不重要告警的告警次数，b为发生重要告警的告警次数，c为正常次数、x为不重要告警概率的预估值、y为重要告警概率的预估值、z为正常概率的预估值；d为道岔转辙机的使用率；

k_a，k_b，k_c的取值为0或1，

当a为0时，k_a为0，否则k_a为1，

当b为0时k_b为0，否则为1；

当c为0时，k_c为0，否则为1。

6.根据权利要求1至5任一所述的方法，其特征在于，所述方法还包括：

根据维修记录信息，采用预设公式二，获取信号设备的设备维修曲线p；

公式二：

其中，x为由于A原因维修信号设备的概率，i为由于A原因的维修次数，y为由于B原因维修信号设备的概率，j为由于B原因的维修次数；

k_i的取值为0或1，

当i为0时，k_i为0，否则k_i为1；当j为0时，k_j为0，否则k_j为1；

根据所述设备维修曲线p，预估该信号设备需要更换的时间段。

7.根据权利要求1至5任一所述的方法，其特征在于，所述方法还包括：

接收维护支持系统发送的信号设备的状态量信息，该状态量信息为用户通过维护支持系统设置的模拟条件、模拟次数和/或模拟级别；

以及接收维护支持系统发送的信号设备根据状态量信息进行模拟运行时的状态参数；

根据所述状态量信息和状态参数，确定影响信号设备运行的条件；

相应地，根据确定的影响信号设备运行的条件，调整已经获取的该信号设备发生故障的概率。

8.根据权利要求1所述的方法，其特征在于，所述分析处理装置采用流式方式从HDFS中查找信号设备的运行状态信息和维修记录信息。