[发明专利]一种基于大数据分析的地铁机电设备状态异常检测方法

权利要求书

1.一种基于大数据分析的地铁机电设备状态异常检测方法，其特征在于，包括如下步骤：

1)从地铁机电设备历史状态数据库中提取机电设备状态数据，并将其导入大数据存储系统；

2)从上述的大数据存储系统中读取地铁机电设备历史状态数据；

3)将上述的地铁机电设备历史状态数据代入AR模型和SOM模型进行训练，然后建立多维设备运行特征参数；

4)根据上述的多维设备运行特征参数对实时的设备监测数据进行异常判别；

所述步骤3)中具体还包含：

31)针对每个参量的历史数据，通过AR模型、SOM算法计算出转移概率矩阵{X1,X2,…,Xn}；

32)针对所有参量的历史数据，通过DBSCAN算法对多维时间序列进行聚类，将历史数据聚成m个簇；

所述步骤4)中具体包含：将在线监测的机电设备实时数据流代入步骤31)中的转移概率矩阵得到各参量的转移概率序列，并判断各时间点的数据是否属于步骤32)中的m个聚类；

a.当各参量的转移概率序列都不存在0值，且数据流中各时间点的数据属于m个簇中的1个时，则各时间点的数据不存在异常；

b.当各参量的转移概率序列存在少于3个0值，且数据流中少于三个采样周期的数据不属于m个簇，则各时间点的数据中存在少于3个噪声点，属于传感器异常；

c.当k个参量的转移概率序列存在一段0值，k<N，且数据流中多于3个采样周期的数据不属于m个簇，则判断设备出现了异常运行状态；

d.对上述步骤c中异常运行状态，根据参量转移概率序列的过0点，判断设备异常状态的发生时间。

2.根据权利要求1所述的基于大数据分析的地铁机电设备状态异常检测方法，其特征在于，所述步骤1)中所提取的设备历史状态数据包括：温度、电压、电流、压力、客流数据或交易数据。

3.根据权利要求1或2所述的基于大数据分析的地铁机电设备状态异常检测方法，其特征在于，所述步骤1)具体还包括：数据提取时，周期性的从数据库中读取增量数据，并写入大数据存储系统。