[发明专利]一种列车空调维修调度系统及其工作方法

权利要求书

1.一种列车空调维修调度系统，其特征在于，包括：

故障预测服务器以及位于列车空调端的数据筛选模块和数据传输模块；其中

所述数据筛选模块适于将筛选的列车空调实时运行数据通过数据传输模块发送至故障预测服务器；

所述故障预测服务器适于根据列车空调实时运行数据预测空调故障；

所述数据筛选模块筛选的列车空调实时运行数据，即

当实时运行数据同时满足旁通阀关闭满预设时间、蒸发风机高速运转满预设时间、冷凝风机打开满预设时间、外温稳定后预设时间内温差低于预设温差，以及新风、废排压力波风门开满预设时间的筛选条件时，被筛选为适用于预测列车空调的故障的实时运行数据；

所述实时运行数据包括：车厢内温度、车厢外温度、列车速度、高压、低压、新风风门开闭次数、废排风门开闭次数、旁通阀开闭次数和车厢内的气压；

所述列车空调维修调度系统还包括：列车所服务端；

所述列车所服务端适于接收筛选后的列车空调实时运行数据并发送至故障预测服务器，以及接收故障预测服务器发送的预测空调故障信息；

所述列车空调维修调度系统还包括：与故障预测服务器相连的管理端和维修端；其中

所述故障预测服务器适于将预测空调故障信息发送至管理端，所述管理端适于根据预测空调故障信息生成维修任务，并发送至维修端；

所述管理端适于从维修端获取维修任务的反馈数据，所述故障预测服务器适于从所述管理端调取历史维修任务的反馈数据；

所述故障预测服务器适于构建故障预测物理模型，以对列车空调故障进行预测；

所述故障预测物理模型包括：故障预测服务器在接收经过筛选的实时运行数据后，根据列车在预设周期时间内新风风门、废排风门、旁通阀的开闭次数大于相应次数阈值以及车厢内气压变化大于气压阈值以预测空调故障；并且

故障预测服务器从筛选过的实时运行数据中筛选列车车厢内空调整机对应的两个空调系统在预设周期时间内且在同等车厢内温度、车厢外温度、列车速度条件时的实时运行数据，基于列车车厢内的两个空调系统高低压变化趋势预测空调故障类型。

2.如权利要求1所述的列车空调维修调度系统，其特征在于，包括：

所述空调故障类型包括：空调通风故障、空调系统故障、空调整机故障；

基于列车车厢内的两个空调系统高低压变化趋势预测空调通风故障、空调系统故障、空调整机故障，即

设定故障判断模型：

若HP-HPAvg>P1,且HP-HPMin>P2，则判断车厢内高压上升趋势；

若HP-HPAvg<P3,且HP-HPMax<P4，则判断车厢内高压下降趋势；

若LP-LPAvg>P5,且LP-LPMin>P6，则判断车厢内低压上升趋势；

若LP-LPAvg<P7,且LP-LPMax<P8，则判断车厢内低压下降趋势；

上式中，HP为车厢内的高压值；HPAvg为预设周期时间内车厢内的高压平均值；HPMax为预设周期时间内车厢内的最大高压值；HPMin为预设周期时间内车厢内的最小高压值；LP为车厢内的低压值；LPAvg为预设周期时间内车厢内的低压平均值；LPMax为预设周期时间内车厢内的最大低压值；LPMin为预设周期时间内车厢内的最小低压值；P1为高压值和高压平均值之间差值对应的上升阈值；P2为高压值和最小高压值之间差值对应的上升阈值；P3为高压值和高压平均值之间差值对应的下降阈值；P4为高压值和最大高压值之间差值对应的下降阈值；P5为低压值和低压平均值之间差值对应的上升阈值；P6为低压值和最小低压值之间差值对应的上升阈值；P7为低压值和低压平均值之间差值对应的下降阈值；P8为低压值和最大低压值之间差值对应的下降阈值；

根据所述故障判断模型，对两个空调系统的高压变化趋势进行判断，即

当两个空调系统的高压变化趋势相同且低压变化趋势异常，则判断一空调系统出现空调通风故障；

根据所述故障判断模型，对单一空调系统的高压变化趋势进行判断，即

当任一空调系统的高、低压变化趋势超过上述相应阈值，则判断空调系统故障；以及

根据所述故障判断模型，对两个空调系统进行组合判断，即

当车厢内一空调系统的高、低压变化趋势分别异于另一空调系统的高、低压变化趋势时，则预测空调整机故障，即慢泄露故障或进风口故障。