[发明专利]一种系统异常诊断方法和装置

说明书

本申请实施例公开了一种系统异常诊断方法和装置，该方法包括：采集系统监控数据并对系统监控数据进行预处理获取第一数据；从第一数据选出第一特征数据；将第一特征数据按照迭代的顺序依次输入聚类模型中，根据聚类模型输出结果判断第一特征数据是否属于预设的目标类集合；当第一特征数据不属于目标类集合时，判定当前系统处于正常状态；当第一特征数据属于目标类集合时，将第一特征数据输入预先训练好的分类模型中，根据分类模型的分类结果判断当前系统是否处于异常状态；分类模型是以相对平衡的数据集作为分类训练集对预设的分类器进行训练获得的。通过该实施例方案，实现了准确识别高铁列车关键子系统的异常状态，保障了高铁列车的安全运行。

技术领域

本文涉及高铁列车关键子系统异常诊断技术领域，尤指一种系统异常诊断方法和装置。

背景技术

高速铁路列车简称高铁列车，通常指能够以200km/h以上最高速度行驶的铁路列车，是一种现代化的高速交通工具，可以大幅提高列车旅行速度从而提高火车运输效率。高铁列车快捷舒适、平稳安全、节能环保，深受当代人们的欢迎，近十年来，高速铁路在世界范围内得到了迅速的发展，并在日常交通中得到了广泛的应用，世界各国都大力发展新型高铁列车来满足日益增长的出行需求。高铁列车相比于汽车、普通火车等交通工具，发生事故的概率是非常小的，但是一旦高铁列车发生致命事故，将会造成巨大的经济损失和人员伤亡。

高铁列车的信号系统、制动系统等关键子系统故障是造成这些悲剧的主要原因之一，如果能够对高铁列车关键子系统进行准确的异常诊断，将不仅能预先阻止单一的运行中断，而且还能在网络层面上降低异常的影响，从而提高铁路网的可靠性，极大地降低高铁列车事故发生的风险。

高铁列车的关键子系统的异常诊断可以认为是一个二分类问题，需要建立传感器监控数据和系统异常之间的分类模型，在训练阶段，根据高铁列车上多种传感器的历史监控数据和历史事故数据，完成分类模型的训练。在测试过程中，利用高铁列车上相关传感器的实时监控数据和训练好的分类模型，快速判断当前时刻高铁列车的关键子系统是否存在异常，并根据分类结果进行预警和处理。这一过程是一个多变量，高度非平衡的复杂过程，在高铁列车的实际运行过程中发生事故的概率是非常小的，往往经过几年的正常运行都不会有任何异常发生，所以历史监控数据中的正常运行数据的比例要远远高于异常数据。因此，根据高维、高度非平衡的历史监控数据建立一个准确可靠的异常诊断模型，准确识别混合在数量庞大的正常运行数据中的极少数异常监控数据，及时有效的诊断高铁列车的健康状况对于保障高铁列车安全运行，是一件意义重大但是极具挑战的任务。

发明内容

本申请实施例提供了一种系统异常诊断方法和装置，能够准确识别高铁列车关键子系统的异常状态，保障高铁列车的安全运行。

本申请实施例提供了一种系统异常诊断方法，所述方法可以包括：

采集系统监控数据，并对所述系统监控数据进行预处理获取第一数据；

从所述第一数据中选择出第一特征数据，所述第一特征数据具有满足预设要求的特征；

将所述第一特征数据按照迭代的顺序依次输入预设的聚类模型中，根据所述聚类模型的输出结果判断所述第一特征数据是否属于预设的目标类集合；

当所述第一特征数据不属于所述目标类集合时，判定当前系统处于正常状态；当所述第一特征数据属于所述目标类集合时，将所述第一特征数据输入预先训练好的分类模型中，根据所述分类模型的分类结果判断当前系统是否处于异常状态；其中，所述分类模型是以相对平衡的数据集作为分类训练集对预设的分类器进行训练获得的。

在本申请的示例性实施例中，所述对所述系统监控数据进行预处理获取第一数据，可以包括：

对所述系统监控数据进行向量初始化，获取第一初始特征矩阵；

将所述第一初始特征矩阵中的每个特征分别进行中心标准化处理，得到第一新特征矩阵，作为所述第一数据。