本发明涉及轨道车辆智能运维领域，特别涉及一种基于图形算法开发的轨道车辆实时在线phm方法。
背景技术：
智能运维技术是以诊断和预测为核心的故障预测与健康管理(phm)技术，车辆phm技术通过对系统及部件的状态判断来监控车辆安全，进行故障预测和剩余寿命评价，并对车辆进行健康评价及健康管理。车辆phm算法具有如下缺点：复杂、开发难度大、耗时较长以及无专用算法开发工具。目前的轨道车辆网络控制系统具有以下不足：诊断模式固定，诊断项点较少以及故障诊断滞后；现有的phm系统需要信息技术和软件工程技术的支撑，对于车辆故障分析和预测大多由工程技术人员完成，导致phm系统开发效率低、效果差。
技术实现要素：
发明目的：针对以上问题，本发明目的是提供一种基于图形算法开发的轨道车辆实时在线phm方法，利用实时在线分布式phm技术实现车辆状态信息的有效预测。
技术方案：本发明的一种基于图形算法开发的轨道车辆实时在线phm方法，包括：
(1)利用列车模型组态模块生成轨道车辆故障预测算法文件，将算法文件下载至实时快速芯片，将含有算法的芯片应用于轨道车辆各系统，形成车辆实时在线分布式phm系统，系统包括多个phm模块；
(2)车辆实时在线分布式phm系统利用含有算法的芯片采集所在轨道车辆系统模拟量和开关量数据，对车辆运行中瞬变信号进行分析，将分析结果发送给车载phm主机和地面车辆健康管理决策系统；
(3)地面车辆健康管理决策系统将接收到的状态信息进行显示，包括车辆状态、故障诊断信息、故障预测信息、剩余运行寿命预测信息和健康评估信息；
(4)地面车辆健康管理决策系统针对车辆全部状态信息进行健康管理，实现轨道车辆的监测和管理。
进一步，步骤1包括：
(101)列车模型组态模块在开发平台上搭建故障分析预测算法逻辑图，所述逻辑图包括函数与phm算法框架，并完成参数配置；
(102)大数据服务器根据算法逻辑图进行算法代码转化，生成源代码，在软件中进行编译和综合，利用软件进行功能仿真和时序仿真，生成编程文件，下载到fpga芯片；
(103)将fpga芯片嵌入到在线分布式phm系统，分布式应用到车辆各系统和各部件中。
进一步，步骤101中搭建算法逻辑图包括：获取故障预测模块的逻辑图，利用网页前端程序识别逻辑图中各变量和函数，识别初始化段、序列段以及各元素之间的逻辑关系，自动生成图形逻辑描述文件，由后端操作将图形逻辑描述文件发送给大数据服务器。
进一步，步骤102代码转化包括：
(1021)读取初始化段，将初始化段定义的变量存储于数据库中，并赋予默认值；
(1022)查看序列部分，按照序列段序号先后顺序执行程序；
(1023)在每个序列段中，由大数据中的代码段表示功能块及参数对应的逻辑关系，由大数据中的条件语句控制功能块之间的连接逻辑，生成执行流程及函数描述文件，利用格式化字符串工具解释执行流程及函数描述文件，生成算法源代码。
进一步，步骤2分析包括：实时在线提取识别系统特征变量，构建特征变量与健康因数的映射关系，利用算法分析、构建健康因数与健康状态、寿命、预测故障点的映射关系，从而判断系统状态，完成故障判断、故障诊断、故障统计、故障预测。
进一步，步骤2分析结果的发送方式包括无线网络传输。
有益效果：本发明与现有技术相比，其显著优点是：
1、本发明通过车辆实时在线分布式phm技术可以快速、高频率的采集车辆系统的模拟量和开关量数据，采集数据精确至微秒级，并在线进行实时运算分析，不会漏掉车辆系统、部件运行的细节数据，提高系统预测的准确性；
2、本方法极大提高轨道车辆phm系统的开发效率，是面向轨道车辆技术专家的图形化算法开发工具，工程技术人员在车辆及车辆系统层面研究故障预测和健康管理算法，专注于算法顶层思路开发，对于算法实现过程中涉及的it技术则由图形化算法开发工具实现，极大的提高了算法从开发到应用的效率；
3、通过将分布式phm模块分布于车辆各个系统及部件，将车辆各部分状态、故障诊断情况、故障预测、健康评价通过无线数据传输给地面车辆管理决策系统，为用户对车辆的视情维修提供了精准的决策参考数据及建议，缩短了提取故障数据、分析决策处置故障的时间，提高了运维的效率；
4、由事后被动维修与应急的工作方式转变为提前预判、有的放矢的精益化工作方式，提高了车辆的可用性和安全性；
5、主机厂可以根据累计数据，分析车辆制造中存在的不足之处，以便优化车辆质量。
附图说明
图1为本发明工作原理图；
图2为实时在线分布式phm模块应用于车辆各系统或部件示意图；
图3为igbt模块剩余寿命模型逻辑图；
图4为生成图形逻辑json描述文件流程图；
图5为执行流程及函数描述json文件生成方法流程图；
图6为算法代码生成方法及fpga应用流程图；
图7为igbt模块实时快速在线phm模块示意图。
具体实施方式
本实施例以igbt模块寿命预测为例，所述的基于图形算法开发的轨道车辆实时在线phm方法包括如下步骤，如图1所示，
(1)利用列车模型组态模块生成轨道车辆故障预测算法文件，将算法文件下载至实时快速芯片，将含有算法的芯片应用于轨道车辆各系统，形成车辆实时在线分布式phm系统，系统包括多个phm模块，如图2所示。
(101)列车模型组态模块在开发平台上搭建故障分析预测算法逻辑图，如图3，逻辑图包括函数与phm算法框架，并完成参数配置；
获取igbt模块的逻辑图，利用网页前端程序识别逻辑图中各变量和函数，其中变量定义如表1所示，函数定义与功能描述如表2所示。识别初始化段、序列段以及各元素之间的逻辑关系，自动生成图形逻辑json描述文件，实施过程如图4所示。由后端操作将图形逻辑json描述文件发送给大数据服务器，在大数据服务器中实现对json文件的解释，生成从初始化定义，从序列1到序列n所有执行流程及函数的json文件，具体实施过程如图5所示。
表1各变量定义
表2各函数定义与功能描述
(102)大数据服务器根据算法逻辑图进行算法代码转化:
(1021)读取初始化段，将初始化段定义的变量存储于数据库中，并赋予默认值；
(1022)查看序列部分，按照序列段序号先后顺序执行程序；
(1023)在每个序列段中，由大数据中的代码段表示功能块及参数对应的逻辑关系，由大数据中的条件语句控制功能块之间的连接逻辑，生成执行流程及函数描述文件，利用python格式化字符串工具解释执行流程及函数描述文件，生成算法源代码。
在quartus软件中进行编译、综合，利用modelsim软件进行功能仿真和时序仿真，生成编程文件，下载到fpga芯片，具体实施过程如图6所示。
(103)将含有igbt模块寿命预测算法的fpga芯片嵌入到在线分布式phm模块，分布式应用到车辆各系统和各部件中，在线分布式phm模块包括a/d转换模块、含有igbt寿命预测算法的fpga芯片、车载phm主机，如图7所示。
(2)车辆实时在线分布式phm模块利用算法文件采集所在轨道车辆系统模拟量和开关量数据，对车辆运行中瞬变信号进行分析，将分析结果通过无线网络传输发送给车载phm主机和地面车辆健康管理决策系统；
车辆aw3工况运行一站，igbt温升δt和平均温度tm约为80k和105℃，在此工况下，按照下列公式进行计算，列车运行一站的损伤为c1＝1.851×10-5，按照此温度模式运行一天，设定列车一天运行10个往返，单程25个车站，运行一天总的igbt损伤为：c＝c1×25×10×2＝9.255×10-3，剩余寿命url＝100-9.255×10-3＝99.9907％。将计算结果发送给地面车辆健康管理决策系统，系统根据车辆目前的状态信息进行控制安排车辆运行情况。
(3)地面车辆健康管理决策系统将接收到的状态信息进行显示，包括车辆状态、故障诊断信息、故障预测信息、剩余运行寿命预测信息和健康评估信息。
(4)地面车辆健康管理决策系统针对车辆全部状态信息进行健康管理，实现轨道车辆的监测和管理。
1.一种基于图形算法开发的轨道车辆实时在线phm方法，其特征在于，包括：
(1)利用列车模型组态模块生成轨道车辆故障预测算法文件，将算法文件下载至实时快速芯片，将含有算法的芯片应用于轨道车辆各系统，形成车辆实时在线分布式phm系统；；
(2)车辆实时在线分布式phm系统利用算法文件采集所在轨道车辆系统模拟量和开关量数据，对车辆运行中瞬变信号进行分析，将分析结果发送给车载phm主机和地面车辆健康管理决策系统；
(3)地面车辆健康管理决策系统将接收到的状态信息进行显示，包括车辆状态、故障诊断信息、故障预测信息、剩余运行寿命预测信息和健康评估信息；
(4)地面车辆健康管理决策系统针对车辆全部状态信息进行健康管理，实现轨道车辆的监测和管理。
2.根据权利要求1所述的轨道车辆实时在线phm方法，其特征在于，步骤1包括：
(101)列车模型组态模块在开发平台上搭建故障分析预测算法逻辑图，所述逻辑图包括函数与phm算法框架，并完成参数配置；
(102)大数据服务器根据算法逻辑图进行算法代码转化，生成源代码，在软件中进行编译和综合，利用软件进行功能仿真和时序仿真，生成编程文件，下载到fpga芯片；
(103)将fpga芯片嵌入到在线分布式phm系统，分布式应用到车辆各系统和各部件中。
3.根据权利要求2所述的轨道车辆实时在线phm方法，其特征在于，步骤101中搭建算法逻辑图包括：获取故障预测模块的逻辑图，利用网页前端程序识别逻辑图中各变量和函数，识别初始化段、序列段以及各元素之间的逻辑关系，自动生成图形逻辑描述文件，由后端操作将图形逻辑描述文件发送给大数据服务器。
4.根据权利要求2所述的轨道车辆实时在线phm方法，其特征在于，步骤102代码转化包括：
(1021)读取初始化段，将初始化段定义的变量存储于数据库中，并赋予默认值；
(1022)查看序列部分，按照序列段序号先后顺序执行程序；
(1023)在每个序列段中，由大数据中的代码段表示功能块及参数对应的逻辑关系，由大数据中的条件语句控制功能块之间的连接逻辑，生成执行流程及函数描述文件，利用格式化字符串工具解释执行流程及函数描述文件，生成算法源代码。
5.根据权利要求4所述的轨道车辆实时在线phm方法，其特征在于，步骤2分析包括：实时在线提取识别系统特征变量，构建特征变量与健康因数的映射关系，利用算法分析、构建健康因数与健康状态、寿命、预测故障点的映射关系，从而判断系统状态，完成故障判断、故障诊断、故障统计、故障预测。
6.根据权利要求1所述的轨道车辆实时在线phm方法，其特征在于，步骤2分析结果的发送方式包括无线网络传输。
技术总结