买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国铁道科学研究院集团有限公司通信信号研究所;中国铁道科学研究院集团有限公司;北京华铁信息技术有限公司;北京锐驰国铁智能运输系统工程技术有限公司申请的专利一种针对铁路调度集中系统的智能故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118555188B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410685009.4，技术领域涉及：H04L41/0631；该发明授权一种针对铁路调度集中系统的智能故障诊断方法是由刘黎;张涛;王涛;许伟;乔峥;刘语馨;朗越;王子维;林海桐设计研发完成，并于2024-05-30向国家知识产权局提交的专利申请。

本一种针对铁路调度集中系统的智能故障诊断方法在说明书摘要公布了：一种针对铁路调度集中系统的智能故障诊断方法，包括：从单一设备节点、网络通信流量和系统功能三个维度进行信息采集，并分别设计故障检测方法，提取系统故障特征；实现系统故障根因分析；根据历史知识和挖掘得到的关联规则，形成历史决策知识库，自动匹配处置建议。本发明提高了运维人员手动分析系统数据的效率；通过数据挖掘方法分析多维、异构、海量数据，自动发现系统特征与故障根因间的潜在、未知关联，为CTC系统维修与故障恢复提供有力支撑；实现“故障修”向“预防修”的转变；将数据挖掘得到的故障规则与历史经验相结合，形成故障诊断规则库，辅助运维人员准确定位问题节点，快速进行故障处置，提高运维效率。

本发明授权一种针对铁路调度集中系统的智能故障诊断方法在权利要求书中公布了：1.针对铁路调度集中系统的智能故障诊断方法，其特征为： 步骤1：从单一设备节点、网络通信流量和系统功能三个维度进行信息采集，分别设计故障检测方法，提取系统故障特征； 网络通信流量提取：通过测试各网络设备连通状态，发现网络拓扑，通过SNMP、ICMP、ARP模式探测设备在线状态和端口连接状态，绘制网络拓扑图，通过拓扑图进行全网设备状态查询与异常节点定位；通过实时检测网络流量，实现流量监控与趋势分析，快速识别并提取网络通信异常特征； 步骤2：采用关联规则算法融合多维度特征，实现系统故障根因分析； 以CTC系统中列车占用丢失为例进行故障根因挖掘：设I＝{i1,i2,…,im}为一个包含m个项目的项集，提取某车站近三年列车占用丢失故障相关系统日志及故障报告形成事务数据库D＝{r1,r2,…,rm}，每个事务rii＝1,2,…,n均对应I上的一个子集，满足，I是D中全体数据项的集合； 设X，Y均为项集，且，，，关联规则表示为：，X为先决条件，Y为关联结果；当项集X发生时，项集Y以一定概率出现； 评价关联规则参数为支持度support和置信度confident；支持度指数据库D中包含{X,Y}事务出现的可能性，即所有项集中同时包含X和Y的概率： ； 支持度从数量维度筛选普遍存在的关联规则，根据数据库结构特征和异常检测需要设定最小支持度s，剔除出现频率较少的规则，剩下的非空子集称为频繁项目集；置信度指在先决条件X出现的情况下，Y出现的概率： ； 置信度从质量维度筛选需要的关联规则，反映关联规则的可靠性设定最小置信度c，筛选得到强关联规则； 步骤3：根据历史知识和挖掘得到的关联规则，形成历史决策知识库，自动匹配处置建议；关联规则算法采用FP-growth算法；单一设备节点特征提取包括如下内容：FP-growth算法，其运算步骤如下： Step1计算每个项目的重复次数依次排序，根据频繁项集降序建立该事务的FP-tree； Step2计算最小支持度，删除小于最小支持度的项目并建立剩余项头表； Step3按照项头表自下而上访问FP-tree生成条件模式基； Step4根据条件模式基重新判断条件FP-tree是否为空或仅含单路径，如果是，则进入Stpe5，如果不是，则转至Step3； Step5对路径中的节点进行组合，并与后缀频繁项生成最终的频繁模式； 所述系统故障的提取包括如下内容：以故障状态下CTC系统日志为数据来源进行文本挖掘及特征提取，数据特点及所需预处理操作如下： ①数据均衡：由于系统中不同故障的出现频次、记录长度、现象描述、解决方案均不相同，需对收集到的系统日志进行人工筛选与补充，使不同类型数据相对均衡； ②文本清洗：CTC系统日志中包含大量时间、车次号、区段名称噪声数据，不利于有效特征的提取，需对日志数据进行清洗，通过编写正则表达式实现； ③文本分词：CTC系统日志包含大量铁路领域专业词汇，为实现准确分词，采用Jieba分词工具，在使用通用词典的基础上，加入包括线路场站名称、行车指挥调度专业术语、各设备名称自定义铁路信号； 完成数据预处理后，基于TF-IDF实现故障文本特征提取与向量化；经过TF-IDF向量化的文本数据具有稀疏、维度高的特点，且得到的词权重为连续值，直接用于后续关联规则的挖掘效率较低，需对权重数值离散化处理，并提取重要特征属性；结合现场经验与专家建议，通过为特征词权重设置阈值将其重要程度分为：低0、一般1、高2三类，将重要程度一般和高的特征词保留，作为文本关键词用于后续关联规则挖掘; 所述步骤3包括如下内容：从单一设备节点、网络通信流量、系统功能故障三个维度提取的检测特征，利用FP-growth算法生成诊断规则，检查生成的诊断规则是否已经存在于历史故障诊断规则库，如果规则存在，则直接根据此规则所关联的故障原因及其对应的处置建议确定诊断结论，指导现场排除故障；如果规则不存在，则将此规则纳入故障诊断规则库，并将此次故障原因及故障处理措施录入历史决策知识库。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国铁道科学研究院集团有限公司通信信号研究所;中国铁道科学研究院集团有限公司;北京华铁信息技术有限公司;北京锐驰国铁智能运输系统工程技术有限公司，其通讯地址为：100081 北京市海淀区大柳树路2号二区8幢；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。