車站信號聯(lián)鎖系統(tǒng)故障診斷系統(tǒng)的研究與實現(xiàn)

劉伯鴻,伏玉明,宋爽

(蘭州交通大學(xué) 自動化與電氣工程學(xué)院，甘肅 蘭州 730070)

?

車站信號聯(lián)鎖系統(tǒng)故障診斷系統(tǒng)的研究與實現(xiàn)

劉伯鴻,伏玉明,宋爽

(蘭州交通大學(xué) 自動化與電氣工程學(xué)院，甘肅 蘭州 730070)

采用人工智能的方法，對車站信號聯(lián)鎖系統(tǒng)故障診斷系統(tǒng)的開發(fā)與實現(xiàn)方法進(jìn)行分析和探討。根據(jù)車站信號設(shè)備復(fù)雜的結(jié)構(gòu)特點，建立一種分層多級信息融合的故障診斷方法。首先針對來自各子系統(tǒng)的狀態(tài)信息，應(yīng)用故障樹系統(tǒng)進(jìn)行分層分級判斷；然后，將子系統(tǒng)診斷結(jié)果應(yīng)用D—S證據(jù)理論加以綜合，給出信號設(shè)備的故障診斷決策。通過評估證據(jù)的可靠性，降低識別的整體誤差，提高診斷的準(zhǔn)確性。

信息融合；故障診斷；專家系統(tǒng)；證據(jù)理論；車站；信號設(shè)備

車站信號聯(lián)鎖系統(tǒng)在鐵路列車運行控制系統(tǒng)中占有十分重要的地位。車站信號聯(lián)鎖系統(tǒng)的設(shè)備狀態(tài)直接關(guān)系到列車運行控制系統(tǒng)的安全運用。由于車站信號聯(lián)鎖系統(tǒng)24 h不間斷工作，發(fā)生故障在所難免。目前,鐵路現(xiàn)場對車站信號聯(lián)鎖系統(tǒng)的故障診斷和維護(hù)主要是電務(wù)維護(hù)人員憑經(jīng)驗處理故障，難免存在盲目性或顧此失彼，且維護(hù)人員的業(yè)務(wù)水平也直接影響故障處理的效率和正確率。如果不能及時排除故障，會影響行車效率，甚至?xí)斐尚熊囀鹿省Ｈ绾慰焖儆行У卦\斷車站信號聯(lián)鎖系統(tǒng)故障，仍是擺在電務(wù)技術(shù)人員面前的一個重要難題。近年來，學(xué)者們對車站信號聯(lián)鎖系統(tǒng)故障診斷進(jìn)行研究[1-8]。祝庚[3]分析了幾個實用的故障分析模型和故障診斷方法,并結(jié)合HJO4A計算機聯(lián)鎖系統(tǒng)的故障情況,對其實例進(jìn)行了分析，但未能深入研究計算機聯(lián)鎖系統(tǒng)的故障模式和故障機理。何向東[4]對車站計算機聯(lián)鎖故障診斷專家系統(tǒng)進(jìn)行了開發(fā)研究。皇甫蘭蘭[5]以故障診斷專家系統(tǒng)為依托，開發(fā)了適用于全電子計算機聯(lián)鎖設(shè)備的故障診斷決策支持系統(tǒng)。但車站信號聯(lián)鎖系統(tǒng)包括室內(nèi)外設(shè)備，其故障原因、故障征兆和故障產(chǎn)生機理之間存在著復(fù)雜性和不確定性，僅靠單一診斷方法難以完成診斷任務(wù)，且既有故障模式分類難以涵蓋所有故障事件。為了克服現(xiàn)有技術(shù)的不足，本文采用信息融合技術(shù)，信息融合可以綜合利用多傳感器獲得同一對象的多維故障信息并進(jìn)行故障診斷，從而提高故障診斷的準(zhǔn)確率[6-8]。

本文根據(jù)鐵路車站信號設(shè)備故障診斷的特點，提出了一種分層多級信息融合的故障診斷方法，將診斷過程分為子系統(tǒng)級和系統(tǒng)級兩級診斷。子系統(tǒng)級采用D-S證據(jù)理論實現(xiàn)故障診斷，系統(tǒng)級運用故障樹專家系統(tǒng)對整個系統(tǒng)故障進(jìn)行綜合決策評判。

1　鐵路車站信號聯(lián)鎖系統(tǒng)故障診斷系統(tǒng)的總體結(jié)構(gòu)設(shè)計

鑒于鐵路車站信號聯(lián)鎖系統(tǒng)設(shè)備故障構(gòu)成的復(fù)雜性，依據(jù)信息融合的基本構(gòu)成原理，設(shè)計了鐵路車站信號聯(lián)鎖故障診斷系統(tǒng)的總體結(jié)構(gòu)[9-12]，如圖1所示。

圖1　車站信號聯(lián)鎖系統(tǒng)故障診斷系統(tǒng)結(jié)構(gòu)框圖Fig.1 Station signaling interlocking system fault diagnosis system construction

該信息融合故障診斷系統(tǒng)主要由設(shè)備狀態(tài)輸入信息、故障診斷知識獲取方法，故障樹專家系統(tǒng)，子系統(tǒng)級故障診斷、系統(tǒng)級故障診斷和故障診斷人機交互界面子系統(tǒng)等功能模塊構(gòu)成。

1)設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)和缺口檢查數(shù)據(jù)等導(dǎo)入功能模塊

該模塊主要實現(xiàn)從車站信號集中監(jiān)測系統(tǒng)獲取各種信號設(shè)備的工況狀態(tài)信息，為故障診斷專家系統(tǒng)提供必要的基礎(chǔ)數(shù)據(jù)。它通過接口軟件完成數(shù)據(jù)轉(zhuǎn)換、校核及向系統(tǒng)狀態(tài)信息數(shù)據(jù)庫的數(shù)據(jù)導(dǎo)入功能。

車站信號微機監(jiān)測系統(tǒng)，實時監(jiān)測的數(shù)據(jù)信息類型有開關(guān)量、模擬量和其它量等。開關(guān)量數(shù)據(jù)主要包括聯(lián)鎖設(shè)備I/O接口及信號機、轉(zhuǎn)轍機、軌道電路等室外信號設(shè)備組合繼電器的關(guān)鍵繼電器狀態(tài)的監(jiān)測數(shù)據(jù)。模擬量數(shù)據(jù)主要包括供電電源屏的輸入/輸出電壓、電流、頻率、功率及電壓相位角，軌道電路的軌道繼電器端電壓，道岔轉(zhuǎn)換過程的轉(zhuǎn)轍機動作電流和動作時間，電纜芯線全程對地絕緣電壓，電源屏輸出電源對地漏泄電流，站內(nèi)電碼化和移頻自動閉塞的發(fā)送電壓、電流、載頻及低頻頻率，以及環(huán)境狀態(tài)(溫度、濕度等)模擬量的監(jiān)測數(shù)據(jù)。

道岔缺口檢測裝置用于檢查道岔尖軌與基本軌縫的密貼程度。

視頻采集系統(tǒng)運用圖像采集和處理技術(shù)實現(xiàn)室內(nèi)外設(shè)備運行狀態(tài)(如無人值守車站信號設(shè)備的運行狀態(tài)等)和現(xiàn)場設(shè)備環(huán)境的監(jiān)測。

2)知識獲取子系統(tǒng)功能模塊

該模塊主要實現(xiàn)對專業(yè)領(lǐng)域性知識和經(jīng)驗性知識的獲取、分析與加工過程等功能，為信息融合診斷系統(tǒng)提供診斷知識和規(guī)則。知識獲取處理可由人工直接完成，也可通過某種知識獲取方法間接實現(xiàn)。

故障診斷知識獲取方法主要包括：車站信號復(fù)雜系統(tǒng)的分層模型知識獲取方法、基于電路模型原理邏輯的故障機理知識獲取方法、電源故障邏輯知識獲取方法、網(wǎng)絡(luò)互聯(lián)技術(shù)的故障機理知識獲取方法、基于維修人員故障處理實際經(jīng)驗的知識獲取方法、基于設(shè)備壽命機理的知識獲取方法，以及基于案例統(tǒng)計信息的自學(xué)習(xí)知識獲取方法等。

3)故障樹專家系統(tǒng)模塊

專家系統(tǒng)能夠運用專家的知識與經(jīng)驗進(jìn)行推理、判斷和決策。具有啟發(fā)性、透明性、靈活性等特點。

故障樹(FTA)就是頂事件(系統(tǒng)失效)和底事件之間的一張邏輯圖，能夠系統(tǒng)的反映故障發(fā)生的原因及因果關(guān)系。

故障樹專家系統(tǒng)是以故障樹和專家系統(tǒng)相結(jié)合故障診斷模塊，該模塊滿足車站信號聯(lián)鎖系統(tǒng)初步診斷。

對車站信號聯(lián)鎖這樣的復(fù)雜系統(tǒng)進(jìn)行故障診斷時，簡單的故障描述是不夠的，為了滿足故障診斷和定位的需求，在故障診斷時，往往附加一些其他信息，如故障征兆的描述、故障的檢測方式或方法、診斷建議和維修策略等。

基于故障樹專家系統(tǒng)，給出故障診斷的方法、診斷知識的規(guī)范化表示方法和快速推理策略，以解決車站信號聯(lián)鎖故障診斷專家系統(tǒng)的知識獲取和快速推理問題。

4)子系統(tǒng)診斷模塊

該模塊主要針對人機會話計算機、聯(lián)鎖機、I/O接口部分、室外信號設(shè)備控制電路的故障診斷。人機會話計算機采用專家系統(tǒng)故障診斷；聯(lián)鎖機除單元部件本身有軟硬件自檢測程序外，采用專家系統(tǒng)故障診斷；室外信號設(shè)備控制電路采用粗糙集和D-S證據(jù)理論故障診斷。

5)故障診斷人機界面子系統(tǒng)功能模塊

故障診斷人機界面是現(xiàn)場設(shè)備維護(hù)人員與故障診斷系統(tǒng)進(jìn)行友好信息交互的窗口。在選擇以故障征兆驅(qū)動診斷過程的推理機制條件下，該模塊的主要功能是實現(xiàn)各種故障診斷的類別選擇(如室內(nèi)電路設(shè)備故障診斷、室外信號設(shè)備故障診斷、復(fù)雜故障診斷等)、故障診斷結(jié)果顯示、故障處理信息提示、故障分析圖示信息、故障統(tǒng)計分析、設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)導(dǎo)人、知識庫維護(hù)、數(shù)據(jù)庫維護(hù)、系統(tǒng)初始化，以及系統(tǒng)幫助等信息的交互功能。

2　信息融合的鐵路車站信號聯(lián)鎖系統(tǒng)故障診斷

2.1專家系統(tǒng)

車站信號設(shè)備在上道之前，會進(jìn)行一系列的相關(guān)試驗，如可靠性試驗和安全性試驗；在線路開通運營之前，車站要進(jìn)行室內(nèi)外聯(lián)鎖試驗，這些都會暴露車站信號設(shè)備的故障；在線路運營期間，鐵路局電務(wù)段會存有較全面的檢修維護(hù)故障歷史記錄。人類專家在判斷和解決這些故障的時候，有些經(jīng)驗很難規(guī)則化，而且即使形成規(guī)則后也容易引起沖突。同時，這些經(jīng)驗又彌足珍貴，因此必須加以充分利用。但是基于事例的推理畢竟是不夠的，還需要大量從實踐中抽取規(guī)則同時進(jìn)行推理，才能有效地解決問題。所以本文采取基于規(guī)則和基于案例的混合推理機制的專家系統(tǒng)，最終專家系統(tǒng)的結(jié)構(gòu)圖如圖2所示。

圖2　基于混合推理的專家系統(tǒng)的結(jié)構(gòu)Fig.2 Expert system based on combination reasoning

2.2故障樹專家系統(tǒng)

針對傳統(tǒng)專家系統(tǒng)的不足，在鐵路車站信號聯(lián)鎖系統(tǒng)的故障診斷專家系統(tǒng)中，引入故障樹分析技術(shù)，充分利用系統(tǒng)深層知識，以期解決傳統(tǒng)專家系統(tǒng)知識獲取上的“瓶頸”問題。車站信號設(shè)備故障診斷專家系統(tǒng)以參數(shù)自診斷方式，利用知識庫中的事實和規(guī)則，并采用以綜合診斷重要度為引導(dǎo)的推理機制[13-17]。故障樹專家系統(tǒng)結(jié)構(gòu)如圖3所示。

圖3　車站信號聯(lián)鎖系統(tǒng)故障診斷專家系統(tǒng)結(jié)構(gòu)Fig.3 Station signaling interlocking system fault diagnosis expert system construction

知識庫由故障樹知識庫、模糊推理規(guī)則庫以及電路模型規(guī)則庫構(gòu)成。故障樹知識庫包含系統(tǒng)故障樹結(jié)構(gòu)和各故障模式之間的邏輯關(guān)系；模糊推理規(guī)則庫利用系統(tǒng)參數(shù)判斷輸出事件發(fā)生前提下各輸入事件發(fā)生的可能性，即求出各輸入事件的模糊重要度；電路模型規(guī)則庫含有人機會話計算機、聯(lián)鎖機、I/O接口部分、室外信號設(shè)備控制電路等電路模型知識；知識庫管理系統(tǒng)用于對知識庫中的規(guī)則進(jìn)行增加、刪除和修改等各種操作；綜合數(shù)據(jù)庫用于存放原始信息和推理過程中得到的中間信息等；解釋機制是解答用戶對專家系統(tǒng)的行為詢問的一個程序模塊；推理機利用當(dāng)前系統(tǒng)參數(shù)，根據(jù)綜合故障重要度來引導(dǎo)推理，從故障樹的頂事件逐漸推理到底事件(基本事件)，完成故障推理；驗證機根據(jù)故障樹推理機制診斷的結(jié)果，有針對性地調(diào)用出現(xiàn)假設(shè)故障的診斷控制體，然后調(diào)用電路模型規(guī)則，驗證該控制體是否發(fā)生故障；人-機交互診斷通過對話的方式要求用戶回答系統(tǒng)在推理過程中提出的問題；系統(tǒng)最終給出診斷結(jié)果并給出維修意見。

2.3粗糙集

粗糙集(rough set)的出現(xiàn)為解決上述問題提供了新的強有力的手段。粗糙集理論是一種刻畫不完整性和不確定性的工具，能有效地分析和處理不精確、不一致、不完整等各種不完備信息，并從中發(fā)現(xiàn)隱含的知識，揭示潛在的規(guī)律。采用粗糙集進(jìn)行信息融合綜合故障診斷，主要是利用其對包含冗余和不一致信息的故障診斷數(shù)據(jù)進(jìn)行分析、推理、發(fā)現(xiàn)數(shù)據(jù)間的關(guān)系、提取出用于故障診斷的決策規(guī)則和簡化信息的能力來融合多源復(fù)雜故障信息，以提高融合診斷速度和進(jìn)行最優(yōu)化融合算法的選擇，生成簡單、有效的診斷決策規(guī)則，增強系統(tǒng)的決策能力。本文采用了一種基于粗糙集理論的多源信息融合故障診斷模型，并驗證了其可行性和有效性[18-22]。

2.3.1基本概念

若A=C∪D，C∩D=φ ，C為條件屬性值，D為決策屬性值，則知識表達(dá)系統(tǒng)S稱為決策表。

分別稱為X的R下近似集和R的上近似集。

2.3.2D—S證據(jù)理論診斷信息融合

在故障診斷過程中，由于多方面的原因，如現(xiàn)場傳感器測量噪聲的存在、診斷知識的不完全等，使得故障診斷存在著不確定性，這些不確定性會影響到診斷結(jié)果的可靠性和準(zhǔn)確度，因而在診斷過程中需要對這些不確定性加以處理。作為Bayes方法的推廣，D—S證據(jù)理論采用信度的半可加性原則較好地對不確定性推理問題中主、客觀性之間的矛盾進(jìn)行了折中處理，將主觀不確定性信息融入推理過程，成為提高診斷決策可靠性的一種有效手段。

定義1對于一個決策問題，所有能夠認(rèn)識到的可能結(jié)果的有限集合用Θ表示，稱Θ為一個識別框架。

在對一個事件的認(rèn)識舉證過程中，不同的證據(jù)可能提供了不同的信任度，而在決策中需要將各證據(jù)的信任度融合起來，給出一個總的信任度的度量。Dempster合成法則給出一種多證據(jù)聯(lián)合作用的合成方法，對于給定同一識別框架上幾個的基于不同證據(jù)的信度函數(shù)，如果這幾個證據(jù)不是完全沖突的，那么就可以利用Dempster合成法則計算出一個總的信度函數(shù)，作為那幾個證據(jù)聯(lián)合作用下產(chǎn)生的信度函數(shù)。

定理(Dempster合成法則) 設(shè)Bel1,Bel2,…,Beln是同一識別框架Θ上的信度函數(shù)，m1,m2,…,mn是對應(yīng)的基本可信度分配，則合成后的可信度分配

3　基于信息融合的故障診斷系統(tǒng)診斷實例

利用基于信息融合的故障診斷系統(tǒng)對進(jìn)站信號機滅燈事故進(jìn)行故障診斷。進(jìn)站信號機室外控制電路如圖4所示。

以綠燈為例，當(dāng)綠燈點燈單元輸出故障(不良)或信號機主副燈絲雙斷時，點燈單元故障。

當(dāng)信號機點綠(L)燈時，綠燈點燈電路分別檢查DJ條件，微機監(jiān)測同時采集DJ電流信息。以L燈為例 LXJ ZXJ 2DJ LUXJ在信號主組合中，故障進(jìn)行約簡后，其中任何一個繼電器故障，認(rèn)為LXJ組合中有故障發(fā)生。如表1所示。

圖4　進(jìn)站信號機室外控制電路Fig.4 Enteringsignal lamp drive circuit

U分線盤電壓正常或偏高分線盤電壓無或偏低LDZHJ室內(nèi)驅(qū)采單元決策屬性類型表D10000LXJ組合中的繼電器故障21000DJ故障31000變壓器故障41010主副燈絲斷絲滅燈50100室外短線

3.1可信度計算

完備子集個數(shù)，樣本集有5個樣本，每次抽取一個元素進(jìn)行組合，則總的組合數(shù)Imin，因此本例中的樣本數(shù)應(yīng)為2×2×2=8，顯然本例中的樣本集還缺少3個樣本。應(yīng)用R-S理論對表1進(jìn)行處理，可推出如下決策規(guī)則。

[r11r21r31]→d1

[r11r21r31]→d2

[r22]→d3

[r32]→d4

[r12]→d5

η([·]→ei)=不完備子集中的樣本數(shù)/完備集樣本數(shù)

根據(jù)定義，可計算出前面推理所得5條規(guī)則的可信度分別為

η([r11r21r31]→d1)

η([r11r21r31]→d2)

η([r22]→d3)

η([r32]→d4)

η([r12]→d5)

由表1可得決策屬性d得出的決策表為

CLASS(d)={Y1 Y2 Y3 Y4 Y5}={{1}、{2}、{3}、{4}、{5}}

根據(jù)表1計算給定證據(jù)所對應(yīng)的每個條件屬性的條件

3.2重要度的計算

σcd(c′)=rc(D)-rc-c′(D)

條件屬性集c={c1， c2， c3}

表U/IND(C1，C2，C3)={{1},{2},{3},{4},{5}}

1)去掉屬性c1后，U/IND(C2，C3)={{1,2},{3},{4},{5}}

D的c-c1正域為PoSc-c1(d)={3,4,5}

則c-c1依賴度為rc-c1(D)=Card(PoSc-c1(D))/Card(D)=3/5=0.6

因此指標(biāo)c1的重要度σCD(c1)-0.6=0.4

2)去掉屬性c2后，U/IND(C1，C3)={{1，2，3},{4},{5}}

D的c-c2正域為PoSc-c2(d)={,4,5}

則c-c2依賴度為rc-c2(D)=Card(PoSc-c2(D))/Card(D)=2/5=0.4

因此指標(biāo)c2的重要度σCD(c2)-0.4=0.6

3)去掉屬性c3后，U/IND(C1，C2)={{1，2，4},{3},{5}}

D的c-c3正域為PoSc-c3(d)={3,5}

則c-c3依賴度為rc-c3(D)=Card(PoS(c-c3(D))/Card(D)=2/5=0.4

因此指標(biāo)c3的重要度σCD(c2)-0.4=0.6

從上面計算可知，條件屬性相對決策屬性的重要度。

3.3判定規(guī)則

對故障類型的判斷，采用基于規(guī)則的方法，其基本原則為：1)判定的故障類型(或元件)應(yīng)具有最大的可信度函數(shù)值；2)判定的故障類型(或元件)和其他類型的可信度函數(shù)值之差要大于某個門限值，如0.45；3)不確定信度函數(shù)值必須小于某個門限，如0.15。

3.3實例

例如某電務(wù)段管內(nèi)某車站信號機發(fā)生故障，經(jīng)分析現(xiàn)象，信號機無顯示，主副燈絲正常。利用證據(jù)理論推理，C1=0.78，C2=0.16；C3=0.15，C4=0.18，根據(jù)診斷規(guī)則，發(fā)生概率最大的故障類型即為信號機最大故障點。推理得LXJ組合中的繼電器故障。與現(xiàn)場故障原因分析一致。

4　結(jié)論

1)根據(jù)鐵路車站信號聯(lián)鎖系統(tǒng)設(shè)備、信號集中監(jiān)測系統(tǒng)的結(jié)構(gòu)和功能特點，采用模塊化的設(shè)計思路，將設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)、道岔缺口檢查等數(shù)據(jù)導(dǎo)入，分別建立了子系統(tǒng)故障診斷模塊和故障數(shù)診斷模塊，構(gòu)建了車站信號聯(lián)鎖系統(tǒng)故障診斷系統(tǒng)基本結(jié)構(gòu)。

2)根據(jù)故障診斷系統(tǒng)的基本結(jié)構(gòu)，采用基于規(guī)則和基于案例的獲取機構(gòu)，以突破知識獲取困難的瓶頸；在推理機制上，根據(jù)車站信號聯(lián)鎖系統(tǒng)研發(fā)、生產(chǎn)、上道、運營過程中的重要經(jīng)驗，以及電務(wù)段存有較全面的故障維護(hù)歷史記錄情況，設(shè)計了基于案例推理和規(guī)則推理的混合推理策略。建立了基于信息融合的車站信號聯(lián)鎖系統(tǒng)故障診斷系統(tǒng)基本結(jié)構(gòu)。

3)在介紹粗糙集理論的基礎(chǔ)上，利用粗糙集的條件屬性和決策屬性進(jìn)行故障診斷，并結(jié)合實例進(jìn)行了驗證，實現(xiàn)了基于粗糙集的車站信號設(shè)備故障診斷。應(yīng)用該方法，對故障診斷擁有較高的故障診斷精度。

[1] 吳定會,王莉,紀(jì)志成.信息融合在帶式輸送機故障診斷中的應(yīng)用[J].控制工程, 2014,21(4):483-486.

WU Dinghui, WANG Li, JI Zhicheng.Application of information fusion technology in fault diagnosis of belt conveyor[J]. Control Engineering of China, 2014,21(4):483-486.

[2] Takashi Kunifuji,Jun Nishiyama,Hiroyuki Sugahara,et al.A railway signal control system by optical LAN and design simplification[J].Journal of etworks,2008(7):8-15.

[3] 祝庚. 鐵路信號計算機聯(lián)鎖系統(tǒng)的故障模型建立及故障診斷方法的研究[D].合肥:合肥工業(yè)大學(xué)，2003.

ZHU Geng.Research on fault modeling and diagnosis of microcomputer interlocking system in railway signals[J]. Hefei: Hefei University of Technology, 2003.

[4] 何向東.鐵路計算機聯(lián)鎖故障診斷專家系統(tǒng)研究[D].長沙：中南大學(xué)，2008.

HE Xiangdong. Research on fault diagnose expert system of computer-interlocking system[D]. Changsha: Central South University, 2008.

[5] 皇甫蘭蘭，全電子計算機聯(lián)鎖設(shè)備故障檢修決策支持系統(tǒng)研究[D]. 蘭州:蘭州交通大學(xué),2013.

HUANGFU Lanlan.The research of troubleshooting decision support system of all electronic computer interlock equipment[D]. Lanzhou: Lanzhou Jiaotong University, 2013.

[6] Hamid Hassanabadi,Bijan Moaveni,Mohammad Karimi.A comprehensive distributed architecture for railway traffic control using multi-agent systems[J]. Proceedings of the Institution of Mechanical Engineers,2015,229(2):109-124.

[7] 張萍,趙陽,何梅芳.車站計算機聯(lián)鎖系統(tǒng)的故障診斷與維修專家系統(tǒng)的研究[J].中國鐵道科學(xué),1998,19(3):36-40.

ZHANG Ping，ZHAO Yang，HE Meifang.Study on fault diagnosing and maintenance expert system for computer interlocking system[J]. China Railway Science,1998,19(3)：36-40.

[8] 張喜,杜旭升,劉朝英.車站信號控制設(shè)備故障診斷專家系統(tǒng)的研究與實現(xiàn)[J].鐵道學(xué)報,2009,31(3):43-49.

ZHANG Xi,DU Xusheng,LIU Chaoying. Development of railway station signaling control equipment fault diagnosis expert system[J]. Journal of the China railway Society, 2009,31(3):43-49.

[9] 蔡猛,張大發(fā),張宇聲,等.基于故障樹分析的核動力裝置實時智能故障診斷專家系統(tǒng)設(shè)計[J].原子能科學(xué)技術(shù),2010,44(9):373-377.

CAI Meng,Zhang Dafa,Zhang Yusheng, et al. Design of nuclear power plants real-time intelligent fault diagnosis expert system based on FTA[J]. Atomic Energy Science and Technology, 2010,44(9):373-377.

[10] 肖蒙,翟琛,潘翠亮. 基于快速貝葉斯網(wǎng)絡(luò)的S700K轉(zhuǎn)轍機故障診斷研究 [J].鐵道科學(xué)與工程學(xué)報,2015,12(4):414-418.

XIAO Meng, ZHAI Chen, PAN Cuiliang. Research on STOOK switch machine fault diagnosis based on fast Bayesian network[J]. Journal of Railway Science and Engineering,2015, 12(4):414-418.

[11] 李國寧,曹 杰,劉伯鴻.故障樹分析在計算機聯(lián)鎖系統(tǒng)中的應(yīng)用[J].蘭州交通大學(xué)學(xué)報(自然科學(xué)版),2006,25(6):16-19.

LI Guoning,CAO Jie,LIU Bohong.Research and analysis of fault tree in computer interlocking system[J].Journal of Lanzhou Jiaotong University,2006,25(6):16-19.

[12] 于天劍,陳雅婷,陳特放,等.基于HMM在電機故障診斷上的研究[J]. 鐵道科學(xué)與工程學(xué)報,2014,11(4):103-108.

YU Tianjian, CHEN Yating, CHEN Tefang,et al.Research on motor fault diagnosis based on HMM[J]. Journal of Railway Science and Engineering, 2014，11(4):103-108.

[13] Kim MinSeok,Kim MinKyu,Lee JongWoo. Reliability analysis for train control system by hardware redundancy architecture in fault tolerance system[J]. Journal of International Council on Electrical Engineering,2011,1(2):140-144.

[14] García-Heras M, Agua F, López V, et al.Deterioroy estrategias de conservación de elementos metálicos de interés patrimonial de la estación de ferrocarril de Aranjuez[J]. Revista de Metalurgia,2011,47(1):48.

[15] Andrea D’Ariano.Improving real-time train dispatching performance: optimization models and algorithms for re-timing, re-ordering and local re-routing[J]. 4OR, 2010,8(4):429-432.

[16] Shunsuke kamijo,Toshimitsu Takahashi,Takeshi naito,et al.Framework study on behavior understandings based on posture and location state transition for railway station security[J]. International Journal of Intelligent Transportation Systems Research,2012,10(3):148-155.

[17] 安春蘭,甘方成,羅微, 等. 提速道岔小波包能量熵故障診斷方法[J]. 鐵道科學(xué)與工程學(xué)報,2015,12(2):269-274.

AN Chunlan,GAN Fangcheng,LUO Wei, et al.Method of speed-up turnout fault diagnosis using wavelet packet energy entropy[J].Journal of Railway Science and Engineering, 2015,12(4):269-274.

[18] 孫偉超,李文海,李文峰.融合粗糙集與D-S證據(jù)理論的航空裝備故障診斷[J].北京航空航天大學(xué)學(xué)報,2015,41(10):1902-1909.

SUN Weichao, LI Wenhai, LI Wenfeng. Avionic devices fault diagnosis based on fusion method of rough set and D-S theory[J]. Journal of Beijing University of Aeronautics and Astronautics,2015,41(10):1902-1909.

[19] 陳可,張小強,徐選華.基于改進(jìn)貝葉斯粗糙集和證據(jù)理論的決策信息融合方法[J].計算機應(yīng)用研究,2014,31(9):2625-2628.

CHEN Ke,ZHANG Xiaoqiang,XU Xuanhua. Approach to decision information fusion based on improved Bayesian rough set and evidence theory[J]. Application Research of Computers,2014,31(9):2625-2628.

[20] 涂繼亮,潘洪亮,董德存,等.融合粗糙集和證據(jù)理論的車地?zé)o線通信設(shè)備故障診斷[J].同濟大學(xué)學(xué)報(自然科學(xué)版),2011,39(6):870-873.

TU Jiliang,PAN Hongliang,DONG Decun,et al.Fault diagnosis method for trainGround wireless communication unit based on fusion of rough sets and evidence theory[J].Journal of Tongji University(Natural Science),2011,39(6):870-873.

[21] 陳超,陳性元,楊英杰,等. 基于粗糙集和D-S證據(jù)理論的系統(tǒng)安全評估[J].計算機工程, 2013,39(10):138-142.

CHEN Chao, CHEN Xingyuan, YANG Yingjie, et al. System security assessment based on rough set and D-S evidence theory[J].Computer Engineering,2013(10):138-142.

[22] 張春春,王嵩,張冬凱,等. 基于圖像處理的接觸網(wǎng)定位線夾目標(biāo)檢測[J].鐵道科學(xué)與工程學(xué)報,2015,12(6):1478-1484.

ZHANG Chunchun,WANG Song,ZHANG Dongkai,et al.Detection of catenary steady clamp based on image processing[J].Journal of Railway Science and Engineering,2015,12(6): 1478-1484.

Development of railway station signaling interlocking system fault diagnosis system

LIU Bohong,FU Yuming,SONG Shuang

(School of Automation and Electrical Engineering, Lanzhou Jiaotong University，Lanzhou 730070,China)

Development and implementation of the station signaling interlocking system fault diagnosis system are studied by the artificial intelligence system methods．According to the station signaling structural characteristic with complex equipment, a fault diagnosing method based on hierarchical information fusion is presented. In this method, Firstly fault tree expert system is applied to field fault multiple hierarchical diagnosis judgment on the basis of state information from subsystems，then D-S evidence theory is used to synthesis the diagnosis results from subsystems and give the signaling equipment diagnosing decision．This method can be used to evaluate the reliability of evidence, reduce the overall error of recognition frame, and raise the accuracy of fault diagnosis.

information fusion；fault diagnosis；expert system ；evidence theory；railway station；signaling equipment

2015-12-22

國家自然科學(xué)基金資助項目(61164010)

劉伯鴻(1968-),男,甘肅臨洮人,副教授，從事鐵路運輸自動化及控制研究；E-mail：liubohong@mail.lzjtu.cn

U292.36

A

1672-7029(2016)09-1825-08