人工智能在鐵路信號故障診斷中的應用研究

王東升

摘 要：作為保障鐵路安全運輸的重要設備，信號設備的應用不僅可以提高鐵路運輸安全，還可以提高列車的指揮效率。現階段，鐵路信號系統的設計不斷應用人工智能技術，傳統的信號設備故障診斷技術已無法適應日趨智能化的鐵路信號系統。基于此，應創新與優化鐵路信號故障診斷技術與方法，建立完善的故障診斷機制，以提高故障診斷效率。本文簡要分析了鐵路信號設備故障的診斷方法，并對人工智能在鐵路信號故障診斷中的應用展開了探討。

關鍵詞：人工智能;鐵路信號;故障診斷;應用研究

由于鐵路信號系統較為復雜，許多不確定性因素都會導致信號設備出現故障，同時，故障診斷呈現出明顯的半結構化或非結構化特點。由于信號設備的故障原因較多，信號故障的分析難度逐步提高。基于人工智能的鐵路信號故障診斷專家系統，可以為故障的分析及診斷提供幫助，技術人員可以根據設備的狀態及時進行設備維修以及各項故障的排除，有利于提升設備維修水平，保障行車安全。

一、傳統的鐵路信號設備故障診斷方式

（一）人工診斷法

以往鐵路信號設備維修人員都是根據自身的經驗以及能力而進行信號設備故障的診斷，其通常會實地考察與分析設備故障發生的具體原因，并予以及時的診斷與處理。診斷過程中，維修人員可以選用的方法較多，不僅有觀察法、比較法，還有校核法與代換法，此外還有邏輯推理法、實驗分析法以及優先選擇法。通過這些方法判斷出信號設備出現故障的具體原因，并對其故障位置進行準確判斷，進而及時進行故障的有效排除。此后還需在大型計算機連鎖設備軟件的支持下進行信號設備故障的診斷與處理。

（二）信號處理法

信號處理法是基于信號模型的基礎上而對鐵路信號進行故障的診斷，這種方法的適用性較強，無需建立對象的準確模型，診斷過程也較為便捷。然而由于此方法必須先進行信號的檢測與處理，并且信號的噪音會對故障的診斷產生一定影響，因此，在鐵路信號故障檢測過程中，此方法只應用于特定信號故障的診斷與處理過程中。由于鐵路信號的診斷目標多而雜，且會聯合應用多種檢測方式，還要進行大量的計算，此診斷方式的局限性逐漸顯現。因此，此方法的應用范圍并不廣泛。

二、人工智能在鐵路信號故障診斷中的應用研究

人工智能故障診斷法是基于專家系統、模糊邏輯以及人工神經網絡等多種診斷技術而進行鐵路故障信號診斷的方法，同時還可以與其他傳統技術進行聯合進行故障檢測，以此建立起集識別診斷對象的狀態、故障辯別以及信號狀態預測等多種功能為一體的智能化信號故障診斷系統。

（一）專家系統的應用

專家系統是容納了大量專業知識與經驗的程序系統，該系統以特定領域專家的知識及經驗為基礎而對信號故障進行推理與判斷，模擬專家的決策而進行故障的分析與診斷，并總結出適合的故障診斷策略，進而避免專家親臨信號故障現場進行故障檢測。

在人工智能領域當中，鐵路信號設備故障診斷專家系統是實際應用率最高的鐵路信號設備故障診斷方法，專家系統以計算機網絡為基礎，結合了程序設計、人工智能以及數據信息資源庫等多項先進的技術實現了對鐵路信號設備故障的高效診斷與分析，該系統在鐵路系統特點的基礎上進行了優化與改進，遵循推理規則而進行鐵路信號設備故障的檢測，并對易發故障信號的狀態予以合理評判。

1.專家系統在鐵路信號故障診斷中的優勢

①其可以模擬專家的邏輯思維過程，對較為復雜的信號故障進行合理診斷;

②所應用的知識都以符號為代表，由于預先設定了推理規則，因此在診斷時無需輸入細節知識，診斷過程較為簡便;

③該系統具有利于模塊化的特性，一旦某一事實出現變化時修改較為容易;

④與傳統的符號數據具有良好的銜接性;

⑤可以對系統的推理過程進行合理解釋。

運用專家系統進行鐵路信號設備故障的診斷，實現了對專家知識的有效利用，可以極大的提高信號設備故障診斷效率，診斷結果也較為精準。

2.專家系統的缺點

①專家知識的獲取存在一定難度;

②系統的知識臺階并不寬泛;

③智能水平有待提升。

基于上述缺點，可以通過故障樹與專家系統的有效聯合建立專家系統知識資源庫，打破知識獲取困難的限制，進而使系統中存儲的診斷知識更加全面，為高效、快捷的鐵路信號故障診斷提供保障。通過簡化故障樹可以將知識庫中的內容進行相應簡化，進而排除多余知識，有利于故障推理的順利進行，進而提高系統的應用效果。

（二）模糊邏輯診斷法的應用

模糊性是指事物在質上的含義并不確切且在量上也無明確的界限而表現出的屬性。20世紀60年代美國專家率先提出了模糊集合論，80年代，日本將模糊控制技術應用于地鐵列車的自動控制當中，首度實現了無人駕強。隨后法、德等國將模糊控制應用于地鐵的應用研究當中。

模糊邏輯診斷方法是基于模糊理論而建立起來的，通過故障原因與現象之間的模糊關系矩陣而判斷出可能的故障原因，此方法的結構性知識表達能力極為強大，其推理的過程與人的思維模式極為相似，同時可以將專家描述的事件以及與之相關聯的關系進行編碼，進而為推理的實現提供依據，因此，模糊理論的應用必將成為未來鐵路信號診斷的發展趨勢。

模糊邏輯診斷法主要可分為兩種，一種是基于模糊關系與合成算法的診斷方法，另一種是基于模糊知識技術的診斷方法。由于故障原因所屬的函數及模糊規則的確定存在難度，同時，此診斷方式應用時對知識庫過于依賴，模糊診斷知識的獲取也并不容易，因此，模糊邏輯診斷法目前在鐵路信號故障診斷中的應用并不廣泛，診斷結果的精度尚需在未來進一步提升。

由于模糊語言的變量與自然語言較為接近，同時其中所包含的知識具有極強的可讀性，邏輯推理過程也較為嚴謹，模糊邏輯診斷的過程與人類的思維模式極為相似，并且可以進行相應的解釋。然而由于模糊診斷在知識獲取的過程中存在一定難度，在故障判定時難以根據具體的征兆而進行模糊關系的確定，在診斷過程中對于模糊知識庫的依賴過強，同時不具有較高的學習能力，因此，在診斷時常會出現診斷失誤或診斷不全面、遺漏問題的現象。基于這一情況，在對鐵路信號故障進行診斷時，可以采取與人工神經網絡方法相結合的方式進行診斷，針對不精確或不確定性的信息進行模糊處理，進而避免由于神經網絡難以進行邊界模糊數據分類處理現象的發生，避免發生誤診問題，進而使在規則基礎上建立的結構性知識具備良好的學習與優化能力，有效解決模糊邏輯診斷法知識獲取困難的問題，還可以避免推理過程中出現匹配沖突，進而促進推理效率的全面提升。

（三）神經網絡診斷法的應用

這種診斷方法是通過模擬人腦結構并進行信息處理而實現復雜問題的求解。其在鐵路信號故障診斷中的應用主要有兩種方式：一方面，神經網絡以分類器的身份進行故障模式的識別;另一方面，其作為動態預測模型而進行故障的診斷與分析。人工神經網絡診斷法無需依賴于專家知識庫而進行，推理的速度與規模之間的關聯并不明顯，同時，容錯能力及泛化能力都極為強大，各個神經元之間可以進行獨立的計算與處理，因此，此方法的診斷速度較快。

（四）模型解析診斷法的應用

在診斷目標明確且數學模型構建完整的情況下可采用解析模型法進行故障診斷。這種方法是基于數理統計以及函數解析等多種數學方法的基礎上建立起來的，一旦出現信號故障，系統會接收到相應的變化情況并將這一變化傳遞給數學模型進行解析。通過觀測數學模型并對其產生的參數變化得出的故障診斷實效性較高，因此，在系統的本質動態性研究過程中解析模型法發揮出了重要作用。模型解析法包含等價空間法與濾波器法，此外還有最小二乘法。然而由于這種方法只能針對明確的對象進行診斷，同時也必須在數學模型的輔助下才可實現，因此，應用范圍并不廣泛。

（五）混合智能診斷法的應用

這種方法是將多種診斷方式綜合運用的一種較為智能化的診斷方式，這是未來鐵路信號故障診斷的主要發展方向。如，在D-S證據理論基礎上通過信息融合技術而建立起來的故障診斷模型就屬于混合智能診斷法的一種，其將人工神經網絡以及模糊邏輯診斷方法進行了融合，以這兩種方式所做出的診斷結果為判斷依據綜合評判出信號故障的發生原因及故障點，因此，診斷結果極為可靠，應用效果也較為理想。

三、結語

基于人工智能的專家系統在鐵路信號故障診斷中發揮出了良好的應用效果，其可以實現對鐵路設備故障的診斷與預防。將多種診斷方式聯合應用，通過整合多種診斷方式的優勢而進行綜合故障分析是未來的發展趨勢，可以有效提高診斷結果的準確度與可靠性，進而為快速、高效的故障處理提供保障。在不久的將來，人工智能的應用必將越來越廣泛，對于鐵路信號故障診斷技術的提升與優化具有重要意義。

參考文獻：

[1]張立新.綜合故障檢測與診斷系統[J].西安工業大學學報，2019（2）：151.

[2]劉伯鴻，伏玉明，宋爽.車站信號聯鎖系統故障診斷系統的研究與實現[J].鐵道科學與工程學報，2016，13（9）：1825-1832.