基于關(guān)聯(lián)規(guī)則和變權(quán)重系數(shù)的列控車載設(shè)備工作狀態(tài)評估方法

樊連會，武曉春，郭榮昌

(蘭州交通大學自動化與電氣工程學院，蘭州 730070)

列控車載設(shè)備是列控系統(tǒng)的核心設(shè)備，是保證列車安全運營的關(guān)鍵。由于車載設(shè)備結(jié)構(gòu)復雜，各設(shè)備間的耦合性也相對較強，其多數(shù)故障診斷系統(tǒng)只能診斷出較嚴重的故障，對故障早期的異常很難做出判斷。因此，有必要對車載設(shè)備運行的工作狀態(tài)進行評估，實現(xiàn)對故障的早期預警，為設(shè)備的檢修提供指導，從而避免和減輕設(shè)備損壞，降低運行與檢修費用，提高車載運行的安全性和可靠性。

目前鐵路領(lǐng)域?qū)W者們的焦點主要集中在車載設(shè)備故障診斷方法和故障預測[1-4]等，對其狀態(tài)評估的研究較少。文獻[5]在分析工作狀態(tài)和動態(tài)機制的基礎(chǔ)上，引入動態(tài)貝葉斯理論，對車載系統(tǒng)可靠性進行評估。文獻[6]考慮列車運行干擾的問題，引入彈復力效應(yīng)理論分析系統(tǒng)恢復狀態(tài)，從而對車載設(shè)備進行評估。文獻[7]首先對車載設(shè)備進行分層管理，結(jié)合狀態(tài)空間理論和層次分析思想構(gòu)建劣化失效評估模型，從而對車載設(shè)備可靠性實時評估。文獻[8]基于多維數(shù)據(jù)集為車載設(shè)備操作和故障數(shù)據(jù)構(gòu)建特定的數(shù)據(jù)模型，結(jié)合貝葉斯理論和馬爾科夫鏈，對特定車載設(shè)備狀態(tài)進行評估。但對車載設(shè)備狀態(tài)進行評估時，學者們不應(yīng)只考慮智能技術(shù)融合，還應(yīng)考慮設(shè)備間各個單項狀態(tài)量之間的相互耦合關(guān)系。關(guān)聯(lián)規(guī)則能夠較好的挖掘設(shè)備狀態(tài)量之間的關(guān)聯(lián)性，且已在航空[9]、機械[10]等評估方面廣泛應(yīng)用。鐵路領(lǐng)域現(xiàn)階段研究都存在一個共性問題，即故障數(shù)據(jù)種類少、數(shù)據(jù)量少、故障類型少、不具備完全數(shù)據(jù)組。為了提高列控車載設(shè)備工作狀態(tài)評估的準確率，需要在完備數(shù)據(jù)情況下進行狀態(tài)評估，但列控車載設(shè)備維護具有特殊性，難以收集到完備數(shù)據(jù)。

通過以上分析，將關(guān)聯(lián)規(guī)則和變權(quán)重系數(shù)相結(jié)合用于列控車載設(shè)備工作狀態(tài)評估。用統(tǒng)計學原理對歷史運行故障數(shù)據(jù)進行分析后，歸類故障特征，整合兩兩之間的耦合關(guān)系，分別將其與故障類型對應(yīng)。設(shè)定故障類型和故障特征分別作為綜合狀態(tài)量和單項狀態(tài)量評估指標。通過關(guān)聯(lián)規(guī)則置信度和變權(quán)重計算公式得到常權(quán)重和變權(quán)重系數(shù)，在單項狀態(tài)量基礎(chǔ)上求出綜合狀態(tài)量評分，從而反映列控車載設(shè)備整體運行工作狀態(tài)。

1 列控車載設(shè)備組成及理論基礎(chǔ)

1.1 列控車載設(shè)備

CTCS-3級列控系統(tǒng)主要包括地面設(shè)備和車載設(shè)備[11]，其車載設(shè)備構(gòu)成如圖1所示。

圖1 CTCS-3列控系統(tǒng)車載設(shè)備框圖

高速鐵路運營速度的不斷提高，使得列控車載設(shè)備的結(jié)構(gòu)更加復雜、集成度更高，車載設(shè)備間故障耦合性程度增大，故障不易被發(fā)現(xiàn)。對列控車載設(shè)備進行狀態(tài)評估能夠及時發(fā)現(xiàn)故障安全隱患。

1.2 關(guān)聯(lián)規(guī)則理論

在數(shù)據(jù)庫中，域與域之間若能夠滿足某種特定的關(guān)系，則稱其為關(guān)聯(lián)規(guī)則[12]。按規(guī)則要求，將事務(wù)數(shù)據(jù)庫和其全部子集事務(wù)分別記為Y和X，所有子集事務(wù)個數(shù)記為|Y|。以某一子集事務(wù)為例，設(shè)其包含項集H的頻率記為f(H)。若項集H?Y，I?Y，且H∩I=?，則形如H?I的式子稱之為關(guān)聯(lián)規(guī)則，表示包含項集H的事務(wù)Y也可能包含項集I，H和I是關(guān)聯(lián)規(guī)則的前提和結(jié)論。所以H?I的支持度就是項集H∪I的支持度，也可表示為Y中包含H∪I的比例，如式(1)所示

(1)

設(shè)support(H?I)min為支持度閾值，通常情況下取70%[13]。當某項集支持度高于設(shè)定閾值時，稱該項集為頻繁項集。

關(guān)聯(lián)規(guī)則中H?I的置信度等同于Y中同時包含H和I的比例，即條件概率P(I|H)，如式(2)所示

(2)

關(guān)聯(lián)規(guī)則中，置信度反映其確定性即可信程度，置信度值越大，說明關(guān)聯(lián)關(guān)系的可信度越強。支持度反映其有效性即重要程度或出現(xiàn)概率，支持度越大，表明關(guān)聯(lián)程度越強。

2 確定狀態(tài)評估標準和權(quán)重

列控車載設(shè)備結(jié)構(gòu)復雜，集成性高，要對其運行工作狀態(tài)進行準確評估，需要選擇最具代表性的狀態(tài)量進行評估。

2.1 狀態(tài)評估因素集

車載設(shè)備故障種類很多，但目前尚未有統(tǒng)一的劃分方法對其進行分類。本文主要依據(jù)《CTCS-3級列控車載設(shè)備技術(shù)條件》[14]，同時根據(jù)實際運行經(jīng)驗，并參考文獻[15-17]總結(jié)的車載設(shè)備常見故障，初步將8種車載設(shè)備故障類型作為狀態(tài)綜合評估指標，如表1所示。

表1 列控車載設(shè)備故障類型

車載設(shè)備的狀態(tài)信息繁多，如果考慮所有的狀態(tài)信息，狀態(tài)評估體系將極為復雜，而且有些狀態(tài)信息比較模糊，不宜定量描述，不利于對車載設(shè)備全面而準確的評估。因此，就需要選擇最具代表性且能夠準確有效反映車載設(shè)備運行狀況的狀態(tài)量作為表征車載設(shè)備各種故障類型的故障征兆。選擇17種故障特征作為單項狀態(tài)量指標[18-19]，如表2所示。

表2 列控車載設(shè)備故障特征

2.2 狀態(tài)評語集與評分標準對照

在咨詢現(xiàn)場車載設(shè)備維護人員將車載設(shè)備運行工作狀態(tài)分為4個等級。分別為正常、注意、異常、故障。列控車載設(shè)備運行工作狀態(tài)與評分標準如表3所示。

表3 工作狀態(tài)與評分值對照

2.3 評估指標權(quán)重系數(shù)的計算

列控車載設(shè)備系統(tǒng)是一個結(jié)構(gòu)復雜的系統(tǒng)，常見的故障類型主要分為8類。一個系統(tǒng)的工作狀態(tài)評估都是從局部到整體的過程，采用關(guān)聯(lián)規(guī)則和變權(quán)重系數(shù)評估列控車載設(shè)備綜合狀態(tài)。

2.3.1 綜合指標與單項指標的關(guān)聯(lián)關(guān)系

在列車實際運行過程中，列控車載設(shè)備發(fā)生某一類故障時，會表現(xiàn)出多個故障特征；同樣，一個故障特征會出現(xiàn)在多個故障類型中。因此，找出各種故障所對應(yīng)的所有故障特征項是評估列控車載設(shè)備狀態(tài)的前提和條件。

首先，需要采集足夠多的歷史故障數(shù)據(jù)作為數(shù)據(jù)樣本，然后分析各個故障類型與所對應(yīng)的故障特征間的關(guān)聯(lián)性，記Xn→Ta。事物數(shù)據(jù)庫為Y，|Y|為事物數(shù)據(jù)庫個數(shù)。將第a個故障類型Ta發(fā)生記作事物數(shù)據(jù)庫Ya，則該故障類型的故障例總數(shù)記作|Ya|。在數(shù)據(jù)樣本中，各個故障特征Xn的發(fā)生次數(shù)記作f(Xn)；在|Ya|例中，各個故障特征Xn的發(fā)生次數(shù)記作f(Xn∪Ta)，則根據(jù)公式(1)可計算得到Xn→Ta的支持度值。當Xn→Ta的支持度值高于70%時，則認為故障類型與故障特征的關(guān)聯(lián)性是有意義的，此時Xn屬于頻繁項集，由此得出故障特征Xn與故障類型Ta間相互關(guān)聯(lián)關(guān)系較強；對于非頻繁項集則棄之。故障特征間的關(guān)聯(lián)性，用Xa，n表示，則故障類型Ta約簡后對應(yīng)的故障特征，記作Ta={Xa，1，Xa，2，…，Xa，Na}，Na表示約簡后故障特征的個數(shù)。

僅考慮故障類型所對應(yīng)的頻繁故障特征項集，根據(jù)式(2)計算置信度Ca，n。

2.3.2 權(quán)重計算

為體現(xiàn)評估的準確性，根據(jù)置信度的計算公式，得到故障類型與故障特征聯(lián)系的強弱，并用置信度的大小分配權(quán)重。

常權(quán)重系數(shù)的計算公式如下

(3)

式中，wa，n為故障類型Ta中故障特征Xa，n的常權(quán)重系數(shù)；Ca，n為相應(yīng)的置信度。

以表4中的“無線通信故障”為例，驗證故障類型指標的合理性。設(shè)置最小支持度閾值Smin=70%，計算常權(quán)重系數(shù)。“無線通信故障”包含4項故障特征，分別為主機與DMI通信中斷、無線連接超時、停車、與RBC通信中斷。記4個單項故障特征為X61、X62、X63、X64，無線通信故障為T6。表4中總數(shù)據(jù)庫Y為515，4個單項故障特征出現(xiàn)的次數(shù)分別為79、68、82、71次，總出現(xiàn)次數(shù)分別為291、68、464、91次。而無線通信故障出現(xiàn)86次。根據(jù)式(1)可以計算出“無線通信故障”的支持度

“無線通信故障”4個故障特征的支持度都>70%。因此單項狀態(tài)量指標選取合理。根據(jù)公式(2)計算故障類型與故障特征間的置信度

常權(quán)重系數(shù)由式(3)可得

同理可得：w62=0.448 8，w63=0.079 3，w64=0.350 1，其余常權(quán)重系數(shù)按以上步驟可得到。

在列控車載設(shè)備工作狀態(tài)評估中，常權(quán)重系數(shù)在一定程度上會偏離正常值，不能準確反映列控車載設(shè)備的實際工作情況，影響整體的狀態(tài)評估結(jié)果，為了保證綜合評價指標的均衡性，本文引入變權(quán)重系數(shù)[20]如式(4)所示

(4)

引入均衡函數(shù)形成的綜合指標變權(quán)重系數(shù)如式(5)所示

(5)

式中，α為均衡函數(shù)。當α=1時，綜合變權(quán)重系數(shù)等于常權(quán)重系數(shù)；當0.5<α<1時，綜合狀態(tài)量程度不高；當0≤α≤0.5時，易剔除綜合狀態(tài)嚴重缺陷值。根據(jù)故障特征對設(shè)備異常情況下的變化程度分析，本文取α=0。當單項狀態(tài)量評分較低時，根據(jù)式(4)和式(5)調(diào)整權(quán)重系數(shù)，避免權(quán)重系數(shù)的不均衡，若評分較低，說明權(quán)重系數(shù)大，表示車載設(shè)備故障，能反映車載設(shè)備的實際運行情況。

3 列控車載設(shè)備工作狀態(tài)評估步驟

根據(jù)以上理論和評估標準，建立評估流程如圖2所示，具體流程如下。

圖2 列控車載設(shè)備狀態(tài)評估流程

(1)收集車載設(shè)備歷史故障數(shù)據(jù)，選取8種典型的故障類型作為綜合評估指標，17種故障特征作為單項評估指標。

(2)根據(jù)關(guān)聯(lián)規(guī)則相關(guān)理論結(jié)合車載設(shè)備的實際運行情況，建立單項指標與綜合指標的關(guān)聯(lián)關(guān)系。為了保證單項指標故障特征的準確性，各單項指標必須滿足最小支持度閾值。

(3)根據(jù)步驟(2)建立評估體系，計算單項指標的支持度和常權(quán)重系數(shù)。

(4)對表2中的單項指標進行評分計算，評分原則為至少3位現(xiàn)場車載設(shè)備維護人員對當前情況下各個故障特征進行打分，評分范圍為0～100，計算公式如下

(6)

gan=dan×100

(7)

式中，px、pmin和pmax分別為第x個專家給出的評分以及最低分和最高分；dan表示歸一化后的最小值，且dan∈[0，1]。

(5)綜合指標的評分值由單項指標評分值和常權(quán)重系數(shù)計算得出

(8)

式中，ga為Ta的評分值。

(6)由于所選綜合狀態(tài)量(故障類型)都能夠較準確地反映列控車載設(shè)備某方面的工作狀態(tài)，從而故障類型常權(quán)重值取wa=1/n。因此，本文8種故障類型的常權(quán)重值均取1/8。

(7)根據(jù)各綜合狀態(tài)量的評分與變權(quán)重系數(shù)計算列控車載設(shè)備的整體評分

(9)

根據(jù)整體評分值和表3判斷列控車載設(shè)備的工作狀態(tài)，給車載檢修人員提供作業(yè)指導，減輕作業(yè)負擔，節(jié)省時間，對列控車載設(shè)備做出及時的維修。

4 列控車載設(shè)備狀態(tài)評估實例分析

4.1 實例分析

以某鐵路局CTCS3-300T型車載設(shè)備為例。整理2015-2017年度車載設(shè)備故障數(shù)據(jù)作為樣本數(shù)據(jù)，共515組。統(tǒng)計各個故障類型和故障征兆出現(xiàn)的頻次，根據(jù)關(guān)聯(lián)規(guī)則支持度和置信度計算公式分別計算列控車載設(shè)備各個故障特征的支持度值和常權(quán)重值如表4所示。

根據(jù)步驟(1)和步驟(3)計算故障特征的支持度和常權(quán)重系數(shù)。由表4可知，故障特征與故障類型的關(guān)聯(lián)規(guī)則支持度較高，都大于最小支持度閾值，說明評估體系指標是合理的。

表4 列控車載設(shè)備故障類型與故障特征間的關(guān)聯(lián)和權(quán)重

根據(jù)步驟(4)、步驟(5)得到綜合狀態(tài)量的評分值，進而根據(jù)式(5)計算其變權(quán)重系數(shù)，如表5所示。

表5 列控車載設(shè)備故障類型評分與變權(quán)重系數(shù)

由步驟(7)計算列控車載設(shè)備的整體評分，G=49.48分。對比表3可知，列控車載設(shè)備工作狀態(tài)為異常，并由此推測列控車載設(shè)備發(fā)生無線通信或列車接口方面的故障。列車進站后維護人員通過分析JRU數(shù)據(jù)和核心網(wǎng)，發(fā)現(xiàn)車載MT電臺下行質(zhì)量差導致無線通信連接超時。評估結(jié)果與現(xiàn)場維護人員檢測結(jié)果一致。

4.2 評估方法的有效性

對本文所提方法的有效性進行驗證，收集150組樣本數(shù)據(jù)，其中100組為故障數(shù)據(jù)，50組為正常數(shù)據(jù)，評估結(jié)果如表6所示。

表6 150組樣本數(shù)據(jù)評估結(jié)果

由表6可知，在50組正常樣本中，其中48組正常，2組注意。在100組故障數(shù)據(jù)中，其中86組故障，10組異常，4組注意。評估結(jié)果與車載設(shè)備實際工作狀態(tài)基本吻合。這說明本方法可以準確評估車載設(shè)備的真實工作狀態(tài)。

4.3 故障類型的準確率

整理200組列控車載設(shè)備故障數(shù)據(jù)，對8種故障類型準確度進行分析，分析結(jié)果如表7所示。

表7 故障類型的準確率

由表7可知，SDU故障和BTM故障準確率都高于95%，其他故障準確率相對較低，但也能達到77.78%，在對車載設(shè)備狀態(tài)進行評估時，若車載設(shè)備故障，可以得出具體的故障類型。

4.4 對比分析

進一步驗證本文方法的有效性，從某鐵路局電務(wù)段車載設(shè)備車間再收集150組樣本數(shù)據(jù)與文獻[21]的關(guān)聯(lián)規(guī)則評估方法進行對比，樣本數(shù)據(jù)和對比結(jié)果如表8所示。

表8 與關(guān)聯(lián)規(guī)則方法的對比

(1)用關(guān)聯(lián)規(guī)則常權(quán)重計算方法對150組樣本數(shù)據(jù)進行處理，得出車載設(shè)備處于故障狀態(tài)的準確率為80.0%，處于正常狀態(tài)的準確率為88.0%。

(2)本文方法得出設(shè)備處于故障狀態(tài)的準確率為86.0%，正常狀態(tài)的準確率為96.0%。

(3)以故障狀態(tài)準確率為依據(jù)，從對比結(jié)果可知，本文方法對每種故障類型的評估結(jié)果比關(guān)聯(lián)規(guī)則的常權(quán)重方法都有提高。兩種方法相比，本文方法準確率提高了6%，這進一步說明了本文方法的有效性。

5 結(jié)論

將關(guān)聯(lián)規(guī)則、常權(quán)重和變權(quán)重系數(shù)引入列控車載設(shè)備工作狀態(tài)評估中，從應(yīng)用實例以及與關(guān)聯(lián)規(guī)則方法對比，得到如下結(jié)論。

(1)建立了以預防性樣本數(shù)據(jù)為基礎(chǔ)的狀態(tài)評估體系，通過統(tǒng)計學原理將故障類型和故障特征進行分類，將相互緊密聯(lián)系的單項狀態(tài)量與綜合狀態(tài)量相對應(yīng)，以綜合狀態(tài)量作為狀態(tài)評價主要因素，有利于準確評估列控車載設(shè)備的工作狀態(tài)。

(2)用關(guān)聯(lián)規(guī)則置信度計算故障特征的常權(quán)重，并引入變權(quán)重系數(shù)，從而避免過度依賴專家經(jīng)驗使其權(quán)值不合理的現(xiàn)象，使得到的權(quán)重更能客觀反映故障特征的重要程度。

(3)實例對比分析表明，關(guān)聯(lián)規(guī)則和變權(quán)重系數(shù)結(jié)合的方法可取得較好狀態(tài)評估效果，使評估結(jié)果更加準確，也為現(xiàn)場的設(shè)備維護提供科學的檢修指導。同時本文算法可擴展性強，易實現(xiàn)計算機編程。