基于贝叶斯网络的高铁信号系统车载设备故障诊断方法的研究

考虑到高铁车载设备故障诊断的不确定性和复杂性,本文提出了基于贝叶斯网络的车载设备故障诊断系统。在建立贝叶斯网络结构的过程中,基于充分利用现场数据与先验知识的思想,本文通过融合不同方法(K2算法,MCMC算法和专家知识)得到最优的贝叶斯网络结构。最后,本文进行了实例分析与模型验证,并与KNN算法、BP神经网络算法进行比较,测试结果表明该模型的正确性和有效性。文中的验证数据来自武广高铁车载设备故障追踪表。     

RS-BN算法在高铁车载设备故障诊断中的应用研究

针对高速铁路列控车载设备结构复杂、故障诊断特征不确定、传统故障诊断方法过于依赖专家经验、故障诊断自动化程度低等问题,提出一种贝叶斯网络与粗糙集模型约简技术相融合的故障诊断方法。首先对故障追踪表进行分析提取和数据挖掘,结合专家经验建立诊断知识数据库;其次对故障数据进行K2算法学习、训练,并结合诊断知识数据库先验知识建立BN结构模型;然后结合故障信息数据建立诊断决策表,利用粗糙集进行条件属性约简,消除冗余条件信息,简化模型并建立基于RS-BN算法的BN结构模型;再通过MLE算法进行BN模型的参数学习,获得模型的条件概率表,建立完整的BN诊断模型;最后对约简模型和未约简模型进行对比分析。通过某高铁实际故障数据仿真验证分析,测试结果证明了该方法有较高的准确性和实际模型的高似然度。     

地铁信号系统车载设备维保策略优化

主要研究基于故障树的贝叶斯网络分析、基于状态的维修模型以及维保策略优化.在获取地铁信号系统车载设备故障数据的前提下,采用贝叶斯网络分析方法研究信号系统车载设备重要度的辨识方法;在周期预防性维修的基础上,采用基于状态的维修模型进行针对性优化,实现风险与成本双目标优化的目标,改善信号系统车载设备关键部件薄弱环节.     

基于Labeled-LDA的列控车载设备故障特征提取与诊断方法研究

准确地诊断出列控车载设备的故障类型是保障列车安全运行的基础。针对车载设备故障诊断问题,根据北京动车段300T车载日志数据的特点,基于数据挖掘方法并结合现场技术人员的经验知识,构建车载设备的故障特征词库;在此基础上,改进了Labeled-LDA(Latent Dirichlet Allocation)模型用于提取日志数据的语义特征。采用基于粒子群优化的支持向量机算法PSO-SVM对日志文本的故障进行分类,以降低故障样本数据分布不均衡对分类精度的影响,并与传统的支持向量机算法SVM,K最近邻算法KNN进行对比分析。实验结果表明,KNN、SVM、PSO-SVM三种算法的故障文本数据一级故障诊断准确率依次为79.4%,81.8%和90.9%,二级故障诊断准确率依次为74.6%,78.1%和81.3%,验证了PSO-SVM算法在车载设备故障诊断方面的有效性。该研究成果对列控车载设备日常维护具有一定的指导意义。     

基于Doc2vec-LightGBM的CBTC车载信号设备故障分类诊断方法

车载信号设备是城市轨道交通信号系统的重要组成部分,其运营过程中会产生海量离散化、片段化的日志文本数据。目前,CBTC车载设备故障记录文本仍存在语义不明确、词语冗余的问题,从而造成故障致因溯源难,针对此,提出一种基于Doc2vec-LightGBM的CBTC车载设备故障自动分类诊断方法。首先对故障文本使用Jieba完成文本分词,依据TF-IDF实现分词文本数据的特征提取,并采用Doc2vec训练文本分词向量;其次针对数据不均衡的问题,采用Borderline-SMOTE算法进行少数类文本向量数据的补全泛化;最后,通过训练轻量梯度提升机LightGBM分类器完成故障文本自动分类。采用某信号厂商所记录的1 133条故障文本数据进行分类实验分析,并与支持向量机(SVM)方法对比。实验结果表明,所提方法在分类精确率、召回率上分别为98.2%、97.5%,证明了该故障文本自动分类方法的有效性和优越性。     

广州地铁6号线车载设备通信连接中断故障分析

针对广州地铁6号线信号系统车载设备的通信连接中断故障,分析卡斯柯URBALIS888信号系统车载设备的通信传输过程。通过连接中断故障的模拟测试,对相关测试数据进行分析,从而确定设备通信连接中断故障的原因并由此得到该故障的故障范围及解决方案,为运营维保部门对此类故障的解决提供指导依据。     

基于贝叶斯网络的列控车载设备故障诊断方法

列控车载设备故障排查与维护多依赖于人员经验,存在一定的片面性且效率较低。提出一种基于贝叶斯网络的列控车载设备故障智能诊断方法,基于历史故障数据得到故障征兆,利用粗糙集理论对故障征兆进行属性约简,降低训练模型的复杂度;将专家知识与故障数据训练相结合,改进贝叶斯网络模型,并将故障征兆关联关系融入模型中。以武广线列控故障数据为例,验证该模型的诊断效果。该方法对提升列控系统故障诊断的智能化水平具有借鉴意义。     

贝叶斯网络在ZPW-2000K无绝缘轨道电路故障诊断中的应用

考虑到ZPW-2000K无绝缘轨道电路故障的复杂性和不确定性,提出一种基于贝叶斯网络的故障诊断方法。在充分利用先验知识和现场数据的基础上,通过融合专家知识和SEM算法得到最优的贝叶斯网络结构。最后采用成渝高铁故障数据对基于贝叶斯网络的故障诊断模型进行验证,测试结果表明该模型的精确性和实用性。     

基于不平衡文本数据挖掘的铁路信号设备故障智能分类

针对铁路信号设备不平衡故障文本数据,提出基于文本挖掘的铁路信号设备故障智能分类模型。采用TF-IDF模型实现电务信号设备故障文本的特征提取并转换为向量,基于Voting的方式实现多分类器集成学习分类。该模型利用SVM-SMOTE算法对TF-IDF转换后的小类别文本向量数据进行随机生成,采用逻辑回归、朴素贝叶斯、SVM等基分类器和GBDT、随机森林集成分类器对平衡后的数据进行分类,考虑不同分类器的适用特点,通过Voting方式进行多分类器集成学习。通过对某铁路局2012—2016年铁路信号设备故障文本数据进行试验分析,表明该模型可使故障分类的准确率、召回率和F-score均得到显著提升。     

SelTrac移动闭塞系统VOBC故障代码2C浅析

根据广州地铁3号线车载设备维护手册关于故障代码2C的描述,从环线交叉点检测原理、列车精确定位和EU单元内部处理3方面进行分析,得出车载信号系统VOBC出现故障代码2C相关的影响因素,并提出对于该故障的一般性处理方法.     

高速铁路长大下坡道地段信号系统研究与应用

为了解决宝兰高铁隧道密集、连续长大下坡道引起的动车组限速问题,限速地段影响运行追踪间隔时分和轨道区段增多引起区间应答器报文溢出等问题,有必要对长大隧道密集地段连续长大坡道下信号系统的适应性问题进行研究。结合工程实践,通过理论计算和技术参数试验验证等方法,对连续长大下坡道动车组列车不限速场景下列车追踪间隔是否满足要求进行分析计算,对200C、200H、300S、300H和300T车载设备技术参数进行符合性验证,针对部分车载设备制动距离的情况,通过调整闭塞分区长度、优化列控车载设备参数和"加密"区间无源应答器布置等措施,有效解决了动车组限速和区间无源应答器组报文溢出问题,提高了行车效率,降低了维护成本。     

基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法研究

动车组变压器是保障高速铁路稳定运行的核心设备,频率响应法是目前检测变压器绕组状态的有效方法。为提升车载变压器绕组状态诊断的准确性,结合暂态信号与频率响应法提出基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法。搭建试验车载变压器绕组故障模拟平台,获取不同故障类型和故障位置的频响曲线,利用类Gram矩阵结合幅频和相频曲线信息,再利用密度分层法转换为伪彩色图,提取对应的灰度共生矩阵和灰度差分矩阵特征值,根据鹈鹕优化支持向量机方法对绕组故障进行诊断。试验结果表明：车载变压器绕组故障发生时,伪彩色图能够反映出故障信息,有利于图像分析和特征提取,采用基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法能够识别车载变压器绕组的典型故障类型和位置。     

模糊贝叶斯决策在ATP车载设备故障诊断中的应用研究

高速列车长时间工作运行不可避免发生故障,其中的车载设备故障发生具有不确定性和相关性特性。分析故障发生和查找故障致因是一项复杂而重要的过程和工作。贝叶斯网络在解决不确定性和相关性问题有其独特的优势,可以利用贝叶斯网络查找故障成因和故障点并且加以控制,从而提高列控车载设备运行的安全性。在实际理论和工程实践中运用贝叶斯推理时往往过分强调贝叶斯推理功能而忽略先验概率确定的问题,模糊贝叶斯决策是在经典贝叶斯理论上综合运用决策理论、模糊数学、贝叶斯方法和期望效用理论,建立一个在多属性指标下故障态势的模糊贝叶斯决策模型,克服了单一贝叶斯推理的不足,增强了模型的适用性。     

基于PLSA和SVM的道岔故障特征提取与诊断方法研究

铁路局和电务段长期以来保留的道岔故障记录是非常宝贵的数据,对道岔故障类型统计、故障特征分析、故障诊断和故障预测有非常好的参考作用,但这些数据往往保存格式多样,难以直接利用。本文提出基于主题模型PLSA和支持向量机SVM的道岔设备故障特征提取与诊断方法。通过分词算法将故障文档表达在词项特征空间中;采用主题模型算法提取主题特征,并将故障文档表达在主题特征空间上;以SVM算法构造诊断器实现道岔设备的故障诊断。利用中国铁路广州局集团有限公司道岔故障记录的真实数据,对提出的算法有效性进行验证。实验表明,提出的算法能有效实现道岔设备故障诊断,对现场维护有一定的指导意义。     

基于趋势分析BTM和应答器运用状态研究

BTM和应答器设备是列车运行控制系统的重要设备,随着高铁运营时间的增长、运营里程和动车组保有量的不断增加,车载BTM设备和地面应答器组,不可避免的会出现不同程度的运用状态下降,影响列车运输效率及行车安全。本文通过列控车载BTM设备运用数据,采用趋势分析和大数据统计对比的分析方法,结合设备检修维护以及故障排查结果,构建设备运用状态趋势分析模型,对车载BTM设备和地面应答器设备的运用状态趋势进行分析,动态评估设备运用状态,在设备故障前发出预警提示,及时检修维护,降低设备发生故障的风险,为电务设备从故障修转向预防修提供可靠保障。     

基于冲击特征的轴承保持架变形故障识别方法研究

为及时发现和准确诊断轨道交通机车车辆走行部轴承保持架故障,对轴承保持架变形故障的信息产生机理进行了分析,对走行部车载监测装置采集的数据进行了基于冲击信息的特征提取与故障模式识别方法研究,提出了通过联合轴承保持架故障特征谱与外孤谱的保持架变形识别方法。实践证明,该方法对轨道交通机车车辆走行部轴承保持架的故障诊断具有实际的工程应用价值。     

基于弹复力效应的列控车载设备可靠性分析方法

列车运行控制系统结构复杂,列车在运行过程中,任何微小的干扰都有可能造成行车事故,甚至导致灾难性的后果。弹复力是指系统在正常运行状态过程中,由于系统内部潜在故障或外部突发干扰引起系统功能中断的情况下,系统内部被动或由于外部主动因素进行系统状态修复,再恢复到正常运行状态的响应能力。通过对历史故障数据的统计分析,选择故障现象较集中的车载设备作为研究对象。采用离散时间贝叶斯网络方法,对列控车载设备进行运行可靠性分析;通过构造"弹性三角"模型,计算出车载子系统在不同故障情况下的弹复能力。经计算当系统发生短期可恢复故障时,系统的弹复能力为96.32%。依据上述分析结果,提出基于弹复力效应的系统视情维修策略。     

无人值守全自动运行系统远程控制方案研究

针对无人值守全自动运行系统中列车定位丢失或车载信号设备发生故障的场景,对远程限制驾驶模式及远程重启功能进行研究。通过分析列车定位丢失原因、RRM模式运行流程、RRM模式运行区域属性影响,以及RRM模式信息交互等,提出远程限制驾驶模式的具体实现过程及实现方式,采用远程限制驾驶模式,定位丢失的列车可在信号系统保证安全的情况下继续运行,以重新建立定位;描述远程重启流程及信息交互,远程重启功能可使故障的车载信号设备恢复正常,降低对运营的影响,并为后续信号系统设计及运营指导提供参考。     

城轨车辆加装双信号系统研究

从车载信号系统设备基本组成入手,根据各家信号系统的特点和应用要求,综合分析了车载信号及其相关设备共用的可能性,提出了加装双信号系统时设备可能的安装位置。详细讨论车载信号系统的电气接口,并提供一种可行的倒接原理。所述方案在上海张江试验线车辆上得到了实际的工程验证。     

高速铁路信号系统的雷电暂态模型研究

信号系统是高速铁路的控制中枢,也是容易遭受雷击的薄弱环节,为了实现信号系统防雷故障的定量分析,需要建立信号系统的雷击仿真模型。通过测试获得系统中设备的散射参数、进行导纳参数转换,采用矢量匹配法获得导纳函数的极点分布。利用电路综合理论建立系统的差模和共模雷电暂态仿真模型,并通过实验室暂态响应试验验证模型的有效性,仿真结果与试验结果误差在5%以内。基于该模型建立包括接触网在内的整个信号系统雷电暂态模型,分析雷击接触网时各信号设备的雷击过电压,并结合设备的绝缘耐受水平分析信号系统中雷电防护的薄弱环节,所获结果可以用于指导高铁信号系统的防雷设计和故障分析。