数据挖掘技术在机车无线重联故障诊断中的应用

池艾伦 杨丁一

（神华朔黄铁路公司无线项目部，河北省肃宁县，062350）

重载铁路运输是高效绿色环保的运输方式，20世纪80年代以来，重载铁路运输在美国、澳大利亚、巴西、俄罗斯等国家迅速展开，成为未来铁路运输发展的主要方向。机车无线重联是重载铁路的核心关键技术之一，国内大秦铁路主要使用SS4改型机车和locotrol技术实现万吨编组机车之间的同步操控，神华集团所属神黄线采用SS4B 型机车搭载无线重联控制系统的方法，实现开行万吨编组组合列车。目前SS4B电力机车是神华集团铁路系统使用的主要机车类型，其搭载的无线重联系统主要包括列控数据采集、司机操作监听、数据传输控制等几个环节，影响编组列车安全运行的因素较多，存在一定风险。

数据挖掘技术可以从大量冗余数据中发现内在的联系和信息，适用于无线重联系统故障诊断领域的数据挖掘技术可以有效预防列车故障、保证铁路运输业务的安全可靠，具有重要的研究和实用价值。

本文以朔黄线SS4B型电力机车无线重联系统为研究对象，通过对无线重联工作原理的分析，用MATLAB6.5建立重联系统的数据仿真模型，并通过仿真得到在不同故障场景下的主从机车之间的数据异常特征向量，采用数据挖掘技术中适用于解决不精确、不完备问题的粗糙集理论，对特征向量进行识别和归纳，并得到了预期的效果。

1 SS4B电力机车无线重联系统工作原理

神黄线SS4B机车采用的无线重联系统由数据采集模块、数据处理模块、无线收发模块、地面服务器4部分组成，见图1。其中重联编组信息由地面服务负责维护。重联编组成功后整个编组列车由主控机车和从控机车协同牵引，同一机车A、B节所用重联设备相同，两套设备同时运行实现热备冗余双机双工。

图1 无线重联系统架构图

1.1 数据采集模块

数据采集模块对列车运行工况数据等状态信息和司机操作等操作控制信息实时监测，通过嵌入式的单片机对状态信号和状态监控信号模电转换后通过机车MVB总线发送。

1.2 数据处理模块

数据处理模块核心软件运行在Vxworks操作系统下，对来着机车MVB总线的数据进行校核判断，当来自机车A、B的各项数据一致时，认为该数据正确，将该信息解析为控制信号后，通过驱动电路传至机车电子柜，从而实现对机车的控制。

1.3 无线收发模块

无线收发模块将机车内部的等数据通过LTE网络传输至地面服务器，由地面服务器建立重联编组，主、从机车输入同一机车号注册到重联编组中。

1.4 地面服务器

地面服务器作为重联系统的数据服务器和控制中心，负责重联编组的注册和解除，维护机车运行的状态信息和控制信息，保证重联编组整个运行过程的安全可控。

地面服务器所维护的信息来源是主司机控制器、副司机控制器、重联机柜、机车主辅电路、信号控制电路等设备，服务器监控主、从机车之间的牵引电流、电流级位和风压状况，使得主、从机车同步接收主控机车司机发出的操作指令，确保整个重联编组列车以同样的牵引力和制动力运行。

1.5 重联数据库数据

重联数据库主要储存机车运行中的控制数据和状态数据，控制数据包括司机控制端给出的启动信号、调速信号、制动信号、升降受电弓信号、闭合断开主断信号、开启关闭空气压缩机、开启关闭劈相机启动、开启关闭通风机启动等操作指令信号；状态数据包括牵引电机电压、电流，各辅机工作状态等机车电器设备状态信息。

2 基于粗糙集理论的数学模型建立

粗糙集理论是波兰科学家20世纪80年代初提出的一种用以研究解决不完整、不确定问题的数据挖掘方法，近年来发展迅速，受到学术界的广泛关注和重视。粗糙集理论通过数据的表达、学习、归纳从而计算出近似值，特别适用于数据相关性和相似性的查找，从中提取归纳出特定问题的推理规则和数学模式。

无线重联系统地面服务器中储存了重联编组运行过程中所保存的大量历史数据，传统人工统计方法很难对这些历史数据进行有效利用，而粗糙集理论的引入可以很好地使用这些历史数据来建立重联数据模型，从而可以诊断和预测重联编组列车的运行状况。

2.1 无线重联系统的特征向量提取

粗糙集研究对象是一个多值属性的集合，本质上是一种分类思想。集合内每个对象及其属性都有一个确定的值作为惟一标志符号，一般而言对象的属性是不全面不完备的，不能完全精确的划分具有某几种属性的子集合对象，因而粗糙集中使用上近似和下近似来描述这类集合，分别对应给定属性的最大对象集合和最小对象集合。

对无线重联系统进行故障诊断首先要提取表征故障的特征属性集，一个故障诊断系统可表示为：S= ＜U，Q，V，F＞

其中U 表示所有在重联系统运行中可能出现的状态组合，U= ｛U1，U2，U3，...Ux｝，每个Ux 表示运行过程中的一种可能状态，Q 表示条件属性和决策属性的并集，V 表示所有属性的并集，F 表示故障诊断函数。

构造特性向量可以简化为将机车的工况状态和操作命令作为向量的一个维度信息，生成特征向量T，T = ｛E1，E2，E3，E4，E5....E n｝，E1至En表示电流级位、电机电压、机车调速信号等控制信息和状态信息。依次对各类故障场景下重联服务器中的数据进行取样可得到重联故障数据库，进而得到重联故障特性向量TE 的集合，见表1。

表1 重联故障诊断数据表

2.2 构建重联系统故障规则知识库的主要过程

（1）选取用于训练的重联故障用例，在重联地面服务器中将发生故障时刻的重联编组选出建立重联故障数据库，人工增加决策属性状态判断 （正常或者故障）。构建的重联数据库是进行数据挖掘的基础。数据挖掘过程示意图如图2所示。

（2）对服务器中所有历史数据进行预处理，抽取特征项，合并近义词、同义词，进行词频统计。

（3）按照粗糙集理论创建决策表。通过检索每个特征项是否出现在重联故障服务器列表中，得到决策表。

图2 数据挖掘过程示意图

（4）决策表的属性约简。利用既有的算法，同时参照经验规则，按照对重联安全保障的重要性对各特征项加权，对决策表中的各类属性约简。

（5）生成重联故障知识库。决策表中的每一行特征项都可以当做重联故障规则知识库中的一条知识，表明处于该状态下的重联编组列车存在安全隐患或已不能正常运行。

建立重联系统故障规则知识库过程流程如图3所示。

3 建立重联系统故障规则知识库过程

2.3 模拟验证

在收集朔黄铁路2009-2013年的机车重联数据的基础上，将发生故障或异常的重联编组列车运行信息抽取出来，建立重联故障数据库。选取2014年重联编组的10组正常运行数据 （A 类）和10组因故障停车处理的运行数据 （B类）作为样本，用Matlab6.5软件按照本文中所述粗糙集理论提取特征向量，依次在重联故障数据库中检索该特征向量是否属于故障知识库，判断该组运行数据是否安全数据。

经检测A 类10组正常运行数据均被判定为重联编组安全运行状态。B 类10组异常数据均被判断为不安全状态，符合实验预期结果。

3 结论

（1）在通过对SS4B 机车无线重联系统数据传输模型进行深入研究的基础上，结合数据仓库和数据挖掘技术，使用粗糙集理论对重联编组机车的运行状态进行特征向量提取，并与重联故障数据库中的特征项进行比对，从而实现对重联编组列车安全状态进行远程诊断。

（2）基于数据挖掘技术的重联编组列车故障诊断为我们处理不精确、不完备信的故障信息时提供了新的思路，利用大规模数据的信息冗余性，可以减少由于信息不完备所带的的数据偏差，保证故障诊断的可靠性。

（3）随着铁路系统大规模数据库的使用，数据挖掘技术在铁路机务、电务、工务领域的应用仍有广泛前景，是未来的发展方向之一。

［1］ 李蔚.KZ4A 交流传动电力机车微机控制与网络系统 ［J］.机车电传动，2007 （3）

［2］ 高春明，冀彬等.大秦线重载组合列车的LOCOTROL技术应用研究 ［J］.电力机车与城轨车辆，2006 （6）

［3］ 周桂法，陈特放.机车在线故障诊断专家系统的研究 ［J］.长沙铁道学院学报，2002 （1）

［4］ 兰海，王艳敏.基于GSM—R电路交换实现大秦铁路线多机车同步操作控制［J］.电气应用，2005（3）

［5］ F.Hoerl，王渤洪.多机牵引用无线电远程控制［J］.变流技术与电力牵引，2002 （5）

［6］ 李炳燃，张金哲.数据挖掘在设备故障诊断专家系统知识获取中的应用 ［J］.科技信息，2011 （20）

［7］ 叶进军，闵华松等.数控系统智能故障诊断系统的研究 ［J］.机床与液压.2011 （13）