基于模糊控制的高速铁路多工种联动控制系统研发设计

赵明玥，李 霞，樊旭刚

（1.山东大学机电与信息工程学院，山东威海 264209;2.中国铁路郑州局集团公司洛阳机务段，河南洛阳 471002）

近年来，铁路仿真培训系统取得了一定的进步。白鑫[1]设计了高速铁路行车仿真系统，精确模拟各种工况下的高速列车运行过程，可应用于运营阶段的运行图编制，为进一步发展铁路运营和系统试验平台提供技术支撑。张晓梅[2]设计的高速铁路调度指挥仿真实验平台实现了各岗位操作综合训练，用于行车组织基础理论与基本操作的学习。周妍提出了高速铁路行车调度指挥一体化仿真实验平台，实现了列车运行计划编制与下达、列车调度指挥作业仿真等，但未还原再现列车调度指挥故障与非正常场景。杜哓旭[3]结合业务流程控制、语音识别与合成技术，对车站作业进行全面模拟仿真。

基于现有培训方式的不足，本文设计基于模糊控制的轨道交通多工种联动控制方法及系统[4-7]，用于国铁调度业务仿真、培训场景还原、多工种作业流程优化重组、应急预案演练与方案比选。

1 系统概述

1.1 系统组成

高速铁路多工种联动控制系统分为服务器、客户端和教员3个部分，如图1所示。服务器用于系统各个工种对应客户端的核心计算服务，是系统功能的重要组成部分。教员用于系统培训管理、课程管理、故障场景设置等，是培训组织的主要承担模块。各个工种客户端用于培训场景还原、进行模拟操作。

图1 高铁多工种联动控制系统Fig.1 Composition of multi-task linkage control system of high-speed railway

1.2 功能业务技术方案

高速铁路多工种联动控制系统以列车运行计划为核心、列车运营组织为目标、各工种既独立又联合培训的综合运营仿真平台，实现了全专业所有子系统以列车驾驶和列车运营指挥仿真为基础的统一互联互通平台，能精准逼真模拟全系统同图、图线、同时运行在集行车组织、供电、信号、线路场景等于一体的虚拟运行环境，能较好的实现各个工种客户端的合理组织，并能将工种的日常作业流程转化为计算机可以识别的控制语言，同时也能分析复杂的高速铁路多工种联动控制系统中各个因素的相互关系，确定不同因素的重要程度并为其分配权重。

2 基于模糊控制的算法设计

2.1 算法设计

2.1.1 模糊控制算法设计

根据铁路不同专业不同工种岗位能力与作业步骤内容构建相应的能力系统知识库，以多工种的经验信息为例，运用模糊控制理论并结合铁路现场实际作业性质将既有控制规则改写成if…then的形式，建立基于高速铁路多工种的模糊控制规则。

例1，道岔失表故障时，行车调度员应用的模糊规则语句，R：if道岔is失去表示then封锁故障道岔。

例2，列车轴温报警时，行车调度员应用的模糊规则语句，R：if轴温is报警then通知司机停车。

2.1.2 层次分析法

高速铁路多工种联动控制系统的分析均涉及到多个专业多个工种，每个角色的参与程度和重要程度难以明确清晰界定。层次分析法的优势在于，可以将复杂的系统分解成单独的因素，进而分析各个因素的重要程度，并赋予各自的权重值来界定该因素的参与程度。

本系统应用层次分析法首先分析梳理不同因素之间的关系并构建层次结构模型，然后根据层次结构模型比较不同方案下准则层中各因素的权重，如图2所示。

图2 层级结构模型Fig.2 Hierarchical structure model

2.2 系统设计

高速铁路多工种联动控制系统能实现不同专业不同工种不同层级作业人员的“三新”入职和在岗能力提升培训，根据实训过程中不同参训人员作业经验与铁路现场实际案例对功能数据库和控制规则集进行横向与纵向扩充和优化，同时可以根据培训人员的能力差项与先在潜在知识对功能需求库进行补充和完善。本系统的具体设计方法如下。

1）构建基于铁路系统全专业全工种的用户需求功能库MA：

公 式（1） 中，m1,m2分 别 代 表 正 常 情况和故障情况下多工种的用户需求功能库。为模糊矩阵A，表示多工种相关功能需求集对应正常和故障两种情况的隶属函数。[d1d2d3…dn]为权重系数矩阵D，表示多工种相关功能需求集对应正常、故障的权重系数。综合隶属度矩阵M=(Nij)2×n是模糊矩阵A与权重系数矩阵D的直积，即M=A×D，样本矩阵Y=(Yi)n×1代表多工种相关的功能需求集。

2）基于用户需求功能库和业务培训体系建立仿真系统功能库MB：

4）构建基于铁路系统全专业全工种的模糊控制规则集

通过询问经验丰富的各工种员工构建系统知识库，将其改写为if…then的形式，建立模糊控制规则集R，从而将人的经验转化为计算机可以识别的控制语言。

5）处理参训人员操控数据集O

将参训人员操控数据集O的元素x0、y0…代入所属隶属函数计算隶属度aN(x0)、aF(x0)、aN(y0)、aF(y0)…,根据隶属度确定匹配的模糊规则：

再对模糊规则R1，R2，…，Rn进行规则前提推理得到规则前提的可信度，然后将规则前提可信度表与模糊推理结果表做与运算得到R1，R2，…，Rn的总输出。

6）系统输出

最后以最大平均法将模糊系统总输出反模糊化产生相关作业演练流程集和权重因子为系统输出，系统设计流程框架如图3所示。

图3 系统设计流程框架Fig.3 System design process framework

3 仿真实例分析

本文以铁路现场实际突发故障频率较高且所涉工种较多的道岔失表故障为例，应用高速铁路多工种联动控制系统对不同参训人员进行协同演练培训，并结合模糊控制系统与层次分析法对其进行规则约束和多纬度能力考核评价与统计分析。

当系统中道岔出现失表故障，行调通知邻站停止向发生故障的车站发车并通知故障车站电务、工务上线处理，处理完成后解封道岔并通知相关车站恢复正常行车。车站值班员得到通知后安排电务、工务上线处理，处理完成后安排人员下线并通知行调。电务、工务协调配合现场处理故障，完成后向值班员报告。模糊控制规则收集以上工种人员的操作记录，进行反模糊化生成道岔失表故障流程集，输出流程集如表1所示，执行时序如图4所示。

图4 基于模糊规则控制的道岔失表故障处理流程Fig.4 Fault treatment procedure for loss of turnout indication

表1 道岔失表模糊控制规则输出Tab.1 The output of fuzzy control rules for loss of turnout indication

将仿真系统功能库至车站相关功能需求集的联锁系统功能需求子集，其计算方式为：

对道岔建立正常（N：Normal State)、故障（F：Failure State）模糊集并定义隶属函数μN、μF。某一时刻系统的信息输入接口实时监测输入信息道岔失表为真x0=1，则隶属度μF（x0)=1。道岔故障层级如图5所示。

图5 道岔故障层级模型Fig.5 Hierarchical model of turnout fault

进行50次层次分析，计算其与现场经验的均方误差得到结果如图6所示。

通过图6可以看出，道岔故障时，层次分析法得到的权重因子相比于现场经验均方差更小，表示利用层次法分配的各工种权重更加合理。

图6 道岔故障层次分析法Fig.6 Analytic hierarchy process of turnout fault

从道岔故障例子可以看出，通过层次分析可以将道岔故障中复杂的多工种操作进行分解，当分解成单个工种时，可以确定每个工种的重要程度，并赋予权重因子。在模糊控制算法中，借助于用户需求功能库可以对每个故障进行详细分析，通过仿真系统功能库对每个工种进行层层剖析，进而确定到具体的行车设备，同时结合丰富的员工的经验形成模糊控制规则，指导多工种员工进行培训，相比于传统的故障处理方式，同时由于采用分层的结构，可以通过试误法不断修正，系统功能的扩展性能更好。

4 结语

基于模糊控制的轨道交通多工种联动控制系统能够解决现有铁路培训方式培训成本高、周期长、培训工种单一、缺乏联动控制的问题，实现铁路多专业全工种在同一仿真培训平台进行联合模拟演练，使单一工种培训向全工种联合转变。该系统以模糊控制理论为核心控制算法，将工作经验转化为可执行的程序控制语句，实现国铁调度功能业务仿真、现场实际培训场景还原、多工种作业流程优化重组。同时还可以提高国铁多工种作业流程连贯性、合理性，通过多次训练积累数据不断修正控制逻辑，提升铁路从业人员技术水平，优化多工种作业流程。