梁烨 姜宏阔 任颖
摘要 根据CBTC车载ATP现场运维情况,研究和提出了CBTC车载ATP故障诊断系统,以提高现场故障处理效率和自动化程度。从系统架构设计、现场数据挖掘、故障自动诊断等多个维度探讨研究,开发了CBTC车载ATP故障诊断系统模拟软件,导入实验室人工模拟的故障数据,诊断结果与实际故障工况一致,验证了研究的CBTC车载ATP故障诊断系统可行。
关键词 车载;故障;诊断;CBTC;ATP
中图分类号 U284.92文献标识码 A文章编号 2096-8949(2022)12-0001-03
收稿日期:2022-03-24
作者简介:梁烨(1993—),男,硕士研究生,助理工程师,研究方向:城市轨道交通信号系统。
基金项目:2016年国家重点研发计划项目“高速磁浮交通系统关键技术研究课题”(2016YFB1200602)。
0 引言
CBTC车载ATP是控制列车安全运营的核心系统,列车运行过程中发生的故障通过ATP系统显示反映出来,因此能否快速、准确处理故障,也直接影响地铁运营的安全、生产效率和运营维护强度[1]。
目前传统的故障处理方式为:列车发生故障,维护人员请点上车下载系统記录日志,根据人工经验和故障现象推理可能的故障原因。这种运营维护方式存在如下问题:
(1)严重依赖运营维护人员的人工经验。人工经验越丰富,对故障的处理越快速、精准。然而随着开通线路的越来越多,经验丰富的人员越来越被稀释,补充的新人越来越多,势必影响整体的故障处理能力和效率[2]。
(2)维护工作劳动强度大。当列车发生故障,除个别重大故障需立即处理外,一般都在晚上十一点后退出运营回库后,由维护人员请点上车下载日志,分析处理故障,需在早上四点列检出车前修复故障。时间紧、任务重,人工分析和排查故障劳动强度大。
(3)隐性故障容易漏诊。CBTC车载ATP是复杂系统,某一故障现象可能表现出多个组合故障症状,人工分析很容易从单一症状排查,而忽略多重组合症状下的隐性故障[3]。
因此,有必要通过技术手段提高车载ATP维护和故障处理的效率,以保证城市轨道交通列车安全、高效地运营。
1 CBTC车载ATP简介
CBTC是利用高精度的列车定位,实现双向连续、大容量的车地数据通信和车载、地面的安全功能处理的列车连续自动运行控制系统,主要由ATP(列车自动防护)、ATO(列车自动驾驶)、ZC(区域控制)、CI(计算机联锁)、ATS(列车自动监控)、DCS(数据通信)子系统组成。
车载ATP是CBTC系统的核心子系统,根据移动授权、道岔信息、线路限速、位置信息等条件计算出列车安全防护距离-速度曲线,对列车运行速度、距离、车门、屏蔽门等进行安全防护,保障列车安全运营。ATP系统由ATP主控组匣、BTM、BTM天线、DMI、速度传感器、雷达等组成,如图1所示。
2 故障诊断系统研究
从目前车载ATP的运营维护情况看,记录列车运行工况及故障状态的数据主要来自MSS系统和车载ATP的随车记录板,报告列车运行故障的消息主要来自随车司机、运营调度人员、工班日检人员等[4-6]。由此可见,报告列车运行故障的故障信息格式不统一、信息完整度不够,因此故障诊断系统需要考虑对不同故障报告信息源、不同故障报告信息格式的数据进行统一转换,对采集的数据进行深度挖掘,然后结合专家知识根据一定的推理逻辑进行推理计算,给出诊断结果。
2.1 故障诊断系统架构原理
故障诊断系统应具备采集和处理来自不同数据源故障数据的功能,其架构主要包括输入输出接口单元、转换存储单元、知识管理单元、主控计算单元,其可与外围设备如MSS、记录板、运维系统以及维护人员进行信息交互,获取和处理数据信息,最终给出故障诊断结果及维修建议。故障诊断系统关联关系如图2所示。
图2 故障诊断系统关联关系图
输入输出接口单元负责诊断系统与外围设备的数据接口。根据目前线路的实际情况,提供故障数据的方式多元化,有通过MSS提供、通过随车记录板提供、通过司机和运营维护人员填报的故障单提供等,因此输入输出接口单元负责多样化通信管理,能满足并预留与多种外设通信及人机交互的能力。
转换存储单元负责对外围数据的解释转换。对进入故障诊断系统的来自不同外设的原始数据,根据设定的规则转换为故障诊断系统能够识别和可用的信息。对来自人机界面的专家经验知识转换成知识库可以管理使用的数据。对已完成诊断处理的故障信息及维修建议转换为知识库可以管理使用的数据。
知识管理单元负责管理存储人工经验知识及诊断系统产生的知识。维护人员、专家、知识工程师可以将自身经验知识及复杂人工处理故障的知识按设定规则录入系统,通过知识累积使故障诊断系统分析问题能力更强、准确度更高、覆盖面更全。故障诊断系统通过处理故障产生的知识亦按规则自动录入知识管理单元。知识管理单元支持知识数据的增删、调度、归类、相似度检查等管理功能。
主控计算单元是故障诊断系统核心部分,负责输入输出接口、转换存储单元、知识管理单元、人机信息交互的调度控制,从转换存储单元获取转换后的故障信息,识别并根据信息完整度等进行诊断分类,按类别调度故障诊断推理算法,搜索知识管理单元知识库相关信息,完成诊断后通过人机交互接口给出诊断结果及维修建议,将诊断结果和建议输出给运维系统等其他系统,将诊断产生的知识按规则存储到知识管理单元知识库。
2.2 故障数据处理
列车运行故障数据和列车运行状态数据来自ATP随车记录板日志、MSS维护支持系统、智能运维系统、人工填报故障单等,故障诊断系统应能够把上述信息源的数据进行识别转换,最终形成内部格式数据,以供诊断分析。9E5836BF-DE64-4D6E-9D02-EE0DA349BC98
故障诊断系统预装载上述维护设备的维护数据协议,将收集到的故障信息原始数据根据维护设备类型匹配维护数据协议,进行故障数据的抽取和映射,从映射表获取数据,转换为故障诊断系统可识别的基础信息表、状态信息表、事件信息表等数据表单进行存储,每张数据表以及表元素都设定了相应级别的索引编号,在转换过程中,数据表的元素若有值,则填写实际值,若没有对应值,则采用缺省值。
转换后的数据表单包括但不限于如下信息:基础信息表包括时间、ATP运行周期、车号、列车位置、速度信息、测距信息、驾驶模式、控制级别、MA信息等;状态信息表包括ATP与ZC/ATS/CI/BTM/头尾等通信状态、列车完整性状态、车门状态、屏蔽门状态、停稳状态等;事件信息包括:紧急制动、位置丢失、牵引切除、应答器丢失、速传故障、插件故障等。
2.3 知识数据建立
在故障诊断系统中建立知识数据库,存储系统及故障相关逻辑关系链表,在人机界面输入故障关键特征值,或导入记录板日志等故障数据,选择故障诊断模式,系统可对满足一定完整度的故障数据采取基于知识库数据的故障推理诊断。
知识库数据还提供了故障分析的培训功能,在人机界面输入相关故障关键特诊值或故障类型,选择故障处理培训模式,系统可在知识库查询关联故障信息,在人机界面显示特征值关联故障分析过程、故障原因、处理结果等信息。
知识库数据主要来源于人工输入和诊断系统导入。
(1)人工输入:具有维护经验的工程师、专家以及系统设计人员在诊断系统人机界面按特定规则输入故障特征值、故障原因逻辑、系统功能逻辑、部件关联关系等信息,诊断系统进行人机交互信息提示、规则校验判断、知识数据存储等处理。
(2)诊断系统导入:诊断系统完成分析和处理的故障,可自动按照特定规则存入知识库,作为后续故障诊断和故障处理培训的知识数据。
知识库数据中故障码、故障征兆、故障特征值、设备状态值等都有固定且唯一的识别码,以面向对象的方法按类进行数据分类,以IF条件THEN结果的逻辑格式进行故障征兆、故障原因、设备逻辑等串联,形成若干知识数据。
知识库数据可进行增加和删减,数据增加以人工输入和诊断系统导入数据作为数据源,按规则进行数据插入处理。数据删减以人机界面操作为事件驱动,按规则进行删除处理。数据增删不影响既有数据的正确性和完整性。
2.4 故障诊断逻辑
故障数据因来源不同而在数据完整度、准确度、规范性等方面存在较大差异,因此故障诊断系统根据故障数据的来源采取分类诊断策略。
来源ATP记录板、MSS、运维系统的故障数据信息完整度高、信息规则性强,因此按照设定的秩序依次提取事件信息表、状态信息表,从知识库提取专家信息,按设定逻辑进行推理,在人机界面给出诊断结果、维修建议。
来源司机、工班人员等人工填写的故障表单数据,范式不一,信息完整度不够,利用贝叶斯网络等机器学习算法对基于不完整的模糊信息进行故障智能推理,在人机界面给出诊断结果、维修建议。
故障诊断系统支持人工复验故障推理过程和结果,在人机交互界面对推理过程和推理逻辑进行图形化显示;对该次故障诊断最终使用的数据进行着色显示;对整个故障数据按颗粒度从大到小分类分层显示,通过点击顶层大颗粒度的某类数据,可定位到该数据对应的下一层详细信息;对不完整数据要基于贝叶斯网络等人工智能算法进行推理的,需要按相应算法原理进行先验概率设定、获取样本数据集等调校工作,不断训练智能推理模块,提高推理准确度。
3 故障诊断系统原理验证
基于Qt开发框架开发诊断模拟软件,实现人机接口、数据转换和故障诊断简易功能,在CBTC仿真系统模拟车地通信故障导致的列车紧急制动工况,将模拟数据记录到ATP记录板。
在诊断模拟软件人机界面启动诊断进程,诊断软件自动加载来自记录板的原始日志文件,转换为表1所示的分类表单(部分数据示意),按提前设定的规则获取相关表单数据,根据专家知识检索故障链路,推理故障原因,在人机界面做简要显示推理结果,如图3所示。
故障诊断模拟软件显示出的故障信息为列车MA无效、车地通信故障,这和在CBTC仿真系统模拟制造的故障工况一致。
4 结语
从CBTC车载ATP系统故障维护主要采取人工维护的现状进行考虑,探讨研究了故障诊断系统。对故障诊断系统架构原理、故障数据处理、知识库建立、故障诊断逻辑等核心内容进行了研究探讨,最后通过故障诊断模拟软件进行了简易的模擬验证,验证结果与故障工况一致,认为该文探讨的CBTC车载ATP故障诊断系统的思路和原理可行,具有进一步深入研究的意义。
在下一步的研究工作中,将延展故障诊断系统功能,深化故障诊断系统智能化程度,比如引入图像识别来自动识别插件灯显意义,根据实时运营数据进行故障预测等。
参考文献
[1]段亚美, 戴翌清, 王历珘. 基于智能运维系统的地铁信号设备维护管理研究[J]. 铁道通信信号, 2020(4): 88-90.
[2]施聪. 城市轨道交通通信信号专业的智能运维系统[J]. 城市轨道交通研究, 2020(1): 172-176.
[3]冯晓军, 胡恩华. ATC系统的智能诊断维护方案探讨[J]. 电气化铁道, 2014(1): 31-33.
[4]张喜, 杜旭升, 刘朝英. 车站信号控制设备故障诊断专家系统的研究与实现[J]. 铁道学报, 2009(3): 44-49.
[5]刘奇. 车载ATP故障率预测方法研究[D]. 北京: 北京交通大学, 2019.
[6]孙伟. 基于B/S模式和神经网络的机车信号系统故障远程诊断方法的研究与实现[D]. 北京: 北京交通大学, 2009.9E5836BF-DE64-4D6E-9D02-EE0DA349BC98