基于信号集中监测系统的边界轨道红光带判断方法研究

王圣根，杨向波

目前在铁路信号集中监测（Centralized signal monitoring，CSM）领域中，非边界轨道红光带识别方法已有一些应用研究，如文献［1］中基于信号集中监测的区间轨道红光带原因定位方法和文献［2］提出的基于故障树的25 Hz轨道电路红光带故障分析法。而文献［3］将神经网络与模糊逻辑相结合，构建区间二型神经模糊系统，通过诊断模型实现对轨道电路故障模式的智能识别；文献［4］在模糊认知图的基础上，利用粗糙集进行特征提取，再对轨道电路进行诊断；文献［5］在分析调谐区故障对轨道电路读取器感应电压幅值包络影响规律的基础上，提出基于列车运行数据和神经网络的无绝缘轨道电路调谐区故障诊断方法。虽然这些方法对非边界轨道故障有较高的识别率，但对边界轨道故障的识别率较低。

由于边界轨道电路区段的红光带判断较为复杂，且相关研究资料也较少，故而国内部分厂家基于CSM开展了尝试性的研究。

1）在CSM上只对非边界区段的轨道电路红光带判断，边界轨道红光带不再加载逻辑判断。然而边界轨道电路区段发生故障红光带时无法报警，不能及时发现信号设备的故障，给日常维护带来很大隐患。

2）在CSM上加载边界轨道红光带的判断逻辑：延时处理边界轨道区段红光带，从本区段亮红光带开始计时，待延时时间到，判断前方轨道电路区段是否在设定时间内亮红光带，若亮起，则判断为列车的正常占用，否则判断为故障占用。但若从邻站过来的列车停在本区段内，前方轨道电路区段在设定的时间内无法亮红光带，此时软件逻辑就会判断本区段为故障红光带，产生误报警。

3）在边界轨道区段处增加轨道相关的电流配线采集，虽在一定程度上能对边界轨道电路区段进行识别，但需要变更施工图纸、增加配线施工量、成本偏高，针对已经开通的高速铁路车站，需要进行二次改造。因为这种方式存在一定的局限因素，至今没有推广应用［6］。

鉴于上述问题，本文在既有CSM的基础上，开发了站间通信功能模块和故障树分析功能，提出一种全新的边界轨道红光带判断方案，为轨道电路智能诊断研究奠定基础。

1 信号集中监测系统

CSM是保证行车安全、监测信号设备状态、发现信号设备隐患、提高维护水平和效率的重要行车设备。当前按照运输和电务部门安排的“天窗”作业点进行电务维修，“天窗点”外不允许上道，仅可通过CSM去浏览和调阅信号设备的关键运营数据。CSM不但可以结合自身的数据资源池综合分析出信号设备的健康度，还能在关键信号设备出现异常时给出报警，及时通知电务人员进行处理，确保列车的运行安全。

目前，车站CSM主要是利用本站自采集和接口发送的数据，分析本站信号设备的运用情况。为实现边界轨道红光带的判断和故障诊断分析，要通过站间通信获知邻站信号设备的状态，判断本站边界轨道是否为正常过车，若为正常过车，则无需报警，若是因设备故障导致的红光带，则需借助故障树分析逻辑诊断具体原因，并触发报警，为电务人员快速处理故障提供技术支持。

2 站间通信

CSM现有功能主要是基于本车站内部逻辑和数据分析，包括获取基础数据、数据解析、智能诊断和界面呈现，不包含邻站数据信息解析。本研究在CSM现有功能的基础上开发了站间通信功能模块，实现本站和邻站之间数据信息的共享，从而为后续逻辑分析提供数据支持。为确保CSM车站之间的网络安全［7-8］，在本站和邻站之间设置网络隔离设备。

站间通信通过信号集中监测系统内部的站间通信软件处理和相关参数配置，实现跨站数据分析与共享，既可从邻站获取边界轨的数据信息到本站，也可以把本站的边界轨数据信息推送到邻站，为采用智能诊断逻辑分析边界轨道红光带时提供基础数据源［9-10］。

2.1 通信结构

CSM站间通信结构主要包括：主/从站的数据集、主/从站边界轨道数据集、主/从站的软件服务器和软件参数控制开关。CSM站间通信结构见图1。

图1 CSM站间通信结构

主站数据A和从站数据B是CSM收集的自采集数据和接口数据；主站边界轨道数据集和从站边界轨道数据集是从主站数据A和从站数据B中分离出来的边界轨道状态量（含列控和联锁接口的信息）；主站A和从站B是主站和从站之间建立链接关系的软件执行单元，按照控制开关的设置响应主/从站之间的收发命令，完成站间数据信息交互，数据内容包括站码、信号设备类型、发送标识和接收标识等；主/从站采用服务器和客户端的连接关系，主站默认为服务器，从站默认为客户端。

2.2 配置结构

客户端与服务器端建立链接关系后，开始启动主/从站的站间通信配置文件ZJTX.INI（以STATION-A、STATION-B车站为例），文件结构如下：

假设STATION-A、STATION-B按上下行顺序连接，且左边为下行，右边为上行，则STATION-A的上行是STATION-B；STATION-A发送时，若给上行的STATION-B发送状态量分机号为11，则STATION-B接收时，从下行的STATION-A站接收到的状态量分机号也必须为11，若为其他分机号，则不予接收。状态量分机号确定了数据的来源，信号设备类型确定对应的状态量。

3 故障树分析

故障树分析（Fault Tree Analysis，FTA）是由上往下的演绎式失效分析法，利用布尔逻辑组合低阶事件，分析系统中不期望出现的状态，是一种通用的在线监测异常信息捕捉技术，尤其是在轨道电路故障分析方面具有结构精简和故障成因定位准确的独特优点，在当前的轨道交通领域中已得到了广泛的应用［11-13］。

3.1 边界轨道红光带故障树

按照逐渐明晰故障成因的原则，搭建一棵故障树，由顶事件、中间事件和底事件组成，树根是故障，树枝是具体的故障成因，遍历顺序为先左后右，左右分支逻辑互斥。分别设置轨道区段正常/异常的电气模拟量属性参数和信号设备状态信息，超出设置的区间范围时，程序开始启动故障分析逻辑，并给出相应的故障报警等异常信息。通过这种分析方法，能快速、准确地定位出边界轨道红光带的原因。若红光带为非正常过车引起，则会按故障树的要求逐级分析故障的具体成因；若红光带为正常过车，将结束分析过程。轨道红光带故障树见图2。

图2 轨道红光带故障树

如图2所示，A1为主站的某一边界轨道区段亮红光带，时刻记为T1，单位s；B1为对列车运行方向的判断，分为上行和下行；C1和C2均有可能造成A1中轨道区段亮红光带，T2为［T1-5，T1+5］，在T2范围内，若邻站边界轨亮过红光带，则本区段在T1时刻亮红光带为正常过车引起，否则，本区段为故障红光带，故障树开始遍历分析C2节点；T3为［T1，T1+9］，若本区段在T3范围内一直亮红光带，则故障树开始遍历H1节点，若本区段在T3范围内亮红光带的时间占比超70%，则故障树开始遍历H2节点，程序报警轨道区段闪红光带。

故障树中T2、T3、T4等时间阈值是依据列车运行方向和列车速度数据估算的经验值，作为分析故障红光带的关键时间数据，故障树逻辑会在时间阈值区间内获取信号设备对应的模拟量和状态量，对故障具体原因加以区分。如：当故障树遍历到H1节点时，T4为［T1+4，T1+9］，对设备采集项进行分析，若本区段的接收入口主轨电压在时间T4内的取值区间为［0，280），接收入口小轨电压取值区间为［0，60），则故障分析进入E1发送通道节点。继续分析下一个层级节点，若本区段的功出电压和功出电流在T4的取值区间分别为［标准功出电压×0.8）和［0，30），则故障分析进入F1功出端子节点，将最终故障原因定位为故障红光带：功出端子至设备侧开路。

对轨道区段红光带故障树定性分析，如果故障树的某几个底事件的集合同时发生或单个事件发生时，将会引发顶事件的发生。如表1所示，｛X1｝～｛X8｝是故障树的叶子节点，｛X1｝是正常过车产生的红光带，｛X2｝～｛X8｝为故障红光带。

表1 轨道红光带原因分类

3.2 轨道红光带故障分析软件处理流程

轨道电路区段红光带处理是依托CSM的智能诊断功能模块完成的，软件处理流程见图3。

数据源Data是CSM收集的自采集数据和接口类的数据池，其中含有分析边界轨道区段红光带所需的数据；通过软件的CGetdata类，将数据放入队列内存；在CThteadManager类的驱动下，CVisitor类开始实时访问CGetdata类，并将获得的数据提供给CLogic智能诊断逻辑分析类；CLogic类根据获取的数据做逻辑核对运算，满足报警条件时，则给出核对结果并放入核对结果存储类CAlarm中；若不满足，则认为是正常，无需报警；CAdvise类可以根据核对分析出来的结果给出一定的维修建议。

4 试验验证

在CSM上进行边界轨道红光带的验证，设置2种情况：正常过车时轨道区段上有车占用产生的红光带；无车经过时轨道电路故障产生的区段故障红光带。

Step 1准备2台工控机设备，用于运行信号集中监测系统软件和存储相关的配置。

Step 2配置站间通信ZJTX.INI文件、打开站间通信和智能诊断功能的开关，加载要分析的轨道区段。

Step 3使用仿真工具发送相关的轨道区段亮红光带的状态量及发送、接收相关的模拟量。

4.1 正常过车

轨道区段上有车占用，相应区段亮红光带，见图4。

图4 轨道区段正常占车红光带

B1G是车站B与车站A连接的边界轨，列车按A1G→A2G→B1G→B2G的运行方向从A站开往B站。B1G亮红光带，此时B站的CSM软件通过站间通信功能获取A1G和A2G的轨道区段曾经亮红光带，再结合列车运行方向和故障树分析过程，智能诊断结果为B1G轨道区段因正常的列车占用而亮红光带，无需触发报警。同理，D1G亮红光带，程序先判断C1G和C2G轨道区段亮红光带的时序及列车运行方向，结论为正常占车红光带。

4.2 边界轨道故障

轨道区段上无列车占用，相应区段亮红光带，见图5。

图5 边界轨道故障红光带

列车按A1G→A2G→B1G→B2G的运行方向从A站开往B站，B1G亮红光带，时刻定义为T，车站B通过站间通信获知A1G和A2G在［T-5，T+5］时间段内并没有列车经过，再判断［T，T+9］时间段内B1G的后方区段没有亮过红光带，确定本区段为单边亮红光带。结合列车运行方向和故障树分析过程，进一步分析发送通道、轨面和衰耗盒等相关的模拟量取值：B1G的接收入口主轨电压值为210 mV，接收入口小轨电压为50 mV，故障树定位到发送通道故障；B1G的功出电压值为75 mV，功出电流值为20 mA，可定位到功出端子至设备侧开路故障；故智能诊断的结果为B1G因轨道电路功出端子至设备侧开路故障产生的故障红光带，触发报警。

5 结束语

针对目前信号集中监测系统无法精准判断边界轨道红光带的问题，将站间通信功能和故障树逻辑分析融入到CSM中。首先利用站间通信功能判断边界轨红光带是否正常过车，若非正常过车，则启用故障树分析红光带的具体原因，并及时给出报警提醒，防患于未然。目前，边界轨道红光带分析功能已在多条高铁客专线路进行部署应用。鉴于相关接口子系统发送给信号集中监测系统中的数据信息可能存在时差，在分析过程中会适当拓展后方轨道区段、本轨道区段、前方轨道区段亮红光带的时间范围。

高铁信号设备的日常维护正在由计划修向状态修转型，本文提出的轨道红光带判断方法具有结构简单、易于集成、判断结果准确度高、实时性强和成本低的特点，解决了电务维修部门和运输部门工作中的痛点，具有较高的实用价值，为构建电务智能运维系统夯实了基础。