李瑞璟， 滕青芳

(蘭州交通大學(xué)自動(dòng)化與電氣工程學(xué)院，蘭州 730070)

模糊貝葉斯決策在ATP車載設(shè)備故障診斷中的應(yīng)用研究

李瑞璟， 滕青芳

(蘭州交通大學(xué)自動(dòng)化與電氣工程學(xué)院，蘭州 730070)

高速列車長時(shí)間工作運(yùn)行不可避免發(fā)生故障，其中的車載設(shè)備故障發(fā)生具有不確定性和相關(guān)性特性。分析故障發(fā)生和查找故障致因是一項(xiàng)復(fù)雜而重要的過程和工作。貝葉斯網(wǎng)絡(luò)在解決不確定性和相關(guān)性問題有其獨(dú)特的優(yōu)勢，可以利用貝葉斯網(wǎng)絡(luò)查找故障成因和故障點(diǎn)并且加以控制，從而提高列控車載設(shè)備運(yùn)行的安全性。在實(shí)際理論和工程實(shí)踐中運(yùn)用貝葉斯推理時(shí)往往過分強(qiáng)調(diào)貝葉斯推理功能而忽略先驗(yàn)概率確定的問題，模糊貝葉斯決策是在經(jīng)典貝葉斯理論上綜合運(yùn)用決策理論、模糊數(shù)學(xué)、貝葉斯方法和期望效用理論，建立一個(gè)在多屬性指標(biāo)下故障態(tài)勢的模糊貝葉斯決策模型，克服了單一貝葉斯推理的不足，增強(qiáng)了模型的適用性。

故障診斷；貝葉斯網(wǎng)絡(luò)；模糊數(shù)學(xué)；決策理論

1 概述

1.1 CTCS3-300T型列控車載設(shè)備簡介

CTCS3-300T型列控車載設(shè)備是我國高速鐵路列車控制系統(tǒng)的重要技術(shù)裝備，是保證高速列車運(yùn)行安全、可靠、高效的關(guān)鍵設(shè)備之一，它與列控地面設(shè)備相配合共同組成列控系統(tǒng)[1，2]。采用先進(jìn)的技術(shù)手段對高速條件下的列車運(yùn)行速度、運(yùn)行間隔等實(shí)時(shí)監(jiān)控和超速防護(hù)，以目標(biāo)距離連續(xù)速度控制模式、設(shè)備制動(dòng)優(yōu)先方式監(jiān)控列車安全運(yùn)行。

CTCS3-300T型列控車載設(shè)備基于成熟硬件平臺(tái)，遵循故障導(dǎo)向安全的設(shè)計(jì)原則，在系統(tǒng)設(shè)計(jì)、軟件設(shè)計(jì)、測速測距和列車接口設(shè)計(jì)中采用了大量安全設(shè)計(jì)技術(shù)，適用于時(shí)速300 km及以上的高速動(dòng)車組，目前廣泛應(yīng)用在武廣、滬寧、滬杭、京滬、哈大等高速鐵路和客運(yùn)專線[3-5]。圖1為CTCS3-300T型列控車載設(shè)備原理圖。

圖1 CTCS3-300T型車載設(shè)備原理

ATP設(shè)備由車載主機(jī)、車載外圍設(shè)備組成，并通過車載設(shè)備外部接口與動(dòng)車組、列控動(dòng)態(tài)監(jiān)測設(shè)備等外部設(shè)備連接。通過將各模塊接收到的司機(jī)、應(yīng)答器、軌道電路、列車接口、RBC等信息傳送給車載主控單元，并經(jīng)車載主控單元處理后生成模式曲線控制列車運(yùn)行，實(shí)現(xiàn)列車超速、溜逸防護(hù)及準(zhǔn)確定位等功能[6]。

1.2 CTCS3-300T型車載設(shè)備健康狀態(tài)

以武廣高速鐵路為例，自開通運(yùn)行以來，截止至2012年底，廣鐵(集團(tuán))公司管內(nèi)武廣高速鐵路列控系統(tǒng)共計(jì)發(fā)生列控車載設(shè)備故障和不良反應(yīng)共3 235件[7，8](圖2)。因此，認(rèn)真研究列控車載設(shè)備健康狀態(tài)，查明列控車載設(shè)備故障成因和研究其故障趨勢，努力提高列控車載設(shè)備運(yùn)用、維護(hù)質(zhì)量，對大幅降低武廣高速鐵路列控系統(tǒng)設(shè)備故障率和提高故障排除效率，確保武廣高速鐵路運(yùn)輸通暢有極大的意義。

圖2 武廣高速鐵路車載設(shè)備故障和不良反應(yīng)統(tǒng)計(jì)

2 模糊貝葉斯決策方法

貝葉斯網(wǎng)絡(luò)方法廣泛應(yīng)用在醫(yī)療診斷、專家系統(tǒng)和經(jīng)濟(jì)統(tǒng)計(jì)決策中，但在做推理決策時(shí)往往會(huì)遇到先驗(yàn)概率如何確定的問題[9-11]。由于決策主體的認(rèn)知局限會(huì)導(dǎo)致判斷決策的偏差，在實(shí)際理論和工程實(shí)踐中也往往過分強(qiáng)調(diào)貝葉斯推理功能而忽略先驗(yàn)概率確定的問題。鑒于這種現(xiàn)象，文中在現(xiàn)場故障統(tǒng)計(jì)數(shù)據(jù)和專家經(jīng)驗(yàn)基礎(chǔ)上，采用模糊數(shù)學(xué)加經(jīng)典貝葉斯理論的綜合方法，能夠很好地利用獲取的先驗(yàn)信息，為貝葉斯網(wǎng)絡(luò)推理拓寬了思路，夯實(shí)了基礎(chǔ)。

2.1 先驗(yàn)信息和樣本信息的確定

模糊貝葉斯決策方法的前提是先驗(yàn)信息和樣本信息的模糊化處理[12]。各基本故障事件的狀態(tài)或故障之間沒有明確的界限，從工作正常到故障發(fā)生是一個(gè)漸變的過程，“正常”和“故障”兩種狀態(tài)均屬于兩個(gè)模糊集，這樣就克服了貝葉斯網(wǎng)絡(luò)推理中先驗(yàn)概率主觀性較強(qiáng)而導(dǎo)致診斷推理不準(zhǔn)確的問題。

2.2 模糊后驗(yàn)概率和模糊決策過程

基于先驗(yàn)信息，樣本信息和模糊后驗(yàn)概率條件下的，故障事件mk相應(yīng)的損失期望

則故障事件相對于標(biāo)準(zhǔn)模糊集合損失期望為

由故障事件mk損失期望的結(jié)果做出相應(yīng)決策推理。

3 CSCT3-300T型車載設(shè)備故障模型的建立和決策推理

3.1 故障事件的模型確定

根據(jù)設(shè)備現(xiàn)場故障統(tǒng)計(jì)數(shù)據(jù)和工作原理得出各故障事件的關(guān)系樹并轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，如圖3所示。

圖3 300T型車載設(shè)備故障事件貝葉斯網(wǎng)絡(luò)圖

相應(yīng)的故障表示如表1所示。

3.2 故障事件模糊化描述

結(jié)合CTCS3-300T型車載設(shè)備特點(diǎn)對故障事件發(fā)生程度提出了一種模糊綜合評判模型[13]。將設(shè)備故

表1 300T型車載設(shè)備故障事件集

障發(fā)生程度分為5個(gè)模糊等級記為

參考模糊數(shù)學(xué)決策中隸屬度最大性原則，車載設(shè)備運(yùn)行可靠度對于故障發(fā)生的程度評價(jià)標(biāo)準(zhǔn)可以進(jìn)行定性的描述。程度描述如表2所示。

表2 設(shè)備故障概率模糊定性描述

其對應(yīng)的設(shè)備故障各模糊描述等級的先驗(yàn)信息計(jì)算公式為

計(jì)算得到

3.3 故障模型決策過程和相應(yīng)推理

美國運(yùn)籌學(xué)家Saaty等人在20世紀(jì)70年代提出復(fù)雜問題決策層次分析法，根據(jù)問題的目標(biāo)和決策方案分為3個(gè)層次[14-15]。

結(jié)合列控車載設(shè)備故障貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖和相應(yīng)先驗(yàn)信息的獲取，可以得到模糊貝葉斯決策模型的結(jié)構(gòu)，如圖4所示。

圖4 車載設(shè)備故障決策層次結(jié)構(gòu)

對于故障基本子因素層，根據(jù)現(xiàn)場統(tǒng)計(jì)數(shù)據(jù)和相應(yīng)的數(shù)理計(jì)算得出其發(fā)生故障概率的模糊程度，子因素集如表3所示。

表3 故障基本子因素集

各故障點(diǎn)可靠度模糊程度表示如表4所示。

表4 故障基本子因素集模糊程度值

由模糊數(shù)學(xué)交集公式得

根據(jù)經(jīng)典貝葉斯公式可以得到故障事件的模糊后驗(yàn)概率

根據(jù)長期對車載設(shè)備故障發(fā)生的結(jié)果和大量數(shù)據(jù)分析，對于每個(gè)故障點(diǎn)對應(yīng)的損失指數(shù)(趨向于故障的相對量)與各點(diǎn)可靠度關(guān)系如下

表5 基本子因素集損失期望值

結(jié)合模糊化的先驗(yàn)信息、樣本信息和模糊后驗(yàn)信息，由損失函數(shù)法計(jì)算在故障發(fā)生后各潛在故障點(diǎn)損失函數(shù)期望

計(jì)算的結(jié)果為

E[u1]=0.774 5，E[u2]=0.410 1，E[u3]=0.546 4，

E[u4]=0.506 0，E[u5]=0.484 9，E[u6]=0.460 7，

E[u7]=0.380 2，E[u8]=0.457 8，E[u9]=0.406 4，

根據(jù)數(shù)學(xué)期望的大小排序，得出故障發(fā)生后故障查找的順序。即為排除故障查找點(diǎn)順序?yàn)椋篣1、U10、U3、U4、U5、U6、U8、U11、U2、U9、U7。

4 結(jié)語

隨著高速鐵路的大力發(fā)展，作為列控系統(tǒng)核心組成部分的CTCS3-300T型車載設(shè)備數(shù)量不斷增加，其運(yùn)用環(huán)境也日益復(fù)雜。作為新技術(shù)的列控系統(tǒng)非常復(fù)雜，高速鐵路的相關(guān)維護(hù)和維修沒有形成經(jīng)驗(yàn)，設(shè)備故障后大多需要廠家來解決。故障排查過程繁瑣，消耗時(shí)間大。模糊貝葉斯決策方法在克服先驗(yàn)信息不確定問題的情況下運(yùn)用故障診斷推理為現(xiàn)場技術(shù)人員查找故障提供幫助，提高工作效率。另外，在故障統(tǒng)計(jì)研究過程中得到變化的基本故障概率值能夠反映出子系統(tǒng)或器部件的故障趨勢，增強(qiáng)了監(jiān)測的功能，并且更好地實(shí)現(xiàn)了預(yù)防性維修。

[1] 邊曉亞.模糊貝葉斯決策方法在城市交通系統(tǒng)中的應(yīng)用[D].武漢:華中科技大學(xué)，2011．

[2] 樊寧.貝葉斯網(wǎng)絡(luò)推理算法在故障診斷中的應(yīng)用[J].信息技術(shù)，2011(4):158-161．

[3] Gran B A. Assessment of programmable systems using Bayesian belief nets[J]. Safety science， 2002，40(9):797-812．

[4] 牛振宇.基于改進(jìn)貝葉斯網(wǎng)絡(luò)的復(fù)雜系統(tǒng)故障診斷模型研究[D].上海:同濟(jì)大學(xué)，2008．

[5] 盧軍.CTCS-2級列控車載ATP設(shè)備應(yīng)用于普速機(jī)車的適應(yīng)性分析及仿真研究[J].鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2013(5):102-105．

[6] 付雙.基于貝葉斯網(wǎng)絡(luò)的CBTC故障診斷[D].北京:北京交通大學(xué)，2011．

[7] Bennacer L， Ciavaglia L， Chibani A， et al. Optimization of fault diagnosis based on the combination of Bayesian Networks and Case-Based Reasoning[C]∥Network Operations and Management Symposium (NOMS)， 2012 IEEE. IEEE， 2012:619-622．

[8] Huang H， Abdel-Aty M. Multilevel data and Bayesian analysis in traffic safety[J]. Accident Analysis & Prevention， 2010，42(6):1556-1565.

[9] 董昱.區(qū)間信號與列車運(yùn)行控制系統(tǒng)[M].北京:中國鐵道出版社，2008．

[10]于國全.模糊貝葉斯決策方法[D].長春:吉林大學(xué)，2008．

[11]劉嶺，牛道恒，張國振，等.CTCS3-300T列控車載設(shè)備的安全設(shè)計(jì)技術(shù)應(yīng)用[J].鐵路通信信號工程技術(shù)，2013(S1)．

[12]吳書學(xué).CTCS3-300T列控車載系統(tǒng)運(yùn)行可靠性分析[J].鐵路通信信號工程技術(shù)，2012，9(1):8-11．

[13]朱海宏，徐中偉，梅萌，等.基于貝葉斯網(wǎng)絡(luò)的高鐵系統(tǒng)概率安全評估方法研究[J].計(jì)算機(jī)應(yīng)用與軟件，2011(3)：26-28，31．

[14]陸瑩，李啟明，周志鵬.基于模糊貝葉斯網(wǎng)絡(luò)的地鐵運(yùn)營安全風(fēng)險(xiǎn)預(yù)測[J]，東南大學(xué)學(xué)報(bào)：自然科學(xué)版，2010(5)：1110-1104．

[15]項(xiàng)琴，李遠(yuǎn)富，朱宏偉.基于模糊貝葉斯網(wǎng)絡(luò)的山區(qū)高速鐵路橋梁運(yùn)營風(fēng)險(xiǎn)評估[J].鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2014，58(11):76-80．

Apply Fuzzy Bayesian Decision-making to ATP on-board Equipment Fault Diagnosis

LI Rui-jing， TENG Qing-fang

(Institute of Automation and Electrical Engineering， Lanzhou Jiaotong University， Lanzhou 730070, China)

Long time operation of the high-speed train is likely to encounter some failures， and the failures of on-board equipment are of uncertainty and correlated. Analysis of the failures and there causes is a complicated and important process. Bayesian network has unique advantages to deal with the uncertainty and correlation. Bayesian network can be used to look for and control failure causes and failure points to improve the safety of train operations. The practical theory of and engineering practice in using Bayesian for inference often put too much emphasis on functions of Bayesian inference and ignore the prior probability. Fuzzy Bayesian decision-making is based on classical Bayesian theory integrates the use of decision theory， fuzzy mathematics， the Bayesian method and expected utility theory to establish a fuzzy Bayesian decision-making model with fault situation under multiple attribute index， which overcomes the deficiency of the single Bayesian inference， and enhances the applicability of the model．

Fault diagnosis; Bayesian Network; Fuzzy math; Decision-making theory

2015-03-09

甘肅省自然科學(xué)基金(1208RJZA180)

李瑞璟(1992—)，男，碩士研究生，E-mail：853474171@qq.com。

1004-2954(2015)07-0147-05

U284.48

A

10.13238/j.issn.1004-2954.2015.07.033