楊 莎 張振山

（1.南瑞集團公司（國網(wǎng)電力科學(xué)研究院），210032，南京；2.國電南瑞科技股份有限公司，210061，南京//第一作者，工程師）

基于關(guān)聯(lián)關(guān)系的城市軌道交通智能報警系統(tǒng)

楊 莎1，2張振山1，2

（1.南瑞集團公司（國網(wǎng)電力科學(xué)研究院），210032，南京；2.國電南瑞科技股份有限公司，210061，南京//第一作者，工程師）

從復(fù)雜的城市軌道交通安全防護工作的角度出發(fā)，介紹了一套基于關(guān)聯(lián)關(guān)系的城市軌道交通智能報警系統(tǒng)。重點研究了城市軌道交通中故障之間的關(guān)聯(lián)關(guān)系，故障從量變到質(zhì)變的過程，以及如何量化質(zhì)變的過程和表示設(shè)備亞健康狀態(tài)；結(jié)合城市軌道交通系統(tǒng)中各個事件之間的關(guān)聯(lián)關(guān)系，實現(xiàn)了專家評估、智能預(yù)警、智能輔助等主要功能。

城市軌道交通；智能報警；關(guān)聯(lián)關(guān)系

城市軌道交通眾多子系統(tǒng)之間的關(guān)聯(lián)關(guān)系錯綜復(fù)雜，導(dǎo)致各子系統(tǒng)故障的發(fā)生概率較高。實踐表明，若干個孤立的故障點盡管影響很小，但如其間存在某種關(guān)聯(lián)關(guān)系且沒有得到合理處理，則可能給城市軌道交通安全帶來不可估量的危害。這種危害發(fā)生的關(guān)鍵在于多個事件的關(guān)聯(lián)關(guān)系是否成立。使用基于關(guān)聯(lián)關(guān)系的城市軌道交通智能報警系統(tǒng)（以下簡為“智能報警系統(tǒng)”）即可找到故障點的關(guān)聯(lián)關(guān)系。只要在已發(fā)生故障點的關(guān)聯(lián)關(guān)系未成立之前，破壞故障點關(guān)聯(lián)關(guān)系成立的條件，就能阻斷故障的連鎖反應(yīng)。這樣就可做到城市軌道交通安全的主動防御。

1 報警系統(tǒng)比較

1.1 普通報警系統(tǒng)

普通報警系統(tǒng)在故障發(fā)生后，會以實體或計算機圖元方式來警示發(fā)生了故障的設(shè)備或設(shè)備點，但不會進一步提示與該故障點關(guān)聯(lián)的其他故障點的狀態(tài)信息?？梢?，普通報警系統(tǒng)工作方法被動單一，沒有體現(xiàn)故障點時序等特性，不能適應(yīng)城市軌道交通系統(tǒng)多級多應(yīng)用的特點。

1.2 智能報警系統(tǒng)

針對普通報警系統(tǒng)缺點開發(fā)的智能報警系統(tǒng)，基于對城市軌道交通系統(tǒng)中故障之間的關(guān)聯(lián)關(guān)系分析，能為故障處理提供更準確及時的決策信息；并能利用計算機的自動化觸發(fā)功能將關(guān)聯(lián)關(guān)系研究應(yīng)用到智能預(yù)警當(dāng)中，從而提高現(xiàn)場人員操作的正確性。

智能報警系統(tǒng)具有關(guān)聯(lián)規(guī)則生成、智能報警系統(tǒng)后臺服務(wù)及人機交互等功能。智能報警系統(tǒng)的結(jié)構(gòu)如圖1所示。

智能報警系統(tǒng)以城市軌道交通指揮中心系統(tǒng)為硬件基礎(chǔ)，以關(guān)聯(lián)規(guī)則庫作為系統(tǒng)的數(shù)據(jù)基礎(chǔ)。其數(shù)據(jù)主要來源于故障樹和歷史數(shù)據(jù)庫。故障樹按不同專業(yè)在設(shè)計、運行與管理階段的安全性與可靠性工作中分別建立［1］。故障樹中包含各系統(tǒng)專業(yè)可能發(fā)生的保護信號失效、人為失誤及環(huán)境變化等各種故障原因信息及其之間的邏輯關(guān)系信息。智能報警系統(tǒng)可利用功能圖定義將這些信息存儲到數(shù)據(jù)庫中，并利用改進的數(shù)據(jù)挖掘工具挖掘相關(guān)歷史數(shù)據(jù)之間的關(guān)聯(lián)規(guī)則。最終，所有數(shù)據(jù)經(jīng)過專家評估系統(tǒng)來選擇關(guān)聯(lián)規(guī)則，并組成關(guān)聯(lián)規(guī)則庫。

智能報警系統(tǒng)后臺服務(wù)將實時數(shù)據(jù)進行邏輯運算，并與關(guān)聯(lián)規(guī)則庫中的數(shù)據(jù)匹配。人機交互功能包括智能預(yù)警和智能輔助。智能預(yù)警能根據(jù)實時數(shù)據(jù)和后臺的邏輯運算結(jié)果動態(tài)顯示報警等級等信息；智能輔助可從關(guān)聯(lián)規(guī)則的角度，為操作員提供當(dāng)前最佳的智能決策信息。

圖1 智能報警系統(tǒng)結(jié)構(gòu)圖

2 智能報警系統(tǒng)工作流程

當(dāng)城市軌道交通系統(tǒng)中若干個孤立的節(jié)點發(fā)生故障時，智能報警系統(tǒng)要能在關(guān)鍵節(jié)點沒有發(fā)生故障之前，及時發(fā)出正確的預(yù)警信息，阻止故障連鎖反應(yīng)的發(fā)生。智能報警系統(tǒng)應(yīng)能發(fā)出具有高可靠性的預(yù)警信息，能展現(xiàn)故障從量變到質(zhì)變的發(fā)展過程，并能提供合理的智能輔助信息。

研究發(fā)現(xiàn)，在以往的報警系統(tǒng)中，一個或多個節(jié)點故障的出現(xiàn)往往伴隨著另一個節(jié)點故障的出現(xiàn)。故障節(jié)點之間的關(guān)系總是存在著一種特殊性。這種特殊性不僅體現(xiàn)在一個或多個故障節(jié)點與另一個故障節(jié)點的發(fā)生時序關(guān)系上，而且還表現(xiàn)在獨有的量變到質(zhì)變關(guān)系上。如圖2所示，若干影響較小的故障逐次出現(xiàn)，進而導(dǎo)致某影響較大故障出現(xiàn)的過程，就是從量變到質(zhì)變的過程。智能報警系統(tǒng)節(jié)點進行預(yù)警時，常利用蘊涵式中未發(fā)生事件的概率來表示預(yù)警的等級，并在若干影響較小的故障逐次發(fā)生時，對防護未發(fā)生故障的節(jié)點提供智能輔助功能從而阻止故障蔓延。

2.1 關(guān)聯(lián)規(guī)則

根據(jù)文獻［2］，設(shè) I={i1，i2，…，im}是所有項目的集合；設(shè) T={T1，T2，…，Tm}是 1 個事務(wù)數(shù)據(jù)集，其中Ti（i=1，2，…，m）為1個項目的集合，并滿足Ti?I；則1個關(guān)聯(lián)規(guī)則是1個如下形式的蘊涵關(guān)系：x?y，其中 x?I，y?I，并且 x∩y=φ。

根據(jù)文獻［3］，關(guān)聯(lián)規(guī)則按照數(shù)據(jù)維可以分為單維關(guān)聯(lián)規(guī)則和多維關(guān)聯(lián)規(guī)則。單維關(guān)聯(lián)規(guī)則是指關(guān)聯(lián)規(guī)則中的項或?qū)傩悦總€只涉及1個維。例如，buy（"computer"）?buy（"software"）就是單維關(guān)聯(lián)規(guī)則，因為此規(guī)則只涉及1個維（buy）。而如age（"20...29"）^income（"20K...29K"） ? buy（"computer"）就 是多維關(guān)聯(lián)規(guī)則，其中涉及了3個維（age、income和buy）。

圖2 故障漸變圖

2.1.1 故障樹與關(guān)聯(lián)規(guī)則

割集A是導(dǎo)致頂上事件B發(fā)生的基本事件集合。即，如故障樹中一組基本事件的發(fā)生能造成頂上事件的發(fā)生，則這組基本事件就叫割集。割集和頂事件之間的關(guān)系，顯然滿足關(guān)聯(lián)規(guī)則的蘊涵式A?B的規(guī)則。引起頂事件發(fā)生的基本事件最低限度集合叫最小割集，滿足Amin?B的規(guī)則。

功能圖（Function Block Diagram，F(xiàn)BD）是 1種圖形式的編程語言，遵從IEC 61131-3標準。本文以IEC 61131-3標準中FBD圖定義的模塊為藍本，并對IEC 61131-3標準進行擴充，用功能模塊表示事件和邏輯關(guān)系，用線表示事件之間的關(guān)聯(lián)關(guān)系，制作功能圖。功能圖可將事件間的關(guān)聯(lián)關(guān)系描述成具體的計算機中的實體，從而將其整合到綜合監(jiān)控的商用庫中，經(jīng)最小割集算法計算生成合理的關(guān)聯(lián)規(guī)則。

2.1.2 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的主要工具，可以發(fā)現(xiàn)數(shù)據(jù)集中所有頻繁關(guān)聯(lián)模式，從而產(chǎn)生關(guān)聯(lián)規(guī)則。在關(guān)聯(lián)規(guī)則挖掘階段，在挖掘單維布爾型關(guān)聯(lián)規(guī)則的Apriori算法分析基礎(chǔ)上，綜合對量化屬性的離散化處理、屬性融合和改變連接條件等方法形成了M-Apriori算法，實現(xiàn)了對歷史數(shù)據(jù)庫進行多維關(guān)聯(lián)規(guī)則的挖掘。此外，還通過鏈式結(jié)構(gòu)和隨機抽樣提高了算法的效率。

2.2 專家評估系統(tǒng)

2.2.1 關(guān)聯(lián)規(guī)則庫

鑒于人為建立的故障樹和數(shù)據(jù)挖掘產(chǎn)生的關(guān)聯(lián)規(guī)則的不確定性，可用專家評估系統(tǒng)來甄別可使用的關(guān)聯(lián)規(guī)則。主要甄別原則為：

（1）剔除所有基本事件能夠被觸發(fā)和肯定會發(fā)生的關(guān)聯(lián)規(guī)則。一旦事件不能被觸發(fā)，就不能自動傳遞邏輯關(guān)系，更無法滿足系統(tǒng)自動化要求。例如人為失誤造成的故障在系統(tǒng)中就不能自動被觸發(fā)。

（2）蘊涵式A?B需滿足條件為：A中事件個數(shù)應(yīng)大于1（如果A中只有1個事件a，則a發(fā)生后，B中事件必將發(fā)生，這就達不到預(yù)警的效果）A中所有事件的產(chǎn)生后果應(yīng)小于B中單個事件產(chǎn)生的后果（這用于體現(xiàn)量變引起質(zhì)變的過程）。

2.2.2 報警信息設(shè)定

專家評估系統(tǒng)首先會根據(jù)經(jīng)驗和歷史數(shù)據(jù)針對具體關(guān)聯(lián)規(guī)則設(shè)定故障發(fā)生概率、危害程度、報警等級、報警閾值等信息，并根據(jù)一定規(guī)則對關(guān)聯(lián)規(guī)則中的基本事件發(fā)生概率進行打分，按集合中未發(fā)生基本事件權(quán)值乘積的大小表示事件組合發(fā)生的概率。當(dāng)概率大于一定的閾值時即觸發(fā)預(yù)警。風(fēng)險等級的定義及權(quán)值見表1。

例如，某條關(guān)聯(lián)規(guī)則為{a=0.4，b=0.6，c=0.6，d=0.2}?{e}，其中的數(shù)值為經(jīng)專家打分系統(tǒng)得到的故障發(fā)生概率。在事件依次發(fā)生過程中，事件組合（任意未發(fā)生事件的組合）發(fā)生概率依次為 {0.028 8，0.048 0，0.072 0，0.080 0，0.120 0，0.144 0，0.200 0，0.240 0，0.360 0，0.400 0，0.600 0，1.000 0}，所以報警等級可以分級為 {{0.028 8，0.048 0，0.072 0，0.080 0}，{0.120 0，0.144 0，0.200 0}，{0.240 0，0.360 0，0.400 0}，{0.600 0}}。

表1 風(fēng)險等級定義及權(quán)值

2.3 系統(tǒng)實例

根據(jù)模型設(shè)計的系統(tǒng)運行良好，能實現(xiàn)預(yù)定目標。在地鐵線路實例中實現(xiàn)了智能預(yù)警和智能輔助兩部分功能。

智能預(yù)警功能主要通過對故障的逐級預(yù)警來展示故障從量變到質(zhì)變的過程，以量化的數(shù)據(jù)來表示質(zhì)變的過程。以實例車站為例，智能預(yù)警功能實現(xiàn)的報警內(nèi)容見表2。當(dāng)三級報警信號“水循環(huán)管道堵塞”發(fā)出以后，智能預(yù)警同時發(fā)出“由于水循環(huán)管道堵塞，元件母排過熱達到四級預(yù)警”的四級預(yù)警信息；當(dāng)三級報警信號“水泵故障導(dǎo)致水流減慢”發(fā)出以后，智能預(yù)警同時發(fā)出“由于水循環(huán)管道堵塞，水泵故障導(dǎo)致水流減慢，元件母排過熱達到二級預(yù)警”的二級預(yù)警信息；同時，由于預(yù)警信息達到一定的級別，智能預(yù)警系統(tǒng)發(fā)出智能輔助信息“元件母排過熱達到二級預(yù)警，可防護整流柜過載、風(fēng)機電源故障等設(shè)備信號”。

表2 某站智能預(yù)警內(nèi)容

智能輔助功能主要是從關(guān)聯(lián)規(guī)則的角度，為操作員提供當(dāng)前時刻最佳的智能決策信息。如圖3所示，當(dāng)前時刻“水循環(huán)管道堵塞”和“水泵故障導(dǎo)致水流減慢”故障信號已經(jīng)發(fā)生，并且“元件母排過熱”也已經(jīng)達到二級預(yù)警，所以智能輔助單元建議：①由于整流柜過載發(fā)生概率>風(fēng)機電源故障發(fā)生概率，專家系統(tǒng)建議重點防護風(fēng)機電源故障。②元件母排過熱達到二級預(yù)警，可防護整流柜過載、風(fēng)機電源故障等設(shè)備信號。③由于水循環(huán)管道堵塞，水泵故障恢復(fù)水流減慢，元件母排過熱達到二級預(yù)警。④由于水循環(huán)管道堵塞，元件統(tǒng)母排過熱達到四級預(yù)警。

圖3 智能輔助信息內(nèi)容

3 結(jié)語

基于關(guān)聯(lián)關(guān)系的城市軌道交通智能報警系統(tǒng)以實際案例為研究對象，以城市軌道交通指揮中心系統(tǒng)為基礎(chǔ)。首先，通過的故障樹和數(shù)據(jù)挖掘產(chǎn)生關(guān)聯(lián)規(guī)則；其次，經(jīng)過專家評估系統(tǒng)選擇合適的關(guān)聯(lián)規(guī)則，組成關(guān)聯(lián)規(guī)則庫；然后，智能報警后臺服務(wù)將實時數(shù)據(jù)與關(guān)聯(lián)規(guī)則庫中的數(shù)據(jù)匹配，進行邏輯運算；最終，實現(xiàn)智能預(yù)警和智能輔助功能。

該城市軌道交通智能報警系統(tǒng)在實際應(yīng)用中運行良好，其自動化高，在地鐵線路實例中實現(xiàn)了智能預(yù)警和智能輔助等功能，但數(shù)據(jù)挖掘算法還有進一步改善的空間。

［1］ 袁潤，汪建業(yè).基于故障樹的復(fù)雜系統(tǒng)故障診斷軟件設(shè)計研究［J］.核科學(xué)與工程，2012，32（1）：74.

［2］ 張忠林，田苗鳳，劉宗成.大數(shù)據(jù)環(huán)境下關(guān)聯(lián)規(guī)則并行分層挖掘算法研究［J］.計算機科學(xué)，2016（1）：286.

［3］ Siemens Aktiengesellschaft.用于S7-300和S7-400的功能塊圖（FBD）編程［M］.Nuernberg：Siemens Aktiengesellschaft，2004.

［4］ 張春生，圖雅，翁慧，等?；陉P(guān)聯(lián)規(guī)則的條件函數(shù)依賴發(fā)現(xiàn)及數(shù)據(jù)修復(fù)［J］.計算機應(yīng)用研究，2016，33（2）：384.

［5］ 王瀟，王武宏，毛琰，等.大城市交通擁堵致因的故障樹分析［J］.交通信息與安全，2012，30（2）：127.

［6］ 劉曉娟.城市軌道交通智能控制系統(tǒng)［M］.北京：中國鐵道出版社，2003.

Research on Urban Rail Transit Intelligent Alarm System Based on Correlation

YANG Sha，ZHANG Zhenshan

From the angle of complex rail transit safety protection，a set of intelligent alarm system for rail transit based on correlation is introduced.The correlation between different rail transit faults are specially studied,including the process from quantitative changes to qualitative changes of the fault，the process of quantitative quality changeand the indication of device sub-health status.Combined with the correlation between various events in rail transit system，this alarm system can perform the main functions like expert evaluation，intelligent early warning and intelligent auxiliary.

urban rail transit；intelligent alarm；correlation

First-author′s address NARI Group Corporation（State Grid Electric PowerResearch Institute），210032，Nanjing，China

U29-39

10.16037/j.1007-869x.2017.12.018

2016-03-23）