樊連會，武曉春，郭榮昌

(蘭州交通大學自動化與電氣工程學院，蘭州 730070)

列控車載設備是列控系統(tǒng)的核心設備，是保證列車安全運營的關鍵。由于車載設備結(jié)構(gòu)復雜，各設備間的耦合性也相對較強，其多數(shù)故障診斷系統(tǒng)只能診斷出較嚴重的故障，對故障早期的異常很難做出判斷。因此，有必要對車載設備運行的工作狀態(tài)進行評估，實現(xiàn)對故障的早期預警，為設備的檢修提供指導，從而避免和減輕設備損壞，降低運行與檢修費用，提高車載運行的安全性和可靠性。

目前鐵路領域?qū)W者們的焦點主要集中在車載設備故障診斷方法和故障預測[1-4]等，對其狀態(tài)評估的研究較少。文獻[5]在分析工作狀態(tài)和動態(tài)機制的基礎上，引入動態(tài)貝葉斯理論，對車載系統(tǒng)可靠性進行評估。文獻[6]考慮列車運行干擾的問題，引入彈復力效應理論分析系統(tǒng)恢復狀態(tài)，從而對車載設備進行評估。文獻[7]首先對車載設備進行分層管理，結(jié)合狀態(tài)空間理論和層次分析思想構(gòu)建劣化失效評估模型，從而對車載設備可靠性實時評估。文獻[8]基于多維數(shù)據(jù)集為車載設備操作和故障數(shù)據(jù)構(gòu)建特定的數(shù)據(jù)模型，結(jié)合貝葉斯理論和馬爾科夫鏈，對特定車載設備狀態(tài)進行評估。但對車載設備狀態(tài)進行評估時，學者們不應只考慮智能技術融合，還應考慮設備間各個單項狀態(tài)量之間的相互耦合關系。關聯(lián)規(guī)則能夠較好的挖掘設備狀態(tài)量之間的關聯(lián)性，且已在航空[9]、機械[10]等評估方面廣泛應用。鐵路領域現(xiàn)階段研究都存在一個共性問題，即故障數(shù)據(jù)種類少、數(shù)據(jù)量少、故障類型少、不具備完全數(shù)據(jù)組。為了提高列控車載設備工作狀態(tài)評估的準確率，需要在完備數(shù)據(jù)情況下進行狀態(tài)評估，但列控車載設備維護具有特殊性，難以收集到完備數(shù)據(jù)。

通過以上分析，將關聯(lián)規(guī)則和變權重系數(shù)相結(jié)合用于列控車載設備工作狀態(tài)評估。用統(tǒng)計學原理對歷史運行故障數(shù)據(jù)進行分析后，歸類故障特征，整合兩兩之間的耦合關系，分別將其與故障類型對應。設定故障類型和故障特征分別作為綜合狀態(tài)量和單項狀態(tài)量評估指標。通過關聯(lián)規(guī)則置信度和變權重計算公式得到常權重和變權重系數(shù)，在單項狀態(tài)量基礎上求出綜合狀態(tài)量評分，從而反映列控車載設備整體運行工作狀態(tài)。

1 列控車載設備組成及理論基礎

1.1 列控車載設備

CTCS-3級列控系統(tǒng)主要包括地面設備和車載設備[11]，其車載設備構(gòu)成如圖1所示。

圖1 CTCS-3列控系統(tǒng)車載設備框圖

高速鐵路運營速度的不斷提高，使得列控車載設備的結(jié)構(gòu)更加復雜、集成度更高，車載設備間故障耦合性程度增大，故障不易被發(fā)現(xiàn)。對列控車載設備進行狀態(tài)評估能夠及時發(fā)現(xiàn)故障安全隱患。

1.2 關聯(lián)規(guī)則理論

在數(shù)據(jù)庫中，域與域之間若能夠滿足某種特定的關系，則稱其為關聯(lián)規(guī)則[12]。按規(guī)則要求，將事務數(shù)據(jù)庫和其全部子集事務分別記為Y和X，所有子集事務個數(shù)記為|Y|。以某一子集事務為例，設其包含項集H的頻率記為f(H)。若項集H?Y，I?Y，且H∩I=?，則形如H?I的式子稱之為關聯(lián)規(guī)則，表示包含項集H的事務Y也可能包含項集I，H和I是關聯(lián)規(guī)則的前提和結(jié)論。所以H?I的支持度就是項集H∪I的支持度，也可表示為Y中包含H∪I的比例，如式(1)所示

(1)

設support(H?I)min為支持度閾值，通常情況下取70%[13]。當某項集支持度高于設定閾值時，稱該項集為頻繁項集。

關聯(lián)規(guī)則中H?I的置信度等同于Y中同時包含H和I的比例，即條件概率P(I|H)，如式(2)所示

(2)

關聯(lián)規(guī)則中，置信度反映其確定性即可信程度，置信度值越大，說明關聯(lián)關系的可信度越強。支持度反映其有效性即重要程度或出現(xiàn)概率，支持度越大，表明關聯(lián)程度越強。

2 確定狀態(tài)評估標準和權重

列控車載設備結(jié)構(gòu)復雜，集成性高，要對其運行工作狀態(tài)進行準確評估，需要選擇最具代表性的狀態(tài)量進行評估。

2.1 狀態(tài)評估因素集

車載設備故障種類很多，但目前尚未有統(tǒng)一的劃分方法對其進行分類。本文主要依據(jù)《CTCS-3級列控車載設備技術條件》[14]，同時根據(jù)實際運行經(jīng)驗，并參考文獻[15-17]總結(jié)的車載設備常見故障，初步將8種車載設備故障類型作為狀態(tài)綜合評估指標，如表1所示。

表1 列控車載設備故障類型

車載設備的狀態(tài)信息繁多，如果考慮所有的狀態(tài)信息，狀態(tài)評估體系將極為復雜，而且有些狀態(tài)信息比較模糊，不宜定量描述，不利于對車載設備全面而準確的評估。因此，就需要選擇最具代表性且能夠準確有效反映車載設備運行狀況的狀態(tài)量作為表征車載設備各種故障類型的故障征兆。選擇17種故障特征作為單項狀態(tài)量指標[18-19]，如表2所示。

表2 列控車載設備故障特征

2.2 狀態(tài)評語集與評分標準對照

在咨詢現(xiàn)場車載設備維護人員將車載設備運行工作狀態(tài)分為4個等級。分別為正常、注意、異常、故障。列控車載設備運行工作狀態(tài)與評分標準如表3所示。

表3 工作狀態(tài)與評分值對照

2.3 評估指標權重系數(shù)的計算

列控車載設備系統(tǒng)是一個結(jié)構(gòu)復雜的系統(tǒng)，常見的故障類型主要分為8類。一個系統(tǒng)的工作狀態(tài)評估都是從局部到整體的過程，采用關聯(lián)規(guī)則和變權重系數(shù)評估列控車載設備綜合狀態(tài)。

2.3.1 綜合指標與單項指標的關聯(lián)關系

在列車實際運行過程中，列控車載設備發(fā)生某一類故障時，會表現(xiàn)出多個故障特征；同樣，一個故障特征會出現(xiàn)在多個故障類型中。因此，找出各種故障所對應的所有故障特征項是評估列控車載設備狀態(tài)的前提和條件。

首先，需要采集足夠多的歷史故障數(shù)據(jù)作為數(shù)據(jù)樣本，然后分析各個故障類型與所對應的故障特征間的關聯(lián)性，記Xn→Ta。事物數(shù)據(jù)庫為Y，|Y|為事物數(shù)據(jù)庫個數(shù)。將第a個故障類型Ta發(fā)生記作事物數(shù)據(jù)庫Ya，則該故障類型的故障例總數(shù)記作|Ya|。在數(shù)據(jù)樣本中，各個故障特征Xn的發(fā)生次數(shù)記作f(Xn)；在|Ya|例中，各個故障特征Xn的發(fā)生次數(shù)記作f(Xn∪Ta)，則根據(jù)公式(1)可計算得到Xn→Ta的支持度值。當Xn→Ta的支持度值高于70%時，則認為故障類型與故障特征的關聯(lián)性是有意義的，此時Xn屬于頻繁項集，由此得出故障特征Xn與故障類型Ta間相互關聯(lián)關系較強；對于非頻繁項集則棄之。故障特征間的關聯(lián)性，用Xa，n表示，則故障類型Ta約簡后對應的故障特征，記作Ta={Xa，1，Xa，2，…，Xa，Na}，Na表示約簡后故障特征的個數(shù)。

僅考慮故障類型所對應的頻繁故障特征項集，根據(jù)式(2)計算置信度Ca，n。

2.3.2 權重計算

為體現(xiàn)評估的準確性，根據(jù)置信度的計算公式，得到故障類型與故障特征聯(lián)系的強弱，并用置信度的大小分配權重。

常權重系數(shù)的計算公式如下

(3)

式中，wa，n為故障類型Ta中故障特征Xa，n的常權重系數(shù)；Ca，n為相應的置信度。

以表4中的“無線通信故障”為例，驗證故障類型指標的合理性。設置最小支持度閾值Smin=70%，計算常權重系數(shù)。“無線通信故障”包含4項故障特征，分別為主機與DMI通信中斷、無線連接超時、停車、與RBC通信中斷。記4個單項故障特征為X61、X62、X63、X64，無線通信故障為T6。表4中總數(shù)據(jù)庫Y為515，4個單項故障特征出現(xiàn)的次數(shù)分別為79、68、82、71次，總出現(xiàn)次數(shù)分別為291、68、464、91次。而無線通信故障出現(xiàn)86次。根據(jù)式(1)可以計算出“無線通信故障”的支持度

“無線通信故障”4個故障特征的支持度都>70%。因此單項狀態(tài)量指標選取合理。根據(jù)公式(2)計算故障類型與故障特征間的置信度

常權重系數(shù)由式(3)可得

同理可得：w62=0.448 8，w63=0.079 3，w64=0.350 1，其余常權重系數(shù)按以上步驟可得到。

在列控車載設備工作狀態(tài)評估中，常權重系數(shù)在一定程度上會偏離正常值，不能準確反映列控車載設備的實際工作情況，影響整體的狀態(tài)評估結(jié)果，為了保證綜合評價指標的均衡性，本文引入變權重系數(shù)[20]如式(4)所示

(4)

引入均衡函數(shù)形成的綜合指標變權重系數(shù)如式(5)所示

(5)

式中，α為均衡函數(shù)。當α=1時，綜合變權重系數(shù)等于常權重系數(shù)；當0.5<α<1時，綜合狀態(tài)量程度不高；當0≤α≤0.5時，易剔除綜合狀態(tài)嚴重缺陷值。根據(jù)故障特征對設備異常情況下的變化程度分析，本文取α=0。當單項狀態(tài)量評分較低時，根據(jù)式(4)和式(5)調(diào)整權重系數(shù)，避免權重系數(shù)的不均衡，若評分較低，說明權重系數(shù)大，表示車載設備故障，能反映車載設備的實際運行情況。

3 列控車載設備工作狀態(tài)評估步驟

根據(jù)以上理論和評估標準，建立評估流程如圖2所示，具體流程如下。

圖2 列控車載設備狀態(tài)評估流程

(1)收集車載設備歷史故障數(shù)據(jù)，選取8種典型的故障類型作為綜合評估指標，17種故障特征作為單項評估指標。

(2)根據(jù)關聯(lián)規(guī)則相關理論結(jié)合車載設備的實際運行情況，建立單項指標與綜合指標的關聯(lián)關系。為了保證單項指標故障特征的準確性，各單項指標必須滿足最小支持度閾值。

(3)根據(jù)步驟(2)建立評估體系，計算單項指標的支持度和常權重系數(shù)。

(4)對表2中的單項指標進行評分計算，評分原則為至少3位現(xiàn)場車載設備維護人員對當前情況下各個故障特征進行打分，評分范圍為0～100，計算公式如下

(6)

gan=dan×100

(7)

式中，px、pmin和pmax分別為第x個專家給出的評分以及最低分和最高分；dan表示歸一化后的最小值，且dan∈[0，1]。

(5)綜合指標的評分值由單項指標評分值和常權重系數(shù)計算得出

(8)

式中，ga為Ta的評分值。

(6)由于所選綜合狀態(tài)量(故障類型)都能夠較準確地反映列控車載設備某方面的工作狀態(tài)，從而故障類型常權重值取wa=1/n。因此，本文8種故障類型的常權重值均取1/8。

(7)根據(jù)各綜合狀態(tài)量的評分與變權重系數(shù)計算列控車載設備的整體評分

(9)

根據(jù)整體評分值和表3判斷列控車載設備的工作狀態(tài)，給車載檢修人員提供作業(yè)指導，減輕作業(yè)負擔，節(jié)省時間，對列控車載設備做出及時的維修。

4 列控車載設備狀態(tài)評估實例分析

4.1 實例分析

以某鐵路局CTCS3-300T型車載設備為例。整理2015-2017年度車載設備故障數(shù)據(jù)作為樣本數(shù)據(jù)，共515組。統(tǒng)計各個故障類型和故障征兆出現(xiàn)的頻次，根據(jù)關聯(lián)規(guī)則支持度和置信度計算公式分別計算列控車載設備各個故障特征的支持度值和常權重值如表4所示。

根據(jù)步驟(1)和步驟(3)計算故障特征的支持度和常權重系數(shù)。由表4可知，故障特征與故障類型的關聯(lián)規(guī)則支持度較高，都大于最小支持度閾值，說明評估體系指標是合理的。

表4 列控車載設備故障類型與故障特征間的關聯(lián)和權重

根據(jù)步驟(4)、步驟(5)得到綜合狀態(tài)量的評分值，進而根據(jù)式(5)計算其變權重系數(shù)，如表5所示。

表5 列控車載設備故障類型評分與變權重系數(shù)

由步驟(7)計算列控車載設備的整體評分，G=49.48分。對比表3可知，列控車載設備工作狀態(tài)為異常，并由此推測列控車載設備發(fā)生無線通信或列車接口方面的故障。列車進站后維護人員通過分析JRU數(shù)據(jù)和核心網(wǎng)，發(fā)現(xiàn)車載MT電臺下行質(zhì)量差導致無線通信連接超時。評估結(jié)果與現(xiàn)場維護人員檢測結(jié)果一致。

4.2 評估方法的有效性

對本文所提方法的有效性進行驗證，收集150組樣本數(shù)據(jù)，其中100組為故障數(shù)據(jù)，50組為正常數(shù)據(jù)，評估結(jié)果如表6所示。

表6 150組樣本數(shù)據(jù)評估結(jié)果

由表6可知，在50組正常樣本中，其中48組正常，2組注意。在100組故障數(shù)據(jù)中，其中86組故障，10組異常，4組注意。評估結(jié)果與車載設備實際工作狀態(tài)基本吻合。這說明本方法可以準確評估車載設備的真實工作狀態(tài)。

4.3 故障類型的準確率

整理200組列控車載設備故障數(shù)據(jù)，對8種故障類型準確度進行分析，分析結(jié)果如表7所示。

表7 故障類型的準確率

由表7可知，SDU故障和BTM故障準確率都高于95%，其他故障準確率相對較低，但也能達到77.78%，在對車載設備狀態(tài)進行評估時，若車載設備故障，可以得出具體的故障類型。

4.4 對比分析

進一步驗證本文方法的有效性，從某鐵路局電務段車載設備車間再收集150組樣本數(shù)據(jù)與文獻[21]的關聯(lián)規(guī)則評估方法進行對比，樣本數(shù)據(jù)和對比結(jié)果如表8所示。

表8 與關聯(lián)規(guī)則方法的對比

(1)用關聯(lián)規(guī)則常權重計算方法對150組樣本數(shù)據(jù)進行處理，得出車載設備處于故障狀態(tài)的準確率為80.0%，處于正常狀態(tài)的準確率為88.0%。

(2)本文方法得出設備處于故障狀態(tài)的準確率為86.0%，正常狀態(tài)的準確率為96.0%。

(3)以故障狀態(tài)準確率為依據(jù)，從對比結(jié)果可知，本文方法對每種故障類型的評估結(jié)果比關聯(lián)規(guī)則的常權重方法都有提高。兩種方法相比，本文方法準確率提高了6%，這進一步說明了本文方法的有效性。

5 結(jié)論

將關聯(lián)規(guī)則、常權重和變權重系數(shù)引入列控車載設備工作狀態(tài)評估中，從應用實例以及與關聯(lián)規(guī)則方法對比，得到如下結(jié)論。

(1)建立了以預防性樣本數(shù)據(jù)為基礎的狀態(tài)評估體系，通過統(tǒng)計學原理將故障類型和故障特征進行分類，將相互緊密聯(lián)系的單項狀態(tài)量與綜合狀態(tài)量相對應，以綜合狀態(tài)量作為狀態(tài)評價主要因素，有利于準確評估列控車載設備的工作狀態(tài)。

(2)用關聯(lián)規(guī)則置信度計算故障特征的常權重，并引入變權重系數(shù)，從而避免過度依賴專家經(jīng)驗使其權值不合理的現(xiàn)象，使得到的權重更能客觀反映故障特征的重要程度。

(3)實例對比分析表明，關聯(lián)規(guī)則和變權重系數(shù)結(jié)合的方法可取得較好狀態(tài)評估效果，使評估結(jié)果更加準確，也為現(xiàn)場的設備維護提供科學的檢修指導。同時本文算法可擴展性強，易實現(xiàn)計算機編程。