列車故障隱患排查方法范文

本站小編為你精心準備了列車故障隱患排查方法參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《機車電傳動雜志》2016年第二期

摘要：

針對現階段人工排查列車故障隱患中存在工作量大、效率低、漏檢率高等問題，通過獲取列車特征數據及故障特征樣本，提出了一種基于特征集匹配分析的列車故障隱患自動排查方法及系統，分析了該方法的工作機理與系統實施方案。

關鍵詞：

特征集；列車故障；特征數據；隱患排查

故障診斷對現代工程系統技術具有十分重要的意義，但在現有技術中，一般只會針對已經出現過的故障進行檢測診斷，且大多情況是一種事后行為。對于系統影響較大且尚未挖掘出來的故障，由于故障診斷的及時性、魯棒性、自適應能力等限制，尚不能對未挖掘的故障隱患進行有效排查。在軌道交通領域，同一類型的列車，尤其是同批次的機車、動車或城市軌道列車，經常會出現同等類似的故障。在列車的實際維護過程中，一旦某一列車出現某種故障，則需要對產生該故障的原因進行檢測分析，然后根據該分析結果針對所有與該故障列車同類型的其他列車進行人工排查，預防同種故障在該類型的其他列車中再次發生。但是，用人工來排查列車故障，其工作量較大，效率低，漏檢率較高，且嚴重影響正常列車有效服役時間及其投運效率。本文提出一種列車故障隱患排查方法，可以自動對列車的故障隱患進行檢測排查，大大提高列車故障隱患排查效率、降低漏檢率，有利于提高列車的維護水平。

1故障隱患排查方法機理

該方法通過采集列車特征數據和預置的泛特征域集建立每列車的泛特征集，在首次發現某種故障時，將該故障特征樣本添加到故障特征樣本集中，并且根據故障特征樣本和每一列車的泛特征集得到每一列車的故障特征值集，然后將故障特征值集與故障特征樣本集進行匹配，在匹配值大于預置閾值時，則認為該匹配值對應的列車具有故障隱患，并將該列車添加到該故障隱患列車表單中。排查方法流程如圖1所示。圖1中列車特征數據可以包括但不限于列車標志、地點標志、設備標志、時間戳、列車運行工況數據和列車設備狀態數據等信息數據。泛特征域集中所包含的元素根據實際情況進行預置，用于明確需要提取的泛特征項，即根據泛特征域集能知道列車特征數據中的哪些數據可以作為泛特征項。例如，如果泛特征域集為{列車標志，地點標志，設備標志，時間戳信息，列車運行工況數據，列車設備狀態數據}，而采集到列車X的特征數據為[1]列車標志：A[2]設備標志：A001[3]時間戳信息：2015[4]列車運行工況數據：B[5]列車設備狀態數據：C根據泛特征域集和列車X的特征數據，得到列車X的泛特征集為{A，A001，2015，B，C}。由此說明泛特征域集并不等同于泛特征集，泛特征域集用于指示哪些特征項可以作為泛特征集的元素，是面向所有列車的，而泛特征集是每列車的泛特征值的集合，是面向某一列車的，即每列車都對應著泛特征集，如果有m輛列車，則意味著存在m個泛特征集，而泛特征域集則是唯一的。故障特征樣本集，指的是故障特征樣本的集合，該故障特征樣本集的初始值可以設為空集，然后根據故障的發生狀況進行添加。即當發現新的故障時，通過對該新的故障進行分析，得到故障特征樣本，然后將該故障特征樣本添加到故障特征樣本集中。預置閾值Q可以根據實際應用需求進行設置，例如，在列車故障隱患排查系統啟動時，可以先對該預置閾值進行初始化，以確定與故障特征樣本具有多大匹配度的列車才具有故障隱患。匹配值PX大于預置閾值Q時，將該匹配值對應的列車X添加到故障隱患列車表單中；匹配值PX小于等于預置閾值Q，則表明該匹配值對應的列車X不具備該故障隱患，不能添加到故障隱患列車表單中。

2故障隱患排查系統實施方案

2.1系統結構組成列車故障隱患排查系統主要包括數據采集裝置和數據處理裝置，其中，數據處理裝置包括泛特征提取單元、故障特征樣本獲取單元、故障特征值提取單元和故障隱患識別單元。另外，系統還包括與其他系統共用故障特征樣本編輯人機接口單元和故障隱患顯示單元等輔助單元，結構組成如圖2所示。泛特征提取單元用于根據數據采集裝置采集到的列車特征數據和預置的泛特征域集提取泛特征項，形成每列車的泛特征集。故障特征樣本獲取單元用于獲取故障特征樣本，并將該故障特征樣本添加到故障特征樣本集中。故障特征值提取單元用于根據故障特征樣本和每列車的泛特征集得到每列車的故障特征值集。故障隱患識別單元用于將每列車的故障特征值集與故障特征樣本集進行匹配，得到匹配值；在確定所述匹配值大于預置閾值時，將該匹配值對應的列車添加到故障隱患列車表單中。故障特征樣本編輯人機接口單元用于接收用戶輸入的故障特征樣本，對故障特征樣本進行編輯，并發送給故障特征樣本獲取單元。故障隱患顯示單元用于將故障隱患識別單元所得到的故障隱患列車表單整理顯示供維護人員調閱。

2.2系統執行方案根據列車故障隱患排查工作機理及其系統結構組成，得到系統執行方案，方案執行流程如圖3所示。圖3中，由數據采集單元獲取列車特征數據，初始化泛特征域集。故障特征值提取單元讀取來自故障特征樣本集中的故障特征樣本，分析故障特征樣本和泛特征域集的差異，即確定分析故障特征樣本中涉及到的特征項是否存在于泛特征域集中；若分析故障特征樣本中涉及到的特征項在泛特征域集中沒有，則將該涉及到的特征項添加到泛特征域集中，由采集單元更新泛特征域集，從泛特征提取單元更新后的每列車的泛特征集中提取與故障特征樣本具有相同特征項的特征值集，得到每列車的故障特征值集；若分析故障特征樣本中涉及到的特征項都在泛特征域集中，則從每列車的泛特征集中提取與故障特征樣本具有相同特征項的特征值集，得到每列車的故障特征值集。某故障第一次發生時，相關維護人員對該故障特征進行分析和總計，得到故障特征樣本，然后通過故障特征樣本編輯人機接口單元編輯輸入該故障特征樣本，故障特征樣本編輯人機接口單元將該故障特征樣本發送給故障特征樣本獲取單元。由故障特征樣本獲取單元得到的故障特征樣本集與每列車的故障特征值集輸入到故障隱患識別單元中進行故障隱患匹配，得到匹配值P；判斷匹配值P與初始化后的預置閾值Q大小，若某列車X匹配值PX大于等于預置閾值Q，將該匹配值對應的列車X添加到故障隱患列車表單中，供相關人員在列車故障隱患顯示單元中調用查看；若匹配值PX小于或者等于預置閾值Q時，則表明該匹配值對應的列車X不具備該故障隱患，結束執行流程。假設有序號分別為1~m共m輛列車，其中，m為大于等于1的正整數，則對故障n的排查流程如下：故障隱患識別單元讀取故障n所對應的故障特征樣本集，將序號為1的列車的故障特征值集與故障n所對應的故障特征樣本集進行匹配，得到匹配值；將該匹配值與用于識別故障n隱患的閾值進行比較；若該匹配值大于該閾值，則確定該序號為1的列車具有該故 障n的隱患，于是將該序號為1的列車添加到故障n隱患列車表單中，然后判斷當前列車的序號是否為m，若為m，則流程結束，若當前列車的序號不為m，則按照序號順序對余下的列車進行故障隱患排查。

3結語

本文提出了一種基于特征集的列車故障隱患自動排查方法。列車故障隱患排查系統通過采集列車特征數據，建立每列車的泛特征集，在首次發現故障時，將該故障特征樣本添加到故障特征樣本集中，并且根據故障特征樣本和每列車的泛特征集得到每列車的故障特征值集，然后再將故障特征值集與故障特征樣本集進行匹配，在匹配值大于預置閾值時，則認為該匹配值對應的列車具有故障隱患，將該列車添加到故障隱患列車表單中。由于該方法可以對列車的故障隱患進行自動排查，因此能有效提高列車的故障隱患排查效率，最大程度降低故障排查過程中對正常列車的影響，提高列車投運率及安全性。

參考文獻：

［1］穆明生.基于特征集的多種分類器模型的在線筆跡認證［J］.信號處理，2001(17)：431-434.

［2］陳建校，王超，袁文燁.地鐵列車主動維保平臺及關鍵技術［J］.機車電傳動，2012(1)：58-61.

［3］張浚，張鳳荔，羅琴，等.基于多特征相似度的大規模網絡異常檢測算法［J］.計算機工程，2007，33(24)：181-183.

作者：陳超錄 陳建校 肖志均 單位：株洲中車時代電氣股份有限公司 技術中心