FFTA與BN在ZPW-2000A軌道電路故障診斷中的應用分析

聶　薦，譚　麗

(蘭州交通大學自動化與電氣工程學院，蘭州　730070)

?

FFTA與BN在ZPW-2000A軌道電路故障診斷中的應用分析

聶薦，譚麗

(蘭州交通大學自動化與電氣工程學院，蘭州730070)

摘要：將FFTA(Fuzzy Fault Tree Analysis，模糊故障樹分析法)應用到ZPW-2000A軌道電路系統(tǒng)的故障診斷分析之中，可以解決系統(tǒng)各部件之間具有不確定性的聯(lián)系以及各部件的故障概率數(shù)據(jù)較少，無法精確獲得的問題。將模糊邏輯理論引入到FTA(Fault Tree Analysis，故障樹分析)中，使傳統(tǒng)的FTA具備了處理模糊信息的能力。再根據(jù)模糊故障樹構造BN(Bayesian Networks，貝葉斯網(wǎng)絡)，利用BN的雙向推理功能計算出ZPW-2000A系統(tǒng)的故障概率，并可以尋找出最有可能導致系統(tǒng)發(fā)生故障的原因。

關鍵詞：ZPW-2000A軌道電路系統(tǒng)；故障診斷；FFTA；BN

ZPW-2000A型軌道電路系統(tǒng)是鐵路信號系統(tǒng)的重要設備之一，該系統(tǒng)具有抗干擾性強、傳輸性能好、可靠性高的優(yōu)點，因而在我國鐵路中得到了較為廣泛的應用[1，2]。然而，針對ZPW-2000A設備的故障，并沒有一套成熟的、綜合智能的故障診斷方法，大多依靠現(xiàn)場工作人員的經(jīng)驗，處理故障效率低，失誤率高。因此，需要尋找一種新方法對ZPW-2000A設備的故障進行診斷分析，提出維修建議，縮短故障排查時間，提高工作效率。

目前，關于ZPW-2000A軌道電路系統(tǒng)故障診斷的研究方法主要有故障樹分析法[3，4]和神經(jīng)網(wǎng)絡法[5]，但是以上兩種方法在實際運用中都有一定的局限性。事件和門規(guī)則構成了傳統(tǒng)的FTA，其中故障概率被用來描述事件，門規(guī)則用來描述事件之間的聯(lián)系，這就要求建立故障樹模型所需的故障概率以及事件之間的聯(lián)系精確已知，但在實際應用中，ZPW-2000A軌道電路系統(tǒng)各部件的故障概率數(shù)據(jù)較少，難以精確獲得，并且各部件之間的聯(lián)系具有不確定性。由于模糊邏輯具有分析不精確模糊信息的優(yōu)點，因而將其引入FTA中，可以彌補傳統(tǒng)故障樹的不足[6，7]。神經(jīng)網(wǎng)絡法因其學習能力強、具有聯(lián)想記憶功能、知識處理能力強等特點，在電子診斷、機械等領域都有著廣泛的應用；但是神經(jīng)網(wǎng)絡并不能很好地處理不完整數(shù)據(jù)的學習及訓練，同時網(wǎng)絡參數(shù)確定過程繁瑣，訓練時間長，迭代次數(shù)多，相比較之下，BN特有的雙向推理機制使其具備了更強的處理不確定性信息的能力[8-10]。

鑒于FFTA和BN各自的優(yōu)點，將其結合[11]后應用到ZPW-2000A軌道電路系統(tǒng)的故障診斷研究之中。

1FFTA概述

在FFTA中，底事件的故障程度和故障概率用模糊數(shù)來進行描述，事件之間的聯(lián)系則用模糊門進行描述，圖1為模糊故障樹模型。

圖1　模糊故障模型

表1　模糊門規(guī)則

模糊門規(guī)則公式如下

(1)

2基于模糊故障樹構造BN

2.1BN概述

BN是由節(jié)點、連接節(jié)點的有向弧線和條件概率分布表構成的有向無環(huán)圖。BN的數(shù)學基礎是貝葉斯公式[5]，如下所示

(2)

圖2　貝葉斯網(wǎng)絡結構

如圖2所示，有一條從節(jié)點A指向節(jié)點C的有向邊，則稱A是C的父節(jié)點，C是A的子節(jié)點。圖中節(jié)點A、B是節(jié)點C的父節(jié)點，節(jié)點C是節(jié)點D、E的父節(jié)點。不具備子節(jié)點的節(jié)點稱為葉節(jié)點，不具備父節(jié)點的節(jié)點稱為根節(jié)點[12]。變量由BN中的節(jié)點表示，節(jié)點間的有向邊代表變量之間的關系，關系的強度由條件概率來進行描述，聯(lián)合概率或邊緣概率則由已知的條件概率推算而來。

2.2BN的構造

BN的根節(jié)點、中間節(jié)點和葉節(jié)點由模糊故障樹的底事件、中間事件和頂事件依次對應而來，利用描述事件之間聯(lián)系的模糊門規(guī)則對BN節(jié)點的條件概率表進行賦值[13]，流程如圖3所示。

圖3　基于模糊故障樹構造BN流程

2.3BN節(jié)點的描述

在實際的系統(tǒng)應用中，系統(tǒng)部件除了正常和故障兩種狀態(tài)之外，還會出現(xiàn)不完全故障狀態(tài)，因此，對于系統(tǒng)的BN節(jié)點可利用區(qū)間[0，1]上的模糊數(shù)來進行描述，例如，采用模糊數(shù)0、0.5、1來分別表示節(jié)點的無故障狀態(tài)、半故障狀態(tài)和完全故障狀態(tài)。

可你知道我對那些個位置已經(jīng)沒有一點興趣了嗎？我望著穎春說，并把我的那份辭職報告遞給了她，穎春一看便怒氣沖天地把報告撕了個稀巴爛。

其中，pl、pm、pr為模糊子集的下邊界、中心點以及上邊界，并且pl、pm、pr屬于同一數(shù)量級。

若模糊子集為精確值，則pl=pm=pr，這是模糊子集的一種特殊情況。因此，用模糊子集的方式描述節(jié)點各故障狀態(tài)下的故障概率比用精確值描述更具有一般性[8]。

2.4BN的推理計算

2.4.1BN的正向推理

(3)

2.4.2BN的反向推理

(4)

2.5節(jié)點的故障概率模糊子集的計算

在根節(jié)點各故障狀態(tài)的故障概率模糊子集已知的條件下，結合式(3)可計算出葉節(jié)點T的故障狀態(tài)為Tq時的故障概率模糊子集。

(5)

3ZPW-2000A軌道電路系統(tǒng)故障診斷分析

3.1軌道電路系統(tǒng)的故障診斷

圖5　ZPW-2000A軌道電路結構

如圖6所示，建立ZPW-2000A軌道電路系統(tǒng)的模糊故障樹[14，15]。

圖6　ZPW-2000A系統(tǒng)的模糊故障樹

由模糊故障樹轉化而來的BN如圖7所示。

圖7　ZPW-2000A系統(tǒng)貝葉斯網(wǎng)絡模型

對從上海路局徐州電務段采集到的以及北信公司所提供的數(shù)據(jù)進行整理，可得到當ZPW-2000A軌道電路系統(tǒng)的BN根節(jié)點故障狀態(tài)為1時的故障概率模糊子集，如表2所示。

以室內(nèi)設備為例，模糊門規(guī)則如表3所示。

假設當x1～x10故障狀態(tài)為0.5和故障狀態(tài)為1具有相同的故障概率模糊子集，利用式(1)、式(5)，得到y(tǒng)1和y2的故障概率模糊子集分別為

表2　根節(jié)點故障狀態(tài)為1時的故障概率模糊子集

表3　室內(nèi)設備模糊門規(guī)則

{10.01×10-6，13.65×10-6，17.29×10-6}h-1

{11.48×10-6，12.28×10-6，13.08×10-6}h-1

{19.78×10-6，20.68×10-6，21.58×10-6}h-1

利用式(5)，可分別求得當葉節(jié)點T故障狀態(tài)為0.5、1時的故障概率模糊子集為

{24.68×10-6，30.86×10-6，37.04×10-6}h-1

{81.17×10-6，90.25×10-6，99.33×10-6}h-1

(6)

當葉節(jié)點T的故障狀態(tài)為1時，利用式(6)求得根節(jié)點x1出現(xiàn)故障的概率為

同理可得其他根節(jié)點在葉節(jié)點T的故障狀態(tài)為1時出現(xiàn)故障的概率，見表4。

表4　葉節(jié)點故障狀態(tài)為1時的根節(jié)點的故障概率

當葉節(jié)點T的故障狀態(tài)為1，根節(jié)點x1的故障狀態(tài)為0時，根節(jié)點x2出現(xiàn)故障的概率為

同理可得其他根節(jié)點此時出現(xiàn)故障的概率，見表5。

表5　根節(jié)點的故障概率

通過表4和表5的對比可以看出：當葉節(jié)點T的故障狀態(tài)為1，根節(jié)點x1的故障狀態(tài)為0時，根節(jié)點x2和根節(jié)點x4的故障概率分別從0.200 1、0.017 3上升到了0.270 3、0.081 3，而其余根節(jié)點的故障概率變化不大。因此推出：當ZPW-2000A軌道電路系統(tǒng)出現(xiàn)故障且發(fā)送器正常工作時，接收器和衰耗器故障是最有可能導致軌道電路系統(tǒng)出現(xiàn)故障的原因。

3.2算法比較

通過FFTA和BN兩種算法對ZPW-2000A軌道電路故障診斷進行分析，所構建出的模型較之傳統(tǒng)的BN具有更準確的信息處理能力。分別在數(shù)據(jù)完整、數(shù)據(jù)存在缺失的情況下，利用傳統(tǒng)BN模型對軌道電路系統(tǒng)進行推理分析，計算葉節(jié)點T的故障狀態(tài)為1時，根節(jié)點xi出現(xiàn)故障的概率，見表6。

通過表6比較可以看出，在故障數(shù)據(jù)不完整的情況下，基于FFTA與BN算法的ZPW-2000A軌道電路故障診斷推理的準確率比傳統(tǒng)的BN算法更高，誤差更小。

4結論

將FFTA和BN兩種方法的優(yōu)點進行融合，并把此建模方法引入到ZPW-2000A軌道電路系統(tǒng)的故障診斷研究中，利用此模型的雙向推理功能，可以通過因果推理求出當部件出現(xiàn)故障時系統(tǒng)發(fā)生故障的概率，并可以通過診斷推理找出導致系統(tǒng)出現(xiàn)故障的主要原因。參考故障診斷的結果，可以極大地縮短現(xiàn)場工作人員的故障排查事件，提高其工作效率。

表6　葉節(jié)點故障狀態(tài)為1時的根節(jié)點的故障概率

參考文獻：

[1]李文海.ZPW-2000A移頻自動閉塞系統(tǒng)原理、維護和故障處理[M].北京:中國鐵道出版社，2010.

[2]趙自信.ZPW-2000A無絕緣移頻自動閉塞系統(tǒng)的技術綜述[J].鐵路通信信號設計，2003(S1):12-19.

[3]王文斌，蘇宏升.基于FMEA和FTA的ZPW-2000A軌道電路可靠性分析[J].計算機工程與應用，2013，49(21)：245-249.

[4]馬濤.以可靠性為中心的ZPW-2000A無絕緣軌道電路設備維修[D].蘭州:蘭州交通大學出版社，2013.

[5]范博.基于神經(jīng)網(wǎng)絡的ZPW-2000A型無絕緣移頻自動閉塞故障診斷專家系統(tǒng)[D].北京：北京交通大學，2012.

[6]宋華，張洪鉞，王行仁. T-S模糊故障樹分析法[J].控制與決策，2005，20(8)：854-859.

[7]Ferdous R，Khan F，Veitch B，et al. Methodology for computer aided fuzzy fault tree analysis[J]. Process safety and environmental protection，2009，87(4):217-226.

[8]尹曉偉，錢文學，謝里陽.系統(tǒng)可靠性的貝葉斯網(wǎng)絡評估方法[J].航空學報，2008，29(6):1482-1489.

[9]程雨.基于貝葉斯網(wǎng)絡的列控系統(tǒng)故障診斷研究[D].北京:北京交通大學，2014.

[10]霍利民，秦國軍，溫熙森.貝葉斯網(wǎng)絡理論及其在設備故障診斷中的應用[J].中國機械工程，2003，14(10)：896-900.

[11]姚成玉，陳東寧，王斌.基于T-S故障樹和貝葉斯網(wǎng)絡的模糊可靠性評估方法[J].機械工程學報，2014，50(2):193-201.

[12]張連文，郭海鵬.貝葉斯網(wǎng)引論[M].北京:科學出版社，2006.

[13]Flammini F，Marrone S，Mazzocca N，et al. Modelling system reliability aspects of ERTMS/ETCS by fault trees and Bayesian networks[C]. Proc.European Safety and Reliability Conference，ESREL，2006:2675-2683.

[14]蘇宏升，王文斌.ZPW-2000A無絕緣移頻軌道電路的RAM 評估研究[J].鐵道標準設計，2013(7):111-114.

[15]王培林.ZPW-2000A型無絕緣移頻自動閉塞電路故障原因及分析[J].鐵道通信信號，2005，41(9):4-5.

收稿日期：2015-01-29； 修回日期：2015-03-18

作者簡介：聶薦(1988—)，男，碩士研究生，研究方向為交通信息工程及控制。

文章編號：1004-2954(2016)06-0138-05

中圖分類號：U284.22

文獻標識碼：A

DOI:10.13238/j.issn.1004-2954.2016.06.028

Research on ZPW-2000A Track Circuit Fault Diagnosis Based on FFTA and BN

NIE Jian，TAN Li

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

Abstract：The Fuzzy Fault Tree Analysis (FFTA) method is applied to the fault diagnosis of ZPW-2000A track circuit system to solve problems such as uncertain connections between system components and less data of failure probability for accurate assessment. The fuzzy logic theory is employed in Fault Tree Analysis (FTA)，which grants the traditional FTA the ability to deal with fuzzy information. According to the fuzzy fault tree structure Bayesian network (BN) and by using the bidirectional inference function of BN，the failure probability of the ZPW-2000A system is calculated and the most likely cause of system failure is found out．

Key words：ZPW-2000A track circuit system; Fault diagnosis; FFTA; BN