基于數(shù)據(jù)挖掘的鐵路信號設(shè)備故障自動診斷分析

孫尉筌

（中鐵第一勘察設(shè)計院集團有限公司，西安 710043）

1 引言

自“八橫八縱”鐵路網(wǎng)規(guī)劃建設(shè)提出以來，我國鐵路運輸事業(yè)邁入了蓬勃發(fā)展階段，綜合化、網(wǎng)絡(luò)化、智能化、數(shù)字化成為現(xiàn)代鐵路運輸系統(tǒng)發(fā)展的主要方向。而信號控制系統(tǒng)是現(xiàn)代鐵路運輸?shù)摹爸袠猩窠?jīng)”，信號設(shè)備故障的出現(xiàn)不僅會干擾鐵路行車效率，還會對行車安全造成較大的威脅。加之現(xiàn)有信號報告多以文本形式記錄，存儲、分析難度較大。因此，文本以數(shù)據(jù)挖掘為基礎(chǔ)，探討短時間內(nèi)辨識鐵路信號設(shè)備故障特征并自動推敲原因的方案尤為關(guān)鍵。

2 基于數(shù)據(jù)挖掘的故障自診斷整體架構(gòu)

基于數(shù)據(jù)挖掘的故障自診斷整體架構(gòu)主要包括智能診斷層、模型優(yōu)化層、數(shù)據(jù)預(yù)處理層3 個層次。其中，智能診斷層主要負責根據(jù)中間層獲得的故障信息進行故障數(shù)據(jù)的自動查閱，或根據(jù)現(xiàn)有故障現(xiàn)象搜索歷史經(jīng)驗，提高故障診斷準確率，具體流程為：待診斷故障數(shù)據(jù)→集成分類器→軌道電路故障/道岔故障/信號機故障/……；模型優(yōu)化層為中間層，主要負責利用支持向量機、邏輯回歸基分類器隨機森林集成分類機，結(jié)合參數(shù)特點，對預(yù)處理后數(shù)據(jù)進行調(diào)優(yōu)，具體流程為：初始化參數(shù)→基分類器/集成分類器→集中學習群（Voting）；數(shù)據(jù)預(yù)處理層主要負責鐵路信號設(shè)備故障文本非結(jié)構(gòu)化數(shù)據(jù)的預(yù)處理。即抽取文本數(shù)據(jù)特征并將其轉(zhuǎn)化為計算機可識別、核算的文本向量，從根源上規(guī)避樣本數(shù)據(jù)不均衡情況。具體流程為：原始文本數(shù)據(jù)→特征向量矩陣→分類標簽→不均衡數(shù)據(jù)處理。

3 基于數(shù)據(jù)挖掘的故障自診斷實現(xiàn)方案

3.1 數(shù)據(jù)采集

鐵路信號設(shè)備涉及調(diào)度指揮系統(tǒng)設(shè)備、列控系統(tǒng)設(shè)備、聯(lián)鎖系統(tǒng)設(shè)備閉塞設(shè)備等多種類型。為保障上述設(shè)備無故障運轉(zhuǎn)，鐵路內(nèi)構(gòu)建了不同類別的監(jiān)測系統(tǒng)或監(jiān)控系統(tǒng)，上述系統(tǒng)可以以圖形圖像、語音、文本形式進行非結(jié)構(gòu)化數(shù)據(jù)存儲[1]。在日常維護修理階段，也可以以文本形式進行不同類型信號設(shè)備故障現(xiàn)象、原因、處理手段的描述積累。長期下來，形成了以Excel、Word 形式存儲的海量故障數(shù)據(jù)，如事后追蹤報告、行車日志等。在行車記錄登記簿、事故故障追蹤報告、日志維修臺賬記錄等信號集中監(jiān)測系統(tǒng)監(jiān)測的異常數(shù)據(jù)輸出文本采集的同時，還可以進行結(jié)構(gòu)化數(shù)據(jù)、外部數(shù)據(jù)的收集。如設(shè)備狀態(tài)、線路狀態(tài)、氣象局數(shù)據(jù)、公安局數(shù)據(jù)等。

3.2 信號預(yù)處理

由于外界環(huán)境的干擾，鐵路信號設(shè)備狀態(tài)數(shù)據(jù)無法保證完全有效，部分無效信息常以噪聲形式存在?；诖耍盘栴A(yù)處理的主要目的是將指定無價值符號去除，使文本內(nèi)僅保留漢字。進而對文本進行分詞并將停用詞去除，促使文本最終轉(zhuǎn)化為可輸入至算法的向量，為后期文本特征的提取、分類奠定基礎(chǔ)[2]。根據(jù)不同語言的文本差異，適用的分詞方法也存在一些差異。對于中文分詞，可以將一個漢字序列向單獨次切分。比如，在事先建立的統(tǒng)一詞典表內(nèi)進行分析句子拆分，并將其與詞典內(nèi)的詞條進行逐一匹配，在確定二者匹配后結(jié)束分詞，反之則繼續(xù)進行拆分。整個過程中可用的分詞工具主要有jieba（Python 中文分詞組件）分詞系統(tǒng)或NLPIR 分詞系統(tǒng)，后者可以由用戶自定義“敏感點”實現(xiàn)自適應(yīng)分詞。比如，針對鐵路信號設(shè)備故障進行道岔、紅光帶、軌道電路、信號機、轉(zhuǎn)轍機等故障詞典自定義。進而采用NLPIR 分詞系統(tǒng)中的通用詞典對事故信號進行分詞，獲得某故障文本結(jié)果為“//8#道岔 定位 無表示 15:46 銷記 原因 8#道岔 主機 動作桿與 鎖框 摩卡 別勁 …… A 機 系統(tǒng) 報警 輸出未 驅(qū)動”。

在分詞結(jié)束后，可以利用Word2vec 算法中的Skip-gram模型進行詞向量轉(zhuǎn)化。即設(shè)定輸入層為若干個詞向量，由輸入層到隱層進行上文向量、下文向量相加后獲得一個向量，進而經(jīng)softmax 算法輸出所獲得的向量。Skip-gram 模型可以表示為：

式中，L 為輸入層詞向量；P 為隱層詞向量；W 為詞；context（W）為上文向量、下文向量相加；C 為窗口長度，具體可看作當前詞W（t）的前C 個詞、后C 個詞。通過求解公式（1）的最大值，可以訓練詞向量。比如，軌道電路詞向量維數(shù)為180 維，對應(yīng)詞向量為[-0.125 621 315，0.015 213 511 2，…，0.205 121 458]，將上述詞向量縱向累加后可以獲得整句話的具體含義。

3.3 特征提取

進行特征提取時，可以選擇基于統(tǒng)計的常用加權(quán)方法——TF-IDF 法，即假定某詞在某一文檔中多次出現(xiàn)，且在其他文本中出現(xiàn)概率較小，甚至為0，則可以將這一詞匯看作對應(yīng)文本的關(guān)鍵詞，詞頻TFi,j可表示為：

式中，TFi為詞頻；IDFi為逆向文檔頻率。在得到wi的權(quán)重后，考慮到各鐵路信號設(shè)備故障自診斷所面對的特征向量Ti，j間存在較大的差異，需要對其進行歸一化操作。同時，設(shè)鐵路信號設(shè)備故障為信號機故障、微機聯(lián)鎖故障、道岔故障、軌道電路故障，取若干組正常數(shù)據(jù)，按正常狀態(tài)、故障狀態(tài)對分析數(shù)據(jù)進行分組。分組后按不同故障狀態(tài)表現(xiàn)取值，將狀態(tài)對應(yīng)的幅值劃分為多個區(qū)段，以幅值最小的區(qū)段記錄為起始區(qū)間，取連續(xù)多個區(qū)間進行有效點的分布線密度計算[3]。逐次遞增進行下一個區(qū)間線密度計算。最終取線密度最大的區(qū)間進行均值計算，獲得估算正常值。同時，選擇一個備分析序列數(shù)據(jù)作為分析目標，將其按狀態(tài)順序分組，按狀態(tài)順序取一組數(shù)據(jù)判斷是否滿足式（4），若滿足則進入下一步，反之則為異常數(shù)據(jù)去除。則在正常狀態(tài)下參數(shù)錯誤（E0）、壓縮機高壓保護故障（E1）、燈箱型元顯示錯誤（E2）、壓縮機低壓保護故障（E3）分別為0.121、0.232、0.211、0.105 時，信號機故障下E0、E1、E2、E3分別為0.072、0.103、0.387、0.168，微機聯(lián)鎖故障下E0、E1、E2、E3分別為0.222、0.255、0.136、0.258，道岔故障下E0、E1、E2、E3分別為0.232、0.289、0.200、0.132，軌道電路故障下E0、E1、E2、E3分別為0.099、0.198、0.152、0.177。

3.4 故障分類

故障分類主要是針對故障記錄文本內(nèi)容，利用一個決策函數(shù)進行位置文本類別劃分。考慮到經(jīng)向量化的數(shù)據(jù)兼具高維度、稀疏特征，首先需要利用基分類器進行處理[4]。比如，設(shè)定向量數(shù)據(jù)集數(shù)量為n，特征維度為m，分類數(shù)為c，利用LR分類器進行統(tǒng)計后可以得到分類結(jié)果。在基分類器處理完畢之后，可以利用以Voting 的集成分類器按照分類器錯誤率均無聯(lián)系的策略，進行分類操作，以便盡可能選擇多樣、精確分類結(jié)果，避免分類中位置統(tǒng)計、核算風險的出現(xiàn)。

3.5 參數(shù)優(yōu)化

參數(shù)優(yōu)化的主要目的是進行不平衡數(shù)據(jù)處理，常常用合成少數(shù)過采樣技術(shù)，即SMOTE 算法。在基于SMOTE 算法的參數(shù)優(yōu)化過程中，首先需要輸入多數(shù)類樣本集和少數(shù)類樣本集，以歐式距離D 為標準計算樣本到少數(shù)類樣本集的距離[5]。同時，根據(jù)數(shù)據(jù)集不平衡比例進行采樣倍率設(shè)置，由歐式距離D 選出最近的幾個樣本作為一個組合，每個組合樣本中2 個與2 個之間隨機連線，獲得新的少數(shù)類樣本并加入數(shù)據(jù)集內(nèi)，循環(huán)后輸出新樣本集。上述方法可以滿足分布于密集域內(nèi)樣本參數(shù)優(yōu)化要求，而對于分布在稀疏域內(nèi)的樣本點，可以輸入多數(shù)類樣本集、少數(shù)類樣本集后，設(shè)置閾值、采集倍率，進行少數(shù)類樣本集、多數(shù)類樣本集以及二者的鄰集計算，選取若干個近鄰點生成新的樣本。若相鄰集中不含少數(shù)類樣本，則可以直接將其看作噪聲去除。

3.6 診斷實現(xiàn)

考慮到鐵路信號設(shè)備故障復(fù)雜度較高，且兼具不確定性、可傳播性，因此，為了順利實現(xiàn)參數(shù)優(yōu)化，可以面向故障自動診斷需求，以傳統(tǒng)Petri 網(wǎng)為基礎(chǔ)進行故障自動診斷的Petri 有機純網(wǎng)構(gòu)建[6]。即設(shè)定面向鐵路信號設(shè)備故障自動診斷的Petri十元組為：

式（4）為基于P/T 網(wǎng)的故障自動傳播系統(tǒng)。其中，N 是三元組（基網(wǎng)），N=（P，T，F(xiàn)，），T 為有限為空的庫所集合；F 為故障因子數(shù)量；P 為有限非空的庫所集合；W 為集合標識，集合的初始標識為1；K 為容量函數(shù)，K∈{0,1}；α 為真實度函數(shù)值，α∈{0,1}，α＞0 表示事件可信度較大，反之則表示完全不可信；μ、p 分別表示在T 上的實函數(shù)和各有向弧的概率權(quán)重函數(shù)，前者代表變遷對應(yīng)故障自動診斷規(guī)則的置信度；后者表示經(jīng)驗給定值，p=0 表示當前條件下不可發(fā)生事件，p=1 表示當前條件下的一定發(fā)生事件。

4 基于數(shù)據(jù)挖掘的故障自診斷應(yīng)用效果

4.1 驗證平臺

為確定以數(shù)據(jù)挖掘為基礎(chǔ)的故障自診斷應(yīng)用效果，選擇4核CPU 計算機，在32 GB 的內(nèi)存中安裝Windows2010 系統(tǒng)，選擇傳統(tǒng)支持向量機、數(shù)據(jù)挖掘2 種鐵路信號設(shè)備診斷方法，在訓練樣本為400 個，測試樣本為100 個的情況下，將2種方法應(yīng)用效果進行對比[7]。

4.2 應(yīng)用效果

從鐵路信號設(shè)備自診斷準確度來看，正常狀態(tài)下，傳統(tǒng)支持向量機診斷準確度為92.00%，基于數(shù)據(jù)挖掘的故障自診斷準確度為96.00%；故障狀態(tài)下，傳統(tǒng)支持向量機診斷準確度為91.00%～93.00%，基于數(shù)據(jù)挖掘的故障自診斷準確度為94.00%～97.00%，這主要是由于傳統(tǒng)支持向量機在小樣本調(diào)解下訓練參數(shù)確定方式為隨機，信號設(shè)備診斷準確度低于數(shù)據(jù)挖掘方法。

從鐵路信號設(shè)備自診斷時間來看，正常狀態(tài)下，傳統(tǒng)支持向量機診斷時間為6.00 s，基于數(shù)據(jù)挖掘的故障自診斷時間為4.80 s；故障狀態(tài)下，傳統(tǒng)支持向量機診斷時間為6.00～8.00 s，基于數(shù)據(jù)挖掘的故障自診斷時間為3.80～4.00 s，表明基于數(shù)據(jù)挖掘的鐵路信號設(shè)備故障自動診斷方法可以有效壓縮故障診斷時間，優(yōu)化鐵路信號設(shè)備故障診斷效率。

5 結(jié)語

綜上所述，為了順利發(fā)掘文本數(shù)據(jù)中蘊含的海量高價值故障特征信息，保證信號設(shè)備故障報告的使用價值，技術(shù)人員可以選擇數(shù)據(jù)挖掘技術(shù)，對現(xiàn)有信號設(shè)備故障進行匯總剖析，自動分辨識別設(shè)備故障報告中特征。并對現(xiàn)有信號設(shè)備故障案例提取高頻詞匯，以固定故障案例中文分詞+形式化自定義規(guī)則的形式，進行故障信息提取和原因追溯，為故障處理與改進決策提供助力。