基于故障樹的機(jī)車系統(tǒng)級故障診斷技術(shù)研究

滿中國

摘 要：隨著我國列車技術(shù)突飛猛進(jìn)的發(fā)展，車載設(shè)備的復(fù)雜性和相互之間的耦合關(guān)系也日趨復(fù)雜，對于故障診斷提出了更高的要求，以往針對單一設(shè)備的故障診斷已無法很好滿足需求。因此，需要從整車的層面上，對列車的運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控。本文在分析電力機(jī)車整車故障狀態(tài)特點(diǎn)的基礎(chǔ)上，結(jié)合診斷技術(shù)與專家系統(tǒng)理論，以電力機(jī)車整車故障診斷為目標(biāo)，針對專家知識(shí)獲取困難，規(guī)則搜索匹配效率低等問題，深入研究電力機(jī)車故障診斷的知識(shí)庫、知識(shí)表示及推理機(jī)，設(shè)計(jì)了基于故障樹和規(guī)則的電力機(jī)車故障診斷專家系統(tǒng)。

關(guān)鍵詞：故障樹，專家系統(tǒng)，電力機(jī)車

中圖分類號：TP274 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：1006-8937（2016）21-0022-04

隨著列車運(yùn)行速度不斷提高，列車運(yùn)行安全不僅是鐵路工作者、科研人員所關(guān)注的問題，也是所有普通民眾所關(guān)注的問題。任何設(shè)備都可能產(chǎn)生故障，單憑技術(shù)人員的感覺來檢測難以滿足現(xiàn)代故障診斷要求。本文基于現(xiàn)代檢測技術(shù)、專家系統(tǒng)以及智能故障診斷技術(shù)，構(gòu)建了電力機(jī)車故障診斷專家系統(tǒng)，實(shí)現(xiàn)對電力機(jī)車故障進(jìn)行及時(shí)有效診斷，并給出故障處理意見，減小故障損失[1]。

1 系統(tǒng)級故障診斷專家系統(tǒng)基本思路

1.1 基本框架

故障樹分析以前主要應(yīng)用于分析系統(tǒng)故障原因，計(jì)算系統(tǒng)的可靠度，以優(yōu)化系統(tǒng)設(shè)計(jì)，因此，在系統(tǒng)可靠性分析與設(shè)計(jì)中得到廣泛應(yīng)用。近年來，利用故障樹模型進(jìn)行故障源搜尋的研究引起了極大關(guān)注。

由于故障樹易于分析事件，而基于規(guī)則的專家系統(tǒng)匹配推理直觀速快，因此，本文提出了以故障樹來分析和獲取知識(shí)，以規(guī)則匹配來進(jìn)行推理的診斷專家系統(tǒng)，其結(jié)構(gòu)如圖1所示。

1.2 知識(shí)庫規(guī)則的獲取

然后通過尋找對象故障樹的所有最小割集，將故障樹的每一個(gè)最小割集轉(zhuǎn)換為知識(shí)庫中的一條規(guī)則，其基本步驟，如圖2所示。

求出故障樹最小割集是獲取專家系統(tǒng)規(guī)則的關(guān)鍵所在。常用由上而下的故障樹搜尋法求解故障樹最小割集，采取從上到下遇到“與門”就將“與門”下面所有的輸入事件排成一行，遇到“或門”就把“或門”下面所有輸入事件排成一排，依此類推，直到不能分解。以牽引電機(jī)電流不平衡故障樹為例來說明相應(yīng)知識(shí)庫規(guī)則的獲取。電流不平衡故障樹如圖3所示，其編碼簡化形式，如圖4所示。

首先按自上而下搜索法，獲取故障樹的全部最小割集為：

（B003600010001）、（B003600010002）、（B003600020003）、（B003600020004）、（B003600020005）、（B003600010006）、（B003600030007）、（B003600030008）、（B003600030009）、（B003600020010）、（B003600020011）

可以看出，由于在故障樹中，節(jié)點(diǎn)之間都是或邏輯關(guān)系，所以每一個(gè)葉子節(jié)點(diǎn)都構(gòu)成一個(gè)最小割集，共11個(gè)。因此可得牽引電機(jī)電流不平衡專家規(guī)則共11條：

①IF B003600010001 THEN F0036；

②IF B003600010002 THEN F0036；

③IF B003600010003 THEN F0036；

…………………

11 IF B003600020011 THEN F0036；

通過同樣的方法，可獲取電力機(jī)車其他故障專家規(guī)則，并保存在規(guī)則表中，供故障診斷推理機(jī)利用。

2 故障診斷知識(shí)庫

2.1 知識(shí)的表示

因?yàn)殡娏C(jī)車故障的診斷知識(shí)適合采用基于產(chǎn)生式規(guī)則的形式來表示；此外，由于其故障診斷知識(shí)數(shù)量繁多，故障類型復(fù)雜，需要將知識(shí)分類存儲(chǔ)以提高推理速度和效率。因此，通過引進(jìn)框架來彌補(bǔ)產(chǎn)生式規(guī)則這方面的缺點(diǎn)。這里把框架分為兩種，一種是直接框架，框架類別為0，一種是間接框架，框架類別為1，如圖5所示。

其中，框架號一般為對應(yīng)事實(shí)號，框架名稱為對應(yīng)事實(shí)名稱，父槽為父節(jié)點(diǎn)的框架名；槽類型為本事件與子事件的邏輯聯(lián)系關(guān)系，若該事件為底事件，則槽類型為0。以牽引電機(jī)電流不平衡診斷知識(shí)的框架為例，如圖6所示。

2.2 知識(shí)庫框架

本節(jié)對關(guān)系型數(shù)據(jù)庫的規(guī)則和框架的存儲(chǔ)技術(shù)進(jìn)行研究。本系統(tǒng)的知識(shí)庫將由下面幾個(gè)數(shù)據(jù)庫表組成。

①數(shù)據(jù)字典表。數(shù)據(jù)字典表的作用是將全部條件和結(jié)論編碼成符號形式。這樣一方面可有效提升搜索與推理速度；另一方面不僅節(jié)省存儲(chǔ)空間，還便于數(shù)據(jù)庫程序的編寫。本文所采用的具體編碼規(guī)則為：頂事件編碼=“F”+自身4位數(shù)字編碼，如電流不平衡事件為F0036；中間事件編碼=“M”+頂事件4位數(shù)字編碼+自身4位數(shù)字編碼，如電流故障不平衡事件編碼為M00360002；底事件編碼=“B”+中間事件8位數(shù)字編碼+自身4位數(shù)字編碼，如硅元件損壞事件編碼為B003600020006。事件編碼工作由計(jì)算機(jī)實(shí)現(xiàn)。字典表數(shù)據(jù)結(jié)構(gòu)，如圖7所示。

②規(guī)則表。規(guī)則表的數(shù)據(jù)結(jié)構(gòu)，如圖8所示。這里一條規(guī)則的條件事實(shí)數(shù)目不確定。若采用條件事實(shí)最大的規(guī)則來處理，將導(dǎo)致存儲(chǔ)資源的浪費(fèi)。因此，本論文通過另建一個(gè)規(guī)則條件表來存儲(chǔ)規(guī)則相應(yīng)的條件事實(shí)號，規(guī)則條件表數(shù)據(jù)結(jié)構(gòu)，如圖9所示。另外規(guī)則表中有一項(xiàng)為重要度，是通過故障樹的定量分析得到的各個(gè)最小割集的重要度。最小割集重要度大的優(yōu)先級就高，就能被推理機(jī)優(yōu)先與故障事實(shí)進(jìn)行匹配，從而提高故障診斷效率。

③框架表?？蚣鼙硪彩潜鞠到y(tǒng)知識(shí)庫核心組成部分之一。它就是電力機(jī)車故障樹的存儲(chǔ)表。根據(jù)故障樹的節(jié)點(diǎn)的類型不同，可將框架表分為：間接框架表和直接框架表，分別如圖10和圖11所示。實(shí)際上，間接框架表主要用來表示故障樹的根節(jié)點(diǎn)與中間節(jié)點(diǎn)，直接框架表用來表示故障樹葉子節(jié)點(diǎn)。從節(jié)省存儲(chǔ)空間的角度出發(fā)，這里也與規(guī)則表一樣，另建間接框架判斷條件表來存儲(chǔ)框架所對應(yīng)的判斷條件，表結(jié)構(gòu)如圖12所示。

3 故障診斷推理機(jī)

基于知識(shí)的故障診斷專家系統(tǒng)的推理就是規(guī)則匹配過程。傳統(tǒng)方法是將規(guī)則進(jìn)行逐一的匹配，這種推理匹配方法，具有盲目性，匹配速度慢。因此，本文引入最小割集重要度概念，按照規(guī)則重要度大小順序匹配規(guī)則，其推理流程圖，如圖13所示。

為描述故障樹各最小割集對頂事件發(fā)生所作的貢獻(xiàn)的大小，可將最小割集重要度定義為PM/T：

PM/T=PM/PT（1）

式（1）中，PM為最小割集M的發(fā)生概率，PT為故障樹頂事件的發(fā)生概率。

最小割集重要度PM/T是最小割集概率占故障樹頂事件概率的百分比。由于最小割集中各底事件是相互獨(dú)立的，因此，PM等于最小割集中各底事件概率的乘積。

以牽引電機(jī)電流不平衡故障樹為例介紹如何計(jì)算故障樹最小割集的重要度。各底事件的概率值，見表1。

計(jì)算中間事件與頂事件的概率如下：

PM00360001=1-（1-PB00360001）（1-PB00360002）（1-PB00360003）=0.1963；

PM00360003=1-（1-PB00360006）（1-PB00360007）（1-PB00360008）=0.1971；

PM00360002=1-（1-PB00360004）（1-PB00360005）（1-PB00360009）（1-PB003600010）（1-PB003600011）（1-PM00360003）=0.4074；

PT=1-（1-PM00360001）（1-PM00360002）0.5237。

根據(jù)式（1）計(jì)算出各最小割集或規(guī)則的重要度結(jié)果，見表2。

最小割集（B003600020005）的重要度最大，其對應(yīng)規(guī)則最先匹配。雖然最小割集都可能導(dǎo)致頂事件發(fā)生。但重要度越小，相應(yīng)的故障模式發(fā)生的概率往往也越小，因此進(jìn)行規(guī)則匹配排序，可明顯提高故障搜索效率。

4 故障診斷專家系統(tǒng)

通過以上分析，本節(jié)提出電力機(jī)車電氣部分故障診斷系統(tǒng)的功能模結(jié)構(gòu)如圖14所示。系統(tǒng)由五大功能模塊組成：故障診斷模塊包括推理模塊和推理解釋模塊。為了提高推理模塊的通用性，實(shí)現(xiàn)了理機(jī)與知識(shí)庫分離。采用正向推理與啟發(fā)性搜索策略，引入了重要度的概念，提高規(guī)則匹配的成功率和推理速度。本系統(tǒng)中的知識(shí)庫管理模塊包括獲取規(guī)則和計(jì)算規(guī)則重要度兩大功能，知識(shí)庫中的規(guī)則并不完全依靠專家來編輯。一定程度上緩解了知識(shí)獲取難的問題。故障樹管理模塊實(shí)現(xiàn)了故障樹的顯示、編輯等功能。數(shù)據(jù)管理模塊主要是保存故障診斷歷史數(shù)據(jù)，同時(shí)歷史記錄中的故障發(fā)生次數(shù)作為規(guī)則重要度的參考值。用戶管理模塊包括用戶權(quán)限分配與用戶基本信息更新兩部分。專家系統(tǒng)故障診斷流程，如圖15所示。

5 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

5.1 界面設(shè)計(jì)

系統(tǒng)登陸模塊界面，如圖16和圖17所示，系統(tǒng)具有權(quán)限管理，以保證系統(tǒng)不致因用戶越權(quán)而被破壞使不能正常運(yùn)行。

本系統(tǒng)的設(shè)計(jì)考慮了電力機(jī)車故障特點(diǎn)的層次性，將電力機(jī)車故障診斷系統(tǒng)分為電氣部分、機(jī)械部分、空氣管路部分以及其它部分4個(gè)子系統(tǒng)，又將各子系統(tǒng)細(xì)分成相應(yīng)的功能部件。可通過相應(yīng)功能部件進(jìn)入故障診斷狀態(tài)。

5.2 故障診斷模塊設(shè)計(jì)

以I壓縮機(jī)接觸器16 KM故障為例進(jìn)行說明故障診斷基本的推理流程，其中接觸器 16KM的狀態(tài)信號可通過LCU自動(dòng)獲取。進(jìn)入輔助電機(jī)故障診斷模塊，如圖18所示。

下面詳細(xì)介紹本系統(tǒng)對I壓縮機(jī)故障診斷的推理過程，故障樹如圖19所示，也可從知識(shí)庫管理界面看到以Tree View視圖結(jié)構(gòu)表示的故障樹。從圖19可看出，壓縮機(jī)故障包括排風(fēng)不止故障以及不打風(fēng)故障。規(guī)則獲取模塊，按前面分析所得的規(guī)則獲取方法來獲取規(guī)則和計(jì)算規(guī)則重要度，并保存進(jìn)規(guī)則庫表，如圖20、圖21所示。輔助機(jī)組診斷中故障現(xiàn)象欄會(huì)詢問用戶，I壓縮機(jī)為何種故障現(xiàn)象，若通過司乘人員現(xiàn)場查看后，選擇I壓縮機(jī)不打風(fēng)，系統(tǒng)會(huì)按規(guī)則重要度依次調(diào)用規(guī)則R0237～R0242進(jìn)行與綜合數(shù)據(jù)庫中的事實(shí)進(jìn)行匹配。

5.3 知識(shí)庫管理模塊設(shè)計(jì)

知識(shí)庫管理主界面實(shí)現(xiàn)故障樹的修改，其具體操作流程，如圖22所示。知識(shí)庫管理主界面，如圖23所示，仍以I壓縮機(jī)故障樹為例，其完全展開的故障樹視圖如圖24所示。

6 試驗(yàn)與總結(jié)

目前本樣機(jī)系統(tǒng)在國家863項(xiàng)目的支持下，正在試驗(yàn)室和現(xiàn)場進(jìn)行相關(guān)車型的靜態(tài)試驗(yàn)，取得了一手的現(xiàn)場數(shù)據(jù)。為今后的列車整車狀態(tài)監(jiān)測及故障診斷打下了良好的基礎(chǔ)。并有望在近期實(shí)現(xiàn)工程化。

參考文獻(xiàn)：

[1] 李蔚，陳特放，成庶.列車電氣系統(tǒng)分布式多傳感器異常檢測理論研 究[J].鐵道學(xué)報(bào)，2010，5：70-76.

[2] 陳特放.電力牽引系統(tǒng)及其故障診斷技術(shù)[M].長沙：中南大學(xué)出版社， 2009.

[3] 毛振平.韶山型電力機(jī)車故障應(yīng)急處理手冊[M].北京：中國鐵道出版 社，1999.

[4] 王軼，馮曉云.基于故障樹的電力機(jī)車故障診斷專家系統(tǒng)[J].電力機(jī)車 與城軌車輛，2004，27（6）：35～36.

[5] 黃采倫，樊曉平，陳特放.列車故障在線診斷及應(yīng)用[M].北京：國防工業(yè) 出版社，2006.

[6] 唐建湘，陳特放，成庶，等.牽引電機(jī)故障診斷專家系統(tǒng)的研究[J].計(jì)算機(jī) 測量與控制，2007，15（05）：595-599

[7] 丘東元，彭錦鳳，張波.電力電子變換器結(jié)構(gòu)性故障的有向圖論診斷方 法[J].電機(jī)與控制學(xué)報(bào)，2010.8：13-18.

[8] 易輝，宋曉峰，姜斌，等.基于結(jié)點(diǎn)優(yōu)化的決策導(dǎo)向無環(huán)圖支持向量機(jī) 及其在故障診斷中的應(yīng)用[J].自動(dòng)化學(xué)報(bào)2010.36（3）：427-432.