铁路信号设备故障诊断方法发展趋势.docVIP

铁路信号设备故障诊断方法发展趋势 　　【摘要】 铁路信号是用来保证铁路行车安全，随着我国铁路的飞速发展，能够快速准确地诊断铁路信号设备故障已成为电务维修部门刻不容缓的问题。本文主要对几种新型铁路信号设备故障诊断方法进行阐述。 　　【关键词】 铁路信号设备 智能 诊断方法 　　近年来，随着我国铁路行车速度的提高，铁路信号设备复杂而大面积的上道，但设备出现各种故障是难以避免的。而如何缩短设备故障时间，确保行车安全，逐步实现设备零故障，已成为电务维修部门当前亟待解决的重大课题。目前大部分车站采用微机监测系统实现对车站信号设备状态的实时监测，通过监测信号设备的主要运行状态，为电务部门掌握设备的当前状态和进行故障分析提供了依据。然而仅靠现有的微机监测系统已不能完全满足维修管理要求，进而研究了采用智能化学习算法构造铁路设备复杂故障诊断的方法。总的来说，智能故障诊断方法主要有模糊逻辑、专家系统、神经网络、模型解析和混合智能诊断方法。 　　一、模糊逻辑诊断方法 　　模糊逻辑是以模糊理论为基础，对有关联关系通过编码形式进行逻辑推理的计算机控制技术，具有较强的结构性知识表达能力，适于表达模糊或定性的知识。模糊逻辑故障诊断是根据设备故障原因和故障现象之间的模糊关系矩阵，经过逻辑推理求出各种故障原因的隶属度，以表示出现各种故障的可能程度。模糊故障诊断有两种基本方法，一种是先建立征兆与故障类型之间的因果关系矩阵，再通过某种模糊合成算子建立故障与征兆的模糊关系方程，这是基于模糊关系及合成算法的诊断方法。另一种基本方法是先建立故障与征兆的模糊规则库，再进行模糊逻辑推理的诊断过程，这是一种基于模糊知识技术的诊断方法。但隶属函数和模糊规则的确定比较困难，故障诊断结果诊断能力依赖模糊知识库，模糊诊断知识难以获取，且存在片面性，容易发生误诊、漏诊现象，因此故障诊断结果很难令人满意。 　　二、专家系统诊断方法 　　专家系统是根据专家在某领域以往诊断的知识、经验，利用计算机模拟专家进行推理、判断并做决策的智能程序系统。铁路信号设备故障诊断专家系统是以信号微机系统的数据为依据，由数据预处理、故障诊断专家系统和系统管理维护模块三部分组成。其中，故障诊断专家系统由人机接口、推理机、知识库、数据库、知识库维护和解释机制等组成。当发生故障时，系统依据知识库中的知识通过推理找出故障源和故障原因，并给出排除故障的方法和建议。 　　由于传统的专家系统具有很强的针对性，且所有诊断信息均来自专家，知识面窄、获取比较困难，因而其发展受到了限制。针对传统专家系统中知识获取难的缺点，有文提出了基于故障树技术的故障诊断专家系统。该系统是将铁路信号故障诊断和领域专家的大量实际经验通过抽样调查、收集资料和专家交流的形式获得的诊断知识建立成故障树，然后对所建立的故障树进行定性、定量分析生成专家系统的数据库，最终实现对故障的诊断。 　　三、神经网络诊断方法 　　神经网络是模仿人脑神经元处理问题，寻求解决问题的方式。神经网络诊断知识获取相对容易，避免了专家提出的知识信息科的建设；若干知识可以在一个网络中表示，具有很强的适应能力；神经网络采用并行推理方式，提高了故障诊断效率。目前，神经网络法在设备故障诊断领域的应用主要在两个方面：作为分类器进行故障模式识别和作为动态预测模型进行故障预测。但神经网络由于知识的隐式表示导致解释能力差，用户对其诊断行为较难理解，因此出现了神经网络与专家系统、模糊逻辑诊断技术相结合的混合诊断方法。该方法具有自组织自适应能力、容错性好、推理速度快，有利于故障信号分析与处理、故障模式识别、故障领域专家知识的组织和推理，并推动了故障诊断的智能化。 　　四、模型解析方法 　　解析模型诊断是根据组成系统元器件之间的联系建立诊断对象的数学模型，运用各种数学方法对检测对象进行故障诊断。模型解析法通过对检测对象的输入输出信号整理收集，并代入数学模型中进行运算比对来判断检测对象是否存在故障，能够实时动态的检测铁路信号设备。常见的模型解析方法有：滤波器法、最小二乘类法、观测器法和等价空间法。 　　五、混合智能诊断方法 　　混合智能诊断方法是上述方法相互结合的智能诊断方法，是智能诊断技术的发展趋势。如基于D-S证据理论信息融合的故障诊断模型是利用神经网络的输出和模糊综合评判的输出来构造证据理论中可信度分配，然后将这两种方法的诊断结果利用D-S组合规则进行融合，最后根据一定的诊断规则得出最终的诊断结果，使得诊断结论的可信度明显提高。 　　六、结束语 　　智能故障诊断方法能够及时解决设备故障，减少维修时间，确保设备稳定运行和行车安全。而智能故障诊断方法在进行信号设备故障诊断时还存在一些不足，需要不断地完善。 　　参 考 文 献 　　[1]杜洁.基于故障树技术的铁路