引用本文

董炜, 刘明明, 王良顺, 赵辉, 辜勋. 基于群决策的道岔控制电路故障诊断方法. 自动化学报, 2018, 44(6): 1005-1014. doi: 10.16383/j.aas.2017.c160715

DONG Wei, LIU Ming-Ming, WANG Liang-Shun, ZHAO Hui, GU Xun. Fault Diagnosis for Railway Turnout Control Circuit Based on Group Decision Making. ACTA AUTOMATICA SINICA, 2018, 44(6): 1005-1014. doi: 10.16383/j.aas.2017.c160715

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160715

关键词

道岔控制电路，神经网络，模糊理论，支持向量机，群决策 

摘要

高速铁路道岔是与高速列车直接接触的重要信号设备，其控制电路的故障检测手段目前仍停留在简单仪器与人的经验相结合的方式.为了实现道岔控制电路故障的智能诊断，提高故障诊断的准确率并降低单一诊断方法带来的不确定性，本文提出一种基于群决策的诊断方法：首先根据道岔控制电路的特点，总结了典型的11个故障模式和对应的8个故障特征；其次，分别采用模糊理论、神经网络和支持向量机（Support vector machine，SVM）对道岔控制电路进行故障诊断；然后引入群决策理论将三种方法视为决策专家，通过群基数效应集结方式实现决策级上的信息融合从而得到群专家综合评判的诊断结果.从仿真数据的验证来看，该方法比单一方法的故障诊断的准确率要高，表明了本文所提方法能够实现三种方法的互补融合，也提高了故障诊断的准确率，在该领域有着良好的应用前景.

文章导读

目前高速铁路的运营中铁轨方向的变化主要由道岔设备来完成, 其位置状态的变换主要依靠道岔控制电路来完成[1].在控制过程中, 由于动作时间短、精度要求高, 加之工作环境的恶劣性以及机械组件的复杂性, 导致了道岔控制电路故障频发, 而且故障原因复杂难辨且不易被诊断[2-3].这些都极大地影响了铁路运输效率和车站运营安全.以在广州铁路局长沙电务段调研数据为例, 沪昆高铁开通一年来其管辖内出现的110件地面设备故障中, 属于道岔故障的达到了92件, 故障率超过80 %, 其中控制电路故障频度较高.因此, 研究道岔控制电路的故障诊断方法保证高速铁路的安全运营具有非常急切和重大的现实意义.由于道岔控制电路包含机电一体的设备, 故障具有明显的随机不确定性和模糊性, 导致诊断难度很大[4-6].目前, 我国针对道岔控制电路的诊断仍主要依靠简单仪器与人的经验相结合的方式, 采取的巡检和故障修的模式浪费了大量的人力物力, 误判和漏判现象严重.针对此问题, 国内外研究人员开展了道岔控制电路的智能诊断方法研究, 例如神经网络[7]、支持向量机(Support vector machine, SVM)[8]、贝叶斯网络(Bayesian network)等算法[9]在道岔控制电路的诊断中取得了较好的应用.虽然上述方法取得了一定的成效, 但方法自身存在的缺陷也限制了其在道岔控制电路诊断中的进一步应用.例如神经网络的结构不易确定且需要大量的训练样本, 支持向量机在小样本条件下诊断性能较好, 对于大样本条件性能不佳等[10].且鉴于道岔系统的安全性需求, 单一的诊断方法会给诊断带来不确定性从而影响到控制电路诊断的准确率.为解决上述问题, 本文提出了一种基于群决策的故障诊断方法, 通过将单一的诊断方法视为决策专家, 再利用群基数效应集结方式得到综合诊断的结果, 从而消除单一方法带来的不确定性, 提高诊断的准确性.

本文结构安排如下, 第1节介绍了道岔控制电路的原理与故障分类; 第2节详细描述了三种单一诊断方法在道岔控制电路中的应用, 包含改进的模糊字典法、BP神经网络、SVM; 第3节则引入了群决策思想将三种方法进行集结得到最终的决策结果; 第4节进行了实际数据的实验验证; 第5节给出了最后的结论与展望.

图 1  ZDJ9型转辙机的控制电路

图 2  基于模糊字典法的故障诊断流程图

图 3  8个特征量的隶属度函数分布图

对道岔控制电路进行故障诊断时, 单一运用模糊理论的方法、神经网络的方法以及支持向量机的方法都无法做到诊断的高精度与低不确定度, 运用三种诊断模型的输出构造成群决策系统, 通过模拟专家投票的方式将三种诊断结果进行决策级融合, 实验结果表明, 基于群决策的故障诊断方法能提高对道岔控制电路故障的诊断精度, 计算结果也更加可靠.

作者简介

董炜

北京信息科学与技术国家研究中心副研究员.主要研究方向为复杂工程系统的建模与仿真, 故障诊断与预测维护, 自动测试与安全评估.E-mail:weidong@mail.tsinghua.edu.cn

王良顺 

北京信息科学与技术国家研究中心博士后.主要研究方向为故障诊断, 智能控制.E-mail:wangliangshun340@163.com

赵辉

北京信息科学与技术国家研究中心博士后.主要研究方向为人工智能, 数据挖掘.E-mail:taiyuanjifeng@tsinghua.edu.cn

辜勋 

中国人民解放军63956部队高级工程师.主要研究方向为仿真建模, 机械装备, 知识产权.E-mail:longouzi@163.com

刘明明  

清华大学自动化系硕士研究生.主要研究方向为铁路信号故障诊断系统.本文通信作者.E-mail:13466608442@163.com