论文部分内容阅读
铁路系统是一个极其复杂的大系统,系统中的任何子系统、设施、设备、天气变化、人为因素等都可能影响铁路系统,若防控阶段处置不合理,则铁路运行质量和安全将会受到影响从而危及列车运行安全,甚至在极端情况下,造成的后果不堪设想。而铁路子系统中的通信系统作为铁路物联网信息承载平台,它的安全可靠直接关系到列车的安全运营。近年来,由于高速铁路的快速发展,现有的GSM-R通信系统所提供的业务已不能满足增长的通信需求,因此国际铁路联盟UIC提出了LTE-R铁路专用移动通信系统,因其具有低时延、高速率、灵活的载波带宽、高安全性和高可靠性等特性,更适合在高速情况下使用。但由于LTE-R无线通信系统是一个比较复杂的系统,一旦LTE-R网络失效,很可能产生严重安全事故,对其系统进行可靠性分析很有必要。首先,本文介绍了LTE-R无线通信系统的系统特征、系统业务、系统网络结构、无线接入网覆盖方式和核心网冗余方式,并以系统RAMS为理论依据,识别出影响铁路系统的RAMS因素,确定使用故障树分析方法和人工神经网络方法相结合作为LTE-R无线通信系统的可靠性评价方法。针对传统广义回归神经网络的光滑因子选取困难,因此本文提出运用群体智能算法中的果蝇算法优化GRNN神经网络的光滑因子,建立FOA-GRNN模型。其次,本文以京沈LTE-R试验段为研究对象,根据京沈LTE-R试验段的网络结构以及QoS指标对列车行车造成的影响,分析出与LTE-R无线通信系统可靠性有关的因素,并将分析出的因素采用故障树方法建立故障树模型;依据实验数据采用神经网络对整个系统进行可靠性预测,与传统的BP模型、GRNN模型以及改进的FOA-BPNN模型的预测结果相比较,最终的预测结果以及预测误差表明FOA-GRNN模型的预测精优于其它三种模型,从而建立LTE-R无线通信系统可靠性随着使用时间的变化关系。最后,根据分析出来的原因提出LTE-R无线通信系统可靠性安全保障措施:设备方面提出通过采用双机热备份技术和集群技术来提高可靠性;核心网方面提出采用网络功能虚拟化的云技术平台来提高可靠性;终端方面提出采用终端直通技术让列车之间直接进行通信来提高可靠性;E-NodeB方面提出采用RRU异频冗余交织组网方式来提高可靠性;对整个通信系统提出采用基于人工智能的通信系统故障智能分析与预警技术,从而来提升LTE-R无线通信系统可靠性。本文提出运用故障树和FOA-GRNN神经网络相结合的方法,根据不同设备和链路等的可靠性历史数据,运用FOA-GRNN神经网络法进行处理,从而建立了LTE-R无线通信系统可靠性随着使用时间的变化关系,可以帮助实际工程中的研究和生产人员提高LTE-R无线通信系统的可靠性,并且对LTE-R通信系统进行适时的检测和维修。