论文部分内容阅读
城市轨道交通信号设备系统是城市轨道交通实现安全运营的核心基础设施之一,承担着实时监督、控制和协调列车安全高效运行的关键任务。这种保障城轨交通安全和运行效率的特殊作用,也给信号设备系统自身的可靠性和维护工作提出了严格要求。城轨信号设备系统由车载和地面两部分的众多控制和基础设备组成。由于设备老化、使用寿命到期以及外部环境侵蚀等因素,不可避免地会出现某些设备或整个系统的故障失效。故障诊断作为检测、隔离和辨识故障的重要手段,一直以来是城轨信号设备系统运维保障最主要关注的内容。为了满足当前智慧运维的发展需求,城轨信号设备系统的故障诊断也向着自动化和智能化的方向迈进。近年来,基于机器学习和深度学习的智能故障诊断研究已经在故障的检测和分类识别问题中取得了令人瞩目的成果。然而,已有研究大多只能实现对设备系统是否存在故障的简单判定并对特定的故障类型进行分类,缺乏对故障原因和关系的自主分析解释。另外,现有研究也没有充分考虑各种认知和信息的不确定性对故障诊断的影响。本文利用模糊逻辑理论在模型可解释性和准确描述模糊不确定信息方面的核心优势,结合机器学习、数据挖掘等技术,研究能够自主学习并解释城轨信号设备系统故障关系和原因的智能故障诊断方法,实现充分考虑诊断信息不确定特性的故障推理和分析决策。具体从故障模式与影响分析、故障识别与分类、故障因果关系挖掘以及故障推理溯源四个方面展开研究。本文主要研究工作如下:(1)模糊语义环境下考虑风险因素相关关系的故障模式与影响分析研究。针对城轨信号设备系统故障模式影响分析过程中不确定的语言评估信息难以精确表述,同时故障模式的风险评估决策未能考虑因素相关关系,导致结果缺乏客观性的问题,提出一种模糊语言多属性决策方法,并藉此实现评估决策可靠的信号设备系统故障模式与影响分析。该方法通过提出广义正交模糊不确定语言集(Q-Rung Orthopair Fuzzy Uncertain Linguistic Set,Q-ROFULS),实现对故障模式语义评估信息不确定性的精确表示;进一步提出分布式麦克劳林对称均值(Partitioned Maclaurin Symmetric Mean,PMSM)算子,实现考虑多因素相关关系的故障模式评估决策。通过对信号设备系统中道岔转辙机的实验验证与比较,表明本文提出的方法能够提供更加准确和客观的故障模式风险影响评估结果。(2)兼顾故障分类精度和结果可解释性的信号设备系统故障分类研究。针对当前大多数机器学习和深度学习的智能故障诊断研究仅在数据集上呈现出较好性能,学习过程及诊断结果缺乏直观解释的问题,提出一种基于宽度学习的动态神经模糊系统(Broad Learning Based Dynamic Neuro Fuzzy System,BL-DNFS)分类模型,并藉此实现诊断结果可解释的信号设备系统故障分类。该方法通过BL-DNFS将故障分类结果呈现为直观可读的模糊规则;进一步提出面向BL-DNFS分类模型的动态增量学习(Dynamic Incremental Learning,DIL)算法,使BL-DNFS以最精简的模型结构获得良好的故障分类精度。通过城轨信号设备系统联锁进路取消故障的数据实验进行方法的比较验证,结果表明BL-DNFS比支持向量机(SVM)、随机森林算法(RFA)、极限学习机(ELM)、在线ELM(OS-FELM)和模糊ELM(FELM)具有更高的平均诊断精度,并能够以模糊规则的形式对故障分类结果进行直观解释,实现了故障分类与结果解释的一体化。(3)具有逻辑解释的信号设备系统故障原因关系挖掘研究。针对城轨信号设备系统故障多源且成因复杂,现有研究难以自主挖掘分析故障原因关系的问题,依托关联规则分析,提出面向城轨信号设备系统的故障原因关系挖掘方法。该方法首先提出基于信息增益(Information Gain,IG)的特征约简策略,实现运维数据中高信息量故障特征的提取;然后提出基于关联规则分类(Assocative Rule Classification,ARC)的故障原因挖掘算法,从逻辑相关的角度进行故障原因挖掘,形成能够明确表达故障因果关系的关联规则;最后提出基于Apriori的特征关系挖掘算法,进一步实现数据特征间的相关与因果关系挖掘。通过信号设备系统中的列车自动折返故障数据实验,验证了本文提出的方法能够自主挖掘整合系统内各设备故障间潜在的关联性,形成诊断精度达97%以上且直观表达故障因果关系的关联规则,为故障检测、隔离和定位的多环节智能化实现提供决策支持。(4)考虑诊断不确定性的信号设备系统故障推理研究。为了实现对信号设备系统中设备故障严重程度和故障原因可能性的准确推断,本文针对当前故障推理方法难以精确表述推理过程不确定性并且缺少反向溯源推理研究的问题,首次提出广义正交模糊Petri网(Q-Rung Orthoapir Fuzzy Petri Net,Q-ROFPN)模型,并藉此实现考虑不确定因素的城轨信号设备系统故障推理。该方法运用Q-ROFPN和其对应的广义正交模糊反向Petri网(Q-Rung Orthoapir Fuzzy Reversed Petri Net,Q-ROFRPN),实现对系统内各设备故障关联关系、传播方式和故障状态不确定性的直观表述;分别提出了面向Q-ROFPN的正向故障传播推理算法和面向Q-ROFRPN的反向故障溯源推理算法,保证了设备故障严重程度和故障原因可能性推理的可靠实现。通过列车自动折返故障算例实验,验证了本文提出的方法能够从隶属度和非隶属度两个维度进行故障程度和故障原因的推理判定,推理结果客观可靠,实现了模拟人类感知和辨识模糊不确定信息的智能故障推理。