论文部分内容阅读
[摘 要]目前，铁路电务部们一般采用信号集中监测系统对铁路信号设备进行整体监测，但由于铁路信号设备众多，结构和逻辑较为复杂，故障的分析和维修工作大部分还是要靠人工进行。铁路运输的安全需要多方面的协调和配合，铁路信号设备作为铁路主要的技术设备，它在保障行车安全、提高铁路运输效率等方面起到了十分关键的作用。本文结合ZPW-2000A轨道电路的结构原理，对基于决策树算法的ZPW-2000A轨道电路故障诊断进行深入的分析，希望能够为相关工作人员提供参考。
[关键词]轨道电路；故障诊断；决策树；专家系统
中图分类号：D525 文献标识码：A 文章编号：1009-914X（2017）28-0320-01
引言
随着我國铁路事业快速发展，客运专线越来越多，行车密度越来越大，铁路信号设备作为铁路主要的技术设备，它的运行状况直接关系着行车安全和铁路运输效率。目前对ZPW-2000A轨道电路的故障处理主要停留在人工分析和判断故障的阶段，因此对ZPW-2000A轨道电路故障诊断进行研究就有着十分现实的意义。
1 ZPW-2000A轨道电路及故障诊断
1.1 ZPW-2000A轨道电路的结构原理
目前，ZPW-2000A轨道电路在我国铁路干线上有着广泛应用。对ZPW-2000A轨道电路进行故障诊断，首先需要对其进行充分的了解和认识。ZPW-2000A轨道电路的特点主要表现在轨道电路可靠性、抗干扰性、安全性、传输长度和工程造价等方面。ZPW-2000A轨道电路主要由两部分构成，一部分是主轨道电路，另一部分是调谐区的小轨道电路，其中，主轨道电路在列车运行方向上有一个区段，根据发送器的编码条件可以生成所需的低频移频信号，通过发送端传输通道依次传递给匹配变压器和调谐单元。信号一方面向主轨道传输，另一方面向调谐区的小轨道传输，小轨道信号由前方相邻区段接收器进行接收，生成小轨道继电器执行条件并通过电缆返回到本区段接收器。主轨道电路在列车运行方向上的延续区段，根据信息使轨道电路继电器保持吸起或落下的状态分为空闲状态和占用状态。
1.2 ZPW-2000A轨道电路的诊断分析
一般的故障诊断流程包括信号采集、信号处理、状态识别和诊断决策这四个环节。ZPW-2000A故障诊断过程是故障诊断流程和ZPW-2000A轨道电路相结合形成的，大致分为以下几个流程：1）对获取的ZPW-2000A轨道电路数据信息进行分析处理，得到故障特征参数；2）将待检测的轨道电路特征参数信息放入故障诊断系统进行故障的推理判断；3）得出诊断结果和故障处理建议。
2 ZPW-2000A轨道电路故障诊断系统的方法选择
2.1 故障诊断方法简介
2.1.1 专家系统
专家系统能够模拟人类专家处理专业领域问题的智能计算机程序，可以根据自身具有的某一领域知识和经验，对问题进行相应的逻辑推理与判断。专家系统的结构主要包括推理机、知识库、知识获取机制模块、解释器、综合数据库和人机界面这几个部分。知识库是用来储存某一领域专业知识的知识集群；综合数据库主要是用来存储某一领域初始数据、控制相关数据和推理结果的地方；推理机是依据知识库中具有的知识进行推理并且得到结果；解释器的功能是将系统的行为和结果向使用者做出相应的解释；人化界面能够使用户与专家系统进行交互；知识获取则是指从领域专家或者其它知识途径获得专业的知识并有效提取和转换到知识库中，被计算化利用的过程。
2.1.2 机器学习
机器学习是指利用某些方法来使计算机模仿或实现人类学习的能力，使自身性能得到不断加强和改善。机器学习过程与所处环境、拥有的知识程度、推理过程有着一定的联系。机器学习基本模型主要包含四个基本部分，分别是“坏境”、“学习环节”、“知识库”和“执行环节”。其中，“坏境”代表的是系统所处的环境和接收外界信息的来源；“知识库”代表的是系统已经存在和拥有的知识。“坏境”、“学习环节”、“知识库”和“执行环节”四者之间既有区别又有联系。目前关于机器学习的方法己经有很多，其中常见的有人工神经网络、决策树、K近邻算法、朴素贝叶斯以及支持向量机五种。
2.2 基于决策树算法的故障诊断系统
决策树算法自身具有较高分类准确率、较快分类速度和较强的数据处理能力等特点，将专家系统和决策树算法相结合，可以同时发挥两种方法的优势并起到取长补短的效果。基于决策树算法的故障诊断系统整体结构跟专家系统的组成基本一致，按照模块划分主要分为解释模块、推理模块、数据库模块、知识库模块和知识获取模块。系统的数据输入和结果输出主要由系统进行控制；数据库模块用于存放系统所需要的各种数据；知识库模块主要用于存放经知识获取得到的决策规则；知识获取模块主要运用决策树算法对样本数据进行处理；推理模块以知识库中的知识为依据，将输入数据用一定的方法进行推理判断并得到结果。
3 基于决策树算法的ZPW-2000A轨道电路故障诊断系统的设计
3.1 故障诊断系统整体结构
根据基于决策树算法的故障诊断系统的结构组成，并结合ZPW-2000A轨道电路自身特点，得到故障诊断系统的结构。其结构流程大致包括以下两方面：1）进行知识获取，将收集获取得到的现场数据经过分析和整理后作为故障样本数据，生成原始决策树，从中提取并简化得到决策规则集；2）输入相关数据并进行预处理，提取其中的故障特征参数并对参数进行离散化处理。
3.2 ZPW-2000A轨道电路故障特征参数
ZPW-2000A轨道电路故障按照故障范围可以分为六种，分别是发送端室外故障、发送端室内故障、小轨道故障、接收端室外故障、接收端室内故障和其它故障等。ZPW-2000A轨道电路故障特征参数包括功出电压、送端电缆模拟网络电缆侧电压、受端电缆模拟网络电缆侧电压等。
结语
ZPW-2000A轨道电路是我国铁路信号设备的关键设备之一，它的工作运行状态直接影响到铁路行车的安全性。ZPW-2000A轨道电路设备结构较复杂，目前在使用方面还存在一定的局限性，加上其受使用环境复杂性等因素的影响给轨道电路的维护带来了一定的困难。在实际的研究中，通过对专家系统和机器学习两类故障诊断方法的结合，明确ZPW-2000A轨道电路的结构和原理，可以为实行对ZPW-2000A轨道电路的故障诊断提供更加有力的条件。
参考文献
[1] 吴志鹏.基于决策树算法的ZPW-2000A轨道电路故障诊断[D].西南交通大学，2016.
[2] 聂荐.基于贝叶斯网络的ZPW-2000A型轨道电路故障诊断研究[D].兰州交通大学，2016.
[3] 田欣.决策树算法的研究综述[J].现代营销（下旬刊），2017，01：36.
[关键词]轨道电路；故障诊断；决策树；专家系统
中图分类号：D525 文献标识码：A 文章编号：1009-914X（2017）28-0320-01
引言
随着我國铁路事业快速发展，客运专线越来越多，行车密度越来越大，铁路信号设备作为铁路主要的技术设备，它的运行状况直接关系着行车安全和铁路运输效率。目前对ZPW-2000A轨道电路的故障处理主要停留在人工分析和判断故障的阶段，因此对ZPW-2000A轨道电路故障诊断进行研究就有着十分现实的意义。
1 ZPW-2000A轨道电路及故障诊断
1.1 ZPW-2000A轨道电路的结构原理
目前，ZPW-2000A轨道电路在我国铁路干线上有着广泛应用。对ZPW-2000A轨道电路进行故障诊断，首先需要对其进行充分的了解和认识。ZPW-2000A轨道电路的特点主要表现在轨道电路可靠性、抗干扰性、安全性、传输长度和工程造价等方面。ZPW-2000A轨道电路主要由两部分构成，一部分是主轨道电路，另一部分是调谐区的小轨道电路，其中，主轨道电路在列车运行方向上有一个区段，根据发送器的编码条件可以生成所需的低频移频信号，通过发送端传输通道依次传递给匹配变压器和调谐单元。信号一方面向主轨道传输，另一方面向调谐区的小轨道传输，小轨道信号由前方相邻区段接收器进行接收，生成小轨道继电器执行条件并通过电缆返回到本区段接收器。主轨道电路在列车运行方向上的延续区段，根据信息使轨道电路继电器保持吸起或落下的状态分为空闲状态和占用状态。
1.2 ZPW-2000A轨道电路的诊断分析
一般的故障诊断流程包括信号采集、信号处理、状态识别和诊断决策这四个环节。ZPW-2000A故障诊断过程是故障诊断流程和ZPW-2000A轨道电路相结合形成的，大致分为以下几个流程：1）对获取的ZPW-2000A轨道电路数据信息进行分析处理，得到故障特征参数；2）将待检测的轨道电路特征参数信息放入故障诊断系统进行故障的推理判断；3）得出诊断结果和故障处理建议。
2 ZPW-2000A轨道电路故障诊断系统的方法选择
2.1 故障诊断方法简介
2.1.1 专家系统
专家系统能够模拟人类专家处理专业领域问题的智能计算机程序，可以根据自身具有的某一领域知识和经验，对问题进行相应的逻辑推理与判断。专家系统的结构主要包括推理机、知识库、知识获取机制模块、解释器、综合数据库和人机界面这几个部分。知识库是用来储存某一领域专业知识的知识集群；综合数据库主要是用来存储某一领域初始数据、控制相关数据和推理结果的地方；推理机是依据知识库中具有的知识进行推理并且得到结果；解释器的功能是将系统的行为和结果向使用者做出相应的解释；人化界面能够使用户与专家系统进行交互；知识获取则是指从领域专家或者其它知识途径获得专业的知识并有效提取和转换到知识库中，被计算化利用的过程。
2.1.2 机器学习
机器学习是指利用某些方法来使计算机模仿或实现人类学习的能力，使自身性能得到不断加强和改善。机器学习过程与所处环境、拥有的知识程度、推理过程有着一定的联系。机器学习基本模型主要包含四个基本部分，分别是“坏境”、“学习环节”、“知识库”和“执行环节”。其中，“坏境”代表的是系统所处的环境和接收外界信息的来源；“知识库”代表的是系统已经存在和拥有的知识。“坏境”、“学习环节”、“知识库”和“执行环节”四者之间既有区别又有联系。目前关于机器学习的方法己经有很多，其中常见的有人工神经网络、决策树、K近邻算法、朴素贝叶斯以及支持向量机五种。
2.2 基于决策树算法的故障诊断系统
决策树算法自身具有较高分类准确率、较快分类速度和较强的数据处理能力等特点，将专家系统和决策树算法相结合，可以同时发挥两种方法的优势并起到取长补短的效果。基于决策树算法的故障诊断系统整体结构跟专家系统的组成基本一致，按照模块划分主要分为解释模块、推理模块、数据库模块、知识库模块和知识获取模块。系统的数据输入和结果输出主要由系统进行控制；数据库模块用于存放系统所需要的各种数据；知识库模块主要用于存放经知识获取得到的决策规则；知识获取模块主要运用决策树算法对样本数据进行处理；推理模块以知识库中的知识为依据，将输入数据用一定的方法进行推理判断并得到结果。
3 基于决策树算法的ZPW-2000A轨道电路故障诊断系统的设计
3.1 故障诊断系统整体结构
根据基于决策树算法的故障诊断系统的结构组成，并结合ZPW-2000A轨道电路自身特点，得到故障诊断系统的结构。其结构流程大致包括以下两方面：1）进行知识获取，将收集获取得到的现场数据经过分析和整理后作为故障样本数据，生成原始决策树，从中提取并简化得到决策规则集；2）输入相关数据并进行预处理，提取其中的故障特征参数并对参数进行离散化处理。
3.2 ZPW-2000A轨道电路故障特征参数
ZPW-2000A轨道电路故障按照故障范围可以分为六种，分别是发送端室外故障、发送端室内故障、小轨道故障、接收端室外故障、接收端室内故障和其它故障等。ZPW-2000A轨道电路故障特征参数包括功出电压、送端电缆模拟网络电缆侧电压、受端电缆模拟网络电缆侧电压等。
结语
ZPW-2000A轨道电路是我国铁路信号设备的关键设备之一，它的工作运行状态直接影响到铁路行车的安全性。ZPW-2000A轨道电路设备结构较复杂，目前在使用方面还存在一定的局限性，加上其受使用环境复杂性等因素的影响给轨道电路的维护带来了一定的困难。在实际的研究中，通过对专家系统和机器学习两类故障诊断方法的结合，明确ZPW-2000A轨道电路的结构和原理，可以为实行对ZPW-2000A轨道电路的故障诊断提供更加有力的条件。
参考文献
[1] 吴志鹏.基于决策树算法的ZPW-2000A轨道电路故障诊断[D].西南交通大学，2016.
[2] 聂荐.基于贝叶斯网络的ZPW-2000A型轨道电路故障诊断研究[D].兰州交通大学，2016.
[3] 田欣.决策树算法的研究综述[J].现代营销（下旬刊），2017，01：36.