高速铁路列控车载设备故障诊断的研究及应用

列控系统中车载设备故障具有复杂性和不确定性,且数据记录非文本化,传统的基于专家知识的诊断方法效率低下且精确度不佳。贝叶斯网络(BN)在处理不确定性和相关复杂性问题方面具有显著优势,本文以CTCS3-300T型车载设备为研究对象,建立贝叶斯网络模型进行故障诊断。通过分析典型车载设备故障处理现状,提出一种结合专家知识、故障数据集和K2算法的贝叶斯网络模型研究方法;利用K2算法和最大似然估计法分别进行结构学习、参数学习,从局部到整体优化贝叶斯网络诊断模型,实现故障的快速定位;建立最优贝叶斯网络模型,并进行推理计算,其故障诊断准确率为87.1%。与传统的专家知识模型相比,最优贝叶斯网络模型的故障诊断准确率提高了37.4%。经实例分析和模型验证,该模型能够保证故障诊断结果的准确性且提高故障诊断的效率。

基于BERT+CNN_BiLSTM的列控车载设备故障诊断

列控车载设备作为列车运行控制系统核心设备,在高速列车运行过程中发挥着重要作用。目前,其故障诊断仅依赖于现场作业人员经验,诊断效率相对较低。为了实现列控车载设备故障自动诊断并提高诊断效率,提出了BERT+CNN_BiLSTM故障诊断模型。首先,使用来自变换器的双向编码器表征量(Bidirectional encoder representations from transformers,BERT)模型将应用事件日志(Application event log,AElog)转换为计算机能够识别的可以挖掘语义信息的文本向量表示。其次,分别利用卷积神经网络(Convolutional neural network,CNN)和双向长短时记忆网络(Bidirectional long short-term memory,BiLSTM)提取故障特征并进行组合,从而增强空间和时序能力。最后,利用Softmax实现列控车载设备的故障分类与诊断。实验中,选取一列实际运行的列车为研究对象,以运行过程中产生的AElog日志作为实验数据来验证BERT+CNN_BiLSTM模型的性能。与传统机器学习算法、BERT+BiLSTM模型和BERT+CNN模型相比,BERT+CNN_BiLSTM模型的准确率、召回率和F1分别为92.27%、91.03%和91.64%,表明该模型在高速列车控制系统故障诊断中性能优良。

基于模型演化的列控车载设备组合测试案例重构方法

车载设备作为列控系统的关键设备之一,其测试需求在不断迭代。测试案例重构通过更新原有组合测试集覆盖变更的测试需求,实现对测试案例的高效重用,对生成演化后的测试集具有重要意义。根据车载设备输入模型的变化情况,提出一种基于模型演化的测试集重构方法。首先,通过比较演化前后组合模型的差异性,辨识出失效和新增的测试需求,并结合测试参数、参数取值、约束可能出现的演化情况分析两类测试需求的具体构成;其次,基于演化后的组合模型,依次采取修改、扩充、新增3个步骤重构原有测试集,修改不满足变更测试需求的原有案例,扩充新增参数取值,新增案例覆盖剩余测试需求;之后,根据约束间的相容性,将互不干扰的多条约束置于1条测试案例集中处理以精简测试集;最终,得到完备覆盖所有演化后测试需求的组合测试集。以车载设备模式转换等3种场景为例,对本方法进行了验证,研究结果表明:相较于现有方法,本方法能更充分地重用原有案例,测试集总体重合度提高了7.82%,后续人工修改测试案例文档的工作量相应减少,时间成本可降低18.26%。

CTCS3-300H型列控车载设备状态在线监测与智能分析系统开发与应用

针对CTCS3-300H型列控车载设备(简称:列控车载设备)各单元运行日志数据分散存储、数据转储下载接口多、数据分析工作繁琐耗时的问题,根据列控车载设备结构特点,设计了列控车载设备状态在线监测及智能分析系统。该系统统一了列控车载设备各单元的日志数据采集与传输接口,借助既有的车地无线传输通道,设计了灵活、务实的车地数据传输方案,实现了用于列控车载设备状态在线监测的事件通告报文的实时传输,提供故障日志自动下载、手动按需下载两种日志数据无线下载方式,在满足列控车载设备状态在线监测和故障分析需要的前提下,最大限度地减少车地数据传输量。通过有效利用列控车载设备日志数据进行智能分析,能够快速、准确定位故障原因,实现故障自动报警并给出处置建议,提高了列控车载设备故障应急处置和维护效率,为动车组安全运行提供强有力的技术保障。

基于轻量化车载设备的道路病害检测方法

针对传统道路检测方法成本高、检测周期长,无法满足城市道路大规模、短周期检测需求的问题,本文设计了一种轻量化车载道路病害数据获取设备,并提出了基于轻量化车载设备的道路病害检测方法。该设备质量小、成本低,可简易、快速地安装在小汽车、公共汽车等城市常见车辆上,能够同步收集惯性数据、图像、GPS定位信息等数据。基于轻量化车载设备在城市道路上采集道路图片数据并构建数据集,然后建立深度学习模型对其进行训练和评估,检测和识别道路病害,正确率达82.54%,能够满足城市道路日常巡检的要求。

基于STAMP与组合测试的城轨全自动运行系统车载设备安全测试方法研究

针对现有城轨全自动运行系统车载设备测试安全性需求考虑不足与测试用例规模较大的问题,提出一种基于STAMP理论与组合测试的城轨全自动运行系统车载设备安全性测试方法。首先,基于STAMP理论对车载设备建立分层控制结构模型,从可测性的角度提取出安全约束,分析安全约束涵盖的车载设备安全性测试特征;然后,以最优覆盖数组与种子测试用例为基础,结合约束条件,利用遗传算法对最优覆盖数组进行重构,扩展生成满足约束条件的精简测试用例集;最后,以全自动运行系统站台发车场景车载设备测试为例,对算法有效性进行验证。结果表明,在组合覆盖强度相同的情况下,本文方法比现有主流方法生成的测试用例数平均降低16.45%,对降低车载设备测试成本、提升测试效率具有一定现实意义。

列控车载设备不同工作模式下运行方案研究

针对高铁动车组列车进出动车段(所、存车场)的不同运营场景,对动车存车场内岔区侧向允许通过速度低于列控车载设备顶棚限制速度导致的列车紧急制动等问题进行了研究。通过对典型动车存车场内站场布置方案、道岔号码选择、信号系统设置情况进行分析,结合动车组列车进出动车存车场的特殊运营场景,分析了CTCS-2级列控车载设备在不同工作模式下存在的运行风险,即动车存车场内设置9号道岔时其侧向允许通过速度会对列车安全运行造成影响。在此基础上,根据新建和既有动车段(所、存车场)的不同情况提出了两种优化方案,优化后的方案已在部分工程中进行了应用,同时也为后续铁路的工程设计、运营维护提供了借鉴。

新型列控系统ATP车载设备开发过程安全控制措施研究

作为下一代列控系统的重要组成部分,新型列控ATP车载设备的设计开发需严格按照行业技术要求执行安全控制措施,以确保设备满足安全需求。从RAMS分析、系统测试、验证确认3个方面对设备开发过程中的安全控制措施展开研究:根据新型列控ATP车载设备的功能分析,采用Relex Studio建立可靠性框图及故障树模型,计算设备的RAMS等各指标符合技术条件要求;针对系统测试需求,设计测试流程,搭建仿真测试环境进行系统测试;通过具体验证活动与多种确认方法,验证新型列控ATP车载设备能够在目标环境中有效运行。新型列控ATP车载设备所采取的安全控制措施可提高其可靠性与安全性,为其他安全相关的铁路信号设备的设计开发提供参考。

CTCS-3级列控车载设备自动化仿真测试平台优化研究

ATP车载设备是保障列车运行控制系统正常工作的核心设备,其测试是列控系统研发过程中至关重要的一环。目前,ATP车载设备测试存在人工依赖性强、效率低、可靠性差等问题。为解决上述问题,在传统CTCS-3级列控车载设备平台的基础上,根据车载设备的操作流程,定义操作指令,并将其转化为上位机软件的操作命令,对上位机软件功能模块进行优化;将虚拟网络控制台技术与图像识别功能结合实现人机界面单元自动操控;提取JRU中车载设备采集的原始信息以及输出控制信息的记录,对测试结果进行校验;最后,利用现有ATP车载设备实验室测试序列对提出的列控车载设备自动化仿真测试方法进行验证,确保该方法可以在实际车载设备测试中得到应用。实验表明,本文提出的列控车载设备自动化仿真测试方法符合实验室测试要求,可以实现自动化测试,具有较高的准确性,同时降低测试人员的工作强度,具有一定实际应用价值。

基于5G-R的CTCS3-300H型列控车载设备车地无线通信冗余技术方案

随着铁路移动通信由GSM-R向5G-R演进,基于GSM-R的CTCS-3级列控系统车地无线通信技术面临更新替代的问题。根据近年来5G-R承载CTCS-3级列控系统车地无线通信业务研究取得的成果,为充分利用5G-R的优势,将5G-R下CTCS-3级列控系统车地无线通信由单链路改为双链路冗余技术。以CTCS3-300H型列控车载设备为研究对象,分析车地无线通信冗余技术的适应性,研究车地无线通信的系统架构,以及不同网络制式下的移交方案等,提出适合于CTCS3-300H型列控车载设备的车地无线通信冗余技术实现方案。研究成果为CTCS-3级列控系统在5G-R下实现车地无线通信冗余技术提供思路和借鉴。

市域铁路电务车载设备运维系统方案设计

以国内外铁路现状调研为基础,吸取国家干线铁路良好的建设、运用经验,结合市域铁路运营特点进行创新应用,总结电务车载设备运维的需求,构建市域铁路电务车载设备智能运维系统。此系统实现一体化的电务车载设备综合监测、智能化检测及检修管理、设备全生命周期健康管理以及电务列控数据动态智能管理,打通各专业各系统的数据壁垒,提高设备综合管理质量。

国铁电务车载设备运维模式在市域(郊)铁路系统中的应用研究

伴随上海市域铁路快速发展,市域铁路电务车载设备运维保障工作愈加重要,目前应用的国铁电务车载设备运维模式对市域(郊)铁路已逐渐不适用。文章深入调查国铁电务车载设备运维应用现状,分析现有系统优缺点,探讨问题产生的原因以及改进之处,从国铁电务车载设备运维模式出发,引入大数据、人工智能等新技术,建立适用于市域(郊)铁路的电务车载设备运维体系,并进一步研究市域(郊)铁路运维平台建立需求。依据市域(郊)铁路运维需求及总体架构,通过分析市域(郊)铁路电务车载设备智能运维平台五大子系统的功能,有针对性降低运维成本,保障运营安全。

基于MVB总线的市域铁路车载设备首尾通信方法

市域铁路是适用于都市圈中心城市城区连接周边城镇组团的轨道交通系统,提供公交化、大运量、快速便捷的交通服务。市域铁路要求列车两端的车载设备首尾通信、传递信息、支持站后自动折返和原地自动换端。详细介绍基于MVB总线的首尾通信方法和技术,已经成功应用于市域铁路车载设备之中。经过实验室测试和检验,提出的首尾通信方法和技术可以实现首尾两端车载设备高安全、高可靠的数据通信,是市域铁路列车实现站后自动折返和原地自动换端的重要基础技术。

基于岭回归的地铁车载设备故障预测

针对现场实际记录中屡次发生故障的车载设备,为预测其下一次故障发生时间,提出基于岭回归算法的故障时间预测方法,整个研究过程通过随机森林算法结合人为经验的方式提取出6个有效故障特征,建立岭回归故障预测模型,并通过网格搜索结合交叉验证(Gridsearch CV)的方法优化模型超参数,在深圳某地铁线路实际数据中得到有效的验证,提出的方法可以较为准确的预测下一次故障,可以作为指导预防性维修的依据,实现故障的提前预测、提前感知、提前处理。

电务车载设备智能运维系统研究

针对电务车载设备生产过程中生产计划编制繁琐、生产任务难以跟踪、与外部信息系统间数据互不共享等问题,提出电务车载设备智能运维系统。通过与相关信息系统的互联互通,解决电务车载设备生产中数据的共享问题;采用智能化生产计划编排技术,自动生成年、月、日计划,并将计划中的任务分派到相关的工区或个人,按照生产作业数据,形成机车、设备的运维履历及人员的作业履历;使用便携式手持机替代传统的电脑端操作,提高电务日常作业的便捷性、高效性;提供多维度的统计报表,可直观掌握机车、设备、人员的动态数据,为决策提供依据。该系统已在武汉局上线运行,成为电务车载设备管理的必要工具。

基于离散时间贝叶斯网络的CBTC车载设备可靠性分析

基于通信的列车控制系统(CBTC)车载设备用于实现列车安全防护和自动运行,其可靠性直接关系到列车的运行安全和效率。针对设备运营过程中的动态失效问题,基于离散时间贝叶斯网络(DTBN)对CBTC车载设备可靠性进行分析。首先,在分析CBTC车载设备功能结构的基础上构建系统动态故障树模型,基于动态故障树模型与DTBN模型的转换规则以及DTBN逻辑门条件概率表,建立基于DTBN的可靠性分析模型;其次,通过DTBN的正向推理实现CBTC车载设备的可靠度评估;最后,通过DTBN的反向推理及重要度计算,实现CBTC车载设备薄弱环节分析及重要度排序。结果表明:ATP子系统中输出继电器板、输出板等是CBTC车载设备最薄弱的板卡级设备,需重点关注。该方法能为CBTC车载设备的可靠性分析提供依据,有效提升系统智能运维水平。

基于贝叶斯网络的列控车载设备故障诊断方法

列控车载设备故障排查与维护多依赖于人员经验,存在一定的片面性且效率较低。提出一种基于贝叶斯网络的列控车载设备故障智能诊断方法,基于历史故障数据得到故障征兆,利用粗糙集理论对故障征兆进行属性约简,降低训练模型的复杂度;将专家知识与故障数据训练相结合,改进贝叶斯网络模型,并将故障征兆关联关系融入模型中。以武广线列控故障数据为例,验证该模型的诊断效果。该方法对提升列控系统故障诊断的智能化水平具有借鉴意义。

基于贝叶斯网络的高铁信号系统车载设备故障诊断方法的研究

考虑到高铁车载设备故障诊断的不确定性和复杂性,本文提出了基于贝叶斯网络的车载设备故障诊断系统。在建立贝叶斯网络结构的过程中,基于充分利用现场数据与先验知识的思想,本文通过融合不同方法(K2算法,MCMC算法和专家知识)得到最优的贝叶斯网络结构。最后,本文进行了实例分析与模型验证,并与KNN算法、BP神经网络算法进行比较,测试结果表明该模型的正确性和有效性。文中的验证数据来自武广高铁车载设备故障追踪表。

CTCS-3级列控车载设备高速适应性关键技术

从CTCS-3级列控系统工程建设角度出发,对包括基于多路速度传感器数据融合的测速测距策略、列车制动模型及CTCS-3/CTCS-2级动态转换机制等CTCS-3级列控车载设备高速适应性关键技术进行研究。根据不同类型测速传感器的特点,采用车轮速度传感器与雷达相结合的方式实现列车速度的安全测量,并运用联合卡尔曼滤波理论提出基于多路传感器数据融合的测速测距算法策略。结合列车移动体的控制特点,在国际铁路联盟UIC 544—1标准的基础上,提出1种改进的分段式减速度计算的列车制动模型,可兼顾行车安全和效率。针对列车运营模式的兼容性与可靠性,采用兼容CTCS-3级和CTCS-2级的双模冗余设计,使CTCS-3级列控车载设备同时具有CTCS-3级控车功能和CTCS-2级控车功能,并通过输入信息共享和等级转换时信息交换等技术手段,实现CTCS-3/CTCS-2级之间的平滑动态转换。研究成果已在武广高速铁路上实施,满足了列车高速安全运行的要求,并提高了等级转换时的列车运行效率和旅客舒适度。

基于XGBoost的列控车载设备故障预测方法

列控车载设备的健康管理和故障预测是实现高速铁路关键装备智能化视情维护的重要途径.为了克服列控车载设备故障建模的复杂性和健康监测手段受限等问题,充分运用现场收集的设备运行记录数据,提出一种基于数据驱动的列控车载设备故障预测体系框架.建立了高速列车列控车载设备运行数据管理平台,基于大量历史现场数据构建训练及测试样本集,运用极端梯度提升(eXtreme Gradient Boosting,XGBoost)算法实施特定故障类型的模型训练与学习,并将所得故障模型用于故障概率的预测分析.以CTCS2-200H型列控车载设备为对象,运用实际数据对所提出的故障建模方法进行了验证,对不同建模样本规模、故障类型维度下的模型性能以及不同建模算法性能进行了对比.结果表明:基于XGBoost算法的建模方法能够有效揭示各特征量与故障之间的关联,所采用树的深度值越高,迭代收敛速度越快;相较于GBDT、RF算法,基于XGBoost的建模方法能够实现更高的预测正确率,在给定样本条件下达到稳定正确率所需训练时间分别减少了78.55%、12.47%,验证了该方法在大规模数据条件下的适用性和性能优势.