基于Petri网的地铁车辆远程故障诊断

2020-06-30李晨

微型电脑应用 2020年4期

李晨

摘要：针对当前地铁车辆故障，特别是电气故障判断的自动化需求，结合Petri网故障树判断方法，对某型号的地铁车辆故障进行判断。先对Petri网进行简单的概述，然后构建电气系统的Petri网模型，并定义相关的规则，最后搭建Petri网模型验证平台，对上述的地铁车辆传动系统故障进行判断，结果通过地面服务器展示出来。

关键词：模糊Petri网; 故障树; 地铁车辆

中图分类号： TP 311

文献标志码： A

Remote Fault Diagnosis of Metro Vehicles Based on Petri Net

LI Chen

（School of Rail Transit， Shanxi College of Communication Technology， Xi an， Shanxi 710018， China）

Abstract：

In view of the current needs of automation of metro vehicle faults， especially electrical faults judgment， combined with the Petri net fault tree judgment method， faults for a type of metro vehicle are judged. A brief overview of Petri net is given firstly， then the Petri net model of electrical system is constructed， and the relevant rules are defined. Finally， a Petri net model verification platform is built to judge the above-mentioned faults of metro vehicle transmission system， and the results are displayed through the ground server.

Key words：

fuzzy Petri net; fault tree; metro vehicle

0 引言

隨着我国城市地铁建设步伐的加快，使得我国开始逐步步入地铁化的时代。地铁作为现代城市的标志，具有速度快、干扰小等特点，受到城市管理者的欢迎。但是地铁车辆上，包含各种类型的电气设备，一旦其中的某个电气设备出现问题，势必严重影响车辆的运行，严重的甚至引发事故。因此，加强对电气系统的故障诊断，是保障地铁车辆安全稳定运行的关键。本文则在以往研究的基础上，提出一种基于Petri网的地铁车辆故障诊断模型，并搭建试验平台对其可行性进行验证。

1 模糊Petri网概述

Petri网是一种数学表示，主要用以对离散并行系统进行表示。Petri网提出于上世纪60年代，由当时著名物理学家卡尔·A·佩特里发明并提出，主要适应于异步、并发计算机模型的描述。传统Petri网主要包含四元组，分别为库所、变迁、输入函数以及输出函数。在这样的四元组上，任何图像都能被成功映射。在此基础上，Petri网若是能够与当前先进的人工智能理论进行结合，将会使Petri网能够描述系统静态结构与动态性质这一优势发挥到极致，从而对更加复杂的问题进行解决。模糊Petri网FPN概念是在知识表示不确定性的情况下被提出，目前已成为Petri网研究领域中一大重点研究方向。相较于传统经典Petri网，模糊Petri网在开展物理系统并行及并发行为的描述与分析时，其思维模式更加贴近于人们的认知方式。同时，模糊Petri网还具备描述结构直观清晰等优势。与经典Petri网的四元组不同，模糊Petri网通常被定义为八元组，如式（1）。

在式（1）中，P代表库所节点的有限集合，P={p1，p2，…，pn};T代表变迁节点的有限集合，T={t1，t2，…，tm};D代表命题的有限集合，D={d1，d2，…，dn};I为输入函数，主要是对库所至变迁之间的关系进行映射;O为输出函数，主要代表变迁与库所之间的映射;f为关联函数，是变迁至0，1之间的实数值映射;α为库所至0，1之间的实数值映射;β代表库所至命题之间的所有映射。

2 地铁车辆电气系统故障模型构建

2.1 研究具体结构

为进一步研究模糊Petri网在地铁车辆故障诊断问题，本文以该型号地铁车辆电气系统为例，通过Petri网实现对地铁车辆电气系统故障的诊断。具体结构如图1所示。

该地铁车辆结构中，采用6辆编组型式，配置有4M2T的动力分散性装置。牵引传动系统主要采用VMF逆变器-异步牵引电动机，构成交流传动系统。这种牵引传动系统内部由受电弓、牵引逆变器以及牵引电机等多项设备构成，主要包含了两个牵引单元，这两个牵引单元之间的关系为相对独立。各牵引单元中包含了受电弓1台、高速断路器与牵引逆变器各两台以及牵引电机8台。

2.2 电气系统故障树表示机制

地铁车辆牵引传动系统故障模型的建立必须依靠FTA（故障树分析）中部分常用符号，将这些符号作为故障模型的建模元语言。由于本文仅选用故障树分析当中的符号进行地铁车辆牵引传动系统故障模型的构建，因此，后续建立起的牵引传动系统故障模型并非故障树。笔者之所以选取故障分析符号为建模元语言，主要是出于对故障诊断领域中故障树应用基础地位的考虑，其应用目的在于使牵引传动系统故障模型能够摆脱各项故障诊断算法。具体建模符号表如表1所示。

2.3 牵引传动系统故障模型构建

通过观察图1显示的牵引传动系统内部结构后可以看出，地铁车辆牵引传动系统中包含了两个相对独立的单元，这两个单元之间主要依靠跨车电缆进行连接。牵引传动系统中的受电弓主要从接触网上对电源进行获取。具体牵引传动系统主电路回路如图2所示。

由图2显示内容可以看出，在牵引系统主电路回路当中，接触网中的DC1500V电压流首先从受电弓处经过;然后经高压电气箱、预充电电阻以及线路点抗器三个部位之后，才能到达VVVF逆变器;最后经过三相逆变器以及制动斩波单元输出三相交流电，以三相交流电对异步牵引电动机进行驱动。同时，通过观察牵引系统主电路回路图还可发现，在地图车辆牵引传动系统中，拥有着大量的电压电流传感器，这些传感器主要起到实时监测地铁车辆牵引传动系统的作用。其中，电压传感器VH1主要是对直流网压进行检测;电压传感器VH2的检测对象为逆变器上的电容器电压;电流传感器LH1以及LH2是对直流回路电流进行检测，LH3及LH4则是检测逆变器输出电流，LH5及LH6的职责在于对制动电阻斩波電流进行检测。结合地铁车辆牵引传动系统内部结构以及主电路回路，可将牵引传动系统划分为五个模块，分别为高压电压模块、预充电模块、中间电路模块、牵引逆变器模块、电机模块。基于此，本文所构建起的牵引传动系统故障模型如图3所示。

3 基于Petri网的地铁车辆牵引传动系统模型

3.1 牵引传动系统Petri网模型

结合上文中对Petri网基本概念、模糊Petri网基本理论的分析以及构建起的牵引传动系统故障模型，以下将对地铁车辆牵引传动系统Petri网模型进行构建。在开展模型构建工作之前，还需对地铁车辆牵引传动系统故障、模糊Petri网以及模糊产生规则三者之间的关系进行掌握。具体三者之间关系如表2所示。

根据表2中给出的牵引传动系统故障、模糊Petri网与模糊规则三者之间的关系，以及结合上文中构建起的牵引传动系统故障模型，本文将对牵引传动系统Petri网模型进行构建。具体牵引传动系统Petri网模型如图4所示。

3.2 对应故障事件

牵引传动系统Petri网模型中各库所对应的故障事件有所不同，具体牵引传动系统Petri网各库所对应故障事件如表3所示。其中，p57为终止库所，也就是牵引传动系统故障顶层事件。

4 诊断测试

为进一步验证上述方法的可行性，搭建在线故障平台完成对上述方案的测试。

4.1 实验测试平台

本文搭建的测试平台，主要模拟地铁车辆在运行中通过车载通讯模块获取部分地铁车辆的模拟信号的方式来判断故障。具体测试平台见图5所示。

根据图5得出，本文搭建的测试平台其主要是由模拟信号传输装置、控制网络、地面服务器等部分组成。其中，模拟信号传输装置主要采集地铁运行中的部分电气信号;控制网络主要为地铁运行中的传输网络;地面服务器主要是对信号进行分析，并结合这些信号，对故障进行判断，并通过地面服务器的展示界面将结果展示出来。

4.2 测试结果