基于关联规则和变权重系数的列控车载设备工作状态评估方法

2021-03-25樊连会武晓春郭荣昌

铁道标准设计 2021年3期

樊连会，武晓春，郭荣昌

(兰州交通大学自动化与电气工程学院，兰州 730070)

列控车载设备是列控系统的核心设备，是保证列车安全运营的关键。由于车载设备结构复杂，各设备间的耦合性也相对较强，其多数故障诊断系统只能诊断出较严重的故障，对故障早期的异常很难做出判断。因此，有必要对车载设备运行的工作状态进行评估，实现对故障的早期预警，为设备的检修提供指导，从而避免和减轻设备损坏，降低运行与检修费用，提高车载运行的安全性和可靠性。

目前铁路领域学者们的焦点主要集中在车载设备故障诊断方法和故障预测[1-4]等，对其状态评估的研究较少。文献[5]在分析工作状态和动态机制的基础上，引入动态贝叶斯理论，对车载系统可靠性进行评估。文献[6]考虑列车运行干扰的问题，引入弹复力效应理论分析系统恢复状态，从而对车载设备进行评估。文献[7]首先对车载设备进行分层管理，结合状态空间理论和层次分析思想构建劣化失效评估模型，从而对车载设备可靠性实时评估。文献[8]基于多维数据集为车载设备操作和故障数据构建特定的数据模型，结合贝叶斯理论和马尔科夫链，对特定车载设备状态进行评估。但对车载设备状态进行评估时，学者们不应只考虑智能技术融合，还应考虑设备间各个单项状态量之间的相互耦合关系。关联规则能够较好的挖掘设备状态量之间的关联性，且已在航空[9]、机械[10]等评估方面广泛应用。铁路领域现阶段研究都存在一个共性问题，即故障数据种类少、数据量少、故障类型少、不具备完全数据组。为了提高列控车载设备工作状态评估的准确率，需要在完备数据情况下进行状态评估，但列控车载设备维护具有特殊性，难以收集到完备数据。

通过以上分析，将关联规则和变权重系数相结合用于列控车载设备工作状态评估。用统计学原理对历史运行故障数据进行分析后，归类故障特征，整合两两之间的耦合关系，分别将其与故障类型对应。设定故障类型和故障特征分别作为综合状态量和单项状态量评估指标。通过关联规则置信度和变权重计算公式得到常权重和变权重系数，在单项状态量基础上求出综合状态量评分，从而反映列控车载设备整体运行工作状态。

1 列控车载设备组成及理论基础

1.1 列控车载设备

CTCS-3级列控系统主要包括地面设备和车载设备[11]，其车载设备构成如图1所示。

图1 CTCS-3列控系统车载设备框图

高速铁路运营速度的不断提高，使得列控车载设备的结构更加复杂、集成度更高，车载设备间故障耦合性程度增大，故障不易被发现。对列控车载设备进行状态评估能够及时发现故障安全隐患。

1.2 关联规则理论

在数据库中，域与域之间若能够满足某种特定的关系，则称其为关联规则[12]。按规则要求，将事务数据库和其全部子集事务分别记为Y和X，所有子集事务个数记为|Y|。以某一子集事务为例，设其包含项集H的频率记为f(H)。若项集H⊂Y，I⊂Y，且H∩I=∅，则形如H⟹I的式子称之为关联规则，表示包含项集H的事务Y也可能包含项集I，H和I是关联规则的前提和结论。所以H⟹I的支持度就是项集H∪I的支持度，也可表示为Y中包含H∪I的比例，如式(1)所示

(1)

设support(H⟹I)min为支持度阈值，通常情况下取70%[13]。当某项集支持度高于设定阈值时，称该项集为频繁项集。

关联规则中H⟹I的置信度等同于Y中同时包含H和I的比例，即条件概率P(I|H)，如式(2)所示

(2)

关联规则中，置信度反映其确定性即可信程度，置信度值越大，说明关联关系的可信度越强。支持度反映其有效性即重要程度或出现概率，支持度越大，表明关联程度越强。

2 确定状态评估标准和权重

列控车载设备结构复杂，集成性高，要对其运行工作状态进行准确评估，需要选择最具代表性的状态量进行评估。

2.1 状态评估因素集

车载设备故障种类很多，但目前尚未有统一的划分方法对其进行分类。本文主要依据《CTCS-3级列控车载设备技术条件》[14]，同时根据实际运行经验，并参考文献[15-17]总结的车载设备常见故障，初步将8种车载设备故障类型作为状态综合评估指标，如表1所示。

表1 列控车载设备故障类型

车载设备的状态信息繁多，如果考虑所有的状态信息，状态评估体系将极为复杂，而且有些状态信息比较模糊，不宜定量描述，不利于对车载设备全面而准确的评估。因此，就需要选择最具代表性且能够准确有效反映车载设备运行状况的状态量作为表征车载设备各种故障类型的故障征兆。选择17种故障特征作为单项状态量指标[18-19]，如表2所示。

表2 列控车载设备故障特征

2.2 状态评语集与评分标准对照

在咨询现场车载设备维护人员将车载设备运行工作状态分为4个等级。分别为正常、注意、异常、故障。列控车载设备运行工作状态与评分标准如表3所示。

表3 工作状态与评分值对照

2.3 评估指标权重系数的计算

列控车载设备系统是一个结构复杂的系统，常见的故障类型主要分为8类。一个系统的工作状态评估都是从局部到整体的过程，采用关联规则和变权重系数评估列控车载设备综合状态。

2.3.1 综合指标与单项指标的关联关系

在列车实际运行过程中，列控车载设备发生某一类故障时，会表现出多个故障特征；同样，一个故障特征会出现在多个故障类型中。因此，找出各种故障所对应的所有故障特征项是评估列控车载设备状态的前提和条件。

首先，需要采集足够多的历史故障数据作为数据样本，然后分析各个故障类型与所对应的故障特征间的关联性，记Xn→Ta。事物数据库为Y，|Y|为事物数据库个数。将第a个故障类型Ta发生记作事物数据库Ya，则该故障类型的故障例总数记作|Ya|。在数据样本中，各个故障特征Xn的发生次数记作f(Xn)；在|Ya|例中，各个故障特征Xn的发生次数记作f(Xn∪Ta)，则根据公式(1)可计算得到Xn→Ta的支持度值。当Xn→Ta的支持度值高于70%时，则认为故障类型与故障特征的关联性是有意义的，此时Xn属于频繁项集，由此得出故障特征Xn与故障类型Ta间相互关联关系较强；对于非频繁项集则弃之。故障特征间的关联性，用Xa，n表示，则故障类型Ta约简后对应的故障特征，记作Ta={Xa，1，Xa，2，…，Xa，Na}，Na表示约简后故障特征的个数。

仅考虑故障类型所对应的频繁故障特征项集，根据式(2)计算置信度Ca，n。

2.3.2 权重计算

为体现评估的准确性，根据置信度的计算公式，得到故障类型与故障特征联系的强弱，并用置信度的大小分配权重。

常权重系数的计算公式如下

(3)

式中，wa，n为故障类型Ta中故障特征Xa，n的常权重系数；Ca，n为相应的置信度。

以表4中的“无线通信故障”为例，验证故障类型指标的合理性。设置最小支持度阈值Smin=70%，计算常权重系数。“无线通信故障”包含4项故障特征，分别为主机与DMI通信中断、无线连接超时、停车、与RBC通信中断。记4个单项故障特征为X61、X62、X63、X64，无线通信故障为T6。表4中总数据库Y为515，4个单项故障特征出现的次数分别为79、68、82、71次，总出现次数分别为291、68、464、91次。而无线通信故障出现86次。根据式(1)可以计算出“无线通信故障”的支持度

“无线通信故障”4个故障特征的支持度都>70%。因此单项状态量指标选取合理。根据公式(2)计算故障类型与故障特征间的置信度

常权重系数由式(3)可得

同理可得：w62=0.448 8，w63=0.079 3，w64=0.350 1，其余常权重系数按以上步骤可得到。

在列控车载设备工作状态评估中，常权重系数在一定程度上会偏离正常值，不能准确反映列控车载设备的实际工作情况，影响整体的状态评估结果，为了保证综合评价指标的均衡性，本文引入变权重系数[20]如式(4)所示

(4)

引入均衡函数形成的综合指标变权重系数如式(5)所示

(5)

式中，α为均衡函数。当α=1时，综合变权重系数等于常权重系数；当0.5<α<1时，综合状态量程度不高；当0≤α≤0.5时，易剔除综合状态严重缺陷值。根据故障特征对设备异常情况下的变化程度分析，本文取α=0。当单项状态量评分较低时，根据式(4)和式(5)调整权重系数，避免权重系数的不均衡，若评分较低，说明权重系数大，表示车载设备故障，能反映车载设备的实际运行情况。