论文部分内容阅读
列车的每个运营场景都是通过多个子系统实时交互列车控制数据(简称列控数据)一起协作完成的。研究列车运行在不同场景及各种复杂环境条件,特别是极端情况下,列控数据的完备性,能够更系统、全面地发现列控系统可能存在的安全隐患,及时进行故障预警并实现"故障-安全"。列控数据完备性(Data Sigmacompleteness of Train Control System,DSTCS)是指能够保证列车运行安全的控制数据的完整性、正确性、有序性、实时性、时效性、兼容性、稳定性、周期性、连续性、重复性等。本文主要以DSTCS的列车故障预警为主体,通过对列车运营场景的历史故障数据和在线实时监测数据进行C4.5决策树分类预测挖掘,提取有效故障特征,进行完备性分析匹配研究,动态实时地监测列车状态,发现可能存在的安全隐患,进行故障预警。本文的主要工作包括以下几个方面:1.提出一种基于DSTCS列车故障诊断及预警方法。在分析列车运营场景数据的基础上对DSTCS进行定义,把数据要满足系统设备中规定的接口信息、特定的消息传输顺序及严格的时间约束等要求转换成完备性约束条件。对列车故障数据及故障诊断方法进行归纳总结,把故障部位及数据完备性约束条件作为C4.5决策树的条件属性和决策属性进行分类挖掘,得出故障特征与完备性的对应规则。采用基于粗糙集理论的特征选择算法对在线获取的实时数据提取有效故障特征,利用挖掘的规则对有效故障特征进行相似度遍历检测,得出匹配结果,并进行故障定位及原因分析。2.建立基于DSTCS的列车故障辨识定位方法的模型。明确了列控数据的形式化建模依据和建模目标,并对模型进行功能需求分析。其中模型主要实现两大功能,一是建立故障数据诊断分类器,属于非实时模块;二是实现对未知在线数据进行完备性检测分析,与分类器中的故障模式进行匹配,属于实时模块。3.以由故障导致的降级故场景为例仿真验证分析。在MATLAB和C#平台上实现,用某铁路局发生的200个C3故障案例进行C4.5决策树完备性诊断分类器训练,并验证得到准确率为97%以上,通过故障预警的可视化程序界面,显示的决策树得到的规则和可能发生的故障类型,验证了本文提出的列车故障预警方法的可行性。