信號集中監測智能分析技術的應用

張鳳啟

（上海鐵路局 電務處， 上海 200071 ）

信號集中監測系統（CSM，Centralized Signalling monitoring System）是面向高速鐵路及普速鐵路信號領域的綜合性維護支持和信息監控網絡平臺。其監測范圍包括聯鎖、閉塞、列控、TDCS/CTC、駝峰、電源屏、計軸等信號系統和設備；集實時數據采集、數字通信、數據處理、自動控制、多任務協調、圖文顯示為一體，通過智能化的預警分析技術和故障診斷技術，輔助完成信號設備的日常維護及故障處理。CSM的推廣使用，對于提高信號設備的安全運用、強化結合部管理、改善和指導電務現場維修具有重要意義。CSM是電務安全的“黑匣子”，是信號維修技術的重要突破，是實施信號維修體制改革的重要技術支撐，也是信號技術向高安全、高可靠和網絡化、智能化、信息化方向發展的重要標志之一。

2006版信號監測系統是以設備監測為導向，輔助一些簡單的報警，為信號維護人員提供在線儀器儀表功能，代替維修人員的體力勞動。而目前的集中監測智能分析系統以設備維護為導向，以一位“有經驗信號工”的視角，實時發現設備的故障和異常問題，極大地減輕維護人員的工作量，符合鐵路信號監測產品的智能化發展方向。

1 系統智能分析技術概述

人工智能（A I，A rtificial Intelligence）是指由人工制造出來的系統所表現出來的智能。專家系統是早期人工智能的一個重要分支，它可以看作是一類具有專門知識和經驗的計算機智能程序系統，一般采用人工智能中的知識表示和知識推理技術來模擬通常由領域專家才能解決的復雜問題。一般來說，智能分析系統=知識庫+推理機，因此智能分析系統也被稱為基于知識的系統。

信號集中監測系統分為3層，如圖1所示。最低層為基礎數據層，通過車站實時采集的曲線數據、開關量數據、模擬量以及接口上傳的數據，提供最基礎的信號設備數據。中間層為數據分析層，利用基礎數據層提供的數據，通過一系列模型計算和算法，結合知識庫中的“知識”，進行實時分析。最上層為結果展示層，主要是從信號維護角度對數據分析結果進行人性化展示，包括設備狀態實時展示、分析報告、告警等方式。

圖 1 信號集中監測系統框架圖

智能分析通過建立支持向量機模型，經過對典型數據的學習，得到故障診斷模型，然后通過故障診斷模型對設備實時狀態進行診斷分析。根據現場經驗，信號設備在出現故障前特性會有明顯下降或上升趨勢。假設設備狀態不良到出現故障是一個漸進的過程，根據這種假設對信號設備特性進行建模，通過設備歷史數據推算出模型函數，通過函數預測近期內信號設備電氣特性趨勢，在積累、分析信號設備監測與故障分析經驗基礎上，形成信號設備故障判斷邏輯與維修指導專家知識庫。專家知識庫是一個開放平臺，用戶可以通過現場故障分析和處理經驗的積累，自主向該系統內注入新的故障判斷和分析邏輯。經過磨合，各個車站的專家庫最終會成為該站獨有的并且最適宜該站使用的專家知識庫。知識庫包含以下內容。

1.1 經驗數據

根據信號專家經驗整理出來的數據，通過這些經驗，計算機就能在某方面像專家一樣來分析設備的實時數據，找出異常或者故障（故障范圍或者故障點），比如在道岔無表示時，根據表示電壓的范圍，大致能判斷出故障的位置。

1.2 設備特性

現場信號設備多種多樣，雖然在最上層表現出來的都是開關量和模擬量，但不同的設備在不同的狀態下表現出不同的特性，通過建立不同設備特性的模型來處理不同設備，使對故障的分析更具智能化。例如，軌道電路在過車時具有分路和調整特性，站聯電壓的正負代表方向特性等。

1.3 訓練模型

根據車站典型的數據，通過一定的算法進行訓練，得到一組規則數據，可用來對后續設備的狀態進行分析。

1.4 診斷模型

根據訓練的結果，對后續設備的狀態進行診斷分析，與訓練模型共同構成完整的自學習功能。

1.5 趨勢預測模型

對設備電氣特性漸變趨勢進行建模并計算出模型函數，利用模型函數預測近期內設備電氣特性趨勢。

2 智能分析技術應用

系統在進行智能分析時會用到不同的算法，多數情況下需用多種算法綜合分析才能得到滿意結果。其原理是：基于專家故障模型，結合動態行車關聯分析，利用故障樹推理演繹技術完成對故障點的定位。對各類ZPW 2000軌道電路故障分析及故障點定位如圖2所示。

2.1 信息捕獲及歸類

智能分析功能可以代替人工進行故障捕獲，并縮小或定位故障點，對捕獲的結果（形成報警）進行分類匯總并形成報告。管理上要求現場維護人員不放過報告中的每一個報警，以便對報警進行確認和設備的檢查，以達到縮短故障延時的目的。

系統通過分析歸類，將車站一段時間內所有報警信息按設備分類，并以設備報警情況報告和詳細報警匯總表的形式進行展現。用戶可根據需要調整所分析的時間段。通過設備報警情況報告，維護人員可清楚直觀地了解到車站信號設備的總體運用情況，可從宏觀的角度審視設備運用狀態。通過詳細報警匯總表，維護人員可對一段時間內所發生報警的類型分布和報警設備有個直觀的了解。

對于已經發生的故障，監測系統會通過聲光等多種方式予以提示，并可以自動提取故障發生前后一段時間內的相關歷史數據，供用戶瀏覽回放，支持同一時間軸下多組相關模擬量、開關量信息的關聯回放，且能在原理圖中提示相應的故障位置或范圍。

2.2 智能分析與診斷

智能分析與故障診斷功能的主要目的就是實現信號設備的預防修和在信號設備故障情況下壓縮故障延時。系統通過對車站信號設備中日常故障發生頻率較高的道岔、軌道電路、信號機等設備進行狀態監測、趨勢預警及故障診斷，幫助電務維護人員迅速實時掌握管內信號設備的運用狀態。在設備發生故障時，能迅速定位故障、分析故障原因和排除故障。系統以報警分析為中心，通過監測信息的邏輯處理與模型比對，將車站層的報警信息、預警信息2個層面的內容分類匯總形成分析報告。報警信息對應于影響進路排列、信號開放的故障，預警對應于設備異常，預警按照一級、二級和三級進行分類匯總呈現。信號維護人員只需對分析報告進行瀏覽和處理，即可完成日常的設備維護工作。

在報警分析過程中，系統會對設備異常事件的處理過程記錄，車站設備維護人員在系統提供的報警處理界面上，可進行故障原因和處理方法等相關信息的錄入，同時該結論會自動存入數據庫中作為現場經驗的保留。報警信息的確認也可通過典型故障的形式錄入系統的專家知識庫，可被系統做延伸性、復制性應用，從而為設備同類故障的后續處理提供逐步豐富和準確的參考信息。

在預警分析過程中，系統會對設備的異常現象進行持續跟蹤和分析，在其變化超過預設指標時發出預警。設備維護人員在系統提供的預警處理界面上，應對現場預警的實際情況以及分析處理過程的相關信息進行錄入，該結論會自動存入數據庫中作為現場經驗的一部分保留。預警信息的確認也可以典型預警的形式錄入專家知識庫，可被系統做延伸性、復制性應用，從而為設備預警的處理過程監控和以后相類似預警的處理提供逐步豐富和準確的參考信息。

在診斷分析時，集中監測的智能分析功能對捕捉到的異常信息采用靈活的推理控制策略，應用專家分析的手段，從信號維護專家的角度進行進一步的故障診斷，以實時報警的形式為現場信號維護人員提供及時有效的診斷信息和解決問題的大致方向，能夠簡化維修流程或直接定位故障處所，幫助維護人員迅速發現故障點并及時進行處理，進而縮短維修時間，提高維修效率和維修水平。

同時，系統針對歷史數據信息進行數據挖掘和智能分析，結合系統中各類實時信息和歷史信息，進行設備趨勢預警和預防性維修警示，為維護人員提供科學的養護依據。

3 智能分析功能界面展示

在實時反映被監測設備運用質量的同時，為了更直觀更形象的表現設備的質量，集中監測通過系統狀態界面圖來實時展現站上所有被監測設備的狀態。當設備出現異常時，設備狀態圖上相應設備的顏色會變成黃色并進行閃動提醒。當設備發生故障時，設備狀態圖上相應設備的顏色會變成紅色并進行閃動提醒。被監測設備的接口狀態（包括通信的狀態）也統一在設備狀態圖上進行直觀反映。

為便于信號設備的管理維護，智能分析功能對設備運行狀態進行分析，把若干日（可設置）內發生的報警進行統計分析，形成分析報告。使維護人員和管理人員全面把握站上設備的使用情況，掌握維修工作的重點。設備運行狀態分析報告部分界面如圖3所示。

圖 3 設備運行狀態分析報告界面圖

在分析報告中能對報警進行分析總結，提醒維護人員哪些報警沒有進行處理；還可以對當天應該瀏覽但未瀏覽的報表進行匯總等。界面中藍色的字體都是超鏈接，點擊后會彈出相應的界面對超鏈接的內容進行處理。報警處理界面如圖4所示。

圖4 報警處理界面

對智能分析診斷的結果，維護人員可借助故障分析功能，在同一界面中查看故障時刻、設備所有采集項和相關設備的采集項。把這些和故障有關的采集項放在同一界面中進行展現，使維護人員對故障的原因一目了然，提高故障分析的效率。

4 結束語

本文介紹智能分析技術在信號集中監測方面的應用。隨著監測技術的日漸成熟和知識庫的積累，專家知識庫以及監測系統將逐步得到強化和完善，這將對現場信號設備維修管理提供更好的保障。在電務技術裝備向高精尖發展的進程中，監測監控技術的運用將更加廣泛，其在鐵路電務安全生產中的作用也必將更加突出。

[1] 鐵道部.鐵路信號集中監測系統技術條件[Z].運基信號[2010] 709 號文.