基于FTA和貝葉斯網(wǎng)絡(luò)的動(dòng)車組制動(dòng)系統(tǒng)故障分析

徐 磊，王 丹，宋德剛，宋龍龍,3，王太勇

（1.南車青島四方機(jī)車車輛股份有限公司技術(shù)中心，青島 266111；2.天津大學(xué) 機(jī)構(gòu)理論與裝備設(shè)計(jì)教育部重點(diǎn)實(shí)驗(yàn)室，天津 300072；3.北京交通大學(xué) 機(jī)械與電子控制工程學(xué)院，北京 100044）

基于FTA和貝葉斯網(wǎng)絡(luò)的動(dòng)車組制動(dòng)系統(tǒng)故障分析

徐 磊1，王 丹2，宋德剛1，宋龍龍1,3，王太勇2

（1.南車青島四方機(jī)車車輛股份有限公司技術(shù)中心，青島 266111；2.天津大學(xué) 機(jī)構(gòu)理論與裝備設(shè)計(jì)教育部重點(diǎn)實(shí)驗(yàn)室，天津 300072；3.北京交通大學(xué) 機(jī)械與電子控制工程學(xué)院，北京 100044）

分析傳統(tǒng)故障樹和貝葉斯網(wǎng)理論在故障診斷方面的優(yōu)勢(shì)和局限性，建立基于故障樹的故障貝葉斯網(wǎng)絡(luò)進(jìn)行診斷分析。實(shí)現(xiàn)故障樹與故障貝葉斯網(wǎng)中各元素的對(duì)應(yīng)轉(zhuǎn)換，結(jié)合CRH2B型動(dòng)車組基礎(chǔ)制動(dòng)裝置系統(tǒng)實(shí)例，搭建故障樹，完成故障貝葉斯網(wǎng)絡(luò)轉(zhuǎn)變，證明了故障貝葉斯網(wǎng)在復(fù)雜系統(tǒng)故障分析方面的優(yōu)越性。

故障樹；貝葉斯網(wǎng)絡(luò)；聯(lián)接樹分析；高速動(dòng)車組；故障研究

0　引言

高速動(dòng)車組制動(dòng)系統(tǒng)由制動(dòng)控制系統(tǒng)、動(dòng)力控制系統(tǒng)、空氣控制系統(tǒng)和基礎(chǔ)控制裝置系統(tǒng)等部分組成。司機(jī)通過制動(dòng)控制器發(fā)出制動(dòng)指令，經(jīng)中間控制過程，最終由基礎(chǔ)控制裝置執(zhí)行制動(dòng)動(dòng)作[1～2]。

故障樹（Fault Tree，F(xiàn)T）是常用的系統(tǒng)可靠性和安全性分析及故障診斷決策模型，能對(duì)可能造成系統(tǒng)故障的各種原因進(jìn)行分析并明確邏輯關(guān)系，從而判別系統(tǒng)故障原因及其發(fā)生的概率[3]。故障樹分析（Fault Tree Analysis，F(xiàn)TA）方法的優(yōu)點(diǎn)在于能夠簡潔直觀得針對(duì)系統(tǒng)進(jìn)行故障診斷與定位；然而，F(xiàn)TA對(duì)復(fù)雜系統(tǒng)的不確定性分析能力較弱。貝葉斯網(wǎng)（Bayesian Network，BN）是一種基于Bayes概率理論的有向圖解模型。與FT相比，BN對(duì)復(fù)雜故障系統(tǒng)具有較強(qiáng)的多源信息融合能力和不確定性分析推理能力[4]。

將故障樹FT和貝葉斯網(wǎng)BN兩種分析方法進(jìn)行結(jié)合，實(shí)現(xiàn)多源信息的合理表達(dá)，將為故障信息不確定性處理提供新的思路[5]。本文將建立基于故障樹的故障貝葉斯網(wǎng)絡(luò)（Fault Bayesian Network，F(xiàn)BN），并利用轉(zhuǎn)化后的FBN對(duì)復(fù)雜故障系統(tǒng)進(jìn)行診斷分析。

1　基于故障樹的故障貝葉斯網(wǎng)的建立

FT基于事件二態(tài)性、獨(dú)立性及因果邏輯關(guān)聯(lián)的假設(shè)表示為一個(gè)三元組。BN中代表故障事件的結(jié)點(diǎn)呈現(xiàn)多態(tài)性，其變量值代表不同的信息要素；結(jié)點(diǎn)間的有向邊代表各結(jié)點(diǎn)之間的依賴關(guān)系；條件概覽表（CPT）則體現(xiàn)出各結(jié)點(diǎn)之間的影響程度。

FBN可表示為一個(gè)與BN相似的二元組，即FBN=（GF,PF）。GF為一個(gè)有向無環(huán)圖（Direct Acyclic Graph，DAG），同樣可表示為一個(gè)二元組GF=（N, E）。

其中，N為系統(tǒng)中可能的故障事件集合；E為網(wǎng)絡(luò)中的有向邊集合。PF代表GF中結(jié)點(diǎn)的概率分布，各結(jié)點(diǎn)均有相應(yīng)的條件概率分布來描述其父結(jié)點(diǎn)對(duì)該結(jié)點(diǎn)的影響程度。

FBN組成的兩大重要要素為結(jié)點(diǎn)和概率分布。FBN與FT之間具有以下映射關(guān)系：FBN的結(jié)點(diǎn)對(duì)應(yīng)FT中的所有故障事件；FBN的概率分布則對(duì)應(yīng)FT中的各個(gè)邏輯門。因此，將FT轉(zhuǎn)化為FBN的具體過程如下[6]：

1）將FT中的事件對(duì)應(yīng)表達(dá)為FBN中的結(jié)點(diǎn)，結(jié)點(diǎn)狀態(tài)對(duì)應(yīng)事件狀態(tài)，采用多態(tài)變量進(jìn)行描述；若某事件出現(xiàn)多次，只需表達(dá)為一個(gè)結(jié)點(diǎn)；

2）將FT中基本事件的先驗(yàn)概率賦值給FBN中對(duì)應(yīng)的根結(jié)點(diǎn)；

3）將FT中的邏輯門對(duì)應(yīng)表達(dá)為FBN中的結(jié)點(diǎn)，結(jié)點(diǎn)標(biāo)志及狀態(tài)與FT中相應(yīng)邏輯門的輸出事件一致；并根據(jù)邏輯門表達(dá)的邏輯關(guān)系列出相應(yīng)的CPT；

4）按FT中邏輯門與各事件的關(guān)系用有向邊連接FBN各結(jié)點(diǎn)，方向與FT中邏輯門的輸入輸出相對(duì)應(yīng)。

2　基于故障貝葉斯網(wǎng)的故障診斷

基于FBN對(duì)復(fù)雜的故障系統(tǒng)進(jìn)行診斷分析，將系統(tǒng)故障征兆和故障原因作為結(jié)點(diǎn)進(jìn)行網(wǎng)絡(luò)建造；針對(duì)一定的故障征兆，根據(jù)結(jié)點(diǎn)間的因果關(guān)系及概率分布推理各故障事件的后驗(yàn)概率，進(jìn)而得到最可能的故障原因，即在給定故障征兆結(jié)點(diǎn)G=g的情況下，計(jì)算故障原因結(jié)點(diǎn)V發(fā)生的概率P(V|G=g)。

就BN推理而言，聯(lián)接樹（Junction Tree，JT）[7]算法是目前計(jì)算速度最快、應(yīng)用最為廣泛的精確推理算法。該算法首先將BN的DAG轉(zhuǎn)變成一個(gè)JT，然后通過定義在JT上的消息傳遞進(jìn)行概率計(jì)算。在推理過程中，消息會(huì)依次傳遍JT的每個(gè)結(jié)點(diǎn)，最終使JT滿足全局一致性。消息傳遞過程分為兩個(gè)階段：信念收集（Belief-Collect）階段與信念散播（Belief-Distribute）階段。

本文采用基于Hugin的聯(lián)接樹推理算法對(duì)FBN進(jìn)行分析，具體過程如下[8]：

1）GF到JT的結(jié)構(gòu)轉(zhuǎn)變；

（1）有向無環(huán)圖GF轉(zhuǎn)變?yōu)榈懒x圖GM：去掉GF中所有有向邊的方向，并使各結(jié)點(diǎn)的父結(jié)點(diǎn)兩兩相連；

（2）道義圖GM轉(zhuǎn)變?yōu)橄一瘓DGT：若有包含4個(gè)及以上結(jié)點(diǎn)的環(huán)，對(duì)于環(huán)中的兩個(gè)非相鄰結(jié)點(diǎn)，以無向邊連之，完成三角化過程；

（3）在弦化圖GT中確定簇：確定簇結(jié)點(diǎn)，簇結(jié)點(diǎn)是弦化圖GT中的最大全連通子圖；

（5）構(gòu)造JT：在步驟c中所得的簇結(jié)點(diǎn)之間添加分隔結(jié)點(diǎn)，分隔結(jié)點(diǎn)為相鄰兩個(gè)簇結(jié)點(diǎn)的交集；添加邊連接各簇結(jié)點(diǎn)和分隔結(jié)點(diǎn)，完成JT構(gòu)建。

2）JT的信念初始化

為使得JT滿足約束性，要為JT中的所有簇結(jié)點(diǎn)和分隔結(jié)點(diǎn)賦以信念勢(shì)的初始值。首先將所有結(jié)點(diǎn)的信念勢(shì)的值置為1。對(duì)于任意變量V，其父結(jié)點(diǎn)為把 V和指派到包括他們的簇中，得到相應(yīng)的條件概率將X的原始函數(shù)與V的參數(shù)乘積作為X新的勢(shì)函數(shù)，即

若JT滿足了約束性，對(duì)于變量X則有以下關(guān)系成立：

其中，Ci表示簇結(jié)點(diǎn)的信念勢(shì)，Sj表示分隔結(jié)點(diǎn)的信念勢(shì)。

3）JT的信念傳遞與吸收

為使得JT滿足一致性，需對(duì)初始化后的JT進(jìn)行信念收集（Belief-Collect）與信念散播（Belief-Distribute）兩個(gè)相反方向的信念傳遞。選定JT中的根結(jié)點(diǎn)，分別進(jìn)行Belief-Collect傳遞和Belief-Distribute傳遞，實(shí)現(xiàn)信念勢(shì)在JT全局傳播及吸收，從而使JT中的信念勢(shì)滿足一致性。

信念在JT中進(jìn)行傳遞，當(dāng)信念由簇結(jié)點(diǎn)傳遞到分割結(jié)點(diǎn)時(shí)，有：

信念在JT中進(jìn)行傳遞，當(dāng)信念從分隔結(jié)點(diǎn)傳遞到簇結(jié)點(diǎn)時(shí)，有：

4）故障概率的計(jì)算

對(duì)于既滿足約束性又滿足一致性的JT，故障征兆未給出時(shí)，對(duì)于任意變量V，其概率分布為：

若故障征兆已知，對(duì)故障原因結(jié)點(diǎn)V，其概率分布為：

g為故障征兆結(jié)點(diǎn)，V為故障原因結(jié)點(diǎn)。

圖1　基礎(chǔ)制動(dòng)裝置系統(tǒng)故障樹FT

3　實(shí)例應(yīng)用

結(jié)合高速動(dòng)車組系統(tǒng)分類及動(dòng)車組故障記錄統(tǒng)計(jì)，以CRH2B型動(dòng)車組基礎(chǔ)制動(dòng)裝置系統(tǒng)故障為例建立故障樹，將其轉(zhuǎn)化為故障貝葉斯網(wǎng)FBN，并采用貝葉斯網(wǎng)聯(lián)合樹推理法進(jìn)行故障分析。

3.1建立基礎(chǔ)制動(dòng)裝置系統(tǒng)故障貝葉斯網(wǎng)

CRH2B型動(dòng)車組基礎(chǔ)制動(dòng)裝置基于摩擦制動(dòng)原理，主要組成為制動(dòng)夾鉗裝置，通過杠桿原理將制動(dòng)缸的力轉(zhuǎn)換后傳到閘片上，使閘片壓緊制動(dòng)盤（輪對(duì)軸箱組成系統(tǒng)中的部件），從而達(dá)到制動(dòng)目的。

通過對(duì)CRH2B型動(dòng)車組基礎(chǔ)制動(dòng)裝置系統(tǒng)結(jié)構(gòu)組成和工作原理分析，建立基礎(chǔ)制動(dòng)裝置系統(tǒng)故障樹如圖1所示。

其中，T為頂事件，M1～M8為中間事件，X1～X18為底事件，a～i為邏輯或門。

根據(jù)FT到FBN的轉(zhuǎn)換算法，得到轉(zhuǎn)換后的FBN如圖2所示。

圖2　基礎(chǔ)制動(dòng)裝置系統(tǒng)故障貝葉斯網(wǎng)FBN

其中，F(xiàn)BN中GT對(duì)應(yīng)于FT中頂事件T；G11、G12、G21、G22、G31、G10、G20、G30依次對(duì)應(yīng)于FT中的中間事件M1～M8；同時(shí)，相關(guān)底事件也依次對(duì)應(yīng)。

FBN中各結(jié)點(diǎn)的條件概率分配如表1所示。

表1　FBN中結(jié)點(diǎn)的概率

圖3　基礎(chǔ)制動(dòng)裝置系統(tǒng)聯(lián)合樹JT

3.2對(duì)基礎(chǔ)制動(dòng)裝置系統(tǒng)FBN進(jìn)行結(jié)構(gòu)化

根據(jù)上文論述的JT的構(gòu)造方法，將基礎(chǔ)制動(dòng)裝置系統(tǒng)FBN進(jìn)行結(jié)構(gòu)化，最終完成JT的構(gòu)建如圖3所示。

3.3初始化JT

將表1中FBN結(jié)點(diǎn)的先驗(yàn)概率賦值給JT中相應(yīng)的簇結(jié)點(diǎn)和分隔結(jié)點(diǎn)，結(jié)果如表2所示。

表2　結(jié)點(diǎn)概率

3.4結(jié)點(diǎn)證據(jù)未給定情況下信念的傳遞和吸收

在GTG10G20G30調(diào)用CollectBelief，信念從子結(jié)點(diǎn)傳遞到根結(jié)點(diǎn)，傳遞方向如圖3中所示，對(duì)應(yīng)的信念為在結(jié)點(diǎn)GTG10G20G30調(diào)用DistributeBelief，信念從根結(jié)點(diǎn)傳遞到各子結(jié)點(diǎn)，傳方向如圖3中所示。根據(jù)式(2)和式(3)計(jì)算傳遞的信念，得到各信念的表達(dá)式如表3所示。

表3　未給定證據(jù)情況下信念的傳遞和吸收

4　結(jié)束語

故障樹FT與貝葉斯網(wǎng)絡(luò)BN有一定的相似性，然而FT易于構(gòu)建，BN具有描述事件多態(tài)性和邏輯關(guān)系非確定性的能力。本文通過建立動(dòng)車組基礎(chǔ)制動(dòng)裝置系統(tǒng)FBN模型，經(jīng)過一系列轉(zhuǎn)化與推理證明了FT與BN的結(jié)合能夠提高故障分析效率，降低傳統(tǒng)FT和BN故障概率推理的復(fù)雜性。

[1] 宇善良.動(dòng)車組常見故障分析及處理[M].北京交通大學(xué)出版社.北京:2014.8.

[2] 董錫明.高速動(dòng)車組工作原理與結(jié)構(gòu)特點(diǎn)[M].中國鐵道出版社.北京:2007.12.

[3] 謝里陽,王正,周金宇,武瀅.機(jī)械可靠性基本理論與方法[M].科學(xué)出版社.北京:2012.7.

[4] 王廣彥,馬志軍,胡起偉.基于貝葉斯網(wǎng)絡(luò)的故障樹分析[J].系統(tǒng)工程理論與實(shí)踐,2004,(6):78-83.

[5] Bobbin A,Portinale I, MinichinoM,et al. Improving the analysis of dependable systems by mapping fault trees into Bayesian networks[J].Reliability Engineering and System Safety,2006,71: 249-260.

[6] 宮義山,高媛媛.基于故障樹和貝葉斯網(wǎng)絡(luò)的故障診斷模型[J].沈陽工業(yè)大學(xué)學(xué)報(bào),2009,(4):454-457.

[7] Lauritzen S L,Spiegelhalter D J. Local computations with probabilities on graphical structures and their applications to expert systems[J].Proceedings of the Royal Statistical Society, 1988,B(50):154-227.

[8] 李儉川,胡蔦慶,秦國軍,等.基于故障樹的貝葉斯網(wǎng)絡(luò)建造方法與故障診斷應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2003,(24).

Fault diagnosis and research of the foundation brake rigging system based on the combination of fault tree and bayesian network theory

XU Lei1, WANG Dan2, SONG De-gang1, SONG Long-long1,3, WANG Tai-yong2

TH17

A

1009-0134(2016)02-0051-04

2015-11-25

國家自然科學(xué)基金資助項(xiàng)目：基于機(jī)床狀態(tài)信息監(jiān)測的智能維護(hù)理論與方法（51475324）

徐磊（1975 -），男，山東萊陽人，高級(jí)工程師，碩士，研究方向?yàn)閯?dòng)車組檢修應(yīng)用技術(shù)。