鐵路信號設備故障診斷方法發展趨勢探析

【摘要】? ? 文章以鐵路信號設備故障診斷方法發展趨勢為研究對象，首先對鐵路信號設備故障種類劃分進行了簡單的技術，隨后對鐵路信號設備故障診斷方法發展趨勢進行了探討，并在這一過程中，介紹了多種鐵路信號設備故障診斷方法技術，以供參考。

【關鍵詞】? ? 鐵路信號設備? ? 故障診斷? ? 發展趨勢

前言：

如今隨著計算機信息技術、人工智能技術的迅猛發展，各種故障診斷檢測技術也層出不窮，因此針對鐵路信號設備的故障診斷，有必要引入這些先進的故障診斷檢測技術，更有利于提高鐵路信號設備故障檢測的效率。文章通過對鐵路信號設備故障診斷方法發展趨勢進行探討分析，這對提升鐵路信號設備故障診斷檢修效率，維護鐵路整體安全運行有著重要現實意義。

一、鐵路信號設備故障種類劃分

一是基于故障產生原因來進行劃分， 可以分類兩種故障類型。一是現場人員造成的故障，比如現場人員沒有嚴格按照規定進行信號設備操作，引起了鐵路信號設備故障。二是信號設備本身的故障，比如信號設備自身質量不達標，或者沒有維修到位，從而在運行時引發的各種設備故障。

二是根據故障產生性質來進行劃分，可以分為以下兩種類型故障，一是機械設備故障：受維修效果不佳的影響，或者設備零件老化，導致設備運行出現了故障問題。比如設備螺絲出現了松動問題，導致繼電器自動開關失靈等，便是典型的機械設備故障。二是電氣故障，電子元件雖然功能強大，但本身也比較“嬌氣”，使用壽命有限，如果沒有做好電子元件的定期更換，超出了電子元件使用壽命，那么便會引發電氣故障。

三是根據故障發生范圍來進行劃分。可以分為以下兩種故障類型，一類是室內故障：這類故障顧名思義，即多發些在室內，比如信號的電路故障、顯示器故障、電源故障等。另一類是室外故障，即在室外運行的一些信號設備發生的故障。比如道岔轉轍機故障，信號機故障等[1]。

二、鐵路信號設備故障診斷方法發展趨勢

信號設備在保障鐵路運轉安全方面發揮著非常關鍵的作用，一旦信號設備出現了故障問題，需要及時發現并進行維修，否則很容易釀成重大安全事故。因此一直以來，人們便對鐵路故障診斷非常關注，并研究出了很多故障診斷方法，這些故障針對方法的優缺點如下表一所示。從當下鐵路信號設備故障診斷方法發展趨勢來看，知識故障診斷方法是當前設備故障診斷方面發展較為迅猛且應用十分廣泛的一種診斷技術方法，相較于上述兩種設備故障診斷方法，知識故障診斷方法不需要建立具體的模型，實際應用更加簡單，因此應用前景也非常廣闊，當前比較常用的知識故障診斷方法主要包括以下幾種：

2.1神經網絡故障診斷方法

對于神經網絡而言，本身有著較強的自主學習能力，同時還能夠進行并行計算，非線性優勢也非常強。因此非常適合應用于設備故障診斷，并且當前已經形成了一個神經網絡故障診斷方法。在該診斷方法實施過程中，能夠針對網絡現有數據，來預測相關的故障發生概率，與此同時，在模式識別算法的幫助下，針對不同故障，還能夠實現智能化分類，并且還能夠從故障的知識處理的角度，實現故障診斷系統的建立，從而有效提高故障診斷與處理的效率。為達到上述目的，需要先結合實際，選擇一個合理的網絡數據結構，并以此為依據完成神經網絡的建立，在此基礎上，還需要合理選擇針對性的學習方法，通過不斷的進行試錯學習，在這一過程中，需要輸入很多變量、權值，選擇合理的數據值，輸出相應的樣本，從而能夠對神經網絡不斷進行訓練，最終能夠獲得相應的理想值，然后再留下閾值和權值，并給予現場相應的實際檢測數據進行計算，在獲得輸出數據后，再與各種故障數據進行比較，最終即可完成故障的診斷。在鐵路信號設備故障診斷時，比較適合應用于由各種人為因素引起的各種故障問題診斷。

2.2模糊邏輯故障診斷方法

在實際進行設備故障診斷時，針對前期預警，我們可以采用模糊語言進行說明，在實際進行診斷過程中，需要應用一些模糊數學理論知識，提高診斷效率。模糊邏輯故障診斷的基本原理是通過借助各種算法來模擬人類思維模糊性特點，從而達到自動化診斷的目的，因此同其他設備故障診斷相比，這種故障診斷不需要建立復雜的數學模型，因此實際應用操作也相對簡單一些。在實際應用過程中，仍需要建立一定的規則，并確定在這些規則之下的隸屬函數，從而才能達到故障診斷的目的。但由于缺乏完善模型支撐，因此比較適用于簡單系統，面對復雜的系統，應用這種故障診斷方法難以起到良好的診斷效果[2]。在鐵路信號設備故障診斷時，比較適合應用于由一些簡單的機械故障因素引起的各種故障問題診斷。基于模糊;邏輯故障診斷流程如下圖1所示：

2.3模糊神經網絡故障診斷方法

模糊神經網絡故障診斷方法是一種綜合性診斷方法，這種方法綜合了神經網絡與是模糊理論，可以說是上述兩種故障診斷方法的“結合體”。這種設備故障診斷方法的優勢在于，它能夠模擬人腦思維的方式與過程中，同時還具備大腦處理模糊信息的功能，通過將上述兩種方法優點結合在一起。使得自身既有著比較專業的知識，同時還具有一定的學習能力，能夠通過不斷的試錯，積累經驗，使得自身故障診斷能力不斷得到提升。尤其是在神經網絡的幫助下，能夠對系統模糊規則進行不斷的優化，在這一過程中，還能夠對隸屬函數參數進行針對性調整，不斷豐富自己的模糊算法。模糊神經網絡故障診斷同時兼具模糊邏輯故障診斷與神經網絡故障診斷優勢，在實際診斷時，一般基本流程是先利用神經網絡逼近任意函數，然后通過映射模糊推理的輸入輸出關系，最終來達到模糊控制診斷的目的。當前這種模糊神經網絡故障診斷方法已經得到了廣泛的研究，是為了設備故障診斷發展的一個新方向。在鐵路信號設備故障診斷時，比較適合應用于多故障類型問題的鐵路信號設備故障診斷。

2.4專家系統故障診斷方法

在計算機信息技術迅猛發展的當下，我們能夠利用計算機技術，將專家知識與經驗進行“打包”，然后輸入到電腦程序中，形成一個計算機專家系統，從而能夠對故障問題進行統一處理。從本身上來看，計算機專家系統只是一個計算機程序，但該程序系統融合了多個同領域專業的理論知識與經驗，并且在程序系統運行過程中，能夠給出專家級別的指導與建議，相當于多個專家的集合體，因此自身的功能自然十分強大。計算機專家系統是人工智能發展一個非常重要的分支，如今隨著專家系統建立的技術理論知識日益完善，已經在多個領域中得到了廣泛的應用。比較常見的有工業生產領域、圖像識別領域、交通運輸領域等。而在交通領域中，便有一個專門的鐵路專家系統，在該系統的幫助下，能夠更好地幫助鐵路設備進行故障診斷，當鐵路信號設備出現問題時，鐵路專業系統能夠調動相關知識來幫助進行故障診斷分析， 并提出相關的解決方法，從而能夠更好地幫助維護鐵路信號設備的穩定運行。以下是主要圍繞信號設備專家故障針對系統建立所進行的分析，具體如下：

1、鐵路信號設備故障診斷專家系統登陸模塊

在鐵路信號設備故障診斷專家系統中，主要面向兩種用戶，一是信號設備管理人員，二是信號設備維修人員。其中管理人員在系統操作中有很大權限，能夠整理專家各種關于鐵路信號設備的故障診斷方法，并錄入到專家系統的知識庫中，同時也能夠給予設備為維修人員一定的權限。而對于鐵路信號設備維修人員來說，只能進行故障診斷的使用與診斷結果查詢，無關對系統功能進行更改。在實際登陸時，用戶可采用“用戶名+密碼”形式，具體登陸界面如下圖2所示：

2、鐵路信號設備故障診斷專家系統故障診斷模塊

專家系統在實際進行故障診斷時，需要先基于故障的分類，做好故障嚴重等級的劃分與排序，故障等級越高，說明故障帶來的后果越嚴重，因此專家系統通常會先處理故障等級較高的項目，同時專家系統也會顯示具體的故障處理結果以及尚未處理的故障，便于用戶了解鐵路信號設備故障診斷現狀。如圖三便是故障診斷專家系統的故障顯示和故障等級的具體確定。以下是對上述故障等級確定推理過程進行分析，首先，系統會進行尚未處理的鐵路信號設備故障選線進行選擇，并根據故障等級進行排序，確定不同故障之間的優先級，在這里我們可以用θ表示優先級，用μ表示知識規則的前提條件相似性系數，用C表示規則置信度，上述三者的關系可用以下公式表示：

在專家系統程序在進行初始運行的過程中，規則置信度C被設置為0.5，一般使用的次數越多，可信度數值也就會變得越高。一般系統每使用10次，可信度會在原本的基礎上增加0.01.如果進行規則修改，每修改5次，那么可信度將會在原本的基礎上下降0.01。另一方面，當遇到一些新的故障問題時，負責系統運行的工作人員可以提出申請，通過增加信號設備故障針對性解決規則，從而保證故障等級設置的合理性。系統在具體推理過程中，如果采用的推理規則數量比較多，那么在計算總推理規則時，需要將單個規則可信度進行相乘。通常情況下，知識規則的前提條件相似性系數μ的范圍在0至1內，如果μ=1，則能夠說明之前假設有故障的前提，均與專家系統知識規則相匹配，當μ在1以內，并且比1/3假設條件還要小，則需要將μ設置為0.3，如果值在1/3～2/3之間，需要將μ設置為0.6，如果在2/3～1之間，需要將μ設置為0.8。在故障出現后，專家系統需要根據上述內容，完成不同規則優先級計算，然在根據最終規則優先級排序，做好相應規則的選取。

以鐵路信號設備道岔無法轉換為例，當用戶利用專家系統選擇道岔無法轉換該故障時，將會激活專家系統的一個故障，即該道岔故障可信度為0.9，但系統分析該故障原因時，主要包含兩種情況，一是道岔無法完全轉換，二是道岔轉換徹底失靈，二者帶來的影響程度存在一定差異，因此專家系統還需要輔助其他信息，來證明自身判斷的正確性。比如系統會給出提示：道岔是否無法完全轉換？交由用戶進行選擇確定，如果用戶選擇了“是”選項，專家系統將會繼續做出下一步判斷：即電壓是否存在問題？如果存在問題，那么說明電路不處于故障狀態，該結論可信度將會上升至0.95，如果發現電源沒有電壓，那么可以得出繼電器出現了故障結論，最終可信度將會降低至0.45。后續以此類推，專家系統會將上一步得出的結論做為下一步的推理條件，最終得出最佳的故障診斷結果。

3、鐵路信號設備故障診斷專家系統工單模塊

針對鐵路信號設備的故障診斷，在專家系統給予最終診斷解決方案后，后續需要根據方案完成檢修。從當下鐵路設備故障檢修開展現狀來看，整體有著一定的隨機性，且當第一批檢修人員與第二批檢修人員進行交接時，容易出現溝通問題，導致故障信息的缺失，不利于故障檢修質量水平提升。而本文提出的這種專家系統，能夠采用報表的形式，將相應檢修方案上報給維修部門，從而避免了信息溝通缺失問題，前一批檢修人員只需要告訴后一批檢修人員具體的檢修完成狀態即可。相關人員在完成故障檢修后，還需要在系統中錄入故障的檢修說明，從而不僅能夠實現對完整檢修過程及結果的記錄與保存，還能夠為現場研究人員提供足夠的信息，有效提高故障檢修效率[3]。

三、總結

綜上所述，鐵路信號設備是鐵路信系統的一項非常重要的設備，一旦出現故障問題，將會對鐵路運行整體安全帶來非常嚴重的影響。因此需要加強各種先進的故障診斷技術應用，相較于傳統的狀態估計診斷、參數故障診斷技術，專家系統故障診斷診斷推理速度快，數據存儲控價小，易于編程與實現，因此能夠有效提高鐵路信號故障診斷檢測效果，提高故障檢修效率，更好維護鐵路運轉安全。

（三）模糊神經網絡故障診斷方法

模糊神經網絡故障診斷方法是一種綜合性診斷方法，這種方法綜合了神經網絡與是模糊理論，可以說是上述兩種故障診斷方法的“結合體”。這種設備故障診斷方法的優勢在于，它能夠模擬人腦思維的方式與過程中，同時還具備大腦處理模糊信息的功能，通過將上述兩種方法優點結合在一起。使得自身既有著比較專業的知識，同時還具有一定的學習能力，能夠通過不斷的試錯，積累經驗，使得自身故障診斷能力不斷得到提升。尤其是在神經網絡的幫助下，能夠對系統模糊規則進行不斷的優化，在這一過程中，還能夠對隸屬函數參數進行針對性調整，不斷豐富自己的模糊算法。模糊神經網絡故障診斷同時兼具模糊邏輯故障診斷與神經網絡故障診斷優勢，在實際診斷時，一般基本流程是先利用神經網絡逼近任意函數，然后通過映射模糊推理的輸入輸出關系，最終來達到模糊控制診斷的目的。當前這種模糊神經網絡故障診斷方法已經得到了廣泛的研究，是為了設備故障診斷發展的一個新方向。在鐵路信號設備故障診斷時，比較適合應用于多故障類型問題的鐵路信號設備故障診斷。

（四）專家系統故障診斷方法

在計算機信息技術迅猛發展的當下，我們能夠利用計算機技術，將專家知識與經驗進行“打包”，然后輸入到電腦程序中，形成一個計算機專家系統，從而能夠對故障問題進行統一處理。從本身上來看，計算機專家系統只是一個計算機程序，但該程序系統融合了多個同領域專業的理論知識與經驗，并且在程序系統運行過程中，能夠給出專家級別的指導與建議，相當于多個專家的集合體，因此自身的功能自然十分強大。計算機專家系統是人工智能發展一個非常重要的分支，如今隨著專家系統建立的技術理論知識日益完善，已經在多個領域中得到了廣泛的應用。比較常見的有工業生產領域、圖像識別領域、交通運輸領域等。而在交通領域中，便有一個專門的鐵路專家系統，在該系統的幫助下，能夠更好地幫助鐵路設備進行故障診斷，當鐵路信號設備出現問題時，鐵路專業系統能夠調動相關知識來幫助進行故障診斷分析， 并提出相關的解決方法，從而能夠更好地幫助維護鐵路信號設備的穩定運行。以下是主要圍繞信號設備專家故障針對系統建立所進行的分析，具體如下：

1、鐵路信號設備故障診斷專家系統登陸模塊

在鐵路信號設備故障診斷專家系統中，主要面向兩種用戶，一是信號設備管理人員，二是信號設備維修人員。其中管理人員在系統操作中有很大權限，能夠整理專家各種關于鐵路信號設備的故障診斷方法，并錄入到專家系統的知識庫中，同時也能夠給予設備為維修人員一定的權限。而對于鐵路信號設備維修人員來說，只能進行故障診斷的使用與診斷結果查詢，無關對系統功能進行更改。在實際登陸時，用戶可采用“用戶名+密碼”形式，具體登陸界面如下圖二所示：

2、鐵路信號設備故障診斷專家系統故障診斷模塊

專家系統在實際進行故障診斷時，需要先基于故障的分類，做好故障嚴重等級的劃分與排序，故障等級越高，說明故障帶來的后果越嚴重，因此專家系統通常會先處理故障等級較高的項目，同時專家系統也會顯示具體的故障處理結果以及尚未處理的故障，便于用戶了解鐵路信號設備故障診斷現狀。如圖三便是故障診斷專家系統的故障顯示和故障等級的具體確定。以下是對上述故障等級確定推理過程進行分析，首先，系統會進行尚未處理的鐵路信號設備故障選線進行選擇，并根據故障等級進行排序，確定不同故障之間的優先級，在這里我們可以用false表示優先級，用false表示知識規則的前提條件相似性系數，用false表示規則置信度，上述三者的關系可用以下公式表示：

在專家系統程序在進行初始運行的過程中，規則置信度false被設置為0.5，一般使用的次數越多，可信度數值也就會變得越高。一般系統每使用10次，可信度會在原本的基礎上增加0.01.如果進行規則修改，每修改5次，那么可信度將會在原本的基礎上下降0.01。另一方面，當遇到一些新的故障問題時，負責系統運行的工作人員可以提出申請，通過增加信號設備故障針對性解決規則，從而保證故障等級設置的合理性。系統在具體推理過程中，如果采用的推理規則數量比較多，那么在計算總推理規則時，需要將單個規則可信度進行相乘。

通常情況下，知識規則的前提條件相似性系數false的范圍在0至1內，如果false=1，則能夠說明之前假設有故障的前提，均與專家系統知識規則相匹配，當false在1以內，并且比false假設條件還要小，則需要將false設置為0.3，如果值在false之間，需要將false設置為0.6，如果在false之間，需要將false設置為0.8。在故障出現后，專家系統需要根據上述內容，完成不同規則優先級計算，然在根據最終規則優先級排序，做好相應規則的選取。

以鐵路信號設備道岔無法轉換為例，當用戶利用專家系統選擇道岔無法轉換該故障時，將會激活專家系統的一個故障，即該道岔故障可信度為0.9，但系統分析該故障原因時，主要包含兩種情況，一是道岔無法完全轉換，二是道岔轉換徹底失靈，二者帶來的影響程度存在一定差異，因此專家系統還需要輔助其他信息，來證明自身判斷的正確性。比如系統會給出提示：道岔是否無法完全轉換？交由用戶進行選擇確定，如果用戶選擇了“是”選項，專家系統將會繼續做出下一步判斷：即電壓是否存在問題？如果存在問題，那么說明電路不處于故障狀態，該結論可信度將會上升至0.95，如果發現電源沒有電壓，那么可以得出繼電器出現了故障結論，最終可信度將會降低至0.45。后續以此類推，專家系統會將上一步得出的結論做為下一步的推理條件，最終得出最佳的故障診斷結果。

3、鐵路信號設備故障診斷專家系統工單模塊

針對鐵路信號設備的故障診斷，在專家系統給予最終診斷解決方案后，后續需要根據方案完成檢修。從當下鐵路設備故障檢修開展現狀來看，整體有著一定的隨機性，且當第一批檢修人員與第二批檢修人員進行交接時，容易出現溝通問題，導致故障信息的缺失，不利于故障檢修質量水平提升。而本文提出的這種專家系統，能夠采用報表的形式，將相應檢修方案上報給維修部門，從而避免了信息溝通缺失問題，前一批檢修人員只需要告訴后一批檢修人員具體的檢修完成狀態即可。相關人員在完成故障檢修后，還需要在系統中錄入故障的檢修說明，從而不僅能夠實現對完整檢修過程及結果的記錄與保存，還能夠為現場研究人員提供足夠的信息，有效提高故障檢修效率[3]。

總結：綜上所述，鐵路信號設備是鐵路信系統的一項非常重要的設備，一旦出現故障問題，將會對鐵路運行整體安全帶來非常嚴重的影響。因此需要加強各種先進的故障診斷技術應用，相較于傳統的狀態估計診斷、參數故障診斷技術，專家系統故障診斷診斷推理速度快，數據存儲控價小，易于編程與實現，因此能夠有效提高鐵路信號故障診斷檢測效果，提高故障檢修效率，更好維護鐵路運轉安全。

參考文獻：

[1]劉富錢. 鐵路信號設備故障診斷方法探討[J]. 電子技術與軟件工程， 2016， 023（011）：56-57.

[2]沈振. 鐵路信號設備故障診斷方法綜述[J]. 城市建設理論研究：電子版， 2016， 012（009）：660-660.

[3]陳麗. 鐵道信號聯鎖設備的故障診斷研究[J]. 天工， 2019， 023（10）：140-140.

作者簡介：

李承連（1971-06）男，籍貫：湖北武漢，學歷：本科;職稱：高級工程師，研究方向：信號工程施工及管理工作。