高速鐵路信號系統運維分層架構模型研究

林 鵬 田 宇 袁志明 張 琦 董海榮 宋海鋒 陽春華

截止到2020 年底,我國已成為世界上高速鐵路運行里程最長、在建規模最大的國家.隨著“八縱八橫”高速鐵路網建設規劃的提出,我國高速鐵路建設進入全面快速發展階段.近年來,隨著我國高速鐵路網的快速發展,高速鐵路已經成為中國鐵路旅客運輸的主要渠道.2020 年,國家鐵路旅客發送量為21.6 億人次,高鐵動車組旅客發送量約占鐵路旅客發送量的70%;高鐵運營里程達到3.79 萬公里,占世界高鐵總里程的2/3 以上.高速鐵路的發展,極大地提高了列車的運行速度,縮短了城市間的時空距離,促進了區域經濟的繁榮與文化的交融[1?3].安全是高速鐵路的生命線,特別是隨著列車速度的不斷提高和運行密度的加大,安全成為人們越來越關心的問題.以京滬鐵路為例,目前運營速度為350 公里/小時,平均日開行列車高達426 列,列車最小追蹤間隔不到3.5 分鐘,如此高的“運行密度”已逼近鐵路運力上限,一旦發生事故,可能造成重大的人員傷亡和經濟損失.

高速鐵路信號系統是指揮列車運行、控制列車運行速度和追蹤方式、傳遞列車相關控制信息、監督列車運行及各種相關作業情況的總稱,由車載和地面兩大系統組成,進一步又可以分為車站聯鎖系統、區間閉塞系統、列車控制系統、調度指揮系統、微機監測系統以及其他安全技術系統等,具體架構見圖1[4].信號系統作為高速鐵路的“大腦和神經中樞”,是確保高速鐵路安全、高效運營的關鍵設備.高速鐵路信號系統是一個極其復雜的系統,這導致信號系統運維難度巨大.且一旦某一設備出現故障,如果不及時進行運行維護,極有可能導致其他設備發生連鎖故障,甚至會造成社會和經濟重大損失.因此,如何保證信號系統的安全運營具有重要的理論意義,也是我國高速鐵路發展亟需解決的重大應用課題.

圖1 高速鐵路信號系統架構圖Fig.1 The structure of high-speed railway signaling system

然而,目前高速鐵路信號系統運維研究工作主要集中于器件級系統或基本單元系統,系統層面的相關研究幾乎為空白,亟需從整體上系統地研究高速鐵路信號系統的運維理論并建立全局架構模型.因此,本文的第一個研究重點為建立高速鐵路信號系統運維體系框架,定義關聯信號系統概念,提出分散式動態評估函數,構建高速鐵路信號系統分層架構模型.

我國幅員遼闊,鐵路運營里程長,部分線路運行環境惡劣,信號系統運維困難且成本高.目前高速鐵路信號系統運維存在以下不足[5?8]:1)現有信號系統仍然采用傳統的“大經驗、小科學”的運維思路,信號系統的運行狀態評估和維護都依賴于人的經驗,極少能從機理上或基于大數據分析挖掘信號系統之間的橫向耦合關系;2)信號系統的量化評估大多是基于單個系統評估的線性綜合,準確性和有效性難以保證;3)信號系統異常情況具有隨機性、并發性和共因性,現有的定期檢測和維護等方法雖然能夠一定程度上檢測并排除故障,但很少對信號系統設備的相關數據進行有效利用并很少對高速鐵路信號系統進行實時的風險預警和故障診斷.2011年7 月23 日發生的甬溫鐵路追尾事故是一起典型的信號系統故障引起的重大鐵路交通事故,甬溫線雙向中斷32 個多小時,造成重大的生命和財產損失.事故主要原因為信號系統設備遭受雷擊而發生故障.因此,如何對信號系統的運行狀況及時作出科學評估,進行準確的風險預警和故障診斷是高鐵信號系統運維所面臨的重要挑戰.本文第二個研究重點是針對以上存在的問題,在所構建的分層架構模型基礎上,提出動態定量評估、動態風險預警和故障診斷的研究方法.

1 高速鐵路信號系統分層架構模型

高速鐵路信號系統由調度指揮系統、列車控制系統、車站聯鎖系統、區間閉塞系統、信號集中監測系統、電源系統等構成.高速鐵路信號系統規模巨大,列車、站點和線路數目巨大,且從整體上看,高速鐵路信號系統是一個復雜的非線性、強時變、強耦合的不確定網絡化系統,其覆蓋面非常寬廣且錯綜復雜.任一子系統的異常運行狀態極有可能在全網多層次的傳播,直接或間接影響全網各子信號系統和設備的運行,甚至會引起整個信號系統的紊亂,嚴重影響高速鐵路系統的正常運營.

1.1 面臨的挑戰

高速鐵路信號系統的可靠運行對保證高速鐵路的安全、高效運營起著關鍵作用.高速鐵路信號系統運維研究已經有了一定的成果,但由于其復雜巨系統特征,如何分析高速鐵路信號系統的運行機理,實現高速鐵路信號系統定量評估、風險預警與故障診斷等還面臨著很大的挑戰,還有很多問題值得繼續深入研究.特別是,目前高速鐵路信號系統運維還沒有統一系統的定義,且相應研究集中于器件級系統或基本單元系統,而對于高速鐵路信號系統整個系統層面的運維研究還幾乎為空白,并未建立設備運維之間的聯系.當多個子系統相互耦合、相互作用時,現有的方法難以實現對整個系統有效的運維處理.因此,高鐵信號系統研究亟需建立系統性的運維理論.

1.2 高速鐵路信號系統分層架構劃分

為研究整個高速鐵路信號系統的運維,在深入分析系統運行狀態的基礎上,可分析各信號系統之間的關聯性與獨立性,并根據功能的不同,定義關聯信號系統,將高速鐵路信號系統劃分為多個層次,構建高速鐵路信號系統分層架構模型(見圖2).所構建模型的最頂層為決策層,決策層是一個由調度控制關聯信號系統、列車關聯信號系統和地面監控關聯信號系統所組成的分散式網絡化系統.其中,關聯信號系統是指若干子信號系統所組成具有特定功能的整體,各子信號系統相互作用、相互依賴,而且每個關聯信號系統可能從屬更大的關聯信號系統.在決策層的基礎上,可分別將調度控制關聯信號系統、列車關聯信號系統和地面監控關聯信號系統作進一步劃分,形成下一級關聯信號系統.例如,調度控制關聯信號系統可劃分為調度中心關聯信號系統、車站關聯信號系統、網絡通信關聯信號系統等信號系統;列車關聯信號系統可劃分為車載列控關聯信號系統、車載監控關聯信號系統、通信關聯信號系統、定位測速關聯信號系統等信號系統;地面監控關聯信號系統由微機監測關聯信號系統等信號系統組成.按照此方法,從上到下逐層劃分,直至最底層的某一個具體功能系統,如調度中心、無線閉塞中心和臨時限速服務器等,將最底層的具體功能系統定義為基本單元信號系統.

圖2 高速鐵路信號系統的分層架構模型框圖Fig.2 The hierarchical structure model of high-speed railway signaling system

1.3 決策層分散式動態評估函數

在第1.2 節中,將決策層劃分為調度控制關聯信號系統、列車關聯信號系統和地面監控關聯信號系統.而這三個關聯信號系統并不是獨立存在和運行的,為描述其關聯性,需要構建函數來定量評估.由于高速鐵路系統中列車數量巨大,相互耦合關系復雜,且列車在實時動態變化,構建統一靜態的高速鐵路信號系統定量評估函數難以實現.為此,考慮到列車系統的同構性,基于每列列車的運行狀態和限制條件以及列車的性能評估,結合列車運行目標和列車之間相對運行狀態等,可提出決策層意義下的列車網分散式動態評估函數,來評估決策層三個關聯信號系統之間的耦合關系.對于第i列列車,分散式動態評估函數可取如下形式:

其中,xi(t) 表示在t時刻第i列列車的位置;xi0(t)表示在t時刻第i列列車的期望位置;hi, i?1表示第i列列車與第i ?1 列列車之間期望的距離;γ1>0,γ2>0,γ3>0 表示比例系數;f1(γ1∥xi(t)?xi0(t)∥)表示列車自身運行狀態影響;f2(·) 和f3(·) 表示前后車相對運行狀態的影響;?表示函數f1(·),f2(·),f3(·)的作用關系,可以為加性、乘性等關系.將其應用于實際高鐵信號系統時,具體形式需要根據實際情況作出調整.

在此基礎上,將列車網分散式動態評估函數與決策層各關聯信號系統評估函數相融合,構建高速鐵路信號系統分層架構模型.

2 高速鐵路信號系統定量評估

針對單個信號系統的定量評估已有一定的研究,但相關工作很少從機理上分析信號系統之間的相互作用對整個高速鐵路信號系統的影響,其評估的準確性和可靠性難以保證.如何從關聯信號系統的角度對信號系統進行定量評估需要得到更加深入的研究.

2.1 面臨的挑戰

定量評估問題是高速鐵路信號系統運維中最關鍵的問題之一.定量評估是一種“事前型”的評估手段,通過對信號系統的“健康狀態”進行定量評估,可以對系統運行可能出現的風險進行預測,避免事故的發生.現有的信號系統定量評估方法主要是以單個信號系統的評估結果為基礎,通過線性綜合得到整個信號系統的評估結果.由于信號系統之間的耦合作用是非線性的,現有的評估方法很少從機理上分析信號系統之間的相互作用對整個信號系統的影響,故難以獲得準確有效的結果.具體來說,高速鐵路信號系統定量評估主要存在兩方面的研究困難:一是高速鐵路信號系統是一個強耦合的網絡化系統,信號系統之間的耦合關系難以描述,難以通過單個信號系統的定量評估結果線性綜合得到整個信號系統的準確評估;二是高速鐵路信號系統網絡結構復雜,站點、列車和線路數目眾多且列車運行等相關狀態實時變化,難以建立整個信號系統統一的定量評估模型.

目前高速鐵路信號系統定量評估研究非常有限,主要研究方法大致可以分為兩種:基于子系統機理分析或經驗的線性綜合評估方法和數值分析評估方法(或稱為數據驅動法).

基于子系統機理分析或經驗的線性綜合評估方法,主要是通過分析子系統的運行狀態、輸入和輸出之間的耦合關系對子系統進行評估,然后對子系統的評估線性綜合,從而實現整個系統的評估.該方法雖然對子系統的評估較為準確,但對子系統之間相互作用關系的描述并不是很準確,導致所得定量評估結果難以應用到實際中[9?13].例如,文獻[11]提出了將層次分析法、最大絕對加權殘差法和最大熵法有機結合的綜合加權算法,并選取了ZPW-2000A 型移頻軌道電路室內設備、計算機聯鎖、調度中心三種典型的鐵路信號系統設備,計算了設備的危險故障率、評估了設備的安全水平.但是,該模型僅考慮了獨立站點設備的評估問題,未考慮站點之間、不同系統和設備間的相互影響.因此,該模型在實際應用中的準確性還有待進一步提高.

數值分析評估方法(或稱為數據驅動法)是通過數據分析處理來挖掘系統測量數據、實驗數據和觀測數據中的隱含信息,根據這些信息是否滿足某些要求來評估信號系統的性能.在該方面先后提出了基于決策樹、貝葉斯、神經網絡、遺傳算法、模糊邏輯、灰色聚類等方法來對信號系統進行評估[14?18].數值分析評估方法存在兩方面關鍵不足:一是難以獲取足夠的實際運行數據,并且實際數據無法覆蓋所有可能發生的情況,所得模型準確性難以保證,尤其是高速鐵路信號系統規模巨大,各種信號系統的耦合關系錯綜復雜;二是由于高速鐵路信號系統由多個異構子系統和設備組成,各種運行數據混合在一起,多源異構數據融合分析存在較大困難,難以準確區分和描述各種系統相互之間的影響.

2.2 高速鐵路信號系統動態定量評估研究方法

本文所考慮動態定量評估方法主要是針對所構建的分層架構模型決策層和關聯信號層系統,在兼顧各系統單獨評估的基礎上,考慮系統之間關聯性的影響.由于高速鐵路信號系統的子系統數量巨大且性質迥異,高速鐵路信號系統評估難以采用統一的方法來實現.在此,本文僅給出主要的研究方法,具體分為基本單元信號系統定量評估、關聯信號層系統定量評估、決策層系統動態定量評估三種情況(見圖3).

圖3 高速鐵路信號系統動態定量評估研究方法Fig.3 The dynamic quantitative evaluation of high-speed railway signaling system

基本單元信號系統定量評估.針對基本單元信號系統,研究系統的輸入輸出特性,分析系統的輸入域和輸出域分布、輸入輸出映射關系以及各狀態對應的系統穩定裕度,并結合信號系統的標稱數據,利用機器學習等數值分析方法,對系統輸入輸出映射關系進行定量分析,建立該信號系統的定量評估函數.

關聯信號層系統定量評估.針對各關聯信號層,分析信號系統之間的關聯程度、各事件的變遷過程以及信號系統不同狀態的穩定裕度.基于系統控制、網絡化系統智能協同方法等思想,研究關聯信號系統中各子信號系統的耦合關系.將各子信號系統的相互作用看作各子信號系統的輸入輸出,考慮各子信號系統輸入輸出域的限制條件,確定出整個關聯信號系統的輸入輸出域以及各狀態對應的系統穩定裕度.進而利用機器學習等數值分析方法,對整個關聯信號系統輸入輸出的關系進行定量分析,建立該關聯信號系統定量評估函數.并基于所獲得的關聯信號系統的實際運行數據,對所得該關聯信號系統的定量評估函數進行驗證和修正.

決策層系統動態定量評估.將第1.3 節中所提出的列車網分散式動態評估函數與決策層各關聯信號系統定量評估函數相融合,構建高速鐵路信號系統動態定量評估函數.并基于所獲得的實際運行數據對所得動態定量評估函數進行驗證和修正.

3 高速鐵路信號系統風險預警

目前高速鐵路信號系統局部風險建模和風險預警研究都有了一定的成果,但利用信號系統輸入輸出狀態數據對整體信號系統的風險進行預警的相關研究工作還有待進一步推進.該問題不僅需要考慮系統不同狀態下異常情況發生對系統的影響,而且需要考慮其在車線網上的傳播所帶來的影響.

3.1 面臨的挑戰

風險預警是高速鐵路信號系統運維中最復雜的問題之一.風險預警主要是針對信號系統可能出現的風險進行定性和定量的評估,從而預防事故的發生.目前關于高速鐵路信號系統風險預警研究的困難主要體現在以下三方面.首先,從信號系統設備來看,由于信號系統設備越來越復雜,設備異常的發生具有很大的隨機性和偶然性,電子系統的封閉性使得信號系統設備運行風險具有隱蔽性,識別和預估設備運行異常情況存在著較大的困難.其次,信號系統運行異常情況的發生具有并發性和共因性,例如大風大雨的出現可能會使不同設備系統同時出現異常情況,其影響可能在車線網上交叉傳播,相互耦合、相互再度影響,必須同時考慮雙重或多重異常情況對信號系統的影響.同時,某些異常情況的影響可能會沿車線網傳播和擴散,會對不同信號系統的正常運行狀態同時帶來破壞,例如當某車站列車因設備故障發生延誤時,延誤將會沿著車線網傳播,造成整條線路甚至全網其他列車不同程度的延誤.再次,信號系統之間存在強非線性、強時變耦合關系,異常情況對信號系統和相關聯的信號系統的影響難以準確描述.

目前,風險預警方面研究最多的是基于延遲時間的風險預警模型[19?24].例如,文獻[19]針對鐵路軌道檢查和維護問題,研究了基于延遲時間的風險預警模型,考慮異常情況的風險概率,利用遺傳算法計算檢測策略的成本和風險水平,該研究成果被挪威國家鐵路管理局采用.在兩過程延遲時間模型的基礎上,文獻[20?22]作了進一步拓展,按照系統損傷的嚴重程度將延遲時間分為三個過程,構建了三過程延遲時間風險預警模型.

除了基于延遲時間的風險預警模型,其他學者還研究了基于故障樹分析、模糊推理、云模型和證據理論分析等一系列風險預警模型[25?29].例如,文獻[25]在所收集的鐵路系統數據分析基礎上,建立了基于故障樹和事件樹的風險評估預警模型.文獻[28]利用模糊網絡分析法,結合專家意見和網絡分析,量化高鐵運營中的風險因素,評估高鐵安全風險等級.文獻[29]針對我國高速鐵路歷史風險數據不足、獲取困難和難以定量評估問題,提出了基于云模型和證據理論的信號系統風險預警模型.

3.2 高速鐵路信號系統動態風險預警研究方法

本文所考慮高速鐵路信號系統風險預警方法的核心思想是,在所構建的分層架構模型基礎上,針對關聯信號層和決策層,構建關聯信號層系統風險預警模型,并分析決策層各關聯信號系統的關聯性,從而構建決策層系統動態風險預警模型(見圖4).

圖4 高速鐵路信號系統動態風險預警研究方法Fig.4 The dynamic risk early warning of high-speed railway signaling system

關聯信號層系統風險預警.考慮關聯信號系統各子系統輸入輸出域的限制和定量評估函數,研究關聯信號系統中輸入輸出關系.在不同狀態情況下,注入給定異常情況,分析異常情況對狀態和輸出的影響,結合給定異常情況的發生概率,構建單異常關聯信號系統風險預警模型.在此基礎上,同時注入多個給定異常情況,研究異常情況的多重概率分布,分析異常情況對狀態和輸出的影響,構建多重異常關聯信號層系統風險預警模型.

決策層系統動態風險預警.針對決策層系統,分析異常情況單獨發生或多重發生狀況在車線網上的交叉傳播過程、范圍及影響.基于每列列車的運行狀態、限制條件、列車性能、列車運行目標以及列車之間相對運行狀態等,結合異常情況的單重或多重概率分布,提出列車分散式動態風險預警函數,進而將其與決策層各關聯信號系統的風險預警模型相融合,構建決策層系統動態風險預警模型.

注.本節中風險預警模型構建與第2 節中定量評估模型構建具有明顯區別.定量評估模型側重系統自身的評估,一般未考慮異常情況的影響,而風險預警不僅要考慮系統受到異常情況的影響,還要考慮異常情況的影響在不同系統中的傳播影響.除此之外,風險預警還需考慮異常情況的并發性和隨機性,如災害天氣可能同時造成幾種信號設備異常,且該異常情況產生的影響會沿車線網傳播,進而影響其他車站列車和系統的正常工作.

4 高速鐵路信號系統故障診斷

目前高速鐵路信號系統故障診斷主要集中于單個器件級系統或多個同構子系統的研究,很少考慮高速鐵路信號系統的異構問題.此外,現有方法對故障在車線網中交叉傳播機理的研究還很不成熟,多是僅考慮站點之間的故障,所得相關結果難以應用于全網上的故障傳播分析.

4.1 面臨的挑戰

現有高速鐵路信號系統故障診斷的研究主要集中于單個器件級系統或多個同構子系統所組成的系統.比如,列車控制系統和車站信號控制系統故障診斷方面,先后提出了以信號處理、建模處理和知識處理相融合的智能診斷技術,診斷方法包括故障樹、專家系統和貝葉斯網絡等[30?36].考慮到車載信號系統設備系統化、復雜化的發展趨勢,故障呈現出隱蔽性、多樣性和重疊性等特點,文獻[33]將動態貝葉斯網絡的方法用于列車運行控制系統車載信號設備的故障診斷.文獻[34]提出了針對車站信號控制設備的專家系統故障診斷方法.然而由于高速鐵路信號系統是相互耦合的,文獻[33?34]的局部性診斷方法容易造成故障誤判或者漏判.文獻[35]提出了一種系統級的故障診斷方法,充分利用信號系統高度的信息交互和可靠的數據通信網絡進行節點互測,建立故障診斷模型和診斷算法,從而實現故障的定位和診斷.但該方法所需數據量巨大且數據檢測依賴于靜態環境,不適用于高速鐵路實際運行場景.

由于高速鐵路信號系統非常復雜,信號系統普遍存在異構問題且系統取值并不是連續的,而現有故障診斷方法多要求系統是同構且連續的,對于這些具有混合特征的信號系統故障診斷問題的相關研究方法有限.特別是,對于信號系統故障所導致的列車網調度與控制運行故障及其在車線網中的交叉傳播問題,現有研究還很不成熟,相關分析和解決方法僅局限于站點之間[37?42].例如,文獻[37?39]在某一線路區間通過能力部分失效、全失效情況下,研究了不同故障場景、優先級、故障持續時間等約束下的列車運行實時調整調度模型.文獻[40?42]研究了線路初始延誤時間已知、列車運行干擾較小情況下的列車運行調整優化模型,通過對列車到發時刻與運行順序調整來最小化延誤時間,從而實現列車最優調整調度.

4.2 高速鐵路信號系統故障診斷研究方法

高速鐵路信號系統故障診斷可以分為兩種情況:一是通過定量評估函數和風險預警模型能夠直接判斷或預測信號系統各環節的故障;二是通過定量評估函數和風險預警模型難以直接判斷是否出現故障.第一種情況下的故障診斷相對比較容易,在此不作深入分析.第二種情況在實際高速鐵路信號系統中是比較常見的,比如傳感器檢測基本單元信號系統常會包含多個同構或異構的傳感器,很難通過基本單元整體定量評估函數和風險預警模型直接判斷或預測哪個傳感器出現了故障.因此,本文僅分析和討論第二種情況以下兩種子情況的研究方法(見圖5).

圖5 高速鐵路信號系統故障診斷研究方法Fig.5 The fault diagnosis of high-speed railway signaling system

關聯信號層系統故障診斷.考慮到基本單元信號系統和關聯信號系統各子系統可能存在的異構特點,首先,通過分解、融合等操作將各子信號系統轉化為標準的控制系統.然后,基于關聯系統監測所獲得的電壓、電流、壓力等信號,利用傳統集中式控制和分布式控制理論,研究各子信號系統之間強非線性耦合關系,重構關聯信號系統的內部關鍵狀態.最后,根據所構建定量評估函數和風險預警模型,判斷關聯信號系統是否出現故障.

決策層系統故障診斷.考慮故障對全網列車的影響,基于列車之間相互作用關系,分析或預測列車運行狀態具體演化趨勢,從而判斷或預測出決策層發生故障的關鍵區域,進而判斷發生故障的信號系統.由于決策層各關聯信號系統相互耦合,特別是列車運行狀態是動態變化且相互影響,關聯信號系統的故障常會影響到列車的運行且沿著車線網傳播,造成決策層系統的運行故障.決策層系統的運行故障,通常可通過調度和相關信號系統的故障修復來解決.首先估計決策層系統故障的修復時間,研究故障在車線網上的傳播過程和影響范圍,并預測車線網列車的運行趨勢.然后基于列車網分散式動態評估函數和風險預警模型,結合非線性控制理論、多智能體系統分布式控制理論和調度優化方法,根據決策層信號系統的特點,提出列車調度方法和相關信號系統的故障修復方法,解決決策層運行故障.

5 結束語

高速鐵路信號系統運維理論和方法的研究具有重要的理論意義和實際應用價值.一方面,不僅可為提升高速鐵路智能化程度提供有力的支撐,而且可為列車運行控制、行車調度等實際智能運維系統的研究奠定理論基礎;另一方面,高速鐵路信號系統運維理論研究屬于多學科交叉研究,涉及復雜網絡建模與優化、列車運行控制、隨機概率、風險預警、故障診斷等眾多學科知識,該領域的研究不僅可為物聯網系統、電力系統等系統的研究提供參考和借鑒,還將有力地促進復雜網絡大系統理論的發展.為此,本文定義了關聯信號系統,提出了分散式動態評估函數,構建了分層架構模型.在此基礎上,針對分層架構模型的決策層和關聯信號層,從動態定量評估、動態風險預警和故障診斷三方面進行了研究、分析與展望.希望本文所提出的研究方法能為未來高速鐵路信號系統智能運維的發展與相關研究工作提供一定的幫助與參考.