基于關聯規則的鐵路信號設備故障診斷方法

張振海,張湘婷

(蘭州交通大學自動化與電氣工程學院,蘭州 730070)

引言

鐵路信號設備在保障列車運行安全、提高鐵路運輸效率等方面有著關鍵性作用。隨著我國鐵路快速發展，列車運行速度的提升，鐵路信號設備的重要性日益凸顯，使電務段對信號設備的維修管理變得更加嚴格。傳統的鐵路信號設備故障診斷主要靠人工經驗，且設備故障原因有明顯的隨機性和模糊性，因此，對人員專業水平要求高[1]。與此同時，鐵路信號領域的歷史故障維修成功案例大多以文本形式儲存，使得許多知識和經驗難以被充分利用。針對這一現狀，如何合理的運用這些文本故障信息輔助故障診斷，是一個亟待解決的問題。

故障診斷是利用現代檢測系統確定是否有故障發生，并確定故障發生的位置和類型等，故障診斷方式大致分為基于定性分析的故障診斷方法，基于信號處理的故障診斷方法，基于人工智能的故障診斷方法[2]。王蘭勇[3]根據鐵路信號設備發生故障現象、原因和處理方案設計專家系統；LEE等[4]運用聲學分析法對道岔系統進行故障探測分析；張娟[5]采用神經網絡BP算法解決鐵路信號設備多故障處理順序問題。隨著人工智能技術的成熟，通過人工智能方法將故障文本數據作為數據源的故障診斷方式，是當前研究的熱點之一。上官偉等[2]針對車載設備的故障日志，引入改進主題模型(Labeled-LDA)，通過支持向量機算法進行故障診斷；盛春東[6]根據案例推理建立鐵路信號設備維修決策模型；ZHAO等[7]結合PLSA模型和貝葉斯網絡的方法對高速鐵路車載設備進行故障診斷。以上這些學者并未深入挖掘出故障信息內的隱藏規律，同時缺少考慮鐵路領域先驗知識的影響。關聯規則是數據挖掘的重要領域，通過算法在海量數據中挖掘出潛在未知的規律，建立兩種或兩種以上事務數據之間的聯系。朱興動等[8]將關聯規則運用在飛機維修記錄上，查找出飛機故障與其他因素的聯系；張宏[9]提出基于Apriori算法的汽車運行數據采集設備故障診斷方法。

為此采用基于關聯規則的故障診斷方法，首先采用TF-IDF算法[10-11]，對以往的鐵路信號設備故障案例進行故障特征提取。由于故障特征詞可能出現的文本不同，相互之間隱藏某些關聯規律。需建立基于關聯規則的故障診斷模型，進而用改進FP-Growth算法[12-13]進行數據挖掘，計算項的權重使之表示支持度，依據頻繁1-項集劃分數據庫進行挖掘，在減少運行時間的同時可挖掘出更具有實際意義的關聯規則，從而提供維修輔助決策，簡化故障處理流程，保障列車運行安全。

1 基于故障文本信息挖掘的故障診斷流程

鐵路信號設備故障案例庫按照信號設備分成不同子庫，為道岔故障、軌道電路故障、信號機故障、電源屏故障、控制設備故障、移頻發送設備故障和移頻接收設備故障等[6]。為更好地描述故障設備信息潛在的關聯規則，以道岔故障為例，部分故障維修記錄如表1所示。

表1 故障維修記錄

由表1可知，鐵路信號設備故障維修案例總結主要是以文本形式記錄，存在故障數據不規范性，如“2013年3月21日18時45分，29/30號道岔瞬間斷表示”，其中，與道岔故障有關的信息只有“道岔瞬間斷表示”，無關信息的冗余會造成有實際意義的規律信息無法挖掘出來，故將鐵路信號設備故障診斷主要分為兩步：故障特征提取和故障診斷。鐵路信號設備故障診斷首先采用TF-IDF算法處理所采集的故障數據，提取關鍵故障特征詞，使其具有區分文本的能力。再用改進的FP-Growth算法，挖掘鐵路信號設備故障特征數據庫，得到關聯規則，結合專家相關經驗對其故障診斷，整體流程如圖1所示。

圖1 故障診斷整體流程

2 故障特征提取

鐵路信號設備維修成功案例是以故障文本數據為基礎，且故障文本數據是非結構化數據，需轉換成計算機可識別和處理的結構化數據，而且有效的文本特征提取可降低數據冗余度和維度，在故障診斷中占有重要的位置。故障特征項須具有以下特點：①可以真實反映文本內容；②具有良好的區分其他文本的能力；③特征項數量不能過多，否則會導致算法復雜度太高；④特征值之間需要有區分度[14]。主要步驟如下。

(1)使用NLPIR-ICTCLAS系統將收集的歷史故障文本信息進行分詞，并且刪除無關詞，轉化成以詞語組成的文本數據。

(2)將文本數據用VSM模型表示，采用TF-IDF算法計算每個詞語在文本的權重，刪除權重小的詞語。

(3)最終建立故障診斷模型。

2.1 文本表示

NLPIR-ICTCLAS是由中科院張華平團隊開發的一款漢語分詞系統，結合鐵路信號專業詞庫和停用詞，對故障文本數據進行預處理，去除如“故障發生地址”和“時間”等無關詞語，保留關鍵詞。

分詞后的結果，依舊是非結構化的數據，需將文本轉化為結構化數據，目前常用的文本表示方法有：布爾模型(Boolean Model)、概率模型(Probabilistic Model)、向量空間模型(Vector Space Model)[15-16]。目前使用最廣泛的是向量空間模型VSM。

向量空間模型VSM旨在把文本內容轉換特征詞-特征權重的向量并保存。把特征項t1，t2，…，tn看作是一個n維坐標系，權值w1，w2…，wn表示其對應的坐標值，文本di映射為該向量坐標空間中的一個特征向量V(di)=(t1，wm1;t2，wm2;…;tn，wmn)，文本總體的VSM表示見表2。

表2 文本的向量空間模型

2.2 TF-IDF算法

TF-IDF算法是一種經典的基于向量空間模型計算特征項重要程度的方法，通過考慮詞語在文本中出現的頻率和在文本集中的分布，計算詞語權重[10]，其中，TF為詞頻，IDF為逆向文檔頻率。核心思想：假設某個詞在某條文本中出現頻率較高(TF較高)，但在剩余文本中頻率低(IDF較高)，則該詞有很好地類別區分能力。TF-IDF方法計算公式如下

Wt，d=tft，d×idft，d

(1)

式中，Wt，d為特征值t在文本d中的權重；tft，d為詞頻；idft，d為逆文檔頻率。

tft，d詞頻為特征值t在文本d出現的次數與文本d中所有特征值之比，計算公式如下

(2)

式中，nt，d為特征值t在文本d中出現次數；∑knt，d為文本d中所有特征值的個數。

逆文檔頻率idft，d是文本數量與特征值t在文本集中出現的次數比值，計算公式如下

(3)

式中，N為文本數據庫中文本總數；Nt，d為文本含有特征值t的文本數量。如果某詞不在樣本中，會導致分母為0，因此，分母加1是為避免該情況。

將NLPIR系統處理后文件加入TF-IDF算法，計算權重Wt，d。

2.3 故障診斷模型

由于鐵路信號設備種類繁多，遇到的故障多種多樣。通過對鐵路信號故障數據總結，結合鐵路信號專家的經驗知識，建立基于關聯規則故障診斷模型，如圖2所示。故障診斷模型分為3層：故障特征層、故障類型層(一級故障層)和故障原因層(二級故障層)[17]。故障特征層是故障文本進行預處理后得到的故障特征，故障類型層是根據第1節鐵路信號設備分類結構細分得到的設備名稱如“轉轍機相關故障”“整流匣相關故障”，故障原因層是相對于類型層更加具體的故障部位如“繼電器”“補償電容”等。本次研究認為導致故障現象發生的原因是單一的，因此，根據故障傳播原理，對故障診斷模型層進行以下說明。

圖2 故障診斷模型

(1)二級故障是一級故障出現的原因。

(2)一級故障和二級故障均是故障特征出現的原因。

(3)一級故障之間相互獨立，每次只能推導出1個一級故障。

(4)二級故障之間相互獨立，每次只能推導出1個二級故障。

根據故障診斷模型，對各屬性進行編號，表1的處理結果如表3～表5所示，如表1中的維修記錄5，根據故障診斷模型可得出F7(表示時有時無)→T5(整流匣相關故障)→R4(整流匣電阻內部開路)，從中可看出，故障特征層、故障原因層與故障類型層3層之中具有因果關系。

表3 故障類型

表4 故障特征

表5 故障原因

3 基于關聯規則的故障診斷

關聯分析是發現隱含于大數據中具有實際意義的規律信息，描述為關聯規則或頻繁項集[18]。采用改進FP-Growth算法挖掘出隱含在故障特征的關聯規律，得到故障特征、類型和原因之間關聯關系，作為鐵路信號設備故障診斷的重要依據。

3.1 FP-Growth算法

FP-Growth算法優勢是只需遍歷2次事務數據庫，運行效率高。首次遍歷數據庫D，目的是刪掉小于最小支持度的項，建立頻繁項集，第二次遍歷用于建立FP-Tree，具體步驟如下。

(1) 遍歷事務數據庫，計算每項支持度并除去多余項，獲得頻繁1項集L，按照支持度降序排列得到有序頻繁1項集P，然后對事務數據庫D重新調整。

(2) 創建根節點root和頻繁項目頭表，再次遍歷事務數據庫D，根據頻繁1-項集P調整每條事務，掃描每條事務建立分支創建FP-Tree。

(3) 根據FP-Tree找到單項的條件模式基，遞歸挖掘條件FP-Tree，最終依據頻繁項集從中得出關聯規則。

3.2 改進FP-Growth算法

3.2.1 支持度計算

傳統FP-Growth算法中每個項的支持度等于項在事務數據庫中出現的頻率，但忽視每個項在事務數據庫D的重要程度，以至于挖掘出大量無用的關聯規則[19-20]，因此，提出基于權重的支持度計算方法。為體現項對事務的重要性，同時保留發生頻次低但一旦發生會產生重大事故的故障特征。人為對每個故障特征進行危險性評估，分為輕度危險、中度危險、重度危險和極重度危險，將評定為重度危險和極重度危險項，自動保留且支持度設為0.3，其余項按照所提出的基于權重的支持度計算，計算方法如下。

設I={I1，I2，…In}為事務數據庫D的項集，n為表示項的個數，設置項Im在事務數據庫中的權重為w(Im)，表示項Im在數據庫出現的次數與數據庫中總體事務數量之比，計算公式為

w(Im)=l/k

(4)

式中，l為項Im在數據庫中出現頻率；k為數據庫中事務總數。

事務Ti為事務數據庫中第i條數據，該事務的權重是事務本身含有全部項的權重的平均值，記為wt(Ti)，即對第i條事務的所有項的項權重w(Im)求取平均值，其中，m=1，2，…，n。計算公式為

(5)

項Im的支持度是含有該項的全部事務權重和數據庫中全部事務權重之比，即sup(Im)，計算公式為

(6)

式中，f為包含項Im的事務個數；wt(Tx)是包含項Im的事務權重；k為事務數據庫中所有事務數量；wt(Ty)為事物數據庫中每條事務的權重。

3.2.2 關聯規則挖掘

傳統FP-Growth算法遍歷數據庫時，需建立FP-Tree實現頻繁項集挖掘，當事務數據庫過于龐大時，建立的FP-Tree占用內存大，導致運行速率低，降低挖掘效率[21-22]。另一個改進地方是根據頻繁1-項集劃分數據庫的思想挖掘數據，構建各項的數據庫子庫并直接構造每項的條件FP-Tree，在減小內存占用，同時提升挖掘效率。具體算法描述如下。

(1)遍歷事物數據庫D，按照3.2.1節的支持度計算得到每項支持度確保項的重要性，去除小于最小支持度的項，降序排序得到頻繁1項集L，設L={T1，T2，…，Tn}，調整事務數據庫按照頻繁1-項集排序得到有序的事務數據庫D′。

(2)再次遍歷事務數據庫D′，找到包含項Tm所有的事務，刪除小于項Tm支持度的其他項，得到包含項Tm的數據子庫DT。

(3)采用FP-Growth算法對項Tm的數據子庫進行關聯規則挖掘，具體步驟如下。

①根據包含項Tm的數據子庫DT建立FP-Tree，創建項頭表N。其中，項Tm排在最后，當已有分枝存在，判斷新來節點是否屬于該分枝節點，屬于重合計數加1，否則重新建立分枝，最終得到數據子庫DT的FP-Tree。

②只挖掘項表頭N最后一項的信息，即只挖掘包含項Tm的頻繁項集，找到項Tm的條件模式基，建立條件FP-Tree，遞歸調用樹結構，得到包含項Tm的數據子庫DT頻繁項集UT。

③重復步驟①②，把頻繁1-項集L內所有項的頻繁項集UT全部挖掘出來，取并集得到頻繁項集U，為事務數據庫D的所有頻繁項集。

3.3 基于關聯規則的故障診斷

通過對鐵路信號設備故障特征進行挖掘得到關聯規則，保存到歷史故障文本數據的知識庫KB，從知識庫中提取規則進行故障診斷，步驟如下。

(1)將信號設備故障現象進行故障特征提取，再與知識庫KB中的已有規則進行匹配，如果匹配成功，直接輸出診斷結果。

(2)若只有部分匹配，將其放入知識集KS中，選擇包含此故障特征置信度大的規則，得出最優解。

(3)若KS為空，則詢問用戶是否加入新規則，若不加入，系統失敗進入人工診斷，若加入，即此時用戶添加了新的知識，則根據新的知識庫，重新進行診斷，流程如圖3所示。

圖3 基于關聯規則的故障診斷流程

4 實驗結果分析

4.1 實驗環境

實驗使用的硬件為Intel(R)酷睿I5-42210U，2.70 GHz處理器，8 GB內存，操作系統是Windows 7旗艦版64位；軟件為eclipse3.4-jee-ganymede開發運行平臺，JDK7.0版本。

4.2 算法比較

本實驗以2013年～2018年的某鐵路局電務段的鐵路信號設備故障案例庫為數據源，包括道岔、信號機、軌道電路等。

圖4(a)表示在數據庫中，隨機選擇1 000～6 000條事務對其挖掘，分別計算每個故障案例子庫中項的支持度，根據現場經驗，設置最小支持度為0.02。由圖4(a)可知，事務數據庫越龐大優化算法的優勢越明顯，因為傳統算法是針對數據庫構造整體FP-Tree，數據越多FP-Tree所占內存越大挖掘效率也越低。

圖4 實驗結果比較

圖4(b)表示隨機從數據庫中選取5 000條數據進行實驗，設置不同最小支持度min_sup，比較兩種算法的運行時間。由圖4(b)可知，在相同規模下的數據庫和不同最小支持度的條件下，改進算法要比傳統算法的運行時間要短，并且最小支持度設置越小改進算法的優勢越明顯。

4.3 故障診斷應用及分析

從鐵路信號設備故障案例庫中，隨機選取其中10 000條數據進行實驗，其中，75%作為訓練集，25%作為測試集，分別計算每個故障案例子庫中項的支持度，設置最小支持度為0.02，置信度為0.6，得到的關聯規則有3578條，其中符合最小置信度和故障診斷模型的關聯規則有2281條。因篇幅有限，僅列出道岔故障相關的10條具有代表意義的關聯規則，如表6所示。

表6 關聯規則

根據對鐵路信號設備故障挖掘關聯規則再結合專家經驗，根據診斷結果選擇維修方案。例如，根據規則9中故障特征詞道岔無表示與道岔扳不到位可推出是轉轍機相關故障，即從故障特征層推到故障類型層，如果推理正確，再根據規則8中轉轍機相關故障推出轉轍機減速器抱死，即從故障類型層推到故障原因層，如果原因正確，推出解決方案更換減速器。如果推理不正確換一條規則重新推理，直到推出最終結果。

為驗證本文算法的有效性與實用性，同時避免重要故障原因的遺漏，將P@N(N=5)作為評價指標[23]，將最可能出現的5條原因作為輸出結構，具體公式如下

(7)

式中，i為第i類故障；Ci為第i類故障的個數；I(j)為以第i類的故障數為基礎，輸入測試集的故障現象通過故障診斷算法輸出的5個故障原因是否包括實際的故障原因，如果包括I(j)取1，反之取0，若實際故障原因單一，且推理出的原因包括實際原因，則P@N=1。

選擇本文算法、文獻[6]基于案例推理的故障診斷(CBR算法)、文獻[7]基于PLSA模型和貝葉斯網絡的故障診斷(BNPLSA算法)，根據第1節的對鐵路信號設備分類，進行P@N(N=5)的比較，所得結果如圖5所示。

圖5 各類故障的P@N比較

由圖5可知，本文算法的P@N均高于其他兩種算法，且平均診斷準確率86.77%，比其他兩種算法分別提高10.35%和11.44%。基于案例推理的故障診斷采用的VSM模型的余弦相似度和BTM模型的相似度，該方法僅考慮當前故障現象與歷史案例的相似度，并未綜合考慮到故障維修文本數據的潛在規律。基于PLSA模型和貝葉斯網絡的故障診斷，采用PLSA模型進行主題分類，但PLSA模型為無監督學習，缺少考慮鐵路領域的先驗知識，導致取得的故障特征較少。因此，本文算法提取故障特征詞，通過改進FP-Growth算法，挖掘出故障文本數據的潛在規律，最終通過故障診斷流程，能夠更加精確的推出故障原因，輔助現場維修人員快速處理故障設備。

5 結論

(1)通過分析當前鐵路信號設備維修所存在的問題，利用大量歷史維修文本記錄，提出鐵路信號設備故障診斷流程；采取TF-IDF算法提取歷史維修記錄的故障特征詞，按照故障診斷模型進行分類；最終通過改進的FP-Growth算法，發現具有維修指導意義的關聯規則。

(2)實驗證明，計算每項權重來確定支持度，依據頻繁1-項集對其進行分塊挖掘的改進FP-Growth算法比傳統FP-Growth更具有優勢。該方法可以挖掘出鐵路信號設備中的故障特征、類型和原因之間的關聯關系，為鐵路信號設備維修提供幫助。通過對比實驗分析，本文方法可提高故障診斷的效率，為鐵路安全運行提供保障。

(3)由于文中最小支持度是根據現場經驗人為設定的，會影響頻繁項的數量，當數據庫不斷擴大時，頻繁項數量的增多導致會挖掘出大量冗余的關聯規則。如何根據事務數據庫中的事務數量動態設定最小支持度，是下一步研究的重點。