高速鐵路災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷方法研究

李亞群，包云，韓霈然，楊建偉，陳中雷

（1.北京經(jīng)緯信息技術(shù)有限公司，北京 100081；2.中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司 電子計(jì)算技術(shù)研究所，北京 100081；3.北京交通大學(xué) 交通運(yùn)輸學(xué)院，北京 100044；4.中國(guó)鐵路北京局集團(tuán)有限公司 工務(wù)部，北京 100860）

高速鐵路災(zāi)害監(jiān)測(cè)系統(tǒng)（簡(jiǎn)稱：災(zāi)害監(jiān)測(cè)系統(tǒng)）實(shí)時(shí)監(jiān)測(cè)鐵路沿線風(fēng)、雪、雨等自然災(zāi)害及異物侵限，當(dāng)監(jiān)測(cè)值超過(guò)報(bào)警預(yù)警閾值時(shí)進(jìn)行報(bào)警和預(yù)警，發(fā)生異物侵限和地震報(bào)警時(shí)，進(jìn)行緊急處置，保障列車運(yùn)行安全[1-2]。災(zāi)害監(jiān)測(cè)系統(tǒng)為高速列車在災(zāi)害性天氣和突發(fā)事件下的運(yùn)行發(fā)揮了重要的安全技術(shù)保障作用。災(zāi)害監(jiān)測(cè)系統(tǒng)由現(xiàn)場(chǎng)監(jiān)測(cè)設(shè)備和中心系統(tǒng)組成，現(xiàn)場(chǎng)監(jiān)測(cè)設(shè)備包括風(fēng)速風(fēng)向計(jì)、雨量計(jì)、雪深計(jì)、數(shù)據(jù)傳輸單元等現(xiàn)場(chǎng)采集設(shè)備和監(jiān)控單元，部署于鐵路沿線接觸網(wǎng)桿、基站等處所；中心系統(tǒng)包括信息處理平臺(tái)、監(jiān)測(cè)業(yè)務(wù)終端、網(wǎng)絡(luò)設(shè)備、網(wǎng)絡(luò)安全設(shè)備，時(shí)間同步設(shè)備及其軟件等，部署于鐵路局機(jī)房。災(zāi)害監(jiān)測(cè)系統(tǒng)構(gòu)成復(fù)雜，任何一個(gè)環(huán)節(jié)均可能導(dǎo)致系統(tǒng)故障的產(chǎn)生。

目前，已開展的高速鐵路災(zāi)害監(jiān)測(cè)故障、可靠性分析工作中，張翠兵[3]運(yùn)用故障樹分析法對(duì)異物侵限監(jiān)測(cè)子系統(tǒng)故障進(jìn)行了分析；周紹華[4]重點(diǎn)對(duì)異物侵限監(jiān)測(cè)子系統(tǒng)產(chǎn)生紅光帶故障處置措施進(jìn)行了研究；劉巖、李曉宇等人[5-6]對(duì)災(zāi)害監(jiān)測(cè)系統(tǒng)可靠性進(jìn)行了研究；王嬌嬌等人[7]對(duì)災(zāi)害監(jiān)測(cè)系統(tǒng)脫離監(jiān)控故障數(shù)據(jù)進(jìn)行了分析，并提出了改進(jìn)措施與建議；周小明[8]對(duì)滬寧城際災(zāi)害監(jiān)測(cè)系統(tǒng)電源故障進(jìn)行了分析；李亞群等人[9-10]對(duì)監(jiān)控單元設(shè)備可靠性進(jìn)行了試驗(yàn)研究，并建立了時(shí)齊泊松過(guò)程模型對(duì)異物侵限監(jiān)測(cè)系統(tǒng)可靠性進(jìn)行了試驗(yàn)。以上研究多是對(duì)災(zāi)害監(jiān)測(cè)系統(tǒng)故障、可靠性的分析，而關(guān)于災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷方法的研究尚不多見。開展災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷方法研究，可及時(shí)解決災(zāi)害監(jiān)測(cè)系統(tǒng)出現(xiàn)的問(wèn)題，降低故障影響程度。目前，常用的故障診斷方法有回歸分析、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林等算法[11-13]，本文結(jié)合災(zāi)害監(jiān)測(cè)系統(tǒng)設(shè)備狀態(tài)及故障監(jiān)測(cè)數(shù)據(jù)特點(diǎn)，采用隨機(jī)森林算法對(duì)災(zāi)害監(jiān)測(cè)系統(tǒng)進(jìn)行故障診斷，輔助故障快速定位和處置。

1 災(zāi)害監(jiān)測(cè)系統(tǒng)設(shè)備管理及故障分析表

1.1 設(shè)備管理現(xiàn)狀

災(zāi)害監(jiān)測(cè)系統(tǒng)是一個(gè)復(fù)雜的系統(tǒng)，設(shè)備管理涉及多個(gè)專業(yè)，包括工務(wù)、電務(wù)、信息等；設(shè)備類型多、環(huán)節(jié)多、管理部門多，一旦發(fā)生故障，排查困難，各部門協(xié)調(diào)工作量大，嚴(yán)重時(shí)會(huì)影響線路正常運(yùn)行。災(zāi)害監(jiān)測(cè)系統(tǒng)設(shè)備管理分工，如圖1 所示。

圖1 高速鐵路災(zāi)害監(jiān)測(cè)系統(tǒng)設(shè)備管理分工

（1）信息專業(yè)設(shè)備有鐵路局集團(tuán)公司中心系統(tǒng)軟/硬件設(shè)備，包括信息處理平臺(tái)、監(jiān)測(cè)業(yè)務(wù)終端、網(wǎng)絡(luò)設(shè)備和網(wǎng)絡(luò)安全設(shè)備，時(shí)間同步設(shè)備等；

（2）信號(hào)專業(yè)設(shè)備有監(jiān)控單元至信號(hào)機(jī)房之間的電纜、電務(wù)段監(jiān)測(cè)維護(hù)終端及信號(hào)系統(tǒng)側(cè)的災(zāi)害監(jiān)測(cè)系統(tǒng)接口設(shè)備；

（3）通信專業(yè)設(shè)備有監(jiān)控單元及配套網(wǎng)絡(luò)設(shè)備、現(xiàn)場(chǎng)采集設(shè)備至監(jiān)控單元之間的光纜或電纜、災(zāi)害監(jiān)測(cè)系統(tǒng)專用配電箱、通信段監(jiān)測(cè)維護(hù)終端等；

（4）工務(wù)專業(yè)設(shè)備有現(xiàn)場(chǎng)采集設(shè)備、工務(wù)段監(jiān)測(cè)維護(hù)終端等；

（5）供電專業(yè)設(shè)備有監(jiān)控單元端子排（不含）至變電系統(tǒng)之間的設(shè)備。

1.2 故障分析表

目前，災(zāi)害監(jiān)測(cè)系統(tǒng)對(duì)設(shè)備狀態(tài)監(jiān)測(cè)的數(shù)據(jù)是離散的，監(jiān)測(cè)設(shè)備是否正常工作一般采用0 或1 變量表示，因此，無(wú)法采用回歸分析方法開展對(duì)設(shè)備狀態(tài)的分析。本研究基于失效模式與影響分析（FMEA，F(xiàn)ailure Mode and Effects Analysis）對(duì)設(shè)備故障數(shù)據(jù)進(jìn)行分析，在此基礎(chǔ)上，研究設(shè)備故障診斷的方法。根據(jù)對(duì)災(zāi)害監(jiān)測(cè)系統(tǒng)故障的調(diào)研結(jié)果，構(gòu)建了基于FMEA 的災(zāi)害監(jiān)測(cè)系統(tǒng)故障分析表，故障分析表包含12 類設(shè)備，45 種故障原因。以監(jiān)控單元為例，基于FMEA 的監(jiān)控單元故障分析，如圖2 所示。

圖2 基于FMEA 的設(shè)備監(jiān)控單元故障分析

監(jiān)控單元故障分為嚴(yán)重故障和一般故障。嚴(yán)重故障會(huì)導(dǎo)致監(jiān)測(cè)點(diǎn)失效，需派人進(jìn)行人工值守并安排天窗點(diǎn)維修，一般故障需等待天窗點(diǎn)維修。

2 故障診斷方法

本文采用隨機(jī)森林算法對(duì)災(zāi)害監(jiān)測(cè)系統(tǒng)進(jìn)行設(shè)備故障診斷。其原理為：采用Bootstrap 重抽樣方法[14]從原始樣本中抽取多個(gè)樣本，對(duì)每一個(gè)樣本建立分類和回歸樹（CART，Classification And Regression Tree）（統(tǒng)稱：決策樹），將這些決策樹進(jìn)行整合，構(gòu)成隨機(jī)森林模型。基于隨機(jī)森林算法的災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷流程，如圖3 所示。

圖3 基于隨機(jī)森林算法的災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷流程

（1）對(duì)災(zāi)害監(jiān)測(cè)系統(tǒng)故障數(shù)據(jù)進(jìn)行預(yù)處理，通過(guò)設(shè)備狀態(tài)、故障數(shù)據(jù)、故障表現(xiàn)和故障原因，結(jié)合故障分析表進(jìn)行故障分析。其中，災(zāi)害監(jiān)測(cè)系統(tǒng)故障原因是決策類別，故障現(xiàn)象是特征屬性。

（2）通過(guò)Bootstrap 重抽樣方法抽取災(zāi)害監(jiān)測(cè)系統(tǒng)故障數(shù)據(jù)。采用訓(xùn)練節(jié)點(diǎn)分裂規(guī)則對(duì)故障現(xiàn)象進(jìn)行排序，得到各個(gè)節(jié)點(diǎn)的特征屬性；再根據(jù)特征屬性的不同值，從該節(jié)點(diǎn)向下分支，選擇最優(yōu)決策樹（分支）個(gè)數(shù)，最終構(gòu)成故障診斷隨機(jī)森林模型。

（3）采用構(gòu)成的隨機(jī)森林模型對(duì)新的故障數(shù)據(jù)進(jìn)行分類和診斷，得出故障原因，輔助設(shè)備管理部門快速定位故障。

3 實(shí)例分析

3.1 災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷

本研究共收集到多條線路災(zāi)害監(jiān)測(cè)系統(tǒng)故障樣本403 條，將所有數(shù)據(jù)的70% 作為訓(xùn)練集，其余30%作為測(cè)試集，采用python 編程語(yǔ)言構(gòu)建基于隨機(jī)森林算法的災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷模型，同時(shí)，設(shè)計(jì)基于傳統(tǒng)決策樹（C4.5 決策樹）算法的災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷模型，將其作為對(duì)比方案。診斷結(jié)果，如表1 所示。由表1 可知，基于隨機(jī)森林算法的故障診斷效果明顯優(yōu)于基于C4.5 決策樹算法的故障診斷效果，可減少人工排查設(shè)備故障的工作量，提高工作效率。

表1 故障綜合診斷結(jié)果

3.2 災(zāi)害監(jiān)測(cè)系統(tǒng)部分設(shè)備故障診斷

對(duì)災(zāi)害監(jiān)測(cè)系統(tǒng)具體構(gòu)成部分進(jìn)行故障診斷，以監(jiān)控單元和風(fēng)采集設(shè)備的故障診斷為例，獲得監(jiān)控單元樣本225 條，故障原因10 種，故障表現(xiàn)13 類；風(fēng)采集設(shè)備樣本59 條，故障原因11 種，故障表現(xiàn)4 類。對(duì)監(jiān)控單元和風(fēng)采集設(shè)備2 個(gè)數(shù)據(jù)集的分類器個(gè)數(shù)進(jìn)行判斷，以監(jiān)控單元的數(shù)據(jù)為例，基于訓(xùn)練集構(gòu)建的決策樹個(gè)數(shù)與判斷準(zhǔn)確率關(guān)系，如圖4 所示，可以看出，最優(yōu)決策樹棵數(shù)在10 以內(nèi)達(dá)到最優(yōu)的準(zhǔn)確性，基于此，構(gòu)建災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷隨機(jī)森林模型。

圖4 監(jiān)控單元隨機(jī)森林決策樹個(gè)數(shù)與判斷準(zhǔn)確率關(guān)系

對(duì)監(jiān)控單元和風(fēng)采集設(shè)備的基于隨機(jī)森林算法和基于C4.5 決策樹算法的故障診斷方法分別進(jìn)行k折交叉驗(yàn)證，即將全部樣本劃分成k個(gè)大小相等的樣本子集，依次遍歷這k個(gè)子集，每次把當(dāng)前子集作為驗(yàn)證集，其余所有樣本作為訓(xùn)練集，進(jìn)行模型的評(píng)估，評(píng)估結(jié)果如圖5 所示，從圖5 中可以看出，隨機(jī)森林算法的表現(xiàn)明顯優(yōu)于C4.5 決策樹算法，診斷結(jié)果如表2 和表3 所示。

表2 監(jiān)控單元故障診斷結(jié)果

表3 風(fēng)采集設(shè)備故障診斷結(jié)果

圖5 監(jiān)控單元和風(fēng)采集設(shè)備故障診斷k 折交叉驗(yàn)證結(jié)果

由表2、表3 可以看出，對(duì)災(zāi)害監(jiān)測(cè)系統(tǒng)構(gòu)成局部設(shè)備故障的診斷效果優(yōu)于對(duì)系統(tǒng)整體故障的診斷，原因在于災(zāi)害監(jiān)測(cè)系統(tǒng)故障成因和現(xiàn)象復(fù)雜，一個(gè)故障現(xiàn)象可能由多種原因?qū)е拢鐬?zāi)害監(jiān)測(cè)系統(tǒng)脫離監(jiān)控故障，可能是由網(wǎng)絡(luò)、硬件故障（電源、服務(wù)器、終端等）、軟件故障等多種原因?qū)е耓7]；一個(gè)故障原因也可能出現(xiàn)多個(gè)故障現(xiàn)象，如風(fēng)速風(fēng)向計(jì)故障可能導(dǎo)致設(shè)備故障報(bào)警、監(jiān)測(cè)終端無(wú)采集數(shù)據(jù)等；而風(fēng)采集設(shè)備的故障及故障原因相對(duì)系統(tǒng)整體故障成因和現(xiàn)象較簡(jiǎn)單。

4 結(jié)束語(yǔ)

針對(duì)災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷問(wèn)題，構(gòu)建了基于FMEA 的災(zāi)害監(jiān)測(cè)系統(tǒng)故障分析表；在此基礎(chǔ)上，提出了基于隨機(jī)森林算法的災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷方法。

（1）實(shí)際數(shù)據(jù)分析表明，基于隨機(jī)森林算法的災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷方法對(duì)系統(tǒng)故障的診斷準(zhǔn)確率為67.3%，優(yōu)于基于傳統(tǒng)決策樹的故障診斷準(zhǔn)確率（48.5%）；

（2）基于隨機(jī)森林算法的災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷方法對(duì)監(jiān)控單元和風(fēng)采集設(shè)備的診斷準(zhǔn)確率為80.6%和86.7%，優(yōu)于基于傳統(tǒng)決策樹的故障診斷準(zhǔn)確率（48.2%和66.4%）；

（3）基于隨機(jī)森林算法的災(zāi)害監(jiān)測(cè)系統(tǒng)故障診斷方法可有效提高災(zāi)害監(jiān)測(cè)系統(tǒng)設(shè)備故障診斷準(zhǔn)確率，有助于災(zāi)害監(jiān)測(cè)系統(tǒng)設(shè)備故障的快速定位和處置，大幅減少人工排查設(shè)備故障的工作量，為災(zāi)害監(jiān)測(cè)系統(tǒng)的運(yùn)營(yíng)維護(hù)提供技術(shù)支持。