首页 >> 锡条

铁路机车故障诊断专家系统的设计折射计

文章来源：朗荣五金网 | 2022-09-16

铁路机车故障诊断专家系统的设计

铁路机车故障诊断专家系统的设计 2011：摘要：由于目前的机车自动检测、故障诊断技术还没有形成完善体系。设计以专家系统为基础，结合检测中心的实际情况的故障检测系统，具体给出了系统的理论根据及设计方法，提出了基于专家知识库、诊断推理及知识获取机制的诊断方法，能较好完成铁路机车的检测与诊断的要求。关键词：故障诊断，知识库，专家系统1.引言目前,内燃机车在我国铁路运输中是主要牵引动力之一，其质量的优劣直接关系着铁路运输组织状况的好坏。因此，几十年来提高机车质量和运用效率，同时降低维修成本，一直是机务工作的重要组成部分。本系统是一套铁路机车故障诊断专家系统（RLFDES- Railway Locomotive Fault Diagnose Expert System）。该系统以专家系统为基础，结合检测中心的实际情况展开研究与探讨，将故障诊断技术与专家系统开发原理紧密结合起来，将故障诊断的实践与计算机技术及网络技术紧密结合起来，理论联系实际，基本上形成了一套完整的、可行的设计方案。2.机车故障的基本特点内燃机车是一个非常复杂的动力系统,数万个零部件工作中相互耦合，呈现出复杂的对外输出信号，机车工作过程是一个复杂的动态过程、随机过程，在不同时刻的任何观测数据是不可重复的，从系统理论特性看，机车故障具有以下一些特点。（1）层次性：机车数万个零件共同工作，元件之间相互耦合，决定着机车故障的层次性，一种故障由多层次原因构成。（2）突发性及缓变性：突发性故障发生在瞬间，无明显症状，难以预测，而缓变性故障具有渐进性和局部功能失效的特点，可以预测。（3）模糊性：机车故障和征兆信息并不是一一对应的，具有随机性，征兆之间界限是模糊的，并且某些信息具有不确知性。（4）趋势性：机车大部分故障有随时间变化的一种趋势，即从微小征兆向显著征兆发展的趋势。以上各点只是从某一侧面去分析而作出判断，实际应用应该以随机过程为出发点，运用各种现代的科学分析工具，综合判断机车故障现象的属性、构成与发展。3.铁路机车故障诊断系统3.1 系统简介铁路机车故障诊断系统由两大模块组成：内燃机车故障诊断系统和电力机车故障诊断系统。针对内燃机车故障诊断系统作以简要说明。1）数据载入。该功能可以将目前内燃机车的全部检测仪器检测的数据，通过通信，传递到故障诊断系统中。2）参数设置。主要完成内燃机车设备门限值参数的确定。3）故障诊断。通过检测仪器检测到的数据和专家系统，来确定机车设备的性能，得出诊断结果，并依此来决定设备是否维护或维修。4）查询打印。完成检测数据、故障诊断结果的查询与打印。5）走势分析。通过对走势分析条件的设定，全面了解机车的运行情况。3.2 铁路机车故障诊断系统专家系统的组成铁路机车设备的故障直接关系到机车乃至铁路系统的安全经济运行。故障诊断是一项复杂的、经验性很强的技术工作，机车设备故障的原因很多，要求快速、有效、准确地识别故障并采取有效措施及时排除故障。利用专家系统进行故障诊断并给出处理措施，辅助维修人员进行事故处理，提高机车的安全经济运行水平，是专家系统在铁路机车故障诊断系统中的一个具体应用。

图1 系统结构框图

专家系统主要由知识库、推理执行机构、解释机构、知识获取机构、人机接口等部分组成，系统结构如图1所示。知识库是专家系统的基本组成部分，它拥有知识的数量和质量是衡量专家系统性能好坏及问题求解能力大小的重要因素。推理执行机构是专家系统的另一个基本组成部分，它在一定的控制策略下针对搜索黑板中的当前信息，对当前出现的故障现象在知识库中进行识别或选取，得出相应的产生该组故障的原因及处理方法。用户通过人机接口输入一组出现的故障现象，推理执行机构根据规则库中的规则以及实时数据库中的信息，确定故障及发生的原因。如果规则库中没有该规则，则调用知识获取机构，在规则库中产生新的规则。3.2.1 知识库知识库是专家系统的核心部分，它的完善与否决定了专家系统的工作能力及效率。1.实时数据库系统在线诊断时要使用实时数据库。库中存放计算机系统实时检测的数据，包括机车设备的运行参数和开关量数据。建立实时数据库的方法是:用PB的定时器（Timer）加上触发器机制，把PB的内置数据库Sybase SQL Anywhere改造成主动数据库，定时地刷新库中的数据。2.知识的表示形式本系统用产生式表示方法来表示知识，产生式的一般形式为:P→Q，其含义是:如果P满足则可能推出Q;P表示故障发生时出现的一组现象，Q表示由该组现象得出的发生故障的原因和处理方法。例如，内燃机车设备主要有控制电路、主回路、发动机、发电机、轴承、变压器和电动机等。其中发电机组常见的故障有机组轴承过热、机组剧烈振动、发电机着火、机组过速、机组运转声音异常、发电机失磁、发电机运行中励磁机极性反向、励磁机着火、电液转换器控制失灵、测频回路故障等。变压器常见故障有铁心片间绝缘损坏、铁心局部熔毁、铁心与接地片间接触不良、铁心松动、线圈断线、绕组对地击穿、绕组相间短路、分接开关故障、三相电压不平衡、油质变坏、油面升高、油面降低、过负荷、空负荷、铁心振动、内部接触不良或击穿等。故障和现象间的关系比较复杂，每一种故障的发生均伴随着一个或多个故障现象的出现，而一个故障现象也可能是由发生的多个故障引起的。将所有可能出现的现象和故障以及它们间的对应规则存放在知识库中，供专家系统使用。本系统归纳总结了几百条规则，在此举一简单例子说明如何表示现象与故障间的对应规则（见表1和表2）。现象与故障间的对应规则用P→Q的形式表示为:R1:[（X1）→（H1）]R2:[（X2）→（H1）]R3:[（X3）→（H1）]R4:[（X1）（X2）（X3）→（H1）]R5:[（X1）（X3）（X4）（X5）→（H1）]R6:[（Y1）→（H3）]R7:[（Y1）→（H4）]

3、知识库的结构由于上面的分析可知，用关系数据库来实现知识库是比较合适的，大型关系数据库管理系统（RDBMS）具有数据存储容量大，查询速度快，易于修改、扩充，可靠性高等特点。本系统的知识库用PB7.0内置的数据库Sybase SQL Anywhere实现。3.2.2 推理执行机构1 故障推理与算法故障搜索算法直接影响故障辨识的速度与准确性。本系统根据测试对象的特点提出功能级搜索和信号源传输通路搜索，两者没有本质的区别，前者是以功能模块为搜索对象，建立模块特征数据向量和传导函数与上级模块的关系;后者以信号传输通路为搜索寻迹对象，对有故障的通路实行优化分割，逐级查找故障信号源，从而对故障实施定位。这实质上是一种面向对象的策略。2、可信度的推理与传递由于故障诊断带有不确定性，测试验证的过程实际上是一种对推理结论可信赖程度进行修正的过程。当出现肯定证据时，结论的可信度增加;当出现否定证据时，其可信度减小。当该推理不是最终结论时，该推理结论将补为中间结果成为其它推理条件，取最小值。3.2.3 知识获取机构知识获取一般指显式知识的学习,显式知识可验证、修改和解释。专家系统通常用规则集表达它们。规则集应不断地收集、组织、扩大以提高系统性能,所以知识获取必须根据实例发现新规则或从专家处接受新规则,不断加入知识库,逐步实现知识库的完善。知识（尤其是个性知识）通常是在长期实践中的直觉知识,难于清晰、准确地描述和掌握,且往往不具备通用性、确定性、有效性,在运用过程中需不断完善,是一个艰难的获取过程。知识获取的学习方式有机械记忆式学习、提问指导学习、实际示例学习、类比学习、归纳总结学习。用得较多的是前两种，通过专家与知识工程师交流获取知识，但它需要很长时间。由于具有高级学习功能的知识发现系统尚未突破，因此建立一种实用知识获取工具是专家系统知识获取最实用的手段。4.结束语本系统应用于郑州铁路分局北机务段来，主要完成电器、主回路、压力波、轴承四项检测工作，以电器部分为例，其中包括12回路，分别称为：LCQ、YC1、YC2、RBC、RD1、RD2、CF、LL、LLC、LC、FL和RX等。通过专家的经验设定不同回路的门限值来检测是否存在故障。例如，检测励磁接触器的主触点（LLC）是否存在故障，如果检测值为450，高于最高门限值400，由专家系统推理可知存在接触不良故障，采取相应措施。机车出车回来都要到检测站实施检测。检测人员提着检测仪器登上机车，到机车的相应设备的部位，按事先设好的检测点对机车实施检测，检测的数据暂存在仪器的存储器中。按专家系统的一般原则来建立故障诊断系统有相互独立的知识库和推理机，知识库可以在使用过程中不断修改和完善，知识库的内容随各种车型而异，但具有完全相同的结构。推理机对于各种车型是完全通用的，且推理机能够适应知识库的扩充和修改，因而具有良好的适应性和通用性。在郑州铁路局机车机务北段机车检测中心的应用，该系统具有可靠性高、适用范围广等优点。本文作者创新点：将专家系统引入铁路机车的内燃机机车的故障诊断之中，应用专家的知识提高机车故障诊断的可靠性，并且适应范围广。参考文献[1] 孙增圻,张再兴，邓志东. 智能控制理论与技术 [M].北京：清华大学出版社,1997..[2] 吴泉源.人工智能与专家系统 [M].湖南：国防科技大学出社,1995.[3] Patton PJ, Frank PM, Clark RN. Fault Diagnosis in Dynamics system, Theory and Application[M]. New York : Practice Hall,1989.[4] 田宏萍，张家栋. 机车电器电路故障诊断系统的研究[J]. 内燃机车，2000，（10）：10-12.[5] Basu A. A Knowledge Representation Model for Multiuser Knowledge-based System [J]. IEEE Trans Know Data Eng. 1993,5（20）:177-189.[6] 何新贵.知识处理与专家系统[M].北京:国防工业出版社.1990.[7] 桑庆兵，杨兴，史慧. 基于COM组件的通用故障诊断专家系统开发 [J].微计算机信息 2006，2-1：190-192(end)