鐵路機車故障診斷專家系統的設計

1.引言

　　目前,內燃機車在我國鐵路運輸中是主要牽引動力之一，其質量的優劣直接關系著鐵路運輸組織狀況的好壞。因此，幾十年來提高機車質量和運用效率，同時降低維修成本，一直是機務工作的重要組成部分。本系統是一套鐵路機車故障診斷專家系統（RLFDES- Railway Locomotive Fault Diagnose Expert System）。該系統以專家系統為基礎，結合檢測中心的實際情況展開研究與探討，將故障診斷技術與專家系統開發原理緊密結合起來，將故障診斷的實踐與計算機技術及網絡技術緊密結合起來，理論聯系實際，基本上形成了一套完整的、可行的設計方案。

2.機車故障的基本特點

　　內燃機車是一個非常復雜的動力系統,數萬個零部件工作中相互耦合，呈現出復雜的對外輸出信號，機車工作過程是一個復雜的動態過程、隨機過程，在不同時刻的任何觀測數據是不可重復的，從系統理論特性看，機車故障具有以下一些特點。

　　（1） 層次性：機車數萬個零件共同工作，元件之間相互耦合，決定著機車故障的層次性，一種故障由多層次原因構成。

　　（2） 突發性及緩變性： 突發性故障發生在瞬間，無明顯癥狀，難以預測，而緩變性故障具有漸進性和局部功能失效的特點，可以預測。

　　（3） 模糊性：機車故障和征兆信息并不是一一對應的，具有隨機性，征兆之間界限是模糊的，并且某些信息具有不確知性。

　　（4） 趨勢性：機車大部分故障有隨時間變化的一種趨勢，即從微小征兆向顯著征兆發展的趨勢。以上各點只是從某一側面去分析而作出判斷，實際應用應該以隨機過程為出發點，運用各種現代的科學分析工具，綜合判斷機車故障現象的屬性、構成與發展。

3.鐵路機車故障診斷系統

　　3.1 系統簡介

　　鐵路機車故障診斷系統由兩大模塊組成：內燃機車故障診斷系統和電力機車故障診斷系統。針對內燃機車故障診斷系統作以簡要說明。

　　1）數據載入。

　　該功能可以將目前內燃機車的全部檢測儀器檢測的數據，通過通信，傳遞到故障診斷系統中。

　　2）參數設置。

　　主要完成內燃機車設備門限值參數的確定。

　　3）故障診斷。

　　通過檢測儀器檢測到的數據和專家系統，來確定機車設備的性能，得出診斷結果，并依此來決定設備是否維護或維修。

　　4）查詢打印。

　　完成檢測數據、故障診斷結果的查詢與打印。

　　5）走勢分析。

　　通過對走勢分析條件的設定，全面了解機車的運行情況。

　　3.2 鐵路機車故障診斷系統專家系統的組成

　　鐵路機車設備的故障直接關系到機車乃至鐵路系統的安全經濟運行。故障診斷是一項復雜的、經驗性很強的技術工作，機車設備故障的原因很多，要求快速、有效、準確地識別故障并采取有效措施及時排除故障。利用專家系統進行故障診斷并給出處理措施，輔助維修人員進行事故處理，提高機車的安全經濟運行水平，是專家系統在鐵路機車故障診斷系統中的一個具體應用。

圖1 系統結構框圖

　　專家系統主要由知識庫、推理執行機構、解釋機構、知識獲取機構、人機接口等部分組成，系統結構如圖1所示。

　　知識庫是專家系統的基本組成部分，它擁有知識的數量和質量是衡量專家系統性能好壞及問題求解能力大小的重要因素。推理執行機構是專家系統的另一個基本組成部分，它在一定的控制策略下針對搜索黑板中的當前信息，對當前出現的故障現象在知識庫中進行識別或選取，得出相應的產生該組故障的原因及處理方法。用戶通過人機接口輸入一組出現的故障現象，推理執行機構根據規則庫中的規則以及實時數據庫中的信息，確定故障及發生的原因。如果規則庫中沒有該規則，則調用知識獲取機構，在規則庫中產生新的規則。

　　3.2.1 知識庫

　　知識庫是專家系統的核心部分，它的完善與否決定了專家系統的工作能力及效率。

　　1.實時數據庫

　　系統在線診斷時要使用實時數據庫。庫中存放計算機系統實時檢測的數據，包括機車設備的運行參數和開關量數據。建立實時數據庫的方法是:用PB的定時器（Timer）加上觸發器機制，把PB的內置數據庫Sybase SQL Anywhere改造成主動數據庫，定時地刷新庫中的數據。

　　2.知識的表示形式

　　本系統用產生式表示方法來表示知識，產生式的一般形式為:P→Q，其含義是:如果P滿足則可能推出Q;P表示故障發生時出現的一組現象，Q表示由該組現象得出的發生故障的原因和處理方法。

　　例如，內燃機車設備主要有控制電路、主回路、發動機、發電機、軸承、變壓器和電動機等。其中發電機組常見的故障有機組軸承過熱、機組劇烈振動、發電機著火、機組過速、機組運轉聲音異常、發電機失磁、發電機運行中勵磁機極性反向、勵磁機著火、電液轉換器控制失靈、測頻回路故障等。變壓器常見故障有鐵心片間絕緣損壞、鐵心局部熔毀、鐵心與接地片間接觸不良、鐵心松動、線圈斷線、繞組對地擊穿、繞組相間短路、分接開關故障、三相電壓不平衡、油質變壞、油面升高、油面降低、過負荷、空負荷、鐵心振動、內部接觸不良或擊穿等。故障和現象間的關系比較復雜，每一種故障的發生均伴隨著一個或多個故障現象的出現，而一個故障現象也可能是由發生的多個故障引起的。將所有可能出現的現象和故障以及它們間的對應規則存放在知識庫中，供專家系統使用。

　　本系統歸納總結了幾百條規則，在此舉一簡單例子說明如何表示現象與故障間的對應規則（見表1和表2）。

　　現象與故障間的對應規則用P→Q的形式表示為:

　　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、知識庫的結構

　　由于上面的分析可知，用關系數據庫來實現知識庫是比較合適的，大型關系數據庫管理系統（RDBMS）具有數據存儲容量大，查詢速度快，易于修改、擴充，可靠性高等特點。本系統的知識庫用PB7.0內置的數據庫Sybase SQL Anywhere實現。

　　3.2.2 推理執行機構

　　1 故障推理與算法

　　故障搜索算法直接影響故障辨識的速度與準確性。本系統根據測試對象的特點提出功能級搜索和信號源傳輸通路搜索，兩者沒有本質的區別，前者是以功能模塊為搜索對象，建立模塊特征數據向量和傳導函數與上級模塊的關系;后者以信號傳輸通路為搜索尋跡對象，對有故障的通路實行優化分割，逐級查找故障信號源，從而對故障實施定位。這實質上是一種面向對象的策略。

　　2、可信度的推理與傳遞

　　由于故障診斷帶有不確定性，測試驗證的過程實際上是一種對推理結論可信賴程度進行修正的過程。當出現肯定證據時，結論的可信度增加;當出現否定證據時，其可信度減小。當該推理不是最終結論時，該推理結論將補為中間結果成為其它推理條件，取最小值。

　　3.2.3 知識獲取機構

　　知識獲取一般指顯式知識的學習,顯式知識可驗證、修改和解釋。專家系統通常用規則集表達它們。規則集應不斷地收集、組織、擴大以提高系統性能,所以知識獲取必須根據實例發現新規則或從專家處接受新規則,不斷加入知識庫,逐步實現知識庫的完善。知識（尤其是個性知識）通常是在長期實踐中的直覺知識,難于清晰、準確地描述和掌握,且往往不具備通用性、確定性、有效性,在運用過程中需不斷完善,是一個艱難的獲取過程。

　　知識獲取的學習方式有機械記憶式學習、提問指導學習、實際示例學習、類比學習、歸納總結學習。用得較多的是前兩種，通過專家與知識工程師交流獲取知識，但它需要很長時間。由于具有高級學習功能的知識發現系統尚未突破，因此建立一種實用知識獲取工具是專家系統知識獲取最實用的手段。

4.結束語

　　本系統應用于鄭州鐵路分局北機務段來，主要完成電器、主回路、壓力波、軸承四項檢測工作， 以電器部分為例，其中包括12回路，分別稱為：LCQ、 YC1、YC2、RBC、RD1、RD2、CF、LL、LLC、LC、FL和RX等。通過專家的經驗設定不同回路的門限值來檢測是否存在故障。例如，檢測勵磁接觸器的主觸點（LLC）是否存在故障，如果檢測值為450，高于最高門限值400，由專家系統推理可知存在接觸不良故障，采取相應措施。機車出車回來都要到檢測站實施檢測。檢測人員提著檢測儀器登上機車，到機車的相應設備的部位，按事先設好的檢測點對機車實施檢測，檢測的數據暫存在儀器的存儲器中。按專家系統的一般原則來建立故障診斷系統有相互獨立的知識庫和推理機， 知識庫可以在使用過程中不斷修改和完善，知識庫的內容隨各種車型而異，但具有完全相同的結構。 推理機對于各種車型是完全通用的，且推理機能夠適應知識庫的擴充和修改，因而具有良好的適應性和通用性。在鄭州鐵路局機車機務北段機車檢測中心的應用，該系統具有可靠性高、適用范圍廣等優點。

　　本文作者創新點：將專家系統引入鐵路機車的內燃機機車的故障診斷之中，應用專家的知識提高機車故障診斷的可靠性，并且適應范圍廣。