周伟
身份证号：15282419861124XXXX;内蒙古伊泰集团准东铁路有限责任公司 内蒙古自治区鄂尔多斯市 017100
摘要：铁路电务系统规模不断扩大，设备功能越来越繁杂，对保障电务系统安全、稳定、长周期运行的要求越来越迫切。在铁路信息化、现代化水平不断提高，大量新技术、新装备不断投入应用，但维护人员总量不再增加的情况下，就需要优化已有的铁路电务维修维护方式，充分利用微机监测系统采集的数据，所以出现了电务信号设备故障智能分析系统，该系统利用专家的经验，推理、分析微机监测系统采集的数据，给出故障解决方案及维修指导意见，充分利用了微机监测系统采集到的数据，优化了电务人员维修维护的方式，节省了大量的工作量。基于此，本文主要对铁路电务设备故障维修及智能分析系统进行探讨。
关键词：铁路电务；设备故障维修；智能分析系统
1、电务信号设备故障智能分析系统的知识分类
笔者所述知识库中涉及到的知识分为文字型知识、数值型知识和数据型知识三大类。
1.1文字型知识
这种类型的知识是以语言文字来进行描述的，特点如下：表述自然，基本与人的然语言一致；形式直观，易于让人理解；表达准确、简便。具体包括以下知识：对信号设备故障模式、影响分析产生的数据、铁路信号履历簿标准、微机监测数据格式标准、信号系统联锁标准、信号模拟量分析标准及站场图纸、设备数据标准、维修决策及优化模型选取及求解知识等数据。以上知识除经过FMEA分析所得的故障知识外均可从铁路部门、设计院及铁路局获得。
1.2数值型知识
在维修规划领域，某个决策问题会涉及对问题的定性分析、对具体数据的定量计算和方案的选取，实现数值计算的知识称作数值型知识，这种类型的知识是以公式的形式表现的，它在一定程度和范围内定量描述了电务维修领域中某个具体问题的解决途径。如对设备重要程度的分析知识、设备状态的评价与预测模型选取知识等。
1.3数据型知识
这类知识主要表现为具有经验和统计意义的表格和数据库。在设备维修领域中，有许多经过统计或专家经验得出的数据指标，这些指标大多数是经过实践检验的，具有一定的可信度和准确率，因而具有相当的实用价值。该领域专家知识主要从以下两方面获取。
1）直接从有关电务管理的著作、论文报告、规范及实际的方案研究中总结知识，虽然这样获取的知识大部分是一般性的知识，但它却是解决问题所必需的。
2）走访各路局、各大设计院、规划院、中国铁路总公司、交通运输部有关司局等单位的有关专家，从这些专家那里获取个人经验知识。在向有关专家做直接咨询时，采用开讨论会及书面咨询两种形式。
2、电务信号设备故障智能分析系统的知识表示
各种知识表示方法均有自己的优缺点，笔者采用产生式表示法和框架表示法，把电务设备领域知识表示成工程知识。由于电务系统是一个复杂的系统，系统中多数设备可以划分成多个功能面，且设备间相互关联，因此构建信号知识库时，选择框架表示法表示设备的结构性知识，用产生式来表示维修维护性的过程性知识。现以电液转辙机油缸动作不到位故障维修知识为例，介绍知识表示方法。
故障现象：电液转辙机油缸动作不到位。故障处理措施：一是检查油箱是否缺油，缺油则注入YH-10号航空液压油；二是检查尖轨道状态，若尖轨已密贴，则检查机械是否卡阻，去掉卡阻物；三是检查尖轨道状态，若尖轨已密贴，则检查外锁闭器，如未调整好，则调整外锁闭器；四是检查尖轨道状态，若尖轨没有密贴，则调整电液转辙机溢流压力，调整至标准值；五是检查尖轨道状态，若尖轨没有密贴，则检查道岔转换阻力是否超标，若超标应与工务进行道岔整治。对该领域知识的表示，使用维修和结论两个框架。两框架间是逻辑推理关系，使用Infer槽，建立框架间的横向联系表示如下。
框架名：<维修>
现象：电液转辙机油缸动作不到位。
。
IF电液转辙机油缸动作不到位。
THEN检查油箱是否缺油AND检查尖轨是否卡阻AND转辙机溢流压力是否合格AND道岔转换阻力是否超标。
3、电务信号设备故障智能分析系统知识库结构
由于知识库复杂，它包含了用于分析各种类型的知识、用于推理推断的模型、用于校验的工具等。知识库系统结构图，见图1。笔者所述知识库知识包含了以下3个部分。
3.1各种仿真知识和数据转换标准等基础知识
仿真知识包括：信号机仿真知识、道岔仿真知识、近路仿真知识、区段仿真知识等，这部分知识是通过录入及通过现有的区间平面图、站场平面图、组合连接图及控制台平面图进行转换得到的。
3.2模型知识
知识库的运行是根据一定的推理策略从知识库中选择相应知识，对使用者提供的事实进行推理，直到得出相应的结论为止，而知识库就是应用各种模型进行推理运行。笔者研究的用于推理分析的各种模型包括：设备状态预测模型、设备状态评价模型及各种优化模型等，这些模型利用微机监测系统采集的数据和知识库中的知识，对比、分析、推理设备状态，给出设备故障原因及维修方案。
3.3微机监测系统采集转换的知识
微机监测系统采集到的数据经过数据一致性检查及数据处理，在站场上展示设备的状态，并形成中间知识存储在知识库中。
3.4故障预测分析
平台根据接入的业务系统提供的底层数据，以及资产管理系统中的设备分析数据，实现智能预警和消息推送功能。借助大数据分析平台构建的各类数据模型，通过对设备运行状态的长期跟踪记录，对设备的生命周期进行预测。铁路局电务大数据分析平台，按照铁路电务系统的实际管理需求，需要利用上述的大数据分析技术，构建包括但不限于如下所列的大数据分析模型。
红光带故障分析大数据模型。根据不同原因引起的红光带故障，建立故障分析模型，降低人为判断难度，增大相关人员判断正确率。电务设施（分类）生命周期计算大数据模型。根据铁路电务设备设施分类原则，将铁路局全局电务系统涉及的所有设备，按照大数据分析技术，构建全生命周期计算模型。电务设施（分类）状态评估大数据模型。类似生命周期技术计算模型，按照设备设施分类，构建设备设施的状态评估模型。
4、结束语
铁路电务设备故障智能分析系统的核心部分是知识库，知识库是铁路电务设备故障分析、推理求解问题的基础。笔者引入的信号知识库主要是用来存储电务设备的专业知识和专家知识，目的是要实现信号专业知识标准化及求解设备故障问题的程序化。在铁路电务设备故障智能分析系统应用中充分利用知识库中专家、现场技术人员的经验和知识来辅助决策，综合专家的意见，给出合理的决策信息，不但能对铁路电务设备确立以设备状态修为主、预防性计划修为辅的维修模式起促进作用而且还能推进电务维修体制、修程修制改革，提高劳动生产率。
参考文献：
［１］孔磊．大数据时代的轨道交通公共安全体系研究［Ｊ］．软件产业与工程，２０１６（１）．
［２］任凯，邓武，俞琰．基于大数据技术的网络日志分析系统研究［Ｊ］．现代电子技术，２０１６（１）．
［３］杨丽彬，李海林，张飞波．大数据环境下的管理信息系统发展研究［Ｃ］．２０１６．
论文作者:周伟
论文发表刊物:《防护工程》2018年第14期
论文发表时间:2018/10/15
标签：电务论文; 知识论文; 设备论文; 故障论文; 数据论文; 系统论文; 模型论文; 《防护工程》2018年第14期论文;