CN108537448B - 基于集对分析和证据理论的高铁接触网健康状态评估方法 - Google Patents

Abstract

本发明公开了一种基于集对分析和证据理论的高铁接触网健康状态评估方法，包括以下步骤：通过变异系数法和层次分析法相结合确定子指标层中各评估指标的常权重，根据其相对劣化度得到了相应的变权重；采用集对分析方法确定子指标层中各评估指标与各健康状态等级间的联系度，并将其作为基本概率分配；然后采用证据理论将修订后的基本概率分配进行融合得到评估结果；最后采用最大隶属度原则和置信度准则来判断接触网的健康状态。本发明不仅能够有效地识别接触网的健康状态，而且评估结果更加准确，状态等级间的区分度更大。

Description

基于集对分析和证据理论的高铁接触网健康状态评估方法

技术领域

本发明涉及高速铁路接触网健康状态评估领域，具体是一种基于集对分析和证据理论的高铁接触网健康状态评估方法。

背景技术

接触网是电气化铁路牵引供电系统的重要组成部分，是向列车供电的特殊形式的输电线路，其运行性能直接影响牵引供电系统的供电稳定性。接触网的健康状况对于保障高速铁路的安全运行起着至关重要的作用。因此使用高速铁路供电安全检测监测系统(6C系统)对接触网进行检测得到的数据来提高接触网健康状态评估的准确性，有利于铁路部门准确地掌握接触网的健康状态，从而合理地制定维修计划，对于保证接触网系统的正常运行，保障列车行车安全也具有十分重要意义。

目前高速铁路接触网仍是以检测数据是否超限来判断其故障与否，这种方式得到的评价结果简单，无法反应接触网健康状态的变化过程。吴俊勇等采用故障树分析法、事件树分析法、可信度理论等利用接触网设备多年的故障记录建立整个接触网系统的可靠性模型，难以直接用来指导接触网的维修，无法满足接触网安全运行的需求。施斌等基于希尔伯特-黄变换，对接触网的检测数据进行特征提取来评价接触网的运行状态，只能对接触网的整体状态进行评估，不能确定接触网某一位置的健康状态，存在一定的局限性。何正友等采用模糊综合评估法、灰色聚类、云模型等来评估接触网的健康状态，这些方法在处理信息的不确定性及信息融合方面分析不足，直接将接触网状态的各评估指标进行加权融合，没有充分考虑指标层中各评估指标的信息融合问题，在各评估指标状态差异较大时容易导致接触网健康状态的评估结果出现错误。

发明内容

本发明所要解决的技术问题是提供一种基于集对分析和证据理论的高铁接触网健康状态评估方法，采用集对分析方法和证据理论对接触网的健康状态进行评估，将接触网健康状态评估指标体系中各评估指标逐层进行融合，并修订了证据融合前的基本概率分配，提高评估结果与其他状态等级间的区分度，评估结果直观也更加准确。

为解决上述技术问题，本发明采用的技术方案是：

一种基于集对分析和证据理论的高铁接触网健康状态评估方法，包括以下步骤：

步骤1：通过分析接触网的电气参数和机械参数，确定三层的接触网健康状态评估指标体系，包括目标层、指标层和子指标层，并选取实际的接触网检测数据计算出子指标层中各评估指标的相对劣化度；

步骤2：划分接触网健康状态等级，采用变异系数法和层次分析法相结合计算出子指标层中各评估指标的常权重，然后结合子指标层中各评估指标的相对劣化度得到了相对应的变权重；同时采用层次分析法确定指标层中各评估指标的权重；

步骤3：采用集对分析计算出子指标层中各评估指标与接触网各健康状态等级之间的联系度，并基于所述联系度以及子指标层中各评估指标的变权重，得到指标层中各评估指标与接触网各健康状态等级之间的联系度；

步骤4：将步骤3中得到的指标层中各评估指标与接触网各健康状态等级之间的联系度作为基本概率分配并基于各自的权重进行修订，然后采用证据理论将修订后的基本概率分配进行融合，得到融合结果；

步骤5：在不确定度小于给定阈值的前提下，采用最大隶属度原则和置信度准则来判断融合结果，确定接触网的健康状态等级。

进一步的，接触网健康状态等级共划分为4个等级，分别是优秀、良好、注意和严重，分别用z₁、z₂、z₃和z₄表示，集合Z＝{z₁,z₂,z₃,z₄}。

与现有技术相比，本发明的有益效果是：

1、本发明可以使求得的权重结果兼具主客观的优点，提高接触网健康状态评估的准确性，也提高了评估结果与其他状态等级间的区分度。

2、本发明考虑了不同的证据之间可能会出现冲突程度较大的情况，在进行子系统证据融合之前修订了初始的基本概率分配。降低了因证据冲突过大而导致的评估结果产生的误差。

3、本发明在判断不确定度满足要求之后，才采用最大隶属度原则和置信度准则来判断融合结果，即确定接触网的健康状态等级。降低了接触网健康状态等级融合结果判断错误的可能性，提高了评估结果的准确性和可信度。

附图说明

图1为本发明方法过程示意图。

图2为接触网健康状态评估指标体系。

图3为联系度函数示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步的说明。

本发明通过变异系数法和层次分析法相结合确定子指标层中各评估指标的常权重，并根据其相对劣化度得到了相应的变权重；采用层次分析法相确定指标层中各评估指标的权重；基于上述相对劣化度与变权重采用集对分析方法确定子指标层各评估指标与各健康状态等级间的联系度，并将其作为基本概率分配；然后采用证据理论将修订后的基本概率分配进行融合得到评估结果；最后采用最大隶属度原则和置信度准则来判断接触网的健康状态。具体如下：

1、根据《高速铁路接触网运行维修规则》和专家经验，并结合当前弓网系统的检测参数，建立接触网健康状态评估指标体系，见图2。之后针对实际检测数据计算出子指标层各评估指标的相对劣化度，计算公式如下：

式中：X′_kl为评价指标的检测值；X_a为评价指标的最优阈值；X_b为评价指标的最劣阈值。

2、参考相关文献，并结合现场实际情况和历史经验，将接触网的健康状态等级共划分为4个等级，分别是优秀、良好、注意和严重，并分别用z₁、z₂、z₃和z₄表示，集合Z＝{z₁,z₂,z₃,z₄}。采用变异系数法和层次分析法相结合的方式求得接触网健康状态子指标层各评估指标的常权重；采用层次分析法求得指标层各评估指标的权重。利用主客观组合赋权法计算得到子指标层的评估指标的常权重

如式(2)所示。

式中：

为利用变异系数法计算得到的子指标层中各评估指标的客观权重；

为利用层次分析法计算得到的子指标层中各评估指标的主观权重；α为组合系数，用来融合客观权重和主观权重。采用变权的方法来优化子指标层中各评估指标的权重，从而更加准确地反映出接触网的健康状态。子指标层中各评价指标变权重根据式(3)计算得到，常权重向量如式(4)所示。其变权重向量如式(5)所示，其中a为变权系数。

w_k＝[w_k1,w_k2] (5)

3、构建各评价指标X_kl与状态等级z_t,t＝1,2,3,4之间的集合对H＝(X_kl,z_t)，相应的4元联系度μ_kl,1，μ_kl,2，μ_kl,3，μ_kl,4可以根据式(6)计算得到。

式中：s_kl,1，s_kl,2，s_kl,3，s_kl,4分别为评价指标X_kl与接触网健康状态等级z₁，z₂，z₃，z₄之间相对劣化度的最劣阈值，且0＜s_kl,1＜s_kl,2＜s_kl,3＜s_kl,4＝1。

接触网健康状态评估指标体系的指标层中第k个评价指标X_k与状态等级z_t之间的集合对H＝(X_k,z_t)，相应的联系度为：

4、将步骤3中的联系度作为基本概率分配进行证据融合。采用式(8)-式(9)对求得的基本概率分配进行证据融合。D-S的融合规则为：

式中：m₁(A)和m₂(B)分别是证据A和B识别框架U上的基本概率分配函数

是合成概率分配；φ为空集；K是归一化因子，反映了不同证据之间的冲突程度。

但在证据融合之前需要式(10)-式(12)来修订合成前的基本概率分配。

λ_k＝λγ_k (12)

式中：λ_k是可信度函数，其值越大表明证据更加可信；m_k(Z)和m_k(θ)是修订后的基本分配概率和不确定度。w_max是指标层各评估指标权重的最大值；λ是优先可信度系数。

5、经证据理论融合得到的评估结果，其不确定度应满足：0≤m(θ)＜ε₁，如果所有状态等级所对应的合成概率分配的最大值m(z_i)与次大值m(z_j)之间的差值满足一定的条件：m(z_i)-m(z_j)＜ε₂，那么状态评估结果为z_i级；当合成概率分配之间的差值不满足上述条件时，如果存在

则认为状态评估结果为z_i级。

下面通过具体实例对本发明方法进行阐述并对技术效果进行验证。

图1为本发明的接触网健康状态评估过程示意图。首先建立接触网健康状态评估指标体系并划分健康状态等级，通过变异系数法和层次分析法相结合确定子指标层中各评估指标的常权重，进而根据其相对劣化度得到了相应的变权重；接着采用集对分析方法确定子指标层中各评估指标与各健康状态等级间的联系度，并将其作为基本概率分配；然后采用证据理论将修订后的基本概率分配进行融合得到评估结果；最后采用最大隶属度原则和置信度准则来判断接触网的健康状态等级。

图2为接触网健康状态评估指标体系。根据《高速铁路接触网运行维修规则》和专家经验，并结合当前弓网系统的检测参数，建立接触网健康状态评估指标体系，选取武广高铁某区段上行线路某处接触网两个周期的检测数据，如表1所示。以第一组数据为例对该处接触网健康状态进行评估。

表1该处接触网的检测数据

计算出子指标层中各评估指标的组合常权重为：

各评估指标在该处的阈值如表2所示。

表2评价指标的阈值

计算出子指标层中各评估指标的相对劣化度为：

x₁＝{x₁₁,x₁₂}＝{0.0533,0.6500}

x₂＝{x₂₁,x₂₂}＝{0.6000,0.7500}

x₃＝{x₃₁,x₃₂}＝{0.9333,0.5000}

进而得到相应的变权重：

w₁＝{0.3966,0.6004}

w₂＝{0.4181,0.5819}

w₃＝{0.8532,0.1468}

图3为联系度函数示意图。采用集对分析方法根据相对劣化度和表3中的数据计算出子指标层中各评估指标与各等级之间的联系度如表4和表5所示。

表3各评估指标与各状态等级之间的最劣阈值

表4子指标层与状态等级的联系度

表5指标层与状态等级的联系度

在使用证据理论时，为了避免证据冲突过大导致接触网健康状态的评估结果出现偏差要修正证据合成前的基本概率分配。指标层中各评估指权重分别为：0.2631、0.1638和0.5731，最大值w_max＝0.5731，则各评估指标权重的归一化结果γ_k＝{0.4591,0.2858,1.0000}，各评估指标的可信度系数λk_k＝{0.4132,0.2572,0.9000}。修正后的基本概率分配结果如表7所示。

表7基本概率分配计算结果

将修订后的安全性指标、平顺性指标和受流性指标的基本概率分配结果进行证据融合得到X＝{0.0217,0.0915,0.0836,0.7262}，其中不确定度m(θ)＝0.0770，按照评估决策方法中的最大隶属度原则和信度准则均可判断此处接触网的健康状态等级为z₄级，即其健康状态为严重，说明此处接触网状态恶化严重，存在严重的安全隐患，建议立即安排维修计划排除隐患和故障。

Claims (1)

1.一种基于集对分析和证据理论的高铁接触网健康状态评估方法，其特征在于，包括以下步骤：

步骤1：构建三层的接触网健康状态评估指标体系，包括目标层、指标层和子指标层；目标层为接触网健康状态评估值X，指标层包括安全性指标、平顺性指标和受流性指标，子指标层包括拉出值、导高、硬点、高差、接触压力和坡度六个评估指标；并选取实际的接触网检测数据计算出子指标层中各评估指标的相对劣化度，计算公式如下：

式中：X'_kl为评价指标的检测值；X_a为评价指标的最优阈值；X_b为评价指标的最劣阈值；

步骤2：划分接触网健康状态等级，接触网健康状态等级共划分为4个等级，分别是优秀、良好、注意和严重，分别用z₁、z₂、z₃和z₄表示，集合Z＝{z₁,z₂,z₃,z₄}；

采用变异系数法和层次分析法相结合计算出子指标层中各评估指标的常权重，采用层次分析法求得指标层各评估指标的权重，利用主客观组合赋权法计算得到子指标层的评估指标的常权重

如式(2)所示：

式中：

为利用变异系数法计算得到的子指标层中各评估指标的客观权重；

为利用层次分析法计算得到的子指标层中各评估指标的主观权重；α为组合系数，用来融合客观权重和主观权重；采用变权的方法来优化子指标层中各评估指标的权重，从而更加准确地反映出接触网的健康状态；子指标层中各评价指标变权重根据式(3)计算得到，常权重向量如式(4)所示；其变权重向量如式(5)所示：

其中a为变权系数；

步骤3：构建各评价指标X_kl与状态等级z_t,t＝1,2,3,4之间的集合对H＝(X_kl,z_t)，相应的4元联系度μ_kl,1，μ_kl,2，μ_kl,3，μ_kl,4根据式(6)计算得：

式中：s_kl,1，s_kl,2，s_kl,3，s_kl,4分别为评价指标X_kl与接触网健康状态等级z₁，z₂，z₃，z₄之间相对劣化度的最劣阈值，且0＜s_kl,1＜s_kl,2＜s_kl,3＜s_kl,4＝1；

接触网健康状态评估指标体系的指标层中第k个评价指标X_k与状态等级z_t之间的集合对H＝(X_k,z_t)，相应的联系度为：

步骤4：将步骤3中的联系度作为基本概率分配进行证据融合；采用式(8)-式(9)对求得的基本概率分配进行证据融合，D-S的融合规则为：

K＝∑m₁(A)m₂(B) (9)

式中：m₁(A)和m₂(B)分别是证据A和B识别框架U上的基本概率分配函数；

是合成概率分配；φ为空集；K是归一化因子，反映了不同证据之间的冲突程度；

在证据融合之前需要式(10)-式(12)来修订合成前的基本概率分配；

λ_k＝λγ_k (12)

式中：λ_k是可信度函数，其值越大表明证据更加可信；m_k(Z)和m_k(θ)是修订后的基本分配概率和不确定度；w_max是指标层各评估指标权重的最大值；λ是优先可信度系数；

步骤5：经证据理论融合得到的评估结果，其不确定度应满足：0≤m(θ)＜ε₁，如果所有状态等级所对应的合成概率分配的最大值m(z_i)与次大值m(z_j)之间的差值满足一定的条件：m(z_i)-m(z_j)＜ε₂，那么状态评估结果为z_i级；当合成概率分配之间的差值不满足上述条件时，如果存在

则认为状态评估结果为z_i级。

Images