CN109522633B - 基于拓扑综合重要度的高速铁路系统关键环节集辨识方法 - Google Patents

基于拓扑综合重要度的高速铁路系统关键环节集辨识方法 Download PDF

Info

Publication number
CN109522633B
CN109522633B CN201811326237.3A CN201811326237A CN109522633B CN 109522633 B CN109522633 B CN 109522633B CN 201811326237 A CN201811326237 A CN 201811326237A CN 109522633 B CN109522633 B CN 109522633B
Authority
CN
China
Prior art keywords
node
nodes
risk
network
importance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811326237.3A
Other languages
English (en)
Other versions
CN109522633A (zh
Inventor
贾利民
张惠茹
秦勇
王莉
王铭铭
程晓卿
辛格
郭建媛
徐杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201811326237.3A priority Critical patent/CN109522633B/zh
Publication of CN109522633A publication Critical patent/CN109522633A/zh
Application granted granted Critical
Publication of CN109522633B publication Critical patent/CN109522633B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明提供了一种基于拓扑综合重要度的高速铁路系统关键环节集辨识方法。该方法包括如下步骤：从高速铁路装备‑环境‑人‑管理四个系统出发，根据系统的物理、电气和信息组成关系，构建高速铁路系统多重多粒度网络模型；基于所述多重多粒度网络模型计算出各节点的功能维度指标，基于所述多重多粒度网络模型，计算出各节点的风险维度指标，综合各个节点的功能维度指标和风险维度指标的重要度排序结果，得到高速铁路系统的关键环节集。本发明结合高速铁路系统拓扑结构、功能重要度、风险概率以及失效后影响运营的严重程度，突破了以往高速铁路系统关键环节辨识过程中，依赖专家经验、关注局部设备或子系统、缺少系统间作用关系等局限。

Description

基于拓扑综合重要度的高速铁路系统关键环节集辨识方法
技术领域
本发明涉及高速铁路系统可靠性技术领域，尤其涉及一种基于拓扑综合重要度的高速铁路系统关键环节集辨识方法。
背景技术
高速铁路是一个极其复杂的巨系统，涵盖装备-环境-人-管理多方面的内容。近年来，不断提升的运营速度以及发车频率，对整个系统的安全可靠性提出了更高的要求。辨识高速铁路系统关键环节集，一方面可以为设计阶段的可靠性提升和优化提供支撑，另一方面可以合理分配运营阶段的检测和维修资源，从而实现高速铁路系统的安全、可靠以及高速运营。
目前，现有技术中一种关于高速铁路系统中关键环节辨识的方法为依赖系统可靠性理论的方法。系统可靠性理论是在假设系统中各部件相互独立的条件下，通过计算Birnbaum重要度、贝叶斯可靠性重要度和关键可靠性重要度等指标识别系统中的关键环节。该方法的缺点为：在指标计算过程中需要部件在系统中的位置信息、系统结构函数以及部件寿命分布信息等，对于高速铁路系统这种复杂巨系统而言，精确地获得各项信息存在巨大的困难。
现有技术中另一种关于高速铁路系统中关键环节辨识的方法为网络理论的方法。通过计算节点度和介数等指标来识别系统中关键环节。该方法的缺点为：仅仅考虑了拓扑结构的重要性，并未考虑环节自身功能重要度、风险概率以及失效后影响运营的严重程度等因素，现实应用性较弱。
发明内容
本发明的实施例提供了一种基于拓扑综合重要度的高速铁路系统关键环节集辨识方法，以克服现有技术的问题。
为了实现上述目的，本发明采取了如下技术方案。
一种基于拓扑综合重要度的高速铁路系统关键环节集辨识方法，包括下述步骤：
步骤(1)：从高速铁路装备-环境-人-管理四个系统出发，根据高速铁路系统的物理、电气和信息组成关系，构建高速铁路系统的多重多粒度网络模型；S＝{S1,S2,S3,S4}；
步骤(2)：在建立的网络模型基础上，计算出各节点的功能维度指标Kfunc，节点s的功能维度指标
Figure BDA00018588269500000210
由网络的功能度、功能接近中心性、功能网络效率和功能节点介数四项指标综合形成；
步骤(3)：在建立的网络模型的基础上，计算出各节点的风险维度指标Krisk，节点s的风险维度指标
Figure BDA0001858826950000021
由网络的风险度、风险接近中心性、风险网络效率和风险节点介数四项指标综合形成；
步骤(4)：针对节点s，综合
Figure BDA0001858826950000022
和
Figure BDA0001858826950000023
的重要度排序结果，累加两项指标值，得到节点s的综合重要度值
Figure BDA0001858826950000024
将综合重要度值
Figure BDA0001858826950000025
大于设定的重要度阈值的所有节点构成高速铁路系统关键环节集。
进一步地，包括的步骤(1)具体包括：
2.1.根据功能的不同将高速铁路的装备系统划分为不同子系统，即：
Figure BDA0001858826950000026
其中，N1是装备的集合；
Figure BDA0001858826950000027
是装备中第i个子系统；
Figure BDA0001858826950000028
分别为装备中第i个子系统的机械层、电气层和信息层；Vi 1是装备第i个子系统的点集，装备系统不同层的节点相同；
Figure BDA0001858826950000029
是装备第i个子系统α,β,γ层的边集；n是子系统的个数；
2.2.根据组份的不同，将环境、人和管理系统分别划分为不同的子系统；环境系统指对列车安全运行产生影响的各类环境因素的集合，人的系统指维持高速铁路系统正常运转的各类人员因素的集合，管理系统指高速铁路系统中，规范各类工作人员工作流程的培训、考核及制度的集合，即：
Figure BDA0001858826950000031
其中，Nx是系统x的集合，x取[2,3,4]分别代表环境、人和管理；
Figure BDA0001858826950000032
是系统x第i个子系统；Vi x是系统x的第i个子系统点集；
Figure BDA0001858826950000033
是系统x的第i个子系统边集；
2.3.将高速铁路的子系统抽象为虚节点
Figure BDA0001858826950000034
将子系统中的环节抽象为实节点
Figure BDA00018588269500000314
即：
Figure BDA0001858826950000035
其中，
Figure BDA0001858826950000036
是高速铁路第x个系统的第i个子系统的实节点s；
2.4.将高速铁路系统中环节与子系统之间的所属关系抽象为所属连接边
Figure BDA0001858826950000037
环节与环节之间的作用关系抽象为作用连接边
Figure BDA0001858826950000038
即：
Figure BDA0001858826950000039
其中，装备系统的连接边
Figure BDA00018588269500000310
包括机械层连接边、电气层连接边和信息层连接边，m是节点的个数，即：
Figure BDA00018588269500000311
2.5.环节与环节之间只要存在三种连接边中的一种或多种，即认为网络模型中两个节点直接有边相连。
进一步地，包括的步骤(2)具体包括：
节点s的功能维度指标
Figure BDA00018588269500000312
的计算公式如下：
Figure BDA00018588269500000313
3.1.节点s的功能度
Figure BDA0001858826950000041
的计算公式为：
Figure BDA0001858826950000042
其中ast是邻接矩阵中第s行t列的值，邻接矩阵是一个以数字1、0表示节点之间相邻关系的矩阵，1代表两个节点有边直接相连，否则为0；ωs表征节点s功能重要程度的系数，通过专家打分法确定，打分以环节对于列车完成运营功能中的重要程度为评分标准；
Figure BDA0001858826950000043
描述的是部件s在系统完成功能过程中所发挥作用的重要程度，节点的
Figure BDA0001858826950000044
值越大，说明该节点所代表的环节本身在网络拓扑连接中对保障列车运营功能越重要；
3.2.节点s的功能接近中心性
Figure BDA0001858826950000045
的计算公式为：
Figure BDA0001858826950000046
其中dst是节点s和节点t之间的最短路径，取需要经过的最少的边数目，当两节点不连通时，最短路径取当前网络的最大路径长度；
Figure BDA0001858826950000047
描述的是部件s在系统完成功能过程中所处位置的中心程度，节点的
Figure BDA0001858826950000048
值越大，说明该节点所代表的环节在列车完成运营功能过程中，其功能中心度越高，部件本身也越重要；
3.3.节点s的功能网络效率
Figure BDA0001858826950000049
的计算公式为：
Figure BDA00018588269500000410
定义网络效率为去掉第s个节点的值，即删除网络中一个节点并计算此时的网络效率值；
Figure BDA00018588269500000411
描述的是部件s在系统完成功能过程中，通过网络效率变化所体现的该节点的重要程度，事实上去掉任何节点，网络效率都将变差；去掉节点s后，
Figure BDA00018588269500000412
值越小，说明节点对应的环节对保障功能连通性越重要；
3.4.节点s的功能节点介数
Figure BDA00018588269500000413
的计算公式为：
Figure BDA00018588269500000414
其中σab(s)是经过节点s的从a→b的最短路径数目，σab是从a→b的最短路径数目；
Figure BDA00018588269500000415
描述的是部件i在系统完成功能过程中，作为桥梁作用的重要程度；节点的
Figure BDA00018588269500000416
越大，说明节点对应的环节在列车实现功能时，充当中介的次数越高，环节本身也越重要；
3.5.用向量规范法计算得到规范决策矩阵Z：
Figure BDA00018588269500000417
其中，Is,x为节点s第x列的指标值；对于节点的功能维度指标，包括度、接近中心性、网络效率和节点介数四项，Is,x根据x值的不同，依次为
Figure BDA00018588269500000418
3.6.构造加权规范矩阵Y：ysx＝μx*zsx，其中μx是指标x的权重，这里取四项指标权重相同；
3.7.确定理想y*和负理想解y0，网络效率具有成本型属性，其他三项指标具有效益型属性，即：
Figure BDA0001858826950000051
3.8.计算到理想解与负理想解的距离：
Figure BDA0001858826950000052
3.9.计算与理想解的接近程度
Figure BDA0001858826950000053
将该
Figure BDA0001858826950000054
值作为根据节点s的功能维度指标
Figure BDA0001858826950000055
得到的节点重要度，该节点重要度值越大则节点所对应的环节在列车实现功能的过程中越重要。
进一步地，包括的步骤(3)具体包括：
4.1.节点s的风险度
Figure BDA0001858826950000056
的计算公式为：
Figure BDA0001858826950000057
其中ps表征节点s发生故障频率的系数，通过故障数据统计得到；ls表征节点s失效之后对列车运行造成影响的严重程度，以列车需要临时停车时整车所处性能状态为判断依据，100分为最佳状态，通过历史运营数据得到；
Figure BDA0001858826950000058
描述的是在考虑环节i自身失效的可能性大小以及失效的严重程度时，影响的邻节点数目；节点s的相邻节点越多，说明该节点对应的环节发生故障后，影响范围越广；节点s的ps以及ls值越大，说明节点越容易发生故障，且影响越恶劣；
4.2.节点s的风险接近中心性
Figure BDA0001858826950000059
的计算公式为：
Figure BDA00018588269500000510
其中，
Figure BDA00018588269500000511
是节点s和节点t之间考虑网络风险权重后的最短路径，取风险权重和最小的路径，当两节点不连通时，最短路取当前网络的最大路径长，则
Figure BDA00018588269500000512
其中，a,b,c表示最短路径上的点，qsa表征节点s失效后，对节点a的影响程度，通过历史运营数据得到；
Figure BDA00018588269500000513
描述的是考虑部件i自身失效的可能性大小以及失效的严重程度时，在网络中处于不同位置的节点的重要程度，
Figure BDA00018588269500000514
值越大说明该节点发生故障后，将受到节点s影响的部件的范围越广；
4.3.节点s的风险网络效率
Figure BDA0001858826950000061
的计算公式为：
Figure BDA0001858826950000062
定义为去掉节点s的网络效率；
Figure BDA0001858826950000063
描述的是考虑部件s自身失效的可能性大小以及失效的严重程度时，去掉节点s网络效率的变化；节点风险网络效率
Figure BDA0001858826950000064
越小，说明该节点发生故障后，网络效率变化越大，也说明该环节越重要；
4.4.节点s的风险节点介数
Figure BDA0001858826950000065
的计算公式为：
Figure BDA0001858826950000066
其中
Figure BDA0001858826950000067
是经过节点s的从a→b的考虑网络风险权重的最短路径数目，σab是从a→b的考虑网络风险权重的最短路径数目；
Figure BDA0001858826950000068
描述的是考虑部件s自身失效的可能性大小以及失效的严重程度时，拥有“桥梁”作用节点的重要程度，
Figure BDA0001858826950000069
越大，说明该节点发生故障后，将受到节点s影响的越多，节点对应的环节越重要；
4.5.用向量规范法计算规范决策矩阵Z；
4.6.构造加权规范矩阵Y；
4.7.确定理想y*和负理想解y0；
4.8.计算到理想解
Figure BDA00018588269500000610
与负理想解
Figure BDA00018588269500000611
的距离；
4.9.计算与理想解的接近程度
Figure BDA00018588269500000612
将该
Figure BDA00018588269500000613
值作为根据节点s的风险维度指标Krisk得到的节点重要度，该值越大则节点在网络中越重要，节点所对应的环节本身越重要。
进一步地，包括的步骤(4)具体包括：
针对节点s，综合
Figure BDA00018588269500000614
和
Figure BDA00018588269500000615
的重要度排序结果，累加两项指标值，得到节点s的综合重要度值
Figure BDA00018588269500000616
将综合重要度值
Figure BDA00018588269500000617
大于设定的重要度阈值的所有节点构成高速铁路系统关键环节集。
进一步地，所述的步骤1.3.中定义虚节点用来描述高速铁路系统中环节与子系统之间的所属关系，在进行功能和风险维度指标计算的时候，虚节点不参与计算，该类节点仅实现连通网络的功能。
进一步地，所述环境系统包括自然灾害、异物入侵和以防护栅栏为主的周界防范。
进一步地，所述人的系统包括工作人员和乘客，其中，工作人员进一步按照车-机-工-电-辆的工作属性分别研究。
由上述本发明的实施例提供的技术方案可以看出，本发明实施例从高速铁路系统环节自身功能性和风险性属性角度出发，在分析部件和子系统之间的机械、电气和信息关系基础上，构建覆盖高速铁路系统“人-机-环-管”的全局网络，在此基础上，从功能和风险等多个维度辨识高速铁路系统关键环节，实现了对整个高速铁路系统关键环节集的辨识。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于拓扑综合重要度的高速铁路系统关键环节集辨识方法的处理流程图；
图2为本发明实施例提供的一种高速列车走行部拓扑网络模型示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
实施例一
本发明实施例在分析部件和子系统之间的机械、电气和信息关系基础上，搭建了覆盖“人-机-环-管”的高速铁路系统全局网络；在此基础上，从功能和风险等多个维度辨识高速铁路系统关键环节。可操作性更强，对高速铁路系统安全、可靠运营具有重大的实际价值和推广意义。
本发明实施例提供了一种基于拓扑综合重要度的高速铁路系统关键环节集辨识方法，该方法的处理流程如图1所示，包括如下的处理步骤：
步骤(1)、基于高速铁路装备-环境-人-管理四个系统，根据高速铁路系统的物理、电气和信息组成关系，构建高速铁路系统多重多粒度网络模型S＝{S1,S2,S3,S4}。
1.1.根据功能的不同将高速铁路的装备系统划分为不同子系统，即
Figure BDA0001858826950000081
其中，N1是装备的集合；
Figure BDA0001858826950000082
是装备中第i个子系统；
Figure BDA0001858826950000083
分别为装备中第i个子系统的机械层、电气层和信息层；Vi 1是装备第i个子系统的点集，装备系统不同层的节点相同；
Figure BDA0001858826950000084
是装备第i个子系统α,β,γ层的边集；n是子系统的个数；
1.2.根据组份的不同，将环境、人和管理系统分别划分为不同的子系统，环境系统指对列车安全运行产生影响的各类环境因素的集合，包括自然灾害如风、雨、雪和地震，异物入侵，如侵限人、侵限车和落石，也包括以防护栅栏为主的周界防范；人的系统指维持高速铁路系统正常运转的各类人员因素的集合，包括工作人员和乘客，其中，工作人员又可以根据研究的精细度，进一步按照车-机-工-电-辆的工作属性分别研究；管理系统指高速铁路系统中，规范各类工作人员工作流程的培训、考核及制度的集合，如安全考核、安全培训和安全规章。即：
Figure BDA0001858826950000091
其中，Nx是系统x的集合，x取[2,3,4]分别代表环境、人和管理；
Figure BDA0001858826950000092
是系统x第i个子系统；Vi x是系统x第i个子系统点集；
Figure BDA0001858826950000093
是系统x第i个子系统边集。
1.3.将高速铁路的子系统抽象为虚节点
Figure BDA0001858826950000094
将子系统中的环节抽象为实节点
Figure BDA00018588269500000912
即：
Figure BDA0001858826950000095
其中，
Figure BDA0001858826950000096
是高速铁路第x个系统的第i个子系统的实节点s。
1.4.将高速铁路系统中环节与子系统之间的所属关系抽象为所属连接边
Figure BDA0001858826950000097
环节与环节之间的作用关系抽象为作用连接边
Figure BDA0001858826950000098
即：
Figure BDA0001858826950000099
其中，装备系统的连接边
Figure BDA00018588269500000910
包括机械层连接边、电气层连接边和信息层连接边，m是节点的个数，即：
Figure BDA00018588269500000911
1.5.环节与环节之间只要存在三种连接边中的一种或多种，即认为网络模型中两个节点直接有边相连。
步骤(2)在建立的网络模型基础上，计算各节点的功能维度指标Kfunc。节点s的Kfunc由网络的功能度、功能拓扑接近中心性、功能拓扑网络效率和功能拓扑节点介数四项指标综合形成：
Figure BDA0001858826950000101
2.1.节点s的功能度
Figure BDA0001858826950000102
的计算公式为：
Figure BDA0001858826950000103
其中ast是邻接矩阵中第s行t列的值，邻接矩阵是一个以数字1、0表示节点之间相邻关系的矩阵，1代表两个节点有边直接相连，否则为0；邻接矩阵是表示两个节点之间连接关系的，ast就是节点s,t之间的值，也就是邻接矩阵中第s行第t列的值，有边连是1，否则0。下面出现的ast也都是代表两个节点s,t之间的连接关系。ωs表征节点s功能重要程度的系数，可通过专家打分法确定，打分以环节对于列车完成运营功能中的重要程度为评分标准(见下表1)。
Figure BDA0001858826950000104
描述的是部件s在系统完成功能过程中所发挥作用的重要程度，节点的
Figure BDA0001858826950000105
值越大，说明该节点所代表的环节本身在网络拓扑连接中对保障列车运营功能越重要。
表1运营功能中重要程度评分标准表
Figure BDA0001858826950000106
2.2.节点s的功能接近中心性
Figure BDA0001858826950000107
的计算公式为：
Figure BDA0001858826950000108
其中dst是节点s和节点t之间的最短路径，取需要经过的最少的边数目，当两节点不连通时，最短路径取当前网络的最大路径长度。
Figure BDA0001858826950000109
描述的是部件s在系统完成功能过程中所处位置的中心程度，节点的
Figure BDA00018588269500001010
值越大，说明该节点所代表的环节在列车完成运营功能过程中，其功能中心度越高，部件本身也越重要。
2.3.节点s的功能网络效率
Figure BDA00018588269500001011
的计算公式为：
Figure BDA00018588269500001012
定义网络效率为去掉第s个节点的值，即删除网络中一个节点并计算此时的网络效率值。
Figure BDA00018588269500001013
描述的是部件s在系统完成功能过程中，通过网络效率变化所体现的该节点的重要程度，事实上去掉任何节点，网络效率都将变差。去掉节点s后，
Figure BDA00018588269500001014
值越小，说明节点对应的环节对保障功能连通性越重要。
2.4.节点s的功能节点介数
Figure BDA00018588269500001015
的计算公式为：
Figure BDA00018588269500001016
其中σab(s)是经过节点s的从a→b的最短路径数目，σab是从a→b的最短路径数目。
Figure BDA0001858826950000111
描述的是部件i在系统完成功能过程中，作为“桥梁”作用的重要程度。节点的
Figure BDA0001858826950000112
越大，说明节点对应的环节在列车实现功能时，充当“中介”的次数越高，环节本身也越重要。a,b表示网络中除s的任意两个节点，a≠s≠b∈V。
2.5.用向量规范法计算得到规范决策矩阵Z：
Figure BDA0001858826950000113
其中，Is,x为节点s第x列的指标值。对于节点的功能维度指标，包括度、接近中心性、网络效率和节点介数四项，Is,x根据x值的不同，依次为
Figure BDA0001858826950000114
每一个节点有4个指标(删掉特征向量中心性)，规范的意思就是统一4项指标的量纲。所以最终，Z是一个m*4的矩阵，有m个节点是m行，每行4个指标是4列。
2.6.构造加权规范矩阵Y：ysx＝μx*zsx，其中μx是指标x的权重，这里取四项指标权重相同。
2.7.确定理想y*和负理想解y0，网络效率具有成本型属性，其他三项指标具有效益型属性，即：
Figure BDA0001858826950000115
2.8.计算到理想解与负理想解的距离：
Figure BDA0001858826950000116
ysx＝μx*zsx，是中间的一个计算量，加权规范矩阵Y的值。
2.9.计算与理想解的接近程度
Figure BDA0001858826950000117
将该
Figure BDA0001858826950000118
值作为根据节点s的功能维度指标Kfunc得到的节点重要度，该节点重要度值越大则节点所对应的环节在列车实现功能的过程中越重要。
步骤(3)在建立的网络模型的基础上，计算各节点的风险维度指标Krisk。节点s的
Figure BDA0001858826950000119
由风险度、风险接近中心性、风险网络效率和风险节点介数四项指标综合形成：
Figure BDA00018588269500001110
3.1.节点s的风险度
Figure BDA00018588269500001111
的计算公式为：
Figure BDA00018588269500001112
其中ps表征节点s发生故障频率的系数，通过故障数据统计得到(见下表2)；ls表征节点s失效之后对列车运行造成影响的严重程度，以列车需要临时停车时整车所处性能状态为判断依据，100分为最佳状态，通过历史运营数据得到。
Figure BDA0001858826950000121
描述的是在考虑环节i自身失效的可能性大小以及失效的严重程度时，影响的邻节点数目。节点s的相邻节点越多，说明该节点对应的环节发生故障后，影响范围越广；节点s的ps以及ls值越大，说明节点越容易发生故障，且影响越恶劣。
表2故障频率统计表
Figure BDA0001858826950000122
3.2.节点s的风险接近中心性
Figure BDA0001858826950000123
的计算公式为：
Figure BDA0001858826950000124
其中，
Figure BDA0001858826950000125
是节点s和节点t之间考虑网络风险权重后的最短路径，取风险权重和最小的路径，当两节点不连通时，最短路取当前网络的最大路径长，则
Figure BDA0001858826950000126
其中，a,b,c表示最短路径上的点，qsa表征节点s失效后，对节点a的影响程度，通过咨询专家并结合历史运营数据得到。
Figure BDA0001858826950000127
描述的是考虑部件i自身失效的可能性大小以及失效的严重程度时，在网络中处于不同位置的节点的重要程度，
Figure BDA0001858826950000128
值越大说明该节点发生故障后，将受到节点s影响的部件的范围越广。
3.3.节点s的风险网络效率
Figure BDA0001858826950000129
的计算公式为：
Figure BDA00018588269500001210
定义为去掉节点s的网络效率。
Figure BDA00018588269500001211
描述的是考虑部件s自身失效的可能性大小以及失效的严重程度时，去掉节点s网络效率的变化。节点风险网络效率
Figure BDA00018588269500001212
越小，说明该节点发生故障后，网络效率变化越大，也说明该环节越重要。
3.4.节点s的风险节点介数
Figure BDA00018588269500001213
的计算公式为：
Figure BDA00018588269500001214
其中
Figure BDA00018588269500001215
是经过节点s的从a→b的考虑网络风险权重的最短路径数目，σab是从a→b的考虑网络风险权重的最短路径数目。
Figure BDA00018588269500001216
描述的是考虑部件s自身失效的可能性大小以及失效的严重程度时，拥有“桥梁”作用节点的重要程度，
Figure BDA00018588269500001217
越大，说明该节点发生故障后，将受到节点s影响的越多，节点对应的环节越重要。
3.5.用向量规范法计算规范决策矩阵Z(同步骤2.5)。
3.6.构造加权规范矩阵Y(同步骤2.6)。
3.7.确定理想y*和负理想解y0(同步骤2.7)。
3.8.计算到理想解
Figure BDA0001858826950000131
与负理想解
Figure BDA0001858826950000132
的距离(同步骤2.8)。
3.9.计算与理想解的接近程度
Figure BDA0001858826950000133
(同步骤2.9)，将该
Figure BDA0001858826950000134
值作为根据节点s的风险维度指标Krisk得到的节点重要度，该值越大则节点在网络中越重要，节点所对应的环节本身越重要。
步骤(4)针对节点s，综合Kfunc和Krisk的重要度排序结果，累加两项指标值，得到节点s的综合重要度值
Figure BDA0001858826950000135
将综合重要度值
Figure BDA0001858826950000136
大于设定的重要度阈值的所有节点构成高速铁路系统关键环节集。
所述的步骤1.3.中定义虚节点用来描述高速铁路系统中环节与子系统之间的所属关系，在进行功能和风险维度指标计算的时候，虚节点不参与计算，该类节点仅实现连通网络的功能。
实施例二
走行部子系统是高速列车系统的重要组成部分之一，其所具有的承载、制动、转向、缓冲和牵引等功能是列车实现安全输运功能的重要保障，同时转向架又是故障常发的子系统。因此，以走行部子系统为例阐述本发明的研究过程。
根据图1所示的关键环节集辨识方法流程图，首先基于走行部子系统功能、风险特点，提取出36个环节(步骤1.1～1.4)。根据实际的机械、电气和信息功能，抽象出36个环节之间的作用关系，只要在机械层、电气层和信息层存在一种或多种连接关系，即认为两个点有边直接相连(步骤1.5)。将环节抽象为节点，将环节之间的作用关系抽象为边，构建高速铁路系统的多重多粒度网络模型如图2所示。其中虚节点1个(BOGIE)，实节点35个(图中标注数字)。
表3走行部多重多粒度网络节点
Figure BDA0001858826950000137
Figure BDA0001858826950000141
计算各节点的功能维度指标，包括功能度、功能接近中心性、功能网络效率、功能介数四项指标，通过接近程度值的大小进行综合排序。例如，网络中编号为1的构架总成，功能重要程度的系数为0.1，向量规范矩阵为
Figure BDA0001858826950000142
Figure BDA0001858826950000143
环节的功能维度指标排序见下表3。
表3功能维度指标排序
Figure BDA0001858826950000144
计算各节点的风险维度指标，包括风险度、风险接近中心性、风险网络效率、风险节点介数四项指标，通过接近程度值的大小进行综合排序。例如，网络中编号为1的构架总成，从故障数据中提取构架的风险等级为低风险的3级，列车需要停车时列车整体状态为45分，节点1失效导致与其相连节点失效程度通过专家打分并结合故障数据得到见下表4，向量规范矩阵为
Figure BDA0001858826950000151
Figure BDA0001858826950000152
环节的风险维度指标排序见下表5。
表4节点1失效影响其相连节点失效程度
Figure BDA0001858826950000153
表5风险维度指标排序
Figure BDA0001858826950000154
累加两项指标值，得到最终的高速列车走行部关键环节集，例如，网络中编号为1的构架，
Figure BDA0001858826950000161
见下表6。
表6综合排序
Figure BDA0001858826950000162
综上所述，本发明实施例基于高速列车走行部的拓扑结构，从环节自身功能性和风险性属性角度出发，在分析部件和子系统之间的机械、电气和信息关系基础上，从功能和风险维度辨识走行部关键环节，实现了对走行部关键环节集的辨识。该辨识方法可进一步扩大应用到整个高速铁路系统。
本发明实施例的方法的可操作性更强，对高速铁路系统安全、可靠运营具有重大的实际价值和推广意义。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种基于拓扑综合重要度的高速铁路系统关键环节集辨识方法，其特征在于，包括下述步骤：
步骤(1)：从高速铁路装备-环境-人-管理四个系统出发，根据高速铁路系统的物理、电气和信息组成关系，构建高速铁路系统的多重多粒度网络模型；S＝{S1,S2,S3,S4}；
步骤(2)：在建立的网络模型基础上，计算出各节点的功能维度指标Kfunc，节点s的功能维度指标
Figure QLYQS_1
由网络的功能度、功能接近中心性、功能网络效率和功能节点介数四项指标综合形成；
步骤(3)：在建立的网络模型的基础上，计算出各节点的风险维度指标Krisk，节点s的风险维度指标
Figure QLYQS_2
由网络的风险度、风险接近中心性、风险网络效率和风险节点介数四项指标综合形成；
步骤(4)：针对节点s，综合
Figure QLYQS_3
和
Figure QLYQS_4
的重要度排序结果，累加两项指标值，得到节点s的综合重要度值
Figure QLYQS_5
Figure QLYQS_6
将综合重要度值
Figure QLYQS_7
大于设定的重要度阈值的所有节点构成高速铁路系统关键环节集；
包括的步骤(2)具体包括：
节点s的功能维度指标
Figure QLYQS_8
的计算公式如下：
Figure QLYQS_9
3.1.节点s的功能度
Figure QLYQS_10
的计算公式为：
Figure QLYQS_11
m是节点的个数,其中ast是邻接矩阵中第s行t列的值，邻接矩阵是一个以数字1、0表示节点之间相邻关系的矩阵，1代表两个节点有边直接相连，否则为0；ωs表征节点s功能重要程度的系数，通过专家打分法确定，打分以环节对于列车完成运营功能中的重要程度为评分标准；
Figure QLYQS_12
描述的是部件s在系统完成功能过程中所发挥作用的重要程度，节点的
Figure QLYQS_13
值越大，说明该节点所代表的环节本身在网络拓扑连接中对保障列车运营功能越重要；
3.2.节点s的功能接近中心性
Figure QLYQS_14
的计算公式为：
Figure QLYQS_15
其中dst是节点s和节点t之间的最短路径，取需要经过的最少的边数目，当两节点不连通时，最短路径取当前网络的最大路径长度；
Figure QLYQS_16
描述的是部件s在系统完成功能过程中所处位置的中心程度，节点的
Figure QLYQS_17
值越大，说明该节点所代表的环节在列车完成运营功能过程中，其功能中心度越高，部件本身也越重要；
3.3.节点s的功能网络效率
Figure QLYQS_18
的计算公式为：
Figure QLYQS_19
定义网络效率为去掉第s个节点的值，即删除网络中一个节点并计算此时的网络效率值；
Figure QLYQS_20
描述的是部件s在系统完成功能过程中，通过网络效率变化所体现的该节点的重要程度，事实上去掉任何节点，网络效率都将变差；去掉节点s后，
Figure QLYQS_21
值越小，说明节点对应的环节对保障功能连通性越重要；
3.4.节点s的功能节点介数
Figure QLYQS_22
的计算公式为：
Figure QLYQS_23
其中σab(s)是经过节点s的从a→b的最短路径数目，σab是从a→b的最短路径数目；
Figure QLYQS_24
描述的是部件i在系统完成功能过程中，作为桥梁作用的重要程度；节点的
Figure QLYQS_25
越大，说明节点对应的环节在列车实现功能时，充当中介的次数越高，环节本身也越重要；
3.5.用向量规范法计算得到规范决策矩阵Z：
Figure QLYQS_26
其中，Isx为节点s指标x的值；对于节点的功能维度指标，包括度、接近中心性、网络效率和节点介数四项，Isx根据x值的不同，依次为
Figure QLYQS_27
3.6.构造加权规范矩阵Y：ysx＝μx*zsx，其中μx是指标x的权重，这里取四项指标权重相同；
3.7.确定理想解y*和负理想解y0，网络效率具有成本型属性，其他三项指标具有效益型属性，即：
Figure QLYQS_28
3.8.计算到理想解与负理想解的距离：
Figure QLYQS_29
3.9.计算与理想解的接近程度
Figure QLYQS_30
将该
Figure QLYQS_31
值作为根据节点s的功能维度指标
Figure QLYQS_32
得到的节点重要度，该节点重要度值越大则节点所对应的环节在列车实现功能的过程中越重要；
包括的步骤(3)具体包括：
4.1.节点s的风险度
Figure QLYQS_33
的计算公式为：
Figure QLYQS_34
其中ps表征节点s发生故障频率的系数，通过故障数据统计得到；ls表征节点s失效之后对列车运行造成影响的严重程度，以列车需要临时停车时整车所处性能状态为判断依据，100分为最佳状态，通过历史运营数据得到；
Figure QLYQS_35
描述的是在考虑环节i自身失效的可能性大小以及失效的严重程度时，影响的邻节点数目；节点s的相邻节点越多，说明该节点对应的环节发生故障后，影响范围越广；节点s的ps以及ls值越大，说明节点越容易发生故障，且影响越恶劣；
4.2.节点s的风险接近中心性
Figure QLYQS_36
的计算公式为：
Figure QLYQS_37
其中，
Figure QLYQS_38
是节点s和节点t之间考虑网络风险权重后的最短路径，取风险权重和最小的路径，当两节点不连通时，最短路取当前网络的最大路径长，则
Figure QLYQS_39
其中，a,b,c表示最短路径上的点，qsa表征节点s失效后，对节点a的影响程度，通过历史运营数据得到；
Figure QLYQS_40
描述的是考虑部件i自身失效的可能性大小以及失效的严重程度时，在网络中处于不同位置的节点的重要程度，
Figure QLYQS_41
值越大说明该节点发生故障后，将受到节点s影响的部件的范围越广；
4.3.节点s的风险网络效率
Figure QLYQS_42
的计算公式为：
Figure QLYQS_43
定义为去掉节点s的网络效率；
Figure QLYQS_44
描述的是考虑部件s自身失效的可能性大小以及失效的严重程度时，去掉节点s网络效率的变化；节点风险网络效率
Figure QLYQS_45
越小，说明该节点发生故障后，网络效率变化越大，也说明该环节越重要；
4.4.节点s的风险节点介数
Figure QLYQS_46
的计算公式为：
Figure QLYQS_47
其中
Figure QLYQS_48
是经过节点s的从a→b的考虑网络风险权重的最短路径数目，
Figure QLYQS_49
是从a→b的考虑网络风险权重的最短路径数目；
Figure QLYQS_50
描述的是考虑部件s自身失效的可能性大小以及失效的严重程度时，拥有“桥梁”作用节点的重要程度，
Figure QLYQS_51
越大，说明该节点发生故障后，将受到节点s影响的越多，节点对应的环节越重要；
4.5.用向量规范法计算规范决策矩阵Z；
4.6.构造加权规范矩阵Y；
4.7.确定理想y*和负理想解y0；
4.8.计算到理想解
Figure QLYQS_52
与负理想解
Figure QLYQS_53
的距离；
4.9.计算与理想解的接近程度
Figure QLYQS_54
将该
Figure QLYQS_55
值作为根据节点s的风险维度指标Krisk得到的节点重要度，该值越大则节点在网络中越重要，节点所对应的环节本身越重要。
2.根据权利要求1所述的方法，其特征在于，包括的步骤(1)具体包括：
2.1.根据功能的不同将高速铁路的装备系统划分为不同子系统，即：
Figure QLYQS_56
其中，N1是装备的集合；
Figure QLYQS_57
是装备中第i个子系统；
Figure QLYQS_58
分别为装备中第i个子系统的机械层、电气层和信息层；Vi 1是装备第i个子系统的点集，装备系统不同层的节点相同；
Figure QLYQS_59
是装备第i个子系统α,β,γ层的边集；n是子系统的个数；
2.2.根据组份的不同，将环境、人和管理系统分别划分为不同的子系统；环境系统指对列车安全运行产生影响的各类环境因素的集合，人的系统指维持高速铁路系统正常运转的各类人员因素的集合，管理系统指高速铁路系统中，规范各类工作人员工作流程的培训、考核及制度的集合，即：
Figure QLYQS_60
其中，
Figure QLYQS_62
是系统
Figure QLYQS_66
的集合，
Figure QLYQS_69
取[2,3,4]分别代表环境、人和管理；
Figure QLYQS_63
是系统
Figure QLYQS_64
第i个子系统；
Figure QLYQS_67
是系统
Figure QLYQS_68
的第i个子系统点集；
Figure QLYQS_61
是系统
Figure QLYQS_65
的第i个子系统边集；
2.3.将高速铁路的子系统抽象为虚节点
Figure QLYQS_70
将子系统中的环节抽象为实节点
Figure QLYQS_71
即：
Figure QLYQS_72
其中，
Figure QLYQS_73
是高速铁路第
Figure QLYQS_74
个系统的第i个子系统的实节点s；
2.4.将高速铁路系统中环节与子系统之间的所属关系抽象为所属连接边
Figure QLYQS_75
环节与环节之间的作用关系抽象为作用连接边
Figure QLYQS_76
即：
Figure QLYQS_77
其中，装备系统的连接边
Figure QLYQS_78
包括机械层连接边、电气层连接边和信息层连接边，m是节点的个数，即：
Figure QLYQS_79
2.5.环节与环节之间只要存在三种连接边中的一种或多种，即认为网络模型中两个节点直接有边相连。
3.根据权利要求1所述的方法，其特征在于，包括的步骤(4)具体包括：
针对节点s，综合
Figure QLYQS_80
和
Figure QLYQS_81
的重要度排序结果，累加两项指标值，得到节点s的综合重要度值
Figure QLYQS_82
Figure QLYQS_83
将综合重要度值
Figure QLYQS_84
大于设定的重要度阈值的所有节点构成高速铁路系统关键环节集。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述的步骤2.3.中定义虚节点用来描述高速铁路系统中环节与子系统之间的所属关系，在进行功能和风险维度指标计算的时候，虚节点不参与计算，该类节点仅实现连通网络的功能。
5.根据权利要求4所述的方法，其特征在于，所述环境系统包括自然灾害、异物入侵和以防护栅栏为主的周界防范。
6.根据权利要求5所述的方法，其特征在于，所述人的系统包括工作人员和乘客，其中，工作人员进一步按照车-机-工-电-辆的工作属性分别研究。
CN201811326237.3A 2018-11-08 2018-11-08 基于拓扑综合重要度的高速铁路系统关键环节集辨识方法 Active CN109522633B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811326237.3A CN109522633B (zh) 2018-11-08 2018-11-08 基于拓扑综合重要度的高速铁路系统关键环节集辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811326237.3A CN109522633B (zh) 2018-11-08 2018-11-08 基于拓扑综合重要度的高速铁路系统关键环节集辨识方法

Publications (2)

Publication Number Publication Date
CN109522633A CN109522633A (zh) 2019-03-26
CN109522633B true CN109522633B (zh) 2023-06-20

Family

ID=65773428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811326237.3A Active CN109522633B (zh) 2018-11-08 2018-11-08 基于拓扑综合重要度的高速铁路系统关键环节集辨识方法

Country Status (1)

Country Link
CN (1) CN109522633B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807580B (zh) * 2019-10-25 2022-03-04 上海建科工程咨询有限公司 基于复杂网络的超高层施工机械关键安全风险分析方法
CN113128892B (zh) * 2021-04-28 2022-04-22 中国水利水电科学研究院 基于复杂网络拓扑关系的链式灾害风险评估方法和装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2424539A (en) * 2005-03-22 2006-09-27 Hewlett Packard Development Co Modelling network to determine assess security properties
US8204720B2 (en) * 2007-06-01 2012-06-19 Alcatel Lucent Graph-based modeling apparatus and techniques
CN105303460A (zh) * 2015-10-30 2016-02-03 国家电网公司 一种电网关键节点和关键支路的辨识方法
CN106779309B (zh) * 2016-11-24 2021-03-02 华北电力大学（保定） 关键线路多角度多层次的辨识方法

Also Published As

Publication number Publication date
CN109522633A (zh) 2019-03-26

Similar Documents

Publication Publication Date Title
CN114889678B (zh) 一种基于动态贝叶斯的铁路站车线安全协同预警方法
Hong et al. Vulnerability effects of passengers' intermodal transfer distance preference and subway expansion on complementary urban public transportation systems
CN113361665B (zh) 一种基于强化学习的高原山地旅游安全风险预警方法
CN109522633B (zh) 基于拓扑综合重要度的高速铁路系统关键环节集辨识方法
CN102721901B (zh) 基于时序贝叶斯知识库tbkb的电网故障诊断方法
CN106202886A (zh) 基于模糊粗糙集与决策树的轨道电路红光带故障定位方法
CN112749904A (zh) 基于深度学习的配电网故障风险预警方法及系统
CN109902948A (zh) 一种基于大数据的输电线路监测系统及方法
Zhang et al. A review and prospect for the complexity and resilience of urban public transit network based on complex network theory
CN107239821B (zh) 随机攻击策略下的城市群交通网络可靠性修复方法
Zhang et al. A double-weighted vulnerability assessment model for metrorail transit networks and its application in Shanghai metro
CN110472371A (zh) 一种基于恢复力的电力系统元件重要度的评估方法
CN103093097A (zh) 基于规范切的电力系统脆弱断面识别方法
CN106447107A (zh) 一种基于飞机结构健康监控的维修方法
CN105843208B (zh) 基于弹复力效应的列控系统故障恢复方法
CN104459378A (zh) 一种智能变电站故障诊断方法
CN115719186A (zh) 一种区域交通网韧性评估方法及系统
CN114676746B (zh) 一种自然灾害下电力设备故障概率预测方法及系统
CN115660282B (zh) 面向乘客出行服务的轨道交通路网韧性评估方法及系统
CN113723859B (zh) 一种多层城市群综合客运网络稳定性评价方法
CN112950011B (zh) 轨道交通系统风险链分析方法和装置
CN112884233B (zh) 高速铁路系统多模态融合晚点预测方法
Neves et al. A vulnerability analysis of rail network disruptions during winter weather in the Netherlands
CN115620513A (zh) 基于韧性分析的城市道路网络状态监测方法及可视化系统
CN115242607A (zh) 一种基于节点重要性的电力网络可靠性预警方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant