CN109656239A - 一种轨道机车网络控制系统故障诊断方法及其诊断装置 - Google Patents

Abstract

本发明公开了一种轨道机车网络控制系统故障诊断方法及其诊断装置，所述方法包括：构建基于贝叶斯网络和马尔科夫转移矩阵的故障状态鉴别模型；实时采集MVB总线上的MVB数据包并获取当前监测的标准校验时间Δt内故障特征点对应的发生次数，并基于发生次数获取故障特征点的故障特征发生概率和映射概率；利用先验概率转移模型计算出现故障特征对应的故障节点在四个故障状态下的先验概率，最后基于先验概率、映射概率参数利用概率守恒公式分别计算出该故障特征对应故障节点分别处于所述四个故障状态下的后验概率，后验概率最高对应的故障状态为故障节点当前状态的可靠性最高。

Description

一种轨道机车网络控制系统故障诊断方法及其诊断装置

技术领域

本发明属于轨道机车技术领域，具体涉及一种轨道机车网络控制系统故障诊断方法及其诊断装置。

背景技术

作为目前主力车型的HXD1型机车都配备了MVB网络控制系统，机车重要部件(例如牵引控制单元、中央控制单元、制动机等)均挂在网络上传递数据。但是在机车日常运行过程中，时常出现网络通讯中断、部件通信失效等影响机车运行安全的故障和故障隐患；而该类故障在日常检修和整备时无法进行精确检测和定位，更无法确定到底是瞬时故障，间歇性故障还是永久故障。现有的C4修和C5修规程中也未对机车通信电缆进行性能检测，只是根据机车运行情况进行定性分析，无法保证机车通讯达到最优状态。

因此，从保障机车安全运行出发，开发机车网络控制系统分析诊断装置和诊断方法，对保障机车网络通信性能，快速检测机车网络传输质量和可靠性，具有重要的意义。

发明内容

本发明的目的是提供一种轨道机车网络控制系统故障诊断方法及其诊断装置，用于及时诊断MVB网络控制系统的故障问题，并获取到无故障、瞬时故障、间歇性故障还是永久故障对应的概率，进而便于鉴别故障状态进而及时进行处理，以保证机车网络传输质量和可靠性。本发明考虑了设备老化情况，首先根据机车设备的实际使用时间和故障状态之间的马尔科夫关系设计先验转移概率，从而得到更精确的故障属性判断，为机车设备的维修更换做更好的决策支持。

本发明提供的一种轨道机车MVB网络控制系统故障诊断方法，包括如下步骤：

S1：构建基于贝叶斯网络和马尔科夫转移矩阵的故障状态鉴别模型；

所述故障状态鉴别模型包括贝叶斯网络结构模型以及基于马尔科夫转移矩阵的先验概率转移模型；

其中，所述贝叶斯网络结构模型构建过程如下：

首先，构建包含双层事件的贝叶斯网络结构模型架构，第一层为故障特征层，由故障特征点构成；第二层为故障节点层，由故障节点构成；其中，一个故障特征点对应一个故障节点的所有故障特征，根据标准校验时间Δt内故障特征发生次数将每个故障特征点划分为四个频率状态，分别为零次、一次、两次、多次；机车上每个被监测设备以及机车MVB网络分别对应一个故障节点，每个故障节点包括无故障、瞬时故障、间歇性故障和永久故障四个故障状态；

然后，基于机车历史运行故障数据计算每个故障特征点分别在对应四个频率状态下的故障特征发生概率；并构建所述贝叶斯网络结构模型中每个故障节点到匹配的故障特征点的映射概率参数；所述映射概率产生用于表示故障节点处于某个故障状态以及处于故障特征点的某个频率状态时的发生概率；所述先验概率转移模型包括每个故障节点上四类故障状态的先验概率初始值以及标准校验时间Δt内四个故障状态之间先验概率转移函数；

S2：实时采集MVB总线上的MVB数据包来获取当前监测的标准校验时间Δt内故障特征点对应的发生次数，并基于所述发生次数获取故障特征点相匹配的故障特征发生概率和映射概率；

S3：基于所述故障状态鉴别模型中的先验概率转移模型计算出当前监测时刻故障节点在四个故障状态下的先验概率；

S4：基于故障特征点相匹配的故障特征发生概率、映射概率以及故障节点在四个故障状态下的先验概率利用概率守恒公式分别计算出当前监测时刻故障节点分别处于所述四个故障状态下的后验概率；

式中，P(c_j|x)表示当前监测时刻故障特征点x对应故障节点处于一类故障状态c_j下的后验概率；P(x|c_j)表示当前监测时刻故障节点处于一类故障状态c_j时，故障节点到故障特征点x的映射概率；P(c_j)表示当前监测时刻故障节点在一类故障状态c_j下的先验概率，P(x)表示当前监测时刻故障特征点x对应的故障特征发生概率；

S5：根据步骤S4中故障节点在四个故障状态下的后验概率鉴别故障节点的故障状态；

其中，后验概率越高，对应故障状态为故障节点的当前状态的可靠性越高。

机车的MVB网络是一个总线网络，本发明捕获接入机车MVB总线的MVB设备所发送的数据包，对数据包进行分析，因此涉及的故障主要为MVB网络自身的故障以及接入MVB网络的机车设备故障。一方面，本发明对接入机车MVB网络的各种设备以及MVB网络分别作为一个故障节点，对其进行了故障属性划分，进而最终实现实时故障属性判定，即判断为瞬间故障、间歇性故障还是永久故障的概率，而已有方法只能判断是否出现网络或者设备故障。另一方面，为了判断所检测到的故障信号到底是由于偶尔的网络波动所造成的瞬时故障，还是设备老化，故障等所造成的间歇性故障或永久故障，本发明考虑了实际设备的老化过程，随着运行时间延长，设备性能降低，假设无故障，瞬时故障，间歇性故障，永久故障四个状态之间存在马尔科夫属性，其初始先验发生概率也随时间在变化，而不是一直不变的。因此，本发明利用基于马尔科夫转移矩阵的先验概率转移模型设计先验转移概率，从而得到更精确的故障属性判断，为机车设备的维修更换做更好的决策支持。

其中，MVB网络故障主要通过自动侦听探测和统计所有网络通信端口的刷新周期、数据长度、数据通信质量等通信过程的参数来判断，机车设备故障则主要由机车设备自身发送的从帧来判断。

进一步优选，设定当前监测时刻为t+Δt，当前时刻t+Δt故障节点在四个故障状态下的先验概率分别按照如下公式计算：

P(c_j)＝P₁×Y₁+P₂×Y₂+P₃×Y₃+P₄×Y₄

式中，P₁、P₂、P₃分别表示为t时刻故障节点在除故障状态c_j外的三个故障状态下的先验概率，Y₁、Y₂、Y₃表示经过标准校验时间Δt后，先验概率转移模型中除故障状态c_j外的三个故障状态分别转变为故障状态c_j的先验概率转移函数，P₄表示为t时刻故障节点在故障状态c_j下的先验概率，Y₄表示经过标准校验时间Δt后，故障节点由故障状态c_j保持不变的先验概率转移函数。

由上述公式可知，在t时刻已知故障节点的四个故障状态下的先验概率，则可以计算出t+Δt时刻故障节点在四个状态下的先验概率。由于故障节点的四个故障状态的先验概率初始值已知，因此，每间隔一个标准校验时间Δt的故障节点的四个故障状态的先验概率均可以计算出来。上述公式是基于下述先验概率转移函数表进行计算的，下表是以目标故障状态c_j为例进行说明，因此，其他故障状态下的先验概率转移函数未在表格1中展示。

表1

其中，Y₅、Y₆、Y₇表示经过标准校验时间Δt后，故障节点由故障状态c_j转变为其他三个故障状态的先验概率转移函数。

进一步优选，所述先验概率转移模型中标准校验时间Δt内四个故障状态之间先验概率转移函数如下表2所示：

表2

其中，如图4所示，a₁、a₂、a₃分别表示从每一时刻节点故障节点从无故障变为瞬时故障、间歇故障、永久故障的概率；a₄、a₆、b₁分别表示每一时刻节点故障节点从瞬时故障变为间歇故障、永久故障、无故障的概率；a₅、b₂分别表示每一时刻节点故障节点从间歇故障变为永久故障、无故障的概率；b₃表示每一时刻节点故障节点从永久故障变为无故障的概率。

其中，a₁+a₂+a₃小于1,a₄+a₆+b₁小于a1，a₅+b₂要小于a₄+a₂。a₁、a₂、a₃、a₄、a₆、b₁、a₅、b₂、b₃具体值是专家根据历史数据给出的经验值。

进一步优选，还包括检修提示步骤：

故障节点在当前监测时刻的除无故障之外的其他故障状态下的后验概率与先验概率的差值大于40％时，触发故障节点对应网络故障检修提示。

另一方面，本发明还提供采用上述方法的装置，包括：通讯连接的MVB通讯接口模块和核心处理器模块；

其中，MVB通讯接口模块：与机车MVB网络连接，用于采集MVB总线上的MVB数据包，通过MVB网络与机车上被测设备通信交互；

核心处理器模块：用于采用步骤S1-S5的方法诊断MVB网络控制系统故障。

进一步优选，该装置还包括：

设备显示控制接口模块1，用于显示检测分析数据；

设备显示控制接口模块2，用于状态显示和故障报警显示；

电源转换模块，用于:提供稳压电源；

最小电路系统模块，用于提供工作晶振频率；

调试接口模块，用于调试软件程序和数据输出测试；

数据转储模块，用于转储测试数据；

数据高速存储模块，用于高速存储数据；

时间记录模块，用于提供时间基准信号；

字库存储模块，用于显示中文字符；

其中，所述的最小电路系统，调试接口模块，设备显示控制接口模块1，设备显示控制接口模块2，数据转储模块，数据高速存储模块，时间记录模块，字库存储模块，电源转换模块均连接至核心处理器模块。

有益效果

一方面，本发明对接入机车MVB网络的各种设备以及MVB网络分别作为一个故障节点，对其进行了故障属性划分，进而最终实现实时故障属性判定，即判断是否为瞬间故障、间歇性故障还是永久故障，而已有方法只能判断是否出现网络或者设备故障。另一方面，为了判断所检测到的故障信号到底是由于偶尔的网络波动所造成的瞬时故障，还是设备老化，故障等所造成的间歇性故障或永久故障，本发明考虑了实际设备的老化过程，随着运行时间延长，设备性能降低，假设无故障，瞬时故障，间歇性故障，永久故障四个状态之间存在马尔科夫属性，其初始先验发生概率也随时间在变化，而不是一直不变的。因此，本发明利用基于马尔科夫转移矩阵的先验概率转移模型设计先验转移概率，从而得到更精确的故障属性判断，为机车设备的维修更换做更好的决策支持。

附图说明

图1是本发明提供的所述装置的结构示意图；

图2是本发明提供的MVB网络性能测试工作示意图。

图3是本发明提供的故障特征点与故障节点的关系图；

图4是本发明提供的四个故障状态之间的转移示意图。

具体实施方式

下面将结合实施例对本发明做进一步的说明。本发明提供的所述方法以及装置是用于监测机车MVB网络上故障问题的，譬如应用于和谐D1C型机车。

如图1所示，本发明提供的所述装置包括：核心处理器模块以及均与核心处理器模块连接的MVB通讯接口模块、最小电路系统、调试接口模块、设备显示控制接口模块1、设备显示控制接口模块2、数据转储模块、数据高速存储模块、时间记录模块、字库存储模块、电源转换模块。其中，各个模块的功能如下所示：

核心处理器模块，用于调用程序执行本发明提供的一种轨道机车MVB网络控制系统故障诊断方法来诊断MVB故障。具体的，本实施例中，核心处理器模块包括基于ARMCortex-4核的STM32F407VET6核心处理器，定时器任务产生模块，I/O扩展控制模块以及FSMC模块，其中，定时器任务产生模块，I/O扩展控制模块以及FSMC模块分别连接至STM32F407VET6核心处理器的不同接口。定时器任务产生模块用于实现精准的任务生成、任务调度等任务管理功能，I/O扩展控制模块用于实现核心处理器与FSMC模块之间的并口扩展功能，FSMC模块用于实现核心处理器与MVB控制器之间的数据交互。本实施例中，STM32F407VET6核心处理器为意法半导体公司研发的现有元件，该产品使用了多种总线(SPI、USART、USB OTG)，并外扩两路FSMC(可变静态存储控制器)分别与触摸电容屏和MVB通信接口模块进行数据交互。

本实施例中MVB通信接口模块采用赛灵思公司的Spartan-200系列FPGA。具体的，MVB通讯接口模块包括信号隔离模块，MVB编码解码模块，双口RAM扩展模块，其中，信号隔离模块输入端与机车MVB网络相连接，输出端与MVB编码解码模块连接，所述的MVB编码解码模块输出端通过双口RAM扩展模块与核心处理器模块的FSMC模块连接。信号隔离模块用于实现MVB的物理层与数据链路层之间的数据交互和信号物理层隔离；MVB编码解码模块用于实现MVB的数据链路层与网络层之间的数据转发和数据处理；双口RAM扩展模块用于实现MVB数据采集功能与核心处理器逻辑判断功能之间的数据交互。

最小电路系统包括8MHz无源晶振模块、复位电路。复位电路用于实现对设备供电电压的监控，如正常供电电压为4.95V～5.05V，当电平跌落在4.25V之下时，进行重启；系统软件定时最迟1.6秒进行看门狗复位操作(俗称喂狗)，防止看门狗芯片触发重启动作。当程序出现飞跑，系统软件超时喂狗，复位电路动作，进行重启、JTAG调试模块。由于STM32F407VET6核心处理器稳定工作的最大允许频率为168MHz，因此采用8MHz的晶振，再经过PLL锁相环后即可达到要求。JTAG调试模块采用SW模式，只需要3个信号即可实现所有JTAG调试模块的功能，既方便布线，由节省了PCB尺寸。

调试接口模块包括2路调试接口和看门狗模块，2路调试接口均为USART通用同步/异步串行接收/发送器，调试接口1为USART1，通过设置MCU的BOOT0和BOOT1信号，可以通过USART1下载程序。另一个调试接口用于动态输出测试过程数据和参数，方便追踪程序运行状态。其中，3个子模块均与核心处理器模块相连接。

设备显示控制接口模块1包括触摸电容屏和LCD扩展控制模块，触摸电容屏通过LCD扩展控制模块与核心处理器模块的FSMC模块连接进行数据交互。设备显示控制接口模块1提供的是800×480分辨率以及5点触摸电容屏；设备显示控制接口模块2外扩6个LED指示灯、4个按键、1个蜂鸣器。

数据转储模块包括USB-OTG和优盘，优盘通过USB-OTG与核心处理器相连接，将测试过程数据拷贝到U盘中进行后续处理。

数据高速存储模块包括SDHC(Class 4)存储卡和SD卡扩展模块。SDHC(Class 4)存储卡通过SD卡扩展模块与核心处理器模块连接。本实施例中，为了实现数据的快速传输和高速处理，在数据高速存储模块配置了高达32GB的SDHC(Class 4)存储卡，不但轻型可靠，而且具有高达480MB/s的写入速度，满足了现有产品的需求。。

时间记录模块包括时间存储芯片和备用电池，时间存储芯片与核心处理器SPI接口相连，自动实现年月日时分秒的转换。本实施例中，为了提供基准时间信号，设备未采用STM32F407VET6核心处理器的RTC信号，而是利用时间记录模块扩展了一块专用的SPI接口的时间记录芯片DS1302，它配备了32.768KHz晶振，能够自动实现年月日时分秒的转换。

字库存储模块包括中文字库和存储器，字库存储模块通过SPI接口与核心处理器模块连接。。本实施中，为了显示中文字符，系统配备了字库存储模块(SPI接口的W25Q128)，系统工作前会检测该字库模块是否完整，如果不完整将给出故障提示。

电源转换模块包含5V、3.3V、2.5V等不同等级的线形DC变换器，将外部锂电池电源(12V)转换为不同电压供不同模块使用。本实施例中，设备外部供电电源为锂电池(标配为12V)，通过电源转换模块的线形DC变换器，将其转化为5V、3.3V、2.5V等不同等级的电压供不同模块使用。

如图2所示为MVB网络性能测试工作示意图。其中ARM核心板(核心处理器模块)负责整个设备的测试流程配置、测试过程控制和测试结果的判断；MVB接口板卡即MVB通信接口模块实现了MVB网络数据与以太网UDP数据之间的转换；ARM核心板与MVB接口板通过共享内存的方式进行大量数据的快速交换；MVB网络通信配置模块主要是通过并口扩展实现对MVB网络的网络端口、端口长度、端口属性的配置。测试设备与被测对象之间通过MVB接口进行连接，主要是监听被测对象每个周期的主帧和从帧之间的数据交互，依据《IEC-61375-2》的标准对其主/从帧响应进行诊断。

本发明基于上述装置的架构，在所述装置上实现一种轨道机车网络控制系统故障诊断方法，其包括如下步骤：

S1：构建基于贝叶斯网络和马尔科夫转移矩阵的故障状态鉴别模型。

其中，故障状态鉴别模型包括贝叶斯网络结构模型以及基于马尔科夫转移矩阵的先验概率转移模型。

贝叶斯网络结构模型构建过程如下：

首先，构建包含双层事件的贝叶斯网络结构模型架构，第一层为故障特征层，由故障特征点构成；第二层为故障节点层，由故障节点构成；其中，一个故障特征点对应一个故障节点的所有故障特征，根据标准校验时间Δt内故障特征发生次数将每个故障特征点划分为四个频率状态，分别为零次、一次、两次、多次；机车上每个被监测设备以及机车MVB网络分别对应一个故障节点，每个故障节点包括无故障、瞬时故障、间歇性故障和永久故障四个故障状态；然后，基于机车历史运行故障数据计算每个故障特征点分别在对应四个频率状态下的故障特征发生概率；并构建所述贝叶斯网络结构模型中每个故障节点到匹配的故障特征点的映射概率参数；所述映射概率产生用于表示故障节点处于某个故障状态以及处于故障特征点的某个频率状态时的发生概率。本发明通过Noisy-Or模型构建方法构建贝叶斯网络故障节点层到故障特征层的映射概率参数。由于Noisy-Or模型构建方法是一个公知的现有方法，因此本发明对此不进行具体的阐述。其采集的机车历史故障数据至少包括故障发生时间、故障特征、故障发生次数、故障对应的故障节点。

譬如，统计各个Δt时间内节点所处故障状态，和故障特征发生次数，得到整个生命周期内的故障特征点在某个频率状态下的故障特征发生概率以及对应映射概率。譬如测得100组Δt时间内节点所处故障状态，和故障特征发生次数，其中，出现0次的组数为40，出现一次的组数为20，出现两次的组数为10，出现多次的组数为30，则故障特征点在0次对应频率状态下的故障特征发生概率是否为40/100。

根据定义也可知，每个故障特征点在四个频率状态下分别有一个故障特征发生概率；同时故障特征点的每个频率状态对应故障节点的四个故障状态又分别存在四个映射概率参数。这些均是通过基于机车历史运行故障数据统计而来的，其关系如图3所示。先验概率转移模型包括每个故障节点上四类故障状态的先验概率初始值以及标准校验时间Δt内四个故障状态之间先验概率转移函数。

设定当前监测时刻为t+Δt，当前时刻t+Δt故障节点在四个故障状态下的先验概率分别按照如下公式计算：

P(c_j)＝P₁×Y₁+P₂×Y₂+P₃×Y₃+P₄×Y₄

式中，P₁、P₂、P₃分别表示为t时刻故障节点在除故障状态c_j外的三个故障状态下的先验概率，Y₁、Y₂、Y₃表示经过标准校验时间Δt后，先验概率转移模型中除故障状态c_j外的三个故障状态分别转变为故障状态c_j的先验概率转移函数，P₄表示为t时刻故障节点在故障状态c_j下的先验概率，Y₄表示经过标准校验时间Δt后，故障节点由故障状态c_j保持不变的先验概率转移函数。

由上述公式可知，在t时刻已知故障节点的四个故障状态下的先验概率，则可以计算出t+Δt时刻故障节点在四个状态下的先验概率。由于故障节点的四个故障状态的先验概率初始值已知，因此，每间隔一个标准校验时间Δt的故障节点的四个故障状态的先验概率均可以计算出来。其中，本发明的先验概率转移模型中标准校验时间Δt内四个故障状态之间先验概率转移函数如上表2所示。

S2：实时采集MVB总线上的MVB数据包来获取当前监测的标准校验时间Δt内故障特征点对应的发生次数，并基于所述发生次数获取故障特征点相匹配的故障特征发生概率和映射概率。

本发明涉及的MVB故障主要是分为MVB网络自身的故障以及接入MVB网络的机车设备故障。其中，鉴别是否存在故障，是通过对数据包中的数据信息进行分析，主要是将其与MVB标准进行比对，因此本发明对此比对标准不进行具体说明，其主要是依据用户需求来设定故障类型，再根据故障类型确定其比对标准。譬如，MVB网络故障主要通过自动侦听探测和统计所有网络通信端口的刷新周期、数据长度、数据通信质量等通信过程的参数来判断，包括：主帧和从帧的响应时间、周期性/非周期性网络传输比率；网络通信有效信息占空比等。通过检测这些通信过程的参数是否满足MVB标准来判断。机车设备故障则主要由机车设备自身发送的从帧来判断。本发明的核心处理器模块通过MVB通讯接口模块来监听车辆MVB网络中各个部件节点与车辆控制模块的主从应答信号，当监测到主信号后12us到43us内收到节点设备的应答信号，则认为设备正常，当时延大于43us则认为超时，如果73us内未接收到应答信号则认为是设备丢帧。同时检测接收到的应答信号CRC和长度是否错误，如有错误则认为是错误帧。

因此，本发明采集到MVB数据包后，基于设定的MVB标准进行鉴别是否存在故障，若存在故障，提取对应的故障特征、时间点以及对应的故障节点等信息，得到当前监测的标准校验时间Δt内故障特征点对应的发生次数。由前述贝叶斯网络结构模型构建过程可知，故障特征点根据标准校验时间Δt内故障特征发生次数将每个故障特征点划分为四个频率状态，因此，获取到当前监测的标准校验时间Δt内故障特征点对应的发生次数则可获知故障特征点对应的频率状态，进而获取到特征发生概率。与此同时，根据频率状态可以获取到该频率状态对应故障节点的四个故障状态的映射概率参数。

S3：基于所述故障状态鉴别模型中的先验概率转移模型计算出当前监测时刻故障节点在四个故障状态下的先验概率；

其中，先验概率的计算过程在前述已描述，此处不再赘述。

S4：基于故障特征点相匹配的故障特征发生概率、映射概率以及故障节点在四个故障状态下的先验概率利用概率守恒公式分别计算出当前监测时刻故障节点分别处于所述四个故障状态下的后验概率；

式中，P(c_j|x)表示当前监测时刻故障特征点x对应故障节点处于一类故障状态c_j下的后验概率；P(x|c_j)表示当前监测时刻故障节点处于一类故障状态c_j时，故障节点到故障特征点x的映射概率；P(c_j)表示当前监测时刻故障节点在一类故障状态c_j下的先验概率，P(x)表示当前监测时刻故障特征点x对应的故障特征发生概率。

S5：根据步骤S4中故障节点在四个故障状态下的后验概率鉴别故障节点的故障状态；

其中，后验概率越高，对应故障状态为故障节点的当前状态的可靠性越高。

本实施例中，将后验概率最高的故障状态作为故障节点的当前状态。其他可行的实施例中，还可以是根据后验概率最大值是否超过预设阈值来判断是否将其作为故障节点的当前状态。本发明对此不进行具体的限定，但是后验概率的高低反映了故障节点的当前状态的可能性。

S6：故障节点在当前监测时刻的除无故障之外的其他故障状态下的后验概率与先验概率的差值大于40％时，触发故障节点对应网络故障检修提示。

需要强调的是，本发明所述的实例是说明性的，而不是限定性的，因此本发明不限于具体实施方式中所述的实例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，不脱离本发明宗旨和范围的，不论是修改还是替换，同样属于本发明的保护范围。

Claims (6)

1.一种轨道机车MVB网络控制系统故障诊断方法，其特征在于：包括如下步骤：

S1：构建基于贝叶斯网络和马尔科夫转移矩阵的故障状态鉴别模型；

所述故障状态鉴别模型包括贝叶斯网络结构模型以及基于马尔科夫转移矩阵的先验概率转移模型；

其中，所述贝叶斯网络结构模型构建过程如下：

首先，构建包含双层事件的贝叶斯网络结构模型架构，第一层为故障特征层，由故障特征点构成；第二层为故障节点层，由故障节点构成；其中，一个故障特征点对应一个故障节点的所有故障特征，根据标准校验时间Δt内故障特征发生次数将每个故障特征点划分为四个频率状态，分别为零次、一次、两次、多次；机车上每个被监测设备以及机车MVB网络分别对应一个故障节点，每个故障节点包括无故障、瞬时故障、间歇性故障和永久故障四个故障状态；

然后，基于机车历史运行故障数据计算每个故障特征点分别在对应四个频率状态下的故障特征发生概率；并构建所述贝叶斯网络结构模型中每个故障节点到匹配的故障特征点的映射概率参数；所述映射概率产生用于表示故障节点处于某个故障状态以及处于故障特征点的某个频率状态时的发生概率；

所述先验概率转移模型包括每个故障节点上四类故障状态的先验概率初始值以及标准校验时间Δt内四个故障状态之间先验概率转移函数；

S2：实时采集MVB总线上的MVB数据包来获取当前监测的标准校验时间Δt内故障特征点对应的发生次数，并基于所述发生次数获取故障特征点相匹配的故障特征发生概率和映射概率；

S3：基于所述故障状态鉴别模型中的先验概率转移模型计算出当前监测时刻故障节点在四个故障状态下的先验概率；

S4：基于故障特征点相匹配的故障特征发生概率、映射概率以及故障节点在四个故障状态下的先验概率利用概率守恒公式分别计算出当前监测时刻故障节点分别处于所述四个故障状态下的后验概率；

式中，P(c_j|x)表示当前监测时刻故障特征点x对应故障节点处于一类故障状态c_j下的后验概率；P(x|c_j)表示当前监测时刻故障节点处于一类故障状态c_j时，故障节点到故障特征点x的映射概率；P(c_j)表示当前监测时刻故障节点在一类故障状态c_j下的先验概率，P(x)表示当前监测时刻故障特征点x对应的故障特征发生概率；

S5：根据步骤S4中故障节点在四个故障状态下的后验概率鉴别故障节点的故障状态；

其中，后验概率越高，对应故障状态为故障节点的当前状态的可靠性越高。

2.根据权利要求1所述的方法，其特征在于：设定当前监测时刻为t+Δt，当前时刻t+Δt故障节点在四个故障状态下的先验概率分别按照如下公式计算：

P(c_j)＝P₁×Y₁+P₂×Y₂+P₃×Y₃+P₄×Y₄

式中，P₁、P₂、P₃分别表示为t时刻故障节点在除故障状态c_j外的三个故障状态下的先验概率，Y₁、Y₂、Y₃表示经过标准校验时间Δt后，先验概率转移模型中除故障状态c_j外的三个故障状态分别转变为故障状态c_j的先验概率转移函数，P₄表示为t时刻故障节点在故障状态c_j下的先验概率，Y₄表示经过标准校验时间Δt后，故障节点由故障状态c_j保持不变的先验概率转移函数。

3.根据权利要求2所述的方法，其特征在于：所述先验概率转移模型中标准校验时间Δt内四个故障状态之间先验概率转移函数如下表所示：

其中，a₁、a₂、a₃分别表示从每一时刻节点故障节点从无故障变为瞬时故障、间歇故障、永久故障的概率；a₄、a₆、b₁分别表示每一时刻节点故障节点从瞬时故障变为间歇故障、永久故障、无故障的概率；a₅、b₂分别表示每一时刻节点故障节点从间歇故障变为永久故障、无故障的概率；b₃表示每一时刻节点故障节点从永久故障变为无故障的概率。

4.根据权利要求1所述的方法，其特征在于：还包括检修提示步骤：

故障节点在当前监测时刻的除无故障之外的其他故障状态下的后验概率与先验概率的差值大于40％时，触发故障节点对应网络故障检修提示。

5.一种基于权利要求1-4任一项所述方法的装置，其特征在于：包括：通讯连接的MVB通讯接口模块和核心处理器模块；

其中，MVB通讯接口模块：与机车MVB网络连接，用于采集MVB总线上的MVB数据包；

核心处理器模块：用于采用步骤S1-S5的方法诊断MVB网络控制系统故障。

6.根据权利要求5所述的装置，其特征在于：还包括：

设备显示控制接口模块1，用于显示检测分析数据；

设备显示控制接口模块2，用于状态显示和故障报警显示；

电源转换模块，用于提供稳压电源；

最小电路系统模块，用于提供工作晶振频率；

调试接口模块，用于调试软件程序和数据输出测试；

数据转储模块，用于转储测试数据；

数据高速存储模块，用于高速存储数据；

时间记录模块，用于提供时间基准信号；

字库存储模块，用于显示中文字符；

其中，所述的最小电路系统，调试接口模块，设备显示控制接口模块1，设备显示控制接口模块2，数据转储模块，数据高速存储模块，时间记录模块，字库存储模块，电源转换模块均连接至核心处理器模块。