CN112734164B - 高速铁路信号系统全生命周期智能运维方法 - Google Patents

Abstract

本发明涉及高速铁路信号系统运行维护领域，公开一种高速铁路信号系统全生命周期智能运维方法，以提升高速铁路信号系统的智能运维水平。本发明方法包括：构建高速铁路信号系统分层架构模型，揭示各信号系统之间的相互作用和异常状态传播机理，然后构建高速铁路信号系统全生命周期量化评估体系，发掘信号系统全生命周期各阶段性能退化规律，进而进行高速铁路运行风险预警和故障精准诊断和修复，从而降低高速铁路运行风险，提升高速铁路中列车控制、行车调度等实际信号系统的智能运维水平。

Description

高速铁路信号系统全生命周期智能运维方法

技术领域

本发明涉及高速铁路信号系统运行维护领域，尤其涉及一种高速铁路信号系统全生命周期智能运维方法。

背景技术

高速铁路信号系统是指挥列车运行、控制列车运行速度和追踪方式、传递列车相关控制信息、监督列车运行及各种作业情况的总称，由车载和地面两大系统组成，进一步又可以分成车站联锁系统、区间闭塞系统、列车运行控制系统(简称列控系统)、行车调度系统、微机监测系统以及其他安全技术系统等。信号系统作为高速铁路的“大脑和神经中枢”，是确保高速铁路安全、高效运营的关键设备。为了保障列车的运行安全，铁路引进了一大批新设备和新技术，高速铁路信号系统已经成为一个极其复杂的系统，这导致了信号系统运维难度的急剧增大。如何保证信号系统的安全运营具有重要的理论意义。

目前高速铁路信号系统运维存在以下不足：

一、现有信号系统仍然采用传统的“大经验、小科学”的运维思路，信号系统运行的状态评估和维护都依赖于人的经验，未从机理上或基于大数据分析挖掘信号系统之间的横向耦合关系和信号系统自身时间上的纵向演化规律。

二、信号系统的量化评估大多是基于单个系统评估的线性综合，准确性和有效性难以保证。

三、信号系统异常情况具有随机性、并发性和共因性，现有的定期检测和维护等方法难以有效地对高速铁路信号系统进行实时的风险预警。

四、信号系统现有故障诊断方法侧重于单个系统，且主要是针对连续系统，未考虑信号系统之间的耦合关系以及故障在车线网上的交叉传播。

发明内容

本发明目的在于公开一种高速铁路信号系统全生命周期智能运维方法，以提升高速铁路信号系统的智能运维水平。

为达上述目的，本发明公开一种高速铁路信号系统全生命周期智能运维方法，包括以下步骤：

步骤一，根据信号系统各子系统之间的关联性与独立性，按照功能的不同，从大到小，将高速铁路信号系统划分决策层、关联信号系统层和底层；所述决策层为顶层，包括调度控制关联信号系统、列车关联信号系统和地面监控关联信号系统，所述调度控制关联信号系统由调度中心关联信号系统、车站关联信号系统、网络通信关联信号系统构成，所述列车关联信号系统由车载列控关联信号系统、车载监控关联信号系统、通信关联信号系统、自主定位关联信号系统构成，所述地面监控关联信号系统由微机监测系统分机和信号设备集中监测系统构成；所述关联信号系统层是由相互作用相互依赖的若干子信号系统结合成具有特定功能的整体；所述底层由各种基本单元信号系统构成；

步骤二，分析信号系统之间的关联性和独立性，定义不同的离散事件，然后依据不同的运行状态以及运行状态的演化过程来定义离散事件的变迁，由下而上按层递进定义离散事件动态系统来描述高速铁路信号系统的演化过程，构建高速铁路信号系统的全生命周期演化模型；

步骤三，对各关联信号系统，建立输入输出映射关系、各子系统的耦合关系及各状态对应的系统稳定性裕度，构建高速铁路信号系统全生命周期各阶段的动态定量评估指标函数；

步骤四，对各关联信号系统，在不同状态和输入情况下，分析异常情况单独发生或同时发生对系统状态和输出的影响，结合异常情况的发生概率，构建高速铁路信号系统全生命周期各阶段的动态风险预警模型；

步骤五，对各关联信号系统，分析系统的冗余性和鲁棒性，研究各子系统之间强非线性耦合对故障诊断的影响，重构系统内部关键状态，根据步骤三和步骤四得到的定量评估指标函数和风险预警模型，判断关联信号系统是否出现故障；进而继续跟踪分析系统状态的变化，结合控制系统故障诊断分析方法，对系统是否出现故障作进一步判断或预测，并根据故障系统的具体特点，采取相应手段或设计算法，实现系统故障的修复。

本发明首先构建高速铁路信号系统分层架构模型，揭示各信号系统之间的相互作用和异常状态传播机理，然后构建高速铁路信号系统全生命周期量化评估体系，发掘信号系统全生命周期各阶段性能退化规律，进而进行高速铁路运行风险预警和故障精准诊断和修复，从而降低高速铁路运行风险，提升高速铁路中列车控制、行车调度等实际信号系统的智能运维水平。藉此，也使得本发明具有以下有益效果：

为高速铁路信号系统全生命周期各阶段的动态风险预警模型和故障诊断提供了有效方法，可以有效提升高速铁路信号系统的智能运维能力，做到故障发生前的预警和故障发生后的及时诊断和修复。

下面将参照附图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明构建的高速铁路信号系统的分层架构模型；

图2是本发明构建的高速铁路信号系统全生命周期运维机理和演化模型。

图3是本发明提出的高速铁路信号系统全生命周期量化评估方法框图。

图4是本发明提出高速铁路信号系统全生命周期风险预警方法框图。

图5是本发明提出的高速铁路信号系统故障诊断与修复方法框图。

图6是本发明提出的高速铁路信号系统全生命周期智能运维方法逻辑框图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

实施例1

本实施例构建的高速铁路信号系统的分层架构模型，包括：决策层、关联信号系统层和物理层。

如图1所示，决策层为顶层，包括调度控制关联信号系统、列车关联信号系统和地面监控关联信号系统。所述调度控制关联信号系统由调度中心关联信号系统、车站关联信号系统、网络通信关联信号系统构成。所述列车关联信号系统由车载列控关联信号系统、车载监控关联信号系统、通信关联信号系统、自主定位关联信号系统构成。所述地面监控关联信号系统由微机监测系统分机和信号设备集中监测系统构成。

关联信号系统层是由相互作用相互依赖的若干子信号系统结合成具有特定功能的整体，按照功能大小某个关联信号系统可从属于更大的关联信号系统。

物理层由各种基本单元信号系统构成。

本实例的智能运维方法具体实施如图2、图3、图4、图5及图6所示，包括以下步骤：

(1)构建高速铁路信号系统全生命周期的运维机理和演化模型

对各信号系统进行转化、统一、融合等操作，构建了同一标准下的信号系统模型，利用极大代数方法，由下而上，逐层对高速铁路信号系统状态的演化过程进行描述。分析信号系统之间的关联性和独立性，定义不同的离散事件，依据所定义的离散事件动态系统，分析高速铁路信号系统各离散事件状态变迁原理，研究异常运行状态在车线网上的传播过程、传播范围及影响。在此基础上，在任意两个信号系统中同时注入异常的运行状态，研究其在车线网上的交叉传播过程、传播范围及影响，分析各信号系统不同状态的稳定裕度。以此类推直至各信号系统同时注入异常运行状态。分析各事件可容许范围和异常运行状态可容许范围，采用机器智能学习方法来批量处理，构建离散事件动态系统数据库，构建高速铁路信号系统的全生命周期演化模型。

(2)构建高速铁路信号系统全生命周期各阶段的动态定量评估指标函数。

针对基本单元信号系统，研究系统的输入输出特性，分析系统的输入域和输出域分布、输入输出映射关系以及各状态对应的系统稳定裕度，并结合信号系统的标称数据，利用智能机器学习等方法，对系统输入输出映射关系进行定量分析，建立该信号系统的定量评估指标函数。然后，基于所获得的关联系统的实际运行数据，利用大数据分析方法，对所得该关联信号系统的定量评估指标函数进行修正，以此类推直至决策层。然后分析列车关联信号系统与地面监控关联信号系统的动态关联性，基于每列列车的运行状态和限制条件以及列车生命周期各阶段性能，考虑列车运行目标、自身运行状态以及列车之间相对运行状态等，提出决策层意义下的列车网分散式动态评估指标函数。进而，结合决策层三个信号关联系统之间的耦合关系，将分散式动态评估指标函数与决策层各关联信号系统定量评估指标函数(包括列车关联信号系统定量评估指标函数)相融合，构建高速铁路信号系统全生命周期各阶段的动态定量评估指标函数。

(3)构建高速铁路信号系统全生命周期各阶段的动态风险预警模型。

考虑关联信号系统(或基本单元信号系统)各子系统输入输出域的限制和定量评估指标函数，研究关联信号系统中输入输出关系。在不同状态情况下，注入给定异常情况，分析异常情况对状态和输出的影响，结合给定异常情况的发生概率，构建关联信号系统风险预警模型。在此基础上，同时注入给定多个异常情况，研究异常情况的多重概率分布，分析异常情况对状态和输出的影响，构建关联信号系统(或基本单元信号系统)全生命周期各阶段风险预警模型。

针对分层架构模型决策层，分析异常情况单独发生或多重发生状况在车线网上的交叉传播过程、范围及影响。基于每列列车的运行状态、限制条件、列车生命周期各阶段性能、列车运行目标以及列车之间相对运行状态等，结合异常情况的单重或多重概率分布，提出决策层意义下的列车分散式动态风险预警函数，进而将其与决策层各关联信号系统全生命周期各阶段的风险预警模型(包括列车关联信号风险预警模型)相融合，构建高速铁路信号系统全生命周期各阶段的动态风险预警模型。

(4)高速铁路信号系统故障诊断理论与修复

通过分解、融合等操作将各子信号系统转化为标准的控制系统。然后，基于关联系统监测所获得的电压、电流、压力等信号，利用传统集中式控制和分布式控制理论，研究各子信号系统之间强非线性耦合关系，重构关联信号系统的内部关键状态，根据所构建定量评估指标函数和风险预警模型，判断关联信号系统是否出现故障。进而，继续跟踪分析系统状态的变化，结合控制系统故障诊断分析方法，对系统是否出现故障作进一步判断或预测，并根据故障系统的具体特点，采取相应手段或设计算法，实现系统故障的修复。

对于决策层的信号系统故障的判断、预测、修复，首先，基于列车网分散式动态定量评估指标函数和风险预警模型对于全网的列车运行状态及影响范围进行评估，判断或预测发生故障的关键区域。然后，基于列车之间相互作用关系，分析或预测该区域列车运行状态具体演化趋势，从而判断和预测出决策层意义下发生故障区域的列车，进而判断发生故障的信号系统。为修复决策层系统的运行故障，首先考虑关联信号系统故障的可修复性，并估计修复时间，研究故障在车线网上的传播过程和影响范围，并预测车线网列车的运行趋势。基于列车网分散式动态定量评估指标函数和风险预警模型，结合非线性控制理论、多智能体系统分布式控制理论和列车动态调度方法，根据决策层信号系统的特点，提出调度方法，实现决策层运行故障的修复。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种高速铁路信号系统全生命周期智能运维方法，其特征在于，包括以下步骤：

步骤一，根据信号系统各子系统之间的关联性与独立性，按照功能的不同，从大到小，将高速铁路信号系统划分决策层、关联信号系统层和底层；所述决策层为顶层，包括调度控制关联信号系统、列车关联信号系统和地面监控关联信号系统，所述调度控制关联信号系统由调度中心关联信号系统、车站关联信号系统、网络通信关联信号系统构成，所述列车关联信号系统由车载列控关联信号系统、车载监控关联信号系统、通信关联信号系统、自主定位关联信号系统构成，所述地面监控关联信号系统由微机监测系统分机和信号设备集中监测系统构成；所述关联信号系统层是由相互作用相互依赖的若干子信号系统结合成具有特定功能的整体；所述底层由各种基本单元信号系统构成；

步骤二，分析信号系统之间的关联性和独立性，定义不同的离散事件，然后依据不同的运行状态以及运行状态的演化过程来定义离散事件的变迁，由下而上按层递进定义离散事件动态系统来描述高速铁路信号系统的演化过程，构建高速铁路信号系统的全生命周期演化模型；

步骤三，对各关联信号系统，建立输入输出映射关系、各子系统的耦合关系及各状态对应的系统稳定性裕度，构建高速铁路信号系统全生命周期各阶段的动态定量评估指标函数；

步骤四，对各关联信号系统，在不同状态和输入情况下，分析异常情况单独发生或同时发生对系统状态和输出的影响，结合异常情况的发生概率，构建高速铁路信号系统全生命周期各阶段的动态风险预警模型；

步骤五，对各关联信号系统，分析系统的冗余性和鲁棒性，研究各子系统之间强非线性耦合对故障诊断的影响，重构系统内部关键状态，根据步骤三和步骤四得到的定量评估指标函数和风险预警模型，判断关联信号系统是否出现故障；进而继续跟踪分析系统状态的变化，结合控制系统故障诊断分析方法，对系统是否出现故障作进一步判断或预测，并根据故障系统的具体特点，采取相应手段或设计算法，实现系统故障的修复。