原文传递
地铁车载信号设备故障自动诊断系统的研究
| 论文题名： | 地铁车载信号设备故障自动诊断系统的研究 |
| 关键词： | 地铁车辆;车载信号设备;故障诊断;软件开发;消息机制;数据采集;贝叶斯网络 |
| 摘要： | 随着中国城市的日益发展，中国的城市轨道交通已经普遍应用，地铁成为城市居民日常出行的主要交通工具之一。车载信号设备是列车上的重要设备，关系着行车安全与行车效率。列车的长时间运行以及信号设备的老化，设备不可避免会发生故障，车载信号设备的故障检测处理与地铁的营运息息相关。目前，车载信号设备的维护处于“离线诊断”、“人工诊断”的状态。为了提高车载信号设备故障处理的效率，减少地铁延误运营的可能性，需要建立一套实时车载信号设备故障自动诊断系统。本文提出一种基于Windows消息机制和MSSIM的数据采集方法，构建一种改进的贝叶斯网络结构学习算法和四层的故障诊断模型，在此基础上实现了车载信号设备故障自动诊断系统。本文主要工作如下： 故障数据的自动采集是自动诊断的首要步骤，而且也保证了数据的完整性、正确性。首先，针对LZB700M列车信号控制系统，通过扩展采集接口，解决了串口独占使用问题，实现人与计算机交替采集数据；利用Windows消息机制向厂家所提供的车辆诊断程序发送相关消息实现数据的自动采集，并利用MSSIM算法判断故障数据是否采集完成。 然后，根据故障与故障症状之间的因果关系，本文设计构建基于贝叶斯网络的四层故障诊断模型,包括设备元件层、B类故障码层、A类故障码层、紧急制动层。该模型由上而下地推理实现预警，由下而上地推理实现诊断。根据故障诊断模型是动态构建的思想，基于K2算法和车载信号设备故障模型的特征，提出一种性能高效的结构学习算法K2Plus。实验结果表明，K2Plus算法在保证正确率的情况下能快速地建立贝叶斯网络结构，从而缩短建模时间，为快速建模提供了基础。 最后，设计并实现了车载信号设备故障自动诊断系统，采集端利用Windows消息机制自动采集故障数据并通过FTP上传到服务端，服务端利用MATLAB和FULLBNT工具建立的四层故障诊断模型及时进行故障诊断及预警，客户端通过WCF向服务端交互数据信息，实现了实时的车载信号设备故障自动诊断系统，提高了信号设备故障处理效率，为地铁车载信号设备的维护带来了极大的便利。 |
| 作者： | 罗德应 |
| 专业： | 计算机技术 |
| 导师： | 潘雨青 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2020 |
| 正文语种： | 中文 |
检索历史
应用推荐
