博文
高速铁路信号系统运维分层架构模型研究
|
引用本文
林鹏, 田宇, 袁志明, 张琦, 董海荣, 宋海锋, 阳春华. 高速铁路信号系统运维分层架构模型研究. 自动化学报, 2022, 48(1): 152−161 doi: 10.16383/j.aas.c210109 Lin Peng, Tian Yu, Yuan Zhi-Ming, Zhang Qi, Dong Hai-Rong, Song Hai-Feng, Yang Chun-Hua. Operation and maintenance of high-speed railway signaling system: Hierarchical structure model. Acta Automatica Sinica, 2022, 48(1): 152−161 doi: 10.16383/j.aas.c210109 http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c210109?viewType=HTML 文章简介 关键词 高速铁路信号系统运维, 分层架构模型, 定量评估, 风险预警, 故障诊断 摘 要 高速铁路信号系统是高速铁路安全可靠运营的核心装备, 实现高速铁路信号系统智能运维是降低高速铁路运行风险的必要基础保障. 目前, 我国高速铁路信号系统运维研究工作主要集中于器件级系统或基本单元系统, 系统层面的相关研究几乎为空白, 亟需从整体上建立全局架构理论模型. 为此, 定义了关联信号系统, 提出了分散式动态评估函数, 将动态调度纳入运维体系, 构建了分层架构模型. 在此基础上, 针对分层架构模型的决策层和关联信号层, 提出了动态定量评估、动态风险预警和故障诊断的研究方法, 并展望了所面临的挑战. 引 言 截止到2020年底, 我国已成为世界上高速铁路运行里程最长、在建规模最大的国家. 随着“八纵八横”高速铁路网建设规划的提出, 我国高速铁路建设进入全面快速发展阶段. 近年来, 随着我国高速铁路网的快速发展, 高速铁路已经成为中国铁路旅客运输的主要渠道. 2020年, 国家铁路旅客发送量为21.6亿人次, 高铁动车组旅客发送量约占铁路旅客发送量的70%; 高铁运营里程达到3.79万公里, 占世界高铁总里程的2/3以上. 高速铁路的发展, 极大地提高了列车的运行速度, 缩短了城市间的时空距离, 促进了区域经济的繁荣与文化的交融. 安全是高速铁路的生命线, 特别是随着列车速度的不断提高和运行密度的加大, 安全成为人们越来越关心的问题. 以京沪铁路为例, 目前运营速度为350公里/小时, 平均日开行列车高达426列, 列车最小追踪间隔不到3.5分钟, 如此高的“运行密度”已逼近铁路运力上限, 一旦发生事故, 可能造成重大的人员伤亡和经济损失. 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相关作业情况的总称, 由车载和地面两大系统组成, 进一步又可以分为车站联锁系统、区间闭塞系统、列车控制系统、调度指挥系统、微机监测系统以及其他安全技术系统等, 具体架构见图1. 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. 高速铁路信号系统是一个极其复杂的系统, 这导致信号系统运维难度巨大. 且一旦某一设备出现故障, 如果不及时进行运行维护, 极有可能导致其他设备发生连锁故障, 甚至会造成社会和经济重大损失. 因此, 如何保证信号系统的安全运营具有重要的理论意义, 也是我国高速铁路发展亟需解决的重大应用课题. 图 1 高速铁路信号系统架构图 然而, 目前高速铁路信号系统运维研究工作主要集中于器件级系统或基本单元系统, 系统层面的相关研究几乎为空白, 亟需从整体上系统地研究高速铁路信号系统的运维理论并建立全局架构模型. 因此, 本文的第一个研究重点为建立高速铁路信号系统运维体系框架, 定义关联信号系统概念, 提出分散式动态评估函数, 构建高速铁路信号系统分层架构模型. 我国幅员辽阔, 铁路运营里程长, 部分线路运行环境恶劣, 信号系统运维困难且成本高. 目前高速铁路信号系统运维存在以下不足: 1)现有信号系统仍然采用传统的“大经验、小科学”的运维思路, 信号系统的运行状态评估和维护都依赖于人的经验, 极少能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; 2)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; 3)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虽然能够一定程度上检测并排除故障, 但很少对信号系统设备的相关数据进行有效利用并很少对高速铁路信号系统进行实时的风险预警和故障诊断. 2011年7月23日发生的甬温铁路追尾事故是一起典型的信号系统故障引起的重大铁路交通事故, 甬温线双向中断32个多小时, 造成重大的生命和财产损失. 事故主要原因为信号系统设备遭受雷击而发生故障. 因此, 如何对信号系统的运行状况及时作出科学评估, 进行准确的风险预警和故障诊断是高铁信号系统运维所面临的重要挑战. 本文第二个研究重点是针对以上存在的问题, 在所构建的分层架构模型基础上, 提出动态定量评估、动态风险预警和故障诊断的研究方法. 图 3 高速铁路信号系统动态定量评估研究方法 图 4 高速铁路信号系统动态风险预警研究方法 图 5 高速铁路信号系统故障诊断研究方法 作者简介 林 鹏 中南大学自动化学院教授. 主要研究方向为多智能体系统分布式控制与优化, 高速铁路控制与调度优化. E-mail: lin_peng@csu.edu.cn 田 宇 中南大学自动化学院硕士研究生. 主要研究方向为智能交通系统, 高速铁路多列车协同控制与调度优化. E-mail: Yu_Tian@csu.edu.cn 袁志明 中国铁道科学研究院集团有限公司研究员. 主要研究方向为铁路运营指挥, 铁路信号控制和铁路智能调度. E-mail: zhimingyuan@hotmail.com 张 琦 中国铁道科学研究院集团有限公司首席研究员. 主要研究方向为铁路通信信号, 列车自动驾驶, 列车运行控制和多列车智能调度与协同控制. E-mail: zhangqi@rails.cn 董海荣 北京交通大学轨道交通控制与安全国家重点实验室教授. 主要研究方向为列车运行智能控制与优化, 调度控制一体化. E-mail: hrdong@bjtu.edu.cn 宋海锋 北京交通大学电子信息工程学院副教授. 主要研究方向为交通系统安全评估, 交通智能控制与优化. E-mail: songhf@bjtu.edu.cn 阳春华 中南大学自动化学院教授. 主要研究方向为复杂工业过程建模与优化, 故障诊断和智能系统. 本文通信作者. E-mail: ychh@csu.edu.cn 相关文章 [1] 宁滨, 董海荣, 郑伟, 荀径, 高士根, 王洪伟, 孟令云, 李浥东. 高速铁路运行控制与动态调度一体化的现状与展望. 自动化学报, 2019, 45(12): 2208−2217 doi: 10.16383/j.aas.2019.y000004 http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2019.y000004?viewType=HTML [2] 刘昊俣, 贺诗波, 陈积明. 数据驱动的高速铁路强风报警自适应解除策略. 自动化学报, 2019, 45(12): 2242-2250. doi: 10.16383/j.aas.c190227 http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190227?viewType=HTML [3] 张琦, 陈峰, 张涛, 袁志明. 高速铁路列车连带晚点的智能预测及特征识别. 自动化学报, 2019, 45(12): 2251−2259 doi: 10.16383/j.aas.c190188 http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190188?viewType=HTML [4] 韩敏, 李宇, 韩冰. 基于改进结构保持数据降维方法的故障诊断研究. 自动化学报, 2021, 47(2): 338-348. doi: 10.16383/j.aas.c180138 http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c180138?viewType=HTML [5] 汤文涛, 王振华, 王烨, 沈毅. 基于未知输入集员滤波器的不确定系统故障诊断. 自动化学报, 2018, 44(9): 1717-1724. doi: 10.16383/j.aas.2017.c170123 http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c170123?viewType=HTML [6] 周东华, 纪洪泉, 何潇. 高速列车信息控制系统的故障诊断技术. 自动化学报, 2018, 44(7): 1153-1164. doi: 10.16383/j.aas.2018.c170392 http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170392?viewType=HTML [7] 胡艳艳, 金增旺, 薛晓玲, 孙长银. 基于异步IMM融合滤波的网络化系统故障诊断. 自动化学报, 2017, 43(8): 1329-1338. doi: 10.16383/j.aas.2017.c160768 http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160768?viewType=HTML [8] 周东华, 史建涛, 何潇. 动态系统间歇故障诊断技术综述. 自动化学报, 2014, 40(2): 161-171. doi: 10.3724/SP.J.1004.2014.00161 http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2014.00161?viewType=HTML [9] 周东华, 刘洋, 何潇. 闭环系统故障诊断技术综述. 自动化学报, 2013, 39(11): 1933-1943. doi: 10.3724/SP.J.1004.2013.01933 http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.01933?viewType=HTML [10] 李娟, 赵友刚, 于洋, 张鹏, 高洪伟. 含大时滞和噪声的网络化控制系统的最优故障诊断. 自动化学报, 2012, 38(5): 858-864. doi: 10.3724/SP.J.1004.2012.00858 http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2012.00858?viewType=HTML [11] 周东华, 胡艳艳. 动态系统的故障诊断技术. 自动化学报, 2009, 35(6): 748-758. doi: 10.3724/SP.J.1004.2009.00748 http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2009.00748?viewType=HTML [12] 陈莉, 钟麦英. 不确定奇异时滞系统的鲁棒H∞故障诊断滤波器设计. 自动化学报, 2008, 34(8): 943-949. doi: 10.3724/SP.J.1004.2008.00943 http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2008.00943?viewType=HTML [13] 段琢华, 蔡自兴, 于金霞. 不完备多模型混合系统故障诊断的粒子滤波算法. 自动化学报, 2008, 34(5): 581-587. doi: 10.3724/SP.J.1004.2008.00581 http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2008.00581?viewType=HTML [14] 贾明兴, 王福利, 毛志忠. 基于自适应观测器的一类非线性系统鲁棒故障诊断. 自动化学报, 2004, 30(4): 601-607. http://www.aas.net.cn/cn/article/id/16202?viewType=HTML [15] 陈玉东, 翁正新, 施颂椒. 基于LMI的非线性差分-代数系统的鲁棒故障诊断. 自动化学报, 2004, 30(1): 57-63. http://www.aas.net.cn/cn/article/id/16347?viewType=HTML [16] 萧德云, 莫以为. 基于混合系统状态估计的故障诊断. 自动化学报, 2004, 30(6): 980-985. http://www.aas.net.cn/cn/article/id/16281?viewType=HTML [17] 吕琛, 王桂增, 邱庆刚. 基于声信号小波包分析的故障诊断. 自动化学报, 2004, 30(4): 554-559. http://www.aas.net.cn/cn/article/id/16284?viewType=HTML [18] 周志华, 陈兆乾, 骆斌, 陈世福. 基于混合学习算法IHMCAP的故障诊断模型. 自动化学报, 2000, 26(4): 529-532. http://www.aas.net.cn/cn/article/id/16090?viewType=HTML [19] 冯冬青, 陈铁军, 姚志红. 热工过程在线监测和故障诊断专家系统. 自动化学报, 2000, 26(增刊B): 116-119. http://www.aas.net.cn/cn/article/id/16116?viewType=HTML [20] 陈金水, 孙优贤. 系统存在参数摄动时基于二次规划的一种故障诊断算法. 自动化学报, 1997, 23(1): 77-80. http://www.aas.net.cn/cn/article/id/17084?viewType=HTML [21] 周东华. 一种非线性系统的传感器故障检测与诊断新方法. 自动化学报, 1995, 21(3): 362-365. http://www.aas.net.cn/cn/article/id/13968?viewType=HTML [22] 周东华, 王庆林. 基于模型的控制系统故障诊断技术的最新进展. 自动化学报, 1995, 21(2): 244-248. http://www.aas.net.cn/cn/article/id/13982?viewType=HTML [23] 周东华, 孙优贤, 席裕庚, 张钟俊. 一类非线性系统参数偏差型故障的实时检测与诊断. 自动化学报, 1993, 19(2): 184-189. http://www.aas.net.cn/cn/article/id/14266?viewType=HTML 
https://blog.sciencenet.cn/blog-3291369-1333984.html
上一篇：基于事件触发的分布式优化算法
下一篇：子空间结构保持的多层极限学习机自编码器
