文 豪 楊 斌

(1.武漢鐵路職業(yè)技術(shù)學(xué)院鐵道通信與信號(hào)學(xué)院,430205,武漢;2.武漢地鐵運(yùn)營有限公司,武漢,430019∥第一作者,工程師)

道岔工電聯(lián)合整治(簡稱“道岔整治”)是解決道岔機(jī)械病害的常見手段，目前廣泛應(yīng)用于各鐵路及城市軌道交通項(xiàng)目。關(guān)于現(xiàn)場道岔整治技術(shù)的論述現(xiàn)已較豐富[1-2]，但鮮有涉及道岔整治計(jì)劃決策方面的研究。

城市軌道交通折返線的道岔不只數(shù)量多而集中，而且每天至少動(dòng)作上百次。高使用率使得道岔容易出現(xiàn)不同程度的機(jī)械損傷，造成安全隱患甚至誘發(fā)故障。城市軌道交通發(fā)展迅速，但維護(hù)技術(shù)力量仍相對(duì)薄弱，難以高效兼顧所有道岔整治工作。因此，由過度整治或整治不及時(shí)導(dǎo)致的機(jī)械故障屢見不鮮。對(duì)此，科學(xué)制定道岔整治決策，制定有針對(duì)性的道岔整治計(jì)劃就尤為重要，應(yīng)盡量在人力、物力有限的前提下提高道岔整治效率，降低故障率。

目前，主要基于人工評(píng)估的道岔機(jī)械狀況來制定道岔整治計(jì)劃，積累了很多經(jīng)驗(yàn)、取得了一系列成果，也發(fā)現(xiàn)了一些問題：①當(dāng)?shù)啦頂?shù)、判斷條件或?qū)嶋H問題較多時(shí)，人工評(píng)估的效率較低；②如以達(dá)標(biāo)與否來對(duì)不同量綱的指標(biāo)直接定性判斷，則容易陷入過度整治壞圈；③對(duì)于測量數(shù)值的指標(biāo)，僅分析當(dāng)前結(jié)果，很少分析與對(duì)比該指標(biāo)的變化趨勢，難以發(fā)現(xiàn)潛在問題。

受道岔故障智能診斷技術(shù)[3]及轉(zhuǎn)轍機(jī)狀態(tài)智能預(yù)測技術(shù)等[4]新技術(shù)啟發(fā)，本文提出基于專家系統(tǒng)[5]及軟計(jì)算等智能信息技術(shù)，將計(jì)算機(jī)優(yōu)勢和人工經(jīng)驗(yàn)相結(jié)合，建立城市軌道交通道岔整治智能決策系統(tǒng)，以緩解上述問題。

1 道岔整治智能決策框架

1.1 道岔機(jī)械狀況異常粒度

道岔機(jī)械狀況評(píng)估是制定整治決策的最基本依據(jù)，通常對(duì)部位檢查數(shù)據(jù)、現(xiàn)場感官判斷及計(jì)算機(jī)監(jiān)測數(shù)據(jù)等項(xiàng)目進(jìn)行綜合分析。這些項(xiàng)目既有測量數(shù)值，又有邏輯判斷，而且存在不同測量指標(biāo)的量綱也不同的問題。本文基于研究多層次結(jié)構(gòu)信息處理的粒計(jì)算[6]概念，結(jié)合實(shí)踐經(jīng)驗(yàn)，定義異常粒度，以定量評(píng)估道岔機(jī)械狀況。異常粒度定義過程包括?；謱印⒂?jì)算隸屬度及合成異常粒度。

1.1.1 粒化分層

將“道岔機(jī)械狀況評(píng)估”這一寬泛、模糊的命題?；癁槿舾蓡栴}粒層，以便從不同層次角度評(píng)估機(jī)械狀況異常程度。這一步驟簡化了命題形式，強(qiáng)化了命題內(nèi)容。

1.1.2 計(jì)算隸屬度

設(shè)每一粒層都包括若干判定條件，基于判定條件，計(jì)算1個(gè)歸一化數(shù)值來表征粒層異常程度。這里采用模糊集作為粒計(jì)算實(shí)現(xiàn)方式。設(shè)有限論域U的模糊集記為A，構(gòu)造隸屬函數(shù)uA(·)來計(jì)算U內(nèi)每個(gè)元素x隸屬A的程度uA(x)，記為隸屬度，并有：

uA:U→[0,1]

(1)

隸屬度越接近1，表示越符合A的描述。

1.1.3 合成異常粒度

將各問題粒層隸屬度按一定規(guī)則合成的綜合隸屬度定義為異常粒度。合成規(guī)則和隸屬函數(shù)在功能及形式上等價(jià)。

實(shí)際應(yīng)用中，各粒層往往需進(jìn)一步劃分為若干子粒層才能進(jìn)行全面的評(píng)估。當(dāng)粒層數(shù)為m時(shí)，先將第i粒層所含子粒層隸屬度合成為第i粒層的異常粒度gi，再通過加權(quán)綜合得到綜合異常粒度G為：

G=[q1,q2,…,qm][g1,g2,…,gm]T

(2)

式中：

m——?jiǎng)澐至訑?shù)；

q1,q2,…,qm——各粒層異常粒度權(quán)值且滿足q1+q2+…+qm=1。

gi與G均在[0,1]內(nèi)，其值越大，說明異常程度越高。通過G不僅可定量評(píng)估道岔機(jī)械狀況，還可進(jìn)行不同道岔狀況的對(duì)比分析。

1.2 基于三支決策理論的道岔整治決策

三支決策是一種基于實(shí)際人類認(rèn)知的決策模式，其將決策過程劃分為接收、拒絕及延遲等3支[7]。在道岔整治中，道岔的狀況評(píng)估及對(duì)應(yīng)整治決策相應(yīng)分為3支。

d1——接收決策。道岔不可使用，存在影響行車安全的機(jī)械病害，需單鎖道岔并立即安排整治，直至其可恢復(fù)使用。

d2——拒絕決策。道岔狀態(tài)良好，不存在機(jī)械隱患或當(dāng)前隱患容忍程度很高，暫不需整治，保持觀測道岔狀況變化趨勢即可。

d3——延遲決策道岔可使用，但存在影響道岔動(dòng)作的機(jī)械隱患，需根據(jù)隱患容忍程度值和排序綜合制定倒排計(jì)劃，進(jìn)行預(yù)防性整治。

通常設(shè)定閾值T1、T2，作為判斷決策的分支的依據(jù)。

1.3 基于異常粒度的道岔整治三支決策框架

為實(shí)現(xiàn)道岔整治智能決策，首先，將決策命題粒化為具體幾個(gè)問題層及其若干子粒層；然后，確定條件隸屬函數(shù)、合成規(guī)則及相關(guān)權(quán)值等參數(shù)，并計(jì)算異常粒度；最后，比較G和設(shè)定閾值(T1及T2)來匹配各支決策。

以城市軌道交通折返岔區(qū)為單位，對(duì)岔區(qū)道岔建立基于異常粒度的道岔整治三支決策框架(如圖1所示)，以實(shí)現(xiàn)道岔整治智能決策。

圖1 基于異常粒度的道岔整治三支決策框架

對(duì)于圖1中的延遲決策分支，需根據(jù)異常粒度值和排序來進(jìn)一步確定最終的道岔整治計(jì)劃。

2 道岔整治智能決策系統(tǒng)設(shè)計(jì)方案

以武漢地鐵雙機(jī)牽引道岔為背景，基于道岔整治智能決策理論框架，設(shè)計(jì)滿足實(shí)際應(yīng)用需求的道岔整治智能決策系統(tǒng)(以下簡為“決策系統(tǒng)”)。決策系統(tǒng)的本質(zhì)等效于專家系統(tǒng)，參照常規(guī)專家系統(tǒng)，決策系統(tǒng)拓?fù)浣Y(jié)構(gòu)如圖2所示。

圖2 決策系統(tǒng)結(jié)構(gòu)

由圖2可見，決策系統(tǒng)由人機(jī)交互界面、綜合數(shù)據(jù)庫、知識(shí)獲取規(guī)則、知識(shí)庫、推理機(jī)等5部分組成。其中，知識(shí)獲取、知識(shí)庫及推理機(jī)為設(shè)計(jì)核心部分，而人機(jī)交互界面及綜合數(shù)據(jù)庫由設(shè)計(jì)核心部分?jǐn)U展而來。

2.1 知識(shí)獲取規(guī)則

知識(shí)獲取即從“專家”處學(xué)習(xí)知識(shí)的過程，是建立、擴(kuò)充和修改知識(shí)庫的根據(jù)。決策系統(tǒng)的知識(shí)學(xué)習(xí)主要內(nèi)容有：道岔機(jī)械狀況評(píng)估指標(biāo)的選取規(guī)則、判斷機(jī)械狀況異常的方式與參考標(biāo)準(zhǔn)、評(píng)估及整治優(yōu)先級(jí)策略等。獲取知識(shí)的主要方式如下：

1) 參考相關(guān)行業(yè)及企業(yè)標(biāo)準(zhǔn)。對(duì)于道岔工電聯(lián)合檢查測量項(xiàng)目，參考相關(guān)標(biāo)準(zhǔn)規(guī)定。

2) 現(xiàn)場實(shí)踐經(jīng)驗(yàn)總結(jié)。對(duì)于非數(shù)據(jù)測量項(xiàng)目，往往需根據(jù)人工經(jīng)驗(yàn)進(jìn)行感官評(píng)價(jià)。

3) 采用統(tǒng)計(jì)分析及機(jī)器學(xué)習(xí)等應(yīng)用數(shù)學(xué)方法。該方式主要用于獲取權(quán)值及臨界值等客觀參考數(shù)據(jù)。

2.2 知識(shí)庫建立

知識(shí)庫用于決策系統(tǒng)存放獲取的知識(shí)，是決策系統(tǒng)核心組成中最重要部分，采用知識(shí)產(chǎn)生式規(guī)則。決策系統(tǒng)知識(shí)庫中主要包括?；?guī)則、條件集、隸屬函數(shù)、合成規(guī)則及相關(guān)權(quán)值等內(nèi)容。

2.2.1 ?；?guī)則和條件集

參考道岔工電聯(lián)調(diào)經(jīng)驗(yàn)和標(biāo)準(zhǔn)，確定?；?guī)則和條件集，見表1。

表1 命題?；?guī)則和對(duì)應(yīng)條件集

在表1中，第1粒層與第2粒層均為“是與否”的邏輯值，而第3粒層則以測量數(shù)值為主。對(duì)于測量數(shù)值，需進(jìn)一步計(jì)算“超標(biāo)率”和劣化側(cè)的“變化率”，以進(jìn)行定量評(píng)估。

設(shè)超標(biāo)的項(xiàng)目本次檢查測量數(shù)值為l、上一次檢查測量數(shù)值為l0，用bmax及bmin分別表示該項(xiàng)目參數(shù)參考標(biāo)準(zhǔn)值上限和下限，那么超標(biāo)率E可統(tǒng)一按式(3)進(jìn)行計(jì)算。

(3)

若項(xiàng)目(如尖軌密貼等)需要測量多個(gè)點(diǎn)位參數(shù)，則先計(jì)算每點(diǎn)位超標(biāo)率再用層次分析法[7]加權(quán)。

劣化側(cè)的變化率C則可由式(4)計(jì)算：

(4)

2.2.2 隸屬函數(shù)、合成規(guī)則及相關(guān)權(quán)值

第1粒層沒有子粒層，其隸屬函數(shù)即為合成規(guī)則。其2個(gè)條件均為邏輯判斷條件，其判斷值為0或1，且任意1個(gè)條件成立時(shí)道岔均不可投入使用。因此，對(duì)2個(gè)條件進(jìn)行邏輯判斷后取并集，便可得到異常粒度。第1粒層隸屬函數(shù)為：

f1(·)=L(H1，1)∪L(H1，2)

(5)

式中：

H1,1，H1,2——分別為第1粒層的第1、2個(gè)判斷條件；

L(H)——基于判斷條件H的邏輯判斷。

第2粒層有2個(gè)子粒層。子粒層的條件均為邏輯判斷，故其隸屬函數(shù)形式與f1相同。此外，由于2個(gè)子粒層的重要程度相同，因此，需將2個(gè)子粒層隸屬度等權(quán)值合成，即：

f2(·)=(f2,1(·)+f2,2(·))/2

f2,i=L(H2,i,1)∪…∪L(H2,i,j)∪…∪L(H2,i,m)

式中:

f2——第2粒層隸屬函數(shù)；

f2,1，f2,2——分別為第2粒層第1、2個(gè)子粒層的隸屬函數(shù)；

H2,i,j——第2粒層第i個(gè)子粒層的第j個(gè)條件值。

第3粒層子粒層較多，其條件為屬于[0,1]內(nèi)的具體數(shù)值。為加強(qiáng)較大值的影響程度，本文將條件中兩個(gè)值的均方根值作為隸屬度。第3粒層隸屬函數(shù)f3(·)為：

(6)

式中：

H3,i,1,H3,i,2——分別為第3粒層第i個(gè)子粒層的第1、2個(gè)條件值。

之后，對(duì)各子粒層隸屬度進(jìn)行加權(quán)合成。由于各子粒層間能互相影響，只要任一子粒層出現(xiàn)較大隱患就會(huì)影響道岔正常使用。因此，采用權(quán)值自適應(yīng)分配機(jī)制：利用1個(gè)單調(diào)增函數(shù)生成6個(gè)函數(shù)值，并歸一化處理得到6個(gè)權(quán)值；為增強(qiáng)大隸屬度子粒層對(duì)整體評(píng)價(jià)的影響程度，先將權(quán)值與隸屬度分別按大小排序，再按序?qū)?quán)值依次分配給相應(yīng)隸屬度。本文采用2為底的指數(shù)函數(shù)生成權(quán)值，自變量取[0,5]的整數(shù)。

對(duì)于第1、2、3粒層異常粒度的權(quán)值q1、q2、q3，應(yīng)滿足如下條件：①按問題影響程度，有q1>q2>q3；②3個(gè)粒層的異常粒度可區(qū)分，即有q1≥(q2+q3)且q2≥2q3。據(jù)此將q1、q2、q3分別設(shè)為0.50、0.34、0.16。

2.3 推理機(jī)實(shí)現(xiàn)

決策系統(tǒng)采用“計(jì)算+判斷”的形式建立正向推理機(jī)模式。推理機(jī)采用基于異常粒度的道岔整治三支決策框架進(jìn)行推理。

如第1粒層任意1個(gè)條件成立，則說明道岔存在影響行車安全的病害，不可使用。

1) 由于第1粒層q1= 0.5，故T1取0.50。如G>T1，則匹配決策d1。

2) 通過歷史數(shù)據(jù)分析和專家評(píng)估相結(jié)合的方式，取T2為0.03。如G

3) 如T2≤G≤T1，則匹配延遲決策d3。

本文根據(jù)q2、q3及實(shí)際情況，將延遲決策d3細(xì)化為3個(gè)異常級(jí)別細(xì)化預(yù)防性整治決策，如表2所示。

表2 延遲決策的細(xì)化整治決策

3 道岔整治智能決策系統(tǒng)實(shí)現(xiàn)

3.1 開發(fā)樣例

決策系統(tǒng)實(shí)質(zhì)為數(shù)值分析系統(tǒng)。本文基于MATLAB軟件開發(fā)武漢地鐵道岔整治智能決策系統(tǒng)(測試版)，并通過GUI(圖形用戶界面)來實(shí)現(xiàn)人機(jī)交互功能。

1) 數(shù)據(jù)輸入內(nèi)容與形式。根據(jù)目前道岔聯(lián)調(diào)工作現(xiàn)狀，數(shù)據(jù)輸入內(nèi)容主要為岔區(qū)所有道岔連續(xù)2次工電聯(lián)合檢查及測量數(shù)據(jù)、微機(jī)監(jiān)測相關(guān)數(shù)據(jù)等，并以電子表格形式錄入系統(tǒng)。

2) 需實(shí)現(xiàn)的基本功能:①分析岔區(qū)所有道岔機(jī)械狀況進(jìn)行綜合培訓(xùn)，并輸出整治決策；②可選擇切換并分項(xiàng)顯示單個(gè)道岔異常粒度。

武漢站岔區(qū)交叉渡線道岔系統(tǒng)人機(jī)交互界面樣例如圖3所示。

圖3 系統(tǒng)人機(jī)交互界面樣例

3.2 仿真試驗(yàn)及分析

仿真試驗(yàn)選取武漢站折返線4組道岔某月中旬連續(xù)2次工電聯(lián)合檢查及其他有關(guān)數(shù)據(jù)形成電子表格錄入系統(tǒng)。

相應(yīng)的整體分析結(jié)果見表3。決策系統(tǒng)的計(jì)算總耗時(shí)為0.11 s,可見效率遠(yuǎn)高于同等工作量的人工處理。

表3 仿真試驗(yàn)結(jié)果

表3中8#反位道岔的G值最高。其機(jī)械狀況按表2應(yīng)為異常二級(jí)。對(duì)該道岔進(jìn)一步分析：在第2問題粒層中，滿足道岔動(dòng)作不順暢條件；在第3問題粒層中，滑床板吊板異常粒度為0.098，權(quán)值最高，且對(duì)道岔動(dòng)作有影響。因此，整治決策及其支持信息為：需在3 d內(nèi)整治；首要考慮滑床板空吊問題引起的動(dòng)作不順暢。當(dāng)及時(shí)對(duì)滑床板高度進(jìn)行調(diào)整后，道岔動(dòng)作恢復(fù)平穩(wěn)，有效消除了安全隱患。由此可見,高決策系統(tǒng)的決策結(jié)果高效可靠。

4 結(jié)語

本文針對(duì)城市軌道交通道岔機(jī)械狀況評(píng)估及整治計(jì)劃決策所面臨的問題，引入粒計(jì)算及三支決策理論等人工智能前沿知識(shí)，建立基于異常粒度的道岔整治三支決策體系。以武漢地鐵為背景設(shè)計(jì)開發(fā)的道岔整治智能決策系統(tǒng)界面友好、操作簡單，能將實(shí)踐經(jīng)驗(yàn)和不同量綱的客觀數(shù)據(jù)綜合在一起，實(shí)現(xiàn)了高效可靠的定量評(píng)估及決策，可避免全人工分析帶來的局限性，有助于對(duì)接未來的深度智能化運(yùn)維系統(tǒng)。