浅析铁路调度指挥系统故障诊断方法

【摘要】铁路调度指挥系统的故障诊断主要根据其故障传播路径的自身特点，对其故障传播的有向图和模型进行构建，通过以贝叶斯后验概率为基础对古战诊断算法进行设计分析。其高效率、高准确性的优势特点，彻底打破了传统的人工诊断方式。

【关键词】铁路调度指挥系统；故障诊断；方法

铁路调度指挥系统的结构较为复杂，其发生的故障也因此存在众多的可能性，故障与故障之间的关系也具有紧密性和联系性，这也使得传统所应用于故障诊断的抽样节点告警方法失去作用和功能。另外，修理人员对于发生故障现象需要经常性地查阅各种关联的系统日志文件，结合自身的修理经验和系统的构造关系对故障源进行确定。这种传统的人工诊断方法存在严重的耗时性，效率较低，已经无法满足现在用户的需求。

1构建故障有向图模型

以下几点说明：

（1）由于铁路调度指挥系统在发生故障时，一个故障事故现象的发生可能是由另一个故障原因所造成，因此xi和yj在本质上并不存在差异。

（2）故障原因的在有向图中有所归并，从而有效降低了故障原因的计算难度。

（3）pij是指在发生故障原因xi的基础上，故障事故现象yj的发生概率。p（xi）则表示每种故障原因的发生可能性概率。这两种后验概率集合是以遗传算法为基础的，作用与修理人员的原因分析经验相等。

（4）系统在设计过程中没有出现多余的节点，由于系统某个节点在故障出现时刻和恢复正常的过程中，并不一定会出现故障现象的传播，因此所有pij的和也不一定等于1。

（5）故障原因的归并，需要以不缺少有向边概率为基础。

的数值大小表示了系统故障有向图的复杂程度，越小则复杂程度越高，=1时，表明j个故障原因是观测到的现象的必要条

件，由于相互间不会引发现象，因此是最为简单的故障判断。

时，表示的是后面j-1个故障原因重复引发1个现象的集合，由于存在大量的交叉路径，因此判断难度较大。

参考文献：

[1]张成，廖建新，祝晓民.基于贝叶斯疑似度的启发式故障定位算法[J].软件学报，2010（10）.