CN102879680A - 轨道交通车辆装备通用检测及故障诊断方法及系统 - Google Patents

Abstract

本发明公开了一种轨道交通车辆装备通用检测及故障诊断方法及系统。该方法为：将通过数据采集模块采集的信号输入到故障诊断模块中，得到故障诊断结论；所述的故障诊断模块中设有专家系统规则库，专家系统规则库存储有与故障相关的多条规则；专家系统规则库采用故障树表征各条规则的相互关系；故障诊断过程为基于重要度的数据匹配过程；将采集的数据与专家系统规则库中的规则按照重要度从大到小进行匹配；如果匹配成功，则输出匹配结果，给出故障结论；如果遍历整个规则库均无法匹配成功，则表示未发生故障。该轨道交通车辆装备通用检测及故障诊断方法及系统通用性好，故障诊断速度快。

Description

轨道交通车辆装备通用检测及故障诊断方法及系统

技术领域

本发明涉及一种轨道交通车辆装备通用检测及故障诊断方法及系统。

背景技术

我国铁路的快速发展，不仅增加了铁路里程和铁路运输总量，也增加了各铁路局所管辖的机车车辆。随着各大中城市城轨交通的发展，地铁轻轨车辆也在迅速增加。这些大量增加的机车车辆型号多样不仅包括了以前的直流韶山系列，也包括了最近上路的交流和谐各型号机车和CRH各型号动车组，还包括各种城轨地铁车辆。为了车辆的运行安全，所有车辆在运行一定时间后，都需要进行检修。现有机车车辆型号众多，但是检修单位的现有检修设备大多都是针对某一车型，某一具体部件。在检修时，工作人员需要不停的更换测试装备，更换各种测试品，大大增加了检修人员的工作量，增加了检修单位的检修费用，同时也影响了检修的效果，直接威胁到行车和旅客的安全。因此急需一种适应于各种车型，可以对整车所有关键部件进行测试的检测及故障诊断方法及系统。

发明内容

本发明所要解决的技术问题是提供一种轨道交通车辆装备通用检测及故障诊断方法及系统，该轨道交通车辆装备通用检测及故障诊断方法及系统通用性好，故障诊断速度快。

发明的技术解决方案如下：

一种轨道交通车辆装备通用检测及故障诊断方法，将通过数据采集模块采集的信号输入到故障诊断模块中，得到故障诊断结论；

所述的故障诊断模块中设有专家系统规则库，专家系统规则库存储有与故障

相关的多条规则；专家系统规则库采用故障树表征各条规则的相互关系；

故障诊断过程为基于重要度的数据匹配过程；

重要度定义为P_C|T=P_C/P_T，其中，P_C为最小割集C的发生概率，P_T为故障树顶事件的发生概率；

将采集的数据与专家系统规则库中的规则按照重要度从大到小进行匹配；如果匹配成功，则输出匹配结果，给出故障结论；

如果遍历整个规则库均无法匹配成功，则表示未发生故障。

匹配的过程为：比如某一条规则为：

“规则M：如果电流值大于阈值K，则过流故障”

匹配的过程为：采集电流值i，将i与K比较，若i>K，则完成匹配，输出结论为“过流故障”。

专家系统规则库的建立方法为：

专家系统规则库由多棵故障树组成，每一棵故障树分别与一种故障相对应；针对某一故障的故障树的构建方法为：获取对于某一故障的故障树的所有最小割集，再将故障树的每一个最小割集转换为知识库中的一条规则，从而形成针对某一故障的一棵故障树；

故障树中的上下级节点之间的关系为“与”或“或”的逻辑关系。

一种轨道交通车辆装备通用检测及故障诊断系统，采用前述的轨道交通车辆装备通用检测及故障诊断方法进行故障诊断；

轨道交通车辆装备通用检测及故障诊断系统包括数据采集模块和故障诊断模块。

数据采集模块包括上位机、交流可调电压源、交流可调电流源和数据采集单元；

交流可调电压源和交流可调电流源的输入侧均通过接触器或断路器与交流电源连接，待测设备接交流可调电压源的输出端或交流可调电流源的输出端；

数据采集单元用于采集电流传感器信号、电压传感器信号、速度传感器信号、温度传感器信号和压力传感器信号，并将采集的信号传输给上位机。

有益效果：

本发明的轨道交通车辆装备通用检测及故障诊断方法及系统，打破了以往检测设备只能针对某一固定车型，某一固定设备进行检测的传统。它不仅可以对机车几乎所有关键部件（受电弓、高压断路器、高压电压互感器、原边电流互感器、牵引变压器、牵引变流器、牵引电机、辅助变压器、辅助变流器、蓄电池充电机）进行测试，还能对系统进行联合测试，进行故障诊断。而且适用于所有轨道交通车辆，它是一种通用的检测及故障诊断系统及方法。

该系统整体上包括关键部件状态检测和故障诊断两部分。关键部件状态检测可以模拟给出机车运行所需主要状态信号，并实时采集关键部件的信息，通过网络发送到主机。整车故障诊断：从网络上收集各关键部件发送来的数据，通过特定的诊断算法对机车进行故障诊断。

本发明的轨道交通车辆装备通用检测及故障诊断方法及系统通用性好，故障诊断速度快。

附图说明

图1为电源单元整体框图；

图2为电源单元及检测部件的具体电路图；

图3为数据采集单元的结构框图；

图4为检测软件的结构框图；

图5为基于故障树和规则专家系统结构框图；

图6为基于故障树的规则获取流程图；

图7为电流不平衡故障树示意图；

图8为电流不平衡故障树简化示意图；

图9为框架示意图（图ａ为框架类别为0的框架图，图ｂ为框架类别为1的框架图）；

图10为字典表数据结构图；

图11为电流不平衡诊断知识框架图；

图12为规则表示意图；

图13为规则条件表示意图；

图14为直接框架表示意图；

图15为间接框架表示意图；

图16为框架对应判断条件表示意图；

图17为规则推理流程图；

图18为故障诊断软件系统的各功能模块组成图；

图19为专家系统故障诊断流程图；

图20为I压缩机故障树示意图；

图21为I压缩机故障规则库示意图；

图22为I压缩机故障规则条件库示意图。

具体实施方式

以下将结合附图和具体实施例对本发明做进一步详细说明：

实施例1：

轨道交通车辆装备通用检测及故障诊断系统的硬件平台主要由电源单元，信号输入和输出单元。

电源单元：电源单元整体框图如图1所示。

整个系统采用三相四线制交流供电。依据机车电源特点，电源进线分别为大功率交流电源和大功率直流电源提供电源。

大功率交流电源：在实际使用环境中，机车供电电源采用单相25kV供电，允许电压波动范围为最低19kV最高31kV。因此该大功率交流电源设计为带多路输出的调压变压器，用户可根据测试需要通过上位机调节该交流电源的输出电压（调压范围为0~35kV），电源内的传感器将输出的电压实时反馈给上位机。该电源不仅可以满足主变压器的测试需求，还可以为用户提供真空断路器，高压电压互感器等高压电器的检测。

大功率直流电源：交流机车中，变流器分为交流环节和直流环节，在检测中，不仅需要提供交流电源输入，还需要提供直流电源以供检测直流环节。机车控制电源由蓄电池充电机供给，由于车型的不同，充电机型号也不一样，输入的电源也分为直流和交流，因此需要系统提供直流电源。用户通过上位机可控制电源电压的大小，同时电源单元的传感器也将电压电流等信号反馈给上位机，实现闭环控制。

电源单元的具体电路如图2所示。其中QF1为主断路器，PT为电压传感器，TA为电流传感器。两者采集到的数据都将通过屏蔽线接入PXI机箱进行数据采集，采集到的数据将通过PXI机箱与上位机之间的PCI总线传输给上位机，以供检测软件和故障诊断软件调用。为了实现电源的可控，用户可以通过上位机发送信号给PXI机箱输出控制信号，控制信号经过输出调理输出控制电源电压。数据输入输出单元

如图3所示，数据采集单元由输入输出调理单元、PXI机箱（含数据采集卡）和列车网络通信单元组成。数据输入输出的类型主要包括模拟量输出、数字量输出（其中包括PWM输出）、列车通信网络输出。主要为电流传感器信号、电压传感器信号、速度传感器信号、温度传感器信号和压力传感器信号。

机车的各关键部件在正常工作时，并不是一个单独的个体，而是需要与其他的单元进行通信，协调配合。在检测的时候为了尽量模拟正常工况，需要检测系统输出相应的信号给被测部件，模拟与被测设备相关的部件。同时被测设备产生的输出信号需要系统采集反馈回系统上位机，通过机车固有的控制算法对信号进行处理，形成闭环反馈。

同时为了现实检测过程中对被测部件的控制和故障诊断，需要提供部件检测时与之相关的数据，因此在检测时我们还需要利用系统的传感器采集相关的数据。被测部件输出的信号和传感器输出的信号经过信号调理单元转换后均转换为0-5v的直流信号可以直接输入PXI机箱用数据采集卡采集。PXI机箱采集的数据均通过PCI桥将数据发送到上位机。被测部件如需进行网络通信，则可以将信号发送到列车通信网络单元，列车通信网络单元通过以太网将信号传输给上位机。上位机通过模拟列车的控制程序根据输入的数据，做出决策，并通过列车网络单元和PXI机箱输出控制命令和控制信号。由于PXI机箱输出的信号并不能完全匹配部件所需的信号，因此它输出的信号还需经过输出信号调理单元，转换为和被测部件匹配的信号。整个过程为闭环控制。

软件部分

软件主要由检测软件部分和故障诊断部分构成。

检测软件采用labview和Vc综合编程。主要包含数据采集配置、数据流程配置、用户界面配置和测试数据管理。

依据试验进行的步骤，需要先建立测试工程。在工程中，先要进行数据采集卡的各项配置，在配置中应当设置采集卡的采样率等项目，并将物理通道和信号名对应。根据用户需要进行测试流程配置，添加试验步骤，试验条件，试验数据。完成配置后，调用测试用户界面，根据不同的车型，不同的被测部件建立模型并调用相应的配置文件即可进行试验。如果需要保存实验测试数据，在实验前，还需对测试数据存储规则进行设置。

功能说明

数据采集配置是用户完成数据采集卡硬件通道属性配置，建立与测试程序的对应接口的子模块。当每次检测的被测品不同时，用户可以灵活的对数据采集卡的通道和用户需要的信号名进行映射，用户也可通过调用以往的配置文件，修改完成采集任务配置。当用户配置完成后将在子模块功能配置区内显示已有配置文件中的通道配置信息。

测试流程配置。在此模块中用户可以根据不同车型不同被测部件的检测实验大纲设定实验步骤，通过调用之前设置好的相对应的数据采集通道，选取需要的通道添加到流程测试列表中。

用户界面配置。用户根据不同车型不同被测部件配置相应的测试界面，用户可根据车型建立网络模块分布模型，显示各模块在车上的具体位置。同时保存界面提高界面的可重用性和移植性，并可生成独立的测试界面。在用户界面中通过调用配置好的测试流程列表，按照用户预设的流程进行检测，用户也可以通过点击配置好的车型模型，单独对某一部件进行测试。同时在此界面还可以调用网络助手，查看网络上的实时数据。

故障诊断系统

整车故障诊断专家系统基本思路:故障树分析以前主要应用于分析系统故障原因，计算系统的可靠度，以优化系统设计，因此，在系统可靠性分析与设计中得到广泛应用。近年来，利用故障树模型进行故障源搜寻的研究引起了极大关注。由于故障树易于分析事件，而基于规则的专家系统匹配推理直观速快，因此，本方法以故障树来分析和获取知识，以规则匹配来进行推理的诊断专家系统，其结构如图5所示。

1、基于故障树的规则获取

故障树定性分析的目标是寻找导致顶事件发生的故障源，即故障树的底事件组合，识别导致顶事件发生的所有故障模式。最常用的方法是寻找对象故障树的所有最小割集，再将故障树的每一个最小割集转换为知识库中的一条规则，其基本步骤如图6。

由上可知，求出故障树最小割集是获取专家系统规则的关键所在。常采用由上而下的故障树搜寻法来求解故障树最小割集，其具体操作步骤是：因逻辑“与”门增加的是最小割集中底事件个数，对于规则来说，一个与门有多少个输入，那么相对应的规则的条件数就有多少个。逻辑“或”门增加的是故障树最小割集个数，即一个或门有多少个输入，那么就有多少条相对应的规则，因此要通过故障树获取最小割集，可采取从上到下遇到“与”门就将“与”门下面所有的输入事件排成一行，遇到“或”门就把“或”门下面所有事件排成一列。依此类推，直到不能分解。下面以牵引电机电流不平衡故障树为例来获取相应故障诊断专家规则。电流不平衡故障树如图7所示。其编码简化形式如图8所示。

首先按自上而下搜索法，获取故障树的全部最小割集为：(B003600010001)，(B003600010002)，(B003600020003)，(B003600020004)，(B003600020005)，(B003600010006)，(B003600030007)，(B003600030008)，(B003600030009)，(B003600020010)，(B003600020011)，可以看出，由于在故障树中，节点之间都是或逻辑关系，所以每一个叶子节点都构成一个最小割集，共11个。因此可得牵引电机电流不平衡专家规则如下：

(1)IF B003600010001 THEN F0036；

(2)IF B003600010002 THEN F0036；

(3)IF B003600010003 THEN F0036；

…………………

(11)IF B003600020011 THEN F0036；共11条。通过同样的方法，可获取电力机车电气部分其他故障专家规则。本系统的专家规则是利用计算机程序去分析故障树自动获取，并保存在规则表中，供故障诊断推理机利用。

为了描述故障树各最小割集对顶事件发生所作的贡献的大小，可将最小割集重要度定义为P_C|T：

P_C|T＝P_C/P_T    (3-1)

式(3-1)中P_C为最小割集C的发生概率，P_T为故障树顶事件的发生概率。最小割集重要度P_C|T实际含义是最小割集概率占故障树顶事件概率的百分比。由于最小割集中各底事件是相互独立的、互不相容的事件，由概率统计学，可知P_C为最小割集中各底事件概率的乘积。

现在仍然以牵引电机电流不平衡故障树为例，详细介绍如何计算故障树最小割集的重要度。假设各底事件的概率值如表4。本论文中的概率值的设定有两种方法：一是领域专家通过知识库管理人机对话界面人为设定；二是通过对故障历史记录信息进行统计，计算出各底事件发生的概率。

表4底事件概率表

底事件编号	B00360001000	B00360001000	B00360001000	B00360002000
					概率值	0.04	0.05	0.07	0.12
底事件编号	B00360002000	B00360002000	B00360003000	B00360003000
					概率值	0.2	0.11	0.03	0.07
底事件编号	B00360003000	B00360002001	B00360002001
					概率值	0.12	0.105	0.085

根据概率统计知识计算故障树各中间事件与顶事件的概率如下：

P_M00360001=1-(1-P_{B003600010001})(1-P_{B003600010002})(1-P_{B003600010003})=0.1963,

P_M00360003=1-(1-P_{B003600020006})(1-P_{B003600030007})(1-P_{B003600030008})=0.1971,

P_M00360002=1-(1-P_{B003600030004})(1-P_{B003600020005})(1-P_{B003600030009})(1-P_{B003600020010})(1-P_{B003600020011})(1-P_M00360003)=0.4074,

P_T=1-(1-P_M00360001)(1-P_M00360002)=0.5237,表示顶事件电流不平衡故障发生的概率。根据重要度计算公式P_M|T=P_M/P_T计算出各最小割集或规则的重要度，最终计算结果如表5所示。

表5电流不平衡故障树最小割集重要度

从表中可以看出，最小割集（B003600020005）的重要度最大，所以其对应的规则应进行最先匹配，重要度最小的割集（B003600030007）对应的规则最后匹配（在前面所有规则没匹配成功的情况下）。理论上说，每个最小割集都有可能是导致顶事件发生的原因。但事实上重要度越小，相应的故障模式发生的概率往往也越小，甚至不可能发生，因此按重要度进行规则匹配排序，可使规则匹配有序、有规律的进行，而且可明显提高故障源搜索的效率，因此比前面所讲的简单规则匹配具有明显的优越性。

2、故障诊断专家系统知识库设计

专家系统知识的表示方法有框架表示法、产生式规则表示法等，且各有千秋，综合各自的优缺点，设计了基于故障树的框架和规则的集成知识表示法。主要原因在于电力机车故障诊断专家系统的诊断知识比较适合采用基于产生式规则的形式来表示；另一方面，由于电力机车故障诊断知识数量繁多，故障类型复杂，将知识分类存储可有效提高专家系统推理机推理速度和推理效率。框架作为描述对象属性的一种数据结构，具有较强的结构性和继承性，能够很好地描述电力机车故障诊断树并能把这些诊断知识的内部结构关系及知识的联系显式地表示出来，它弥补了产生式规则的缺点。我们把框架分为两种，一种是直接框架，框架类别为0，一种是间接框架，框架类别为1。如图9所示。

其中，框架号一般为对应事实号，框架名称为对应事实名称，父槽为父节点的框架名；槽类型为本事件与子事件的逻辑联系关系，若该事件为底事件，则槽类型为0。牵引电机电流不平衡诊断知识的框架如图11所示。

基于数据库技术的知识库设计

本方法的知识库将由下面几个数据库表组成，下面将对各表进行简单阐述。

1.数据字典表

数据字典表的作用是将全部的条件和结论编码成符号形式，然后知识库中的所有规则的条件和结论都用符号来表示。这样处理一方面可有效提升搜索与推理速度；另一方面用简单的符号代替复杂的文字信息不仅节省存储空间，而且便于数据库中的SQL语句的书写。本文所采用的具体编码规则为：顶事件编码=“F”+自身4位数字编码，如电流不平衡事件为F0036；中间事件编码=“M”+顶事件4位数字编码+自身4位数字编码，如电流故障不平衡事件编码为M00360002;底事件编码=“B”+中间事件8位数字编码+自身4位数字编码,如硅元件损坏事件编码为B003600020006。事件编码工作都由计算机自动实现。字典表数据结构如图10所示。

规则表

规则表是专家系统知识库中的核心部分之一。基于这种数据结构的知识表达处理上非常灵活、并且通俗易懂。更为重要的是，它使得专家系统核心模块之一——推理机模块的程序的设计变得更为简单易懂，整个推理过程也更严谨、高效。规则表的数据结构如图12所示。规则可用最小割集来表示，一个最小割集可有多个底事件或有且只有一个底事件，在数量上并没有限制，也就是说一条规则的条件事实数目是不确定的。假如采用条件事实最大的规则来处理，这样将导致存储资源的浪费，是一种不很合理的设计方法。因此，本发明通过另建一个规则条件表来存储规则相应的条件事实号，也就是最小割集中的底事件的编码，规则条件表数据结构。另外，从规则表中可以看出，其中有一项为重要度，这一项是为推理机启发式搜索控制策略服务的，是通过故障树的定量分析得到的各个最小割集的重要度。最小割集重要度大的那么它的优先级就高，也就能被推理机率先选择与故障事实进行匹配，从而提高故障诊断效率。

框架表

框架表也是本系统知识库核心组成部分之一。从框架表的实际作用来说，它就是电力机车故障树的存储表。根据故障树的节点的类型不同，可将框架表分为：间接框架表和直接框架表，分别如图14和图15所示。实际上，间接框架表主要用来表示故障树的根节点与中间节点，直接框架表用来表示故障树叶子节点。值得注意的是，间接框架表也存在着框架表中的判断条件的数量是不确定的因素，从节省存储空间的角度出发，本发明采用与规则表一样的方法来进行处理。即另建间接框架判断条件表来存储框架所对应的判断条件，表结构如图16所示。

3、电力机车故障诊断专家系统推理机设计

推理机是故障诊断专家系统的一个核心模块，相当于领域专家的大脑，它利用被诊断对象的故障信息数据，结合知识库的知识和推理机事先设计好的推理策略进行推理诊断，推出系统故障原因。事实上，基于知识的故障诊断专家系统的推理就是一个规则的匹配过程。最简单的方法是将规则表中的规则进行一条一条的匹配，具体步骤为：

用户根据当前显著的故障征兆，从规则库中选择相应规则与机车检测点信息和用户输入的机车信息构成的故障事实库进行匹配，最后通过与用户交互，对诊断结果进行确认，从而给出诊断结果和维修建议。故障诊断流程图17所示。

这种推理匹配方法，具有盲目性且匹配速度慢。为了提高匹配速度，本文引入最小割集重要度概念，事实上也是规则重要度。重要度越高表示该最小割集导致顶事件发生的概率越大，在规则匹配上应该优先匹配。因此可以按照规则重要度大小顺序来进行规则匹配。

现举一例进行具体分析说明：以电流不平衡故障进行分析。

当被测电机与所有传感器和硬件平台连接好以后，启动系统。假设此时电流传感器返回电流信号，经过上位机软件判断为电流不平衡。由此根据专家系统规则库可以推断出原因1：正常不平衡，或原因2：故障不平衡。再根据最小割集的重要度向下搜索，由以上的计算可以看出“微机故障”这一故障的重要度最大，因此最先开始匹配。

故障诊断软件系统的各功能模块组成图如图18所示。

软件主要由五大功能模块组成：故障诊断模块、知识库管理模块、故障树管理模块、数据管理模块以及用户管理模块。下面简要介绍各模块功能。

（1）故障诊断模块是该故障诊断软件的核心模块之一，故障诊断模块包括推理模块和推理解释模块，即专家系统中的推理机与解释机。为了实现推理模块的通用性，本软件成功实现推理机与知识库分离。整个系统采用正向推理与有知识的搜索策略，即启发性搜索策略，为了实现该目标，、在规则库设计时引入了重要度的概念，对规则进行优先级设置，可提高规则匹配的成功率，加快推理速度，避免了无知识搜索的盲目性。

（2）知识库管理模块是一个完整的专家系统不可或缺的模块，本系统的知识库管理模块包括从故障树获取规则以及计算规则重要度两大功能，也就是说知识库中的规则是通过故障树来自动获取的，并不是由知识工程师或领域专家直接修改知识库来实现知识库的更新。从一定程度上讲，也解决了了基于规则的专家系统的知识获取难等问题。

（3）故障树管理模块，由上面介绍的知识库管理模块可知，要想一个故障诊断系统获得完整的规则知识库，设计好故障树管理模块尤为重要。本软件基于C#中的TreeView控件实现故障树的显示、编辑等功能，简单易用。

（4）数据管理模块，主要是保存故障诊断历史数据，供用户查询，可导出成Excel格式打印，同时故障历史记录中的故障发生次数可以作为规则重要度的参考。其次还有与电力机车相关的资料文献供用户查询学习。

（5）用户管理模块包括用户权限分配与用户基本信息更新两部分。用户权限分配是根据用户的职能不同，分配不同的权限，一般用户只能进行故障历史记录查询、导出以及相关文献浏览功能；技术人员可进行故障诊断分析；知识工程师可进行知识库或故障树维护；管理人员可进行用户权限的分配等功能。用户基本信息主要是便于联系各方人员。

专家系统故障诊断流程如图19所示。

以I压缩机接触器16KM故障为例进行说明故障诊断基本的推理流程，其中接触器16KM的状态信号可通过LCU自动获取。进入辅助电机故障诊断模块。

下面详细介绍本系统对I压缩机故障诊断的推理过程，故障树如图20所示，也可从知识库管理界面看到以Tree View视图结构表示的故障树。

从图20可看出，压缩机故障包括排风不止故障以及不打风故障。规则获取模块，按前面分析所得的规则获取方法来获取规则和计算规则重要度，并保存进规则库表，如图21、22所示。

辅助机组诊断中故障现象栏会询问用户，I压缩机为何种故障现象，若通过司乘人员现场查看后，选择I压缩机不打风，系统会按规则重要度依次调用规则R0237~R0242进行与综合数据库中的事实进行匹配。并按最小割集的重要度对可能发生了故障的位置进行显示。

软件功能模块设计

系统登录与主界面

系统登陆界面的用户名具有唯一性，也就是说该系统不能存在两个用户名完全一样的用户，当点击登录时，系统会根据用户名去查找该用户的权限，从而限制用户的某些功能，以保证系统不致被破坏而不能正常运行。然后进入故障诊断主界面。本故障诊断专家系统软件的设计借鉴了电力机车故障特点中的层次性，即将电力机车故障诊断系统分为电气部分、机械部分、空气管路部分以及其它部分4个子系统后，又将各子系统细分成相应的功能部件。当每一部件发生故障时，可点击图中的相应功能部件进入相应的故障诊断界面。

故障诊断界面

系统将从牵引控制部分发送过来的TCP/IP数据解包后显示、存储。在故障诊断专家系统主界面上，点击标有某一子系统的按钮，进入对应的故障诊断专家系统界面。

故障诊断界面主要包括以下几部分：故障现象用于输入或选择故障现象；用户问答是用于回答系统在匹配规则时，故障事实无法通过检测设备自动检测的情况下，必须通过人工现场检测，并回答“是”、“否”或“不确定”以使推理机能继续诊断下去；故障诊断结果栏输出故障诊断结果；推理解释用于解释推理过程，使用户更易接受诊断结果，体现专家系统的透明性。故障处理建议是根据诊断结果提出维修的方法，使在没有维修技术人员的情况下故障也能及时处理，以减小损失。规则获取模块，按照基于故障树的获取方法来获取规则和计算规则重要度，并保存进规则库表，其在关系数据库中的储存形式其各节点编码形式是自动编码，可从字典表中查看。

对某些发生频率高但利用专家系统诊断效果不佳的故障，在进入该项故障的诊断界面后，可选择对该故障较为有效的其它诊断方式，如神经网络算法、多传感器信息融合监测、特征谱分析等。在此基础上软件可进一步开发成为状态监测和故障诊断的综合系统。

在测试过程中，检测系统将对电压电流，速度信号，以及温度和压力信号进行实时采集，这些数据将会被PXI机箱实时的传送给上位机，上位机由软件读取并在数据库中保存，故障诊断专家系统采取特定方式处理数据，得出诊断和故障处理结果。每次诊断的数据可在下述故障历史记录查询中找到并以文本文件格式导出。

知识库管理界面

知识库管理主界面主要实现对故障树增加节点、删除节点、编辑节点。知识库管理主界面为TreeView视图形式的故障树，点击其中某一节点可展开其所有的下级子节点。右击故障树中的某个节点，可弹出右键菜单，其包括新建节点、修改节点、删除节点等功能，实现故障树的扩展、更新，从而进一步完善专家系统规则库。

故障历史记录查询界面

本系统的故障历史记录查询共有三种方式：1.查看全部历史记录；2.按故障发生时间查询；3.按故障发生类型查询。

Claims (4)

1.一种轨道交通车辆装备通用检测及故障诊断方法，其特征在于，将通过数据采集模块采集的信号输入到故障诊断模块中，得到故障诊断结论；

所述的故障诊断模块中设有专家系统规则库，专家系统规则库存储有与故障相关的多条规则；专家系统规则库采用故障树表征各条规则的相互关系；

故障诊断过程为基于重要度的数据匹配过程；

重要度定义为P_C|T＝P_C/P_T，其中，P_C为最小割集C的发生概率，P_T为故障树顶事件的发生概率；

将采集的数据与专家系统规则库中的规则按照重要度从大到小进行匹配；如果匹配成功，则输出匹配结果，给出故障结论；

如果遍历整个规则库均无法匹配成功，则表示未发生故障。

2.根据权利要求1所述的轨道交通车辆装备通用检测及故障诊断方法，其特征在于，专家系统规则库的建立方法为：

专家系统规则库由多棵故障树组成，每一棵故障树分别与一种故障相对应；

针对某一故障的故障树的构建方法为：获取对于某一故障的故障树的所有最小割集，再将故障树的每一个最小割集转换为知识库中的一条规则，从而形成针对某一故障的一棵故障树；

故障树中的上下级节点之间的关系为“与”或“或”的逻辑关系。

3.一种轨道交通车辆装备通用检测及故障诊断系统，其特征在于，采用权利要求1或2所述的轨道交通车辆装备通用检测及故障诊断方法进行故障诊断；

轨道交通车辆装备通用检测及故障诊断系统包括数据采集模块和故障诊断模块。

4.根据权利要求1所述的轨道交通车辆装备通用检测及故障诊断系统，其特征在于，数据采集模块包括上位机、交流可调电压源、交流可调电流源和数据采集单元；

交流可调电压源和交流可调电流源的输入侧均通过接触器或断路器与交流电源连接，待测设备接交流可调电压源的输出端或交流可调电流源的输出端；

数据采集单元用于采集电流传感器信号、电压传感器信号、速度传感器信号、温度传感器信号和压力传感器信号，并将采集的信号传输给上位机。

Images