地铁信号设备故障诊断与维护研究.docVIP

摘要 地铁信号系统是由多台电子、计算机、机械等设备组成的复杂的自动控制系统。其主要作用是保证列车安全，提高列车通行效率。当信号设备发生故障时，列车大面积晚点，严重的故障甚至会引发事关地铁安全的事故。如果在地铁运行过程中报警失败，不能正常工作，就意味着列车受阻、列车晚点、乘客晚点、地铁服务质量下降。如何减少信号设备故障的数量，如何防止信号设备故障是一个非常重要的课题。 在神经网络应用中，BP神经网络常用于预测趋势。本文也使用BP神经网络来设计系统，开发了一种地铁信号设备故障预测系统。通过输入与设备故障相关的运行参数，系统可以计算出相关系统或部件的故障率和未来可能发生故障的可能性，以及提醒维护人员需要更换信号备件或部件的设备。本文旨在开发一种预测地铁信号设备故障的系统。首先对国内外相关文献资料进行综述，提出本次研究的方法，对地铁信号系统进行概述，运用BP神经网络进行故障预测，最后建立地铁信号故障预测系统。 BP神经网络是一种多层前瞻神经网络，其特点是输入信号前向传播，误差反向传播。根据预测误差不断调整网络权重和阈值，使神经网络BP的预测输出不断接近预期输出。主要针对BP神经网络故障预测进行分析研究，对BP神经网络概念、学习流程、预测模型以及函数训练测试进行分析，为下文研究打下理论基础。 对地铁信号设备故障预测系统进行设计与实现，最终通过软件模块设计、流程设计、界面设计，最终实现了铁信号设备故障预测系统，能够对故障预测结果进行显示，通过测试结果，所设计的系统能够有效对故障进行预测，与实际记录结果相差不大。 关键词：地铁信号设备；故障预测；预测系统 第1章 绪论 1.1研究背景及意义 作为服务型行业，交通是满足人们的学习、朋友、度假、医疗等初始需求以及一系列衍生需求的关键。为社会经济发展服务，交通基础设施必须是可靠的支撑。地铁作为新型交通基础设施建设的重要组成部分，在国家长远发展中发挥着重要作用。随着地铁，城际铁路和高速铁路的成功，中国的铁路工业取得了长足的发展，中国已经成为一个伟大的交通运输国[1]。然而，即使在世界范围内，也有长期报道称地铁运行中断是由各种故障引起的，这些故障通常是由于管理和维护不善或报警系统故障引起的。随着中国人口的快速增长，人们对高效交通的需求也在快速增长。大城市对地铁运营的需求不断增加，地铁可靠性研究的相关性变得越来越重要。地铁有别于传统公交，具有载客量大、高效便捷、传输快捷、安全可靠等特点，从而避免了地面移动服务系统中的拥堵现象[2]。近年来，国家围绕人工智能、城市轨道交通、城际高速铁路等积极开展新型基础设施建设，对缓解拥堵、交通、发展智能交通和环保交通具有重要意义。在这种形势下，保障地铁安全高效运行，对于构建智慧和谐社会至关重要。 在这个庞大的系统中，信号系统是一个智能的火车控制系统，它负责控制火车的行驶速度，自动驾驶，火车的出发和到达的及时性，还控制着火车的运行间隔和安全性。地铁信号系统是由多台电子、计算机、机械等设备组成的复杂的自动控制系统。其主要作用是保证列车安全，提高列车通行效率。当信号设备发生故障时，列车大面积晚点，严重的故障甚至会引发事关地铁安全的事故。如果在地铁运行过程中报警失败，不能正常工作，就意味着列车受阻、列车晚点、乘客晚点、地铁服务质量下降[3]。报警系统的安全性和稳定性是地铁管理人员日常关注的问题。如何减少信号设备故障的数量，如何防止信号设备故障是一个非常重要的课题。目前，北京、上海、广州、深圳等国家城市的地铁报警系统只有基本的报警功能。只有当设备出现故障或故障时，监管人员才能发现并开始排除故障。这种情况的后果是故障的处理通常是随机的，故障设备的位置、类型和形状是随机的。地铁服务人员没有提前准备，没有明确的服务目标，设备故障无法在短时间内修复，导致设备停运甚至运营服务中断。 为了实现将运输权转换为运输权的目的，为了响应国家关于加强新型基础设施（例如智能城市轨道交通）的号召，本文重点介绍了地铁信号系统。并探索如何保持地铁信号系统设备的高可靠性，并降低信号基础设施设备的风险和脆弱性。一个重要的研究课题是在确保地铁运行安全的同时，以科学合理的方式维护信号基础设施，以降低其生命周期成本。 1.2国内外研究现状 近年来，随着可靠性研究的不断深入，相关研究逐渐扩展并进入轨道公共交通信号系统，包括可靠性建模、失效模式影响分析（FMEA）、可靠性预测、故障树分析/ETA）、模糊理论、故障诊断和故障诊断，维修预测分析等[4]。其中，马尔可夫过程广泛应用于可靠性建模。一些研究人员提出了基于马尔可夫方法的多级飞行系统的可靠性分析[5]。鉴于一般马尔可夫方法的复杂性，对大规模复杂多级任务系统进行可靠性建模；此外，其他建模方法包括可靠性图、威布尔模型、贝叶斯网、Petri网模型（包括求解同构于马尔可夫过