高速公路机电系统故障智能诊断

高速公路机电系统故障智能诊断

谭勇

陕西省交通建设集团公司安川分公司陕西安康725000

摘要：经济的快速发展与进步，对高速公路安全稳定提出了更高的要求。高速公路机电系统主要功能是维持高速公路各项系统能够保持正常运转，机电系统稳定才能实现高速公路安全通行。在实际运行过程中，受到各类因素的制约，机电系统会出现一些问题，从而造成了各分项功能无法正常运行，如果控制不当，还会直接造成整个高速公路瘫痪状态。只有全面做好机电系统故障维护，才能实现良好的快速交通，故障管理需要选择有效的故障诊断技术，通过提前预测，避免出现运行问题，保证高速公路服务功能。

关键词：高速公路；机电系统；智能诊断

引言

随着高速公路机电工程建设的迅速发展，规模不断扩大，如何做好机电系统的运行管理和维护成为人们关注的焦点。高速公路机电设备有着不间断运行、工作负荷大、工作环境恶劣等特点，在日常维护工作中会碰到很多棘手的故障，所以只有查明原因及时排除故障，才能保障设备正常运行。目前，智能故障诊断技术已成为一个十分活跃的研究领域。近几十年来，国内外故障诊断技术得到了广泛的研究与发展，提出了众多可行的方法。本文通过对几种主要智能诊断技术的介绍，结合现有高速公路机电系统的特点，提出相应的诊断策略。

1当前机电系统故障处理的问题

当前的机电管理系统，在故障管理方面侧重于运行状况实时监测、故障的快速定位、故障原因分析和故障修复等。当系统中产生故障时，需要快速定位故障影响的业务和确定对业务的影响程度，及时通知业务管理人员进行相关处理工作。当前的故障处理主要存在以下问题：

（1）由于机电系统比较复杂、设备制式较多、接口丰富，故障原因具有多样性、复杂性、不确定性等特点。

（2）当前的故障信息大多是由收费站上报到设备管理中心，再由第三方企业进行维护，带来相应的设备停机和维护成本增加问题，同时相应的故障历史数据不能进行有效采集分析。对于同类的故障分析处理案例不能进行充分的共享借鉴。

（3）机电系统的设备由不同的厂商生产提供，故障的诊断和处理往往是集中在少数熟练工程师手中，不利于问题的解决。

（4）故障处理机制还是比较传统的人工管理方式，不适应高速发展的现代交通。

2高速公路机电系统故障处理要点

2.1全面明确系统属性

高速公路机电系统整体性能较复杂，由其带动的其他系统数量型号众多，任何一个设备出现问题，又能影响到机电系统安全，所以说，对机电系统进行故障处理前，一定要明确属性，查找主要的故障成因，对故障进行精准的诊断与处理，全面明确机电系统所具备的系统性、复杂性和不确定性，只有通过属性分析，才能精准维护，保证设备安全稳定运行。另外，整个机电系统大量设备与接口出自于不同厂商，只有不断完善参数数据，建立有效诊断体系，才能提高设备故障处理效率。

2.2减少损失

高速公路机电系统出现问题，多是由下至上才发现的，往往在收费站有第一反映，对发现的故障进行初步诊断与处理，再上报给调控中心，调控中心再通过协调，由第三方公司负责设备的整体维护，这个过程，就会使设备停机一段时间，停机时间越长则成本越增加。为了避免出现成本的增长，则必须要优化维护方案，在发现故障的第一时间，快速组织抢修班组对设备进行维修，保证设备正常运行。

3高速公路机电系统故障智能诊断方法分析

3.1利用专家系统做好诊断

专家系统也是当前应用最为主要的一种方式，通过科学的数学模型建立，解决复杂的系统故障。主要是与计算机连接，相应的计算机接收到系统出现故障的信息后，运用科学的规则运行，完成一系列成因推理，能够用最短的时间完成最有效的操作。专家系统诊断方法是直接诊断法，在当前故障诊断领域应用非常普遍，整体效果良好，精准度高。智能诊断技术依赖设备，往往会延误时间，而专家诊断则通过长期的经验做出判断，并不对数学模型存在依赖性，专家在总结大量系统故障信息基础上，完成对系统故障的诊断。专家系统诊断技术含有众多专业及高水平理论常识，实际诊断过程中能够实现全程理论推理，保证了故障的快速诊断与处理。

3.2故障树故障诊断方法

故障树分析法（FaultTreeAnalysis）简称FTA，是系统安全分析中广泛应用的一种方法，它采用逻辑方法，形象地进行故障分析工作，体现了以系统工程方法研究安全问题的系统性、准确性和预测性。由美国贝尔电话实验室的H．A．Walson首先提出，它是一种系统可靠性分析方法。利用故障树分析法不仅可以寻找潜在故障或进行故障诊断，而且可以进一步预测系统故障发生的概率。故障树分析法是一种由果到因、自上而下的逻辑分析方法，其过程可概括为：从结果（即某一故障事件）开始，找出导致该事件发生的直接因素．然后对诸因素分别寻找其各自的直接原因，重复执行该过程，直至把形成设备故障的基本事件分析出来为止。依照此方法分析系统发生故障的各种途径和可靠性特征量，然后对各基本事件赋予先验概率值，就可以应用故障树模型进行可靠性分析以及诊断决策。故障树由3种符号构成：事件符号、逻辑门符号、转移符号。事件符号用于表示各种顶事件、中间事件和底事件；逻辑门符号用于表示各事件之间的逻辑关系；转移符号则主要是为使图形简明、避免重复绘图而设置的符号。

3.3基于神经网络的方法

人工神经网络（ArtificialNeuralNetwork，ANN）是由大量神经元广泛互连而成的复杂网络系统。ANN是对人类大脑神经细胞结构和功能的模仿，具有与人脑类似的记忆、学习、联想等能力。在ANN中，信息处理是通过神经元之间的相互作用来实现的，知识与信息的存储表现为分布式网络元件之间的关联，网络的学习和识别取决于各神经元连接权值的动态演化过程。ANN是大规模并行结构，信息可以分存储，并且具有良好的自适应性、自组织性和容错性，因此，ANN在故障诊断领域已经得到广泛的应用。随着神经网络理论的发展，到目前为止也形成了许多种神经网络系统与算法，例如多层感知器网络中经典的BP网及算法，径向基函数神经网络中RBF网及其算法，Hopfield网及其算法，自组织特征映射中SOFM结构及其算法等。

3.4基于案例的推理方法

基于案例推理（Case－basedReasoning，简称CBR）是近年来人工智能领域中兴起的一项重要的推理技术。它通过访问案例库中的同类案例（源案例）的求解，从而获得当前问题（目标案例）的解决方法。CBR的基本过程是：当遇到一个新的问题时，系统根据关键的特征在原始的案例库中进行检索，找出一个与待求问题最相近的候选案例，重用此候选案例的解决方法。如果对此候选案例的解决方法不满意，可以对它进行修改以适应待求问题，最后把修改过的案例作为一个新的案例保存在库中，以便下次遇到类似的问题时作为参考。CBR以案例作为知识元，知识获取和表示自然直接，并且具有自学习功能。基于案例推理能通过修改相似问题的成功结果来求解新问题。它将获取新知识作为案例来进行学习，不需要详细的应用领域模型。CBR的主要技术包括案例表达和索引、案例检索、案例修订和案例学习等。

结束语

机电系统运行是否良好，影响着高速公路服务功能发挥，只有全面保证机电系统运行正常，才能有效降低各种因素干扰。要科学的选择有效智能故障诊断技术，对系统故障进行精准判断，以此为基础选择有效措施做好处理，全面提高机电系统运行安全性、稳定性，为其他系统正常运行提供保障。

参考文献：

[1]陈文钦，王英.高速公路机电系统故障智能诊断研究[J].北方交通，2010（7）：71-73.

[2]张彤.浅析高速公路机电系统故障智能诊断的几种方法[J].科技资讯，2011（32）：107.

[3]王万森.人工智能原理及其应用（第2版）［M］.北京：电子工业出版社，2007．