[发明专利]一种基于ECA规则的故障检测方法

说明书

技术领域

本发明专利涉及故障检测技术，具体涉及一种高速列车网络控制系统的基于ECA规则的故障检测方法。

背景技术

ECA（事件—条件—动作）规则具有很强的语义表达能力，可以支持完整性保持，派生数据维护、生产监控、市场监控和决策支持系统等各种应用，ECA作为主动数据库系统的主动服务机制已得到广泛的接受。

随着计算机技术与自动化控制技术的迅速发展，各种应用系统的规模扩大，控制难度增加，各个部件之间的关联越来越复杂，一个故障的发生可能会对系统产生巨大影响甚至引起系统失效，因此企业急需一个灵敏、准确的故障诊断系统作为安全、高效生产的保证。故障诊断就是采集设备在运营过程中的特征信息(包括可数字化信息，如设备运行时的机械参数以及非可数字化信息，如某些不易于精确描述的模糊现象)，基于特征信息确定设备运行状态是否良好。具体的故障诊断过程可以概括为以下几个阶段：

信号采集：在设备运行中由于震动，加热等自然过程，设备的各个参数会不断变化。不同设备需要关注的特征信息不同，因此可以在某些位置布置特定类型的传感器来进行信号抓取，例如常见的速度传感器、温度传感器以及光传感器等；

信号处理：采集得到的信号作为原始信息，可能对设备状态特征的描述不是特别有效，因此需要对这些原始信息进行处理，例如将震动信息进行时域向频域的转化，或综合若干原始信号而形成某一个复合信号，使处理后的信号可以更为精确地刻画设备状态；

状态识别：将处理后的信号与系统的相关知识(如标准参数等)作为输入，考察信号所描述的状态与正常状态是否相符，从而确定系统是否存在故障，以及故障的相关信息，如类型、性质等。

诊断决策：该步骤可以视为故障诊断的扩展阶段，得到诊断结果后，根据故障等级等信息确定系统运行状态，并采取相应的措施，如对高危故障可做出停机检修决策，防止设备运行状态恶化，对低级别故障可启用备份设备，并启动相应的检修程序。

目前所有的故障诊断技术都可分为三类：即基于知识的方法，基于解析模型的方法以及基于信号处理的方法。其中，基于知识的方法参照长期积累的领域知识，不需要精确数学模型，同时显示出一定的智能特性，被引入多个工业领域，例如应用于高速列车故障诊断。其中，基于规则的诊断专家系统作为该类方法的代表，由于诊断知识表述直观清晰，诊断效果良好，而受到应用领域的普遍重视，已经广泛应用于医疗诊断以及工程故障诊断，成为目前最活跃且最为成熟的故障诊断方法，然而该类故障诊断方法存在着如下三个问题：

（1）对故障的描述能力受限：已有的故障专家系统都是基于产生式规则的，根据相关领域知识总结出的数据与故障之间的关联采用产生式表示，进而基于规则进行故障诊断。然而，故障诊断中首先需要进行设备特征信息的提取，很多场景下为了对故障进行准确描述，除了关注特征信息的数量、逻辑关系之外，信息之间的时序关系也需要仔细斟酌，而产生式规则对此类关系的描述繁杂而模糊。

（2）大规模数据下的效率降低：在实际应用场景中，数据量往往是相当巨大的，且经常存在与诊断无关的数据，由于传统故障专家诊断系统不对这些数据进行过滤，导致这些冗余数据涌入诊断系统，降低了故障诊断的效率。

（3）欠缺主动性：传统故障诊断系统是请求-应答模式，这使得其缺乏主动性。

发明内容

本发明所要解决的技术问题是：如何对高速列车网络控制系统的故障进行描述如何根据故障数据高效地判断出所发生的故障。

为了解决上述技术问题，本发明提出一种基于ECA规则的故障检测方法，其步骤包括：

1）根据高速列车故障表中的故障规则建立与ECA规则的对应关系，得到ECA规则模型；

2）建立所述ECA规则模型的规则图，所述规则图包括通过有向边连接的：原子事件Event节点、复合事件Event节点、条件Condition节点和动作Action节点，所述ECA规则模型的规则图中入口设为原子Event节点，出口设为Action节点；

3）采用基于规则图的启发式搜索方法从所述原子事件Event节点开始建立有向连接，按照所述Condition节点在规则图中进行匹配，找到相应的Action节点；

4）执行所述Action节点在所述高速列车故障表中代表的动作，输出相应故障的信息，完成检测。

所述ECA规则模型按照如下方法建立：

2-1）对于所述高速列车故障表中每条故障规则，将其给出的每个运营数据的取值情况表示为一个原子Event；