中国铁路呼和浩特局集团有限公司包头电务段 内蒙古包头市 014040
摘要：现代的自动化设备结构日趋复杂，各部分相互依赖且具有非线性特点。铁路信号设备中某部分的故障可能造成整个铁路信号的中断，导致严重的经济损失，甚至是重大人员伤亡事故。故障诊断方法提供了快速评估故障的标准，可以确保铁路信号自动化系统安全、高效、可靠的运行。
关键词：人工智能；铁路信号；故障诊断；应用研究
引言
近年来，随着我国铁路高速的发展，铁路运营的范围越来越广，铁路信号系统是确保铁路运输安全的关键。在实际应用中，铁路设备不可避免会发生故障，尤其是铁路信号设备，如何尽可能减少铁路信号设备故障对铁路运输安全的影响，己成为当前有亟待研究的重大课题。铁路信号设备故障诊断可以及时发现存在的问题，有助于建立故障决策机制，因此受到了人们的高度重视。
1传统的铁路信号设备故障诊断方式
1.1人工诊断法
以往铁路信号设备维修人员都是根据自身的经验以及能力而进行信号设备故障的诊断，其通常会实地考察与分析设备故障发生的具体原因，并予以及时的诊断与处理。诊断过程中，维修人员可以选用的方法较多，不仅有观察法、比较法，还有校核法与代换法，此外还有逻辑推理法、实验分析法以及优先选择法。通过这些方法判断出信号设备出现故障的具体原因，并对其故障位置进行准确判断，进而及时进行故障的有效排除。此后还需在大型计算机连锁设备软件的支持下进行信号设备故障的诊断与处理。
1.2数据分析法
数据分析与故障诊断系统当中包括主程序、人机交互界面、数据采集模块，应用VC++开发主程序。数据采集应用中断采集方法，每隔2ms采集一次信息，每个线路信号采集30次后调用一次处理程序。通过系统终端远程监测功能，可以对电源屏输入输出信号、工作状态展开24h监控，一旦发现某个巡查点发生了问题，则会向系统发送相关信息。还可以对所采集的数据信息包括开关量、模拟量等进行实时自动分析，判定故障范围、种类、程度，如果是软件故障可以实现自我修复。同时将原数据、分析数据、处理数据存储到数据库中，用户可以对信息进行访问、查询、下载。
1.3信号处理法
信号处理法是基于信号模型的基础上而对铁路信号进行故障的诊断，这种方法的适用性较强，无需建立对象的准确模型，诊断过程也较为便捷。然而由于此方法必须先进行信号的检测与处理，并且信号的噪音会对故障的诊断产生一定影响，因此，在铁路信号故障检测过程中，此方法只应用于特定信号故障的诊断与处理过程中。由于铁路信号的诊断目标多而杂，且会联合应用多种检测方式，还要进行大量的计算，此诊断方式的局限性逐渐显现。因此，此方法的应用范围并不广泛。
2人工智能在铁路信号故障诊断中的应用研究
2.1专家模块诊断
目前，对智能机器人进行应用时，存在很多诊断方式，专家模块诊断是最为常见，且应用最为广泛的一种。在智能机器人内部，安装了相应的专家计算机，其中含有大量电力设备故障信息数据，同时设置出特定的程序，在该程序的控制下，自动对电力设备信息进行采集，并通过与数据库内的信息对比，确定出设备是否出现故障，以及故障的引发原因与类型等，进而确定出合理的处理方案，使故障可以在第一时间得到解决。对于专家模块来说，由很多子系统构成，如数据库子系统、人机交互子系统等，每个子系统具备不同的功能，正是在这些系统各个功能的配合下，才可完成故障的诊断。
2.2遗传算法诊断
除上述几种方式之外，还可采用遗传算法诊断。
对于遗传算法来说，主要是由概率学基础上而得出的，通过对生物进化概率的模仿，寻找出最优的答案。该方式具有很多优势，其中，最主要的优势为运算流程非常简单，不用处理数据库，只需要利用相应的函数方程，依次检索各个数据信息，进而寻找最佳的解决方案。智能机器人遗传算法应用时，可以在云空间内，自动检索相关数据，并从最优的层面着手，很容易判断出电力设备是否出现故障，特别是设备内出现多处故障，或者是发生误动的工况下，可以得到更加精确的结果，有利于电力设备故障的诊断。
2.3人工神经理论
人工神经理论是一种典型的算法数学模型，支持其发挥作用的主要依据就是人工神经网络。人工神经元主要负责激活模拟人类大脑的神经网络，其目的在于利用这一网络实现对信息的一系列处理，使数据得到高效保存。由于神经元比较多，而且彼此之间的关系非常密切，因此，采用人工神经理论就可以确保信息得到及时吸收，人们可以充分利用神经网络的优势，使其在众多领域中发挥作用。对设备故障进行检测时，可以采用人工神经理论对故障进行分析，采用多个神经元与故障相互作用，就可以在一系列反应下找到故障的位置。确认故障后，用户就可以及时了解问题所在。人工神经网络还可以对故障进行预测，分析每个零部件的主要参数，帮助用户更好地了解到设备的使用情况，及时避免出现故障。
2.4模糊理论诊断
对于电力设备故障诊断来说，是一项系统化工程，其中涉及很多内容，如数据的采集、整理、分析，基于数据分析的决策制定等，整个流程当中，均具有非精确化的特点，正是这一特点的存在，可以在故障诊断时，应用模糊理论手段。一般来说，利用专家的经验，以故障特点为基础，结合故障的引发原因，构建出相关的模糊矩阵，并以此为基础，通过相应的逻辑关系的判断，最终确定出电力设备是否出现故障，或者是出现故障的类型。在这一理论快速发展的今天，加之云数据的不断更新与完善，对变量表述产生了较大的影响，使得模拟矩阵更符合现代社会的需求，相关人员能够利用相应的技术手段，设计出专业的软件程序，制定出合理选择方案，从模糊程度强度的角度出发，确定出最佳的决策。
2.5模型解析诊断法的应用
在诊断目标明确且数学模型构建完整的情况下可采用解析模型法进行故障诊断。这种方法是基于数理统计以及函数解析等多种数学方法的基础上建立起来的，一旦出现信号故障，系统会接收到相应的变化情况并将这一变化传递给数学模型进行解析。通过观测数学模型并对其产生的参数变化得出的故障诊断实效性较高，因此，在系统的本质动态性研究过程中解析模型法发挥出了重要作用。模型解析法包含等价空间法与滤波器法，此外还有最小二乘法。然而由于这种方法只能针对明确的对象进行诊断，同时也必须在数学模型的辅助下才可实现，因此，应用范围并不广泛。
结束语
基于人工智能的专家系统在铁路信号故障诊断中发挥出了良好的应用效果，其可以实现对铁路设备故障的诊断与预防。将多种诊断方式联合应用，通过整合多种诊断方式的优势而进行综合故障分析是未来的发展趋势，可以有效提高诊断结果的准确度与可靠性，进而为快速、高效的故障处理提供保障。在不久的将来，人工智能的应用必将越来越广泛，对于铁路信号故障诊断技术的提升与优化具有重要意义。
参考文献：
[1]林杰克.人工智能技术在电气自动化控制中的应用分析[J].中国新通信，2018，20（24）：118-119.
[2]黄兵明，郭慧峰，赵良，薛金明.人工智能在通信网络故障溯源的应用研究[J].邮电设计技术，2018（12）：35-40.
[3]林立.主抽电机智能故障诊断系统的设计[D].大连理工大学，2018.
[4]吴俊刚.智能机器人在电力设备故障诊断中的应用研究[J].中国新技术新产品，2018（22）：12-13.
[5]赵晓宇.基于人工智能电网故障诊断技术的研究现状及未来发展趋势[J].通讯世界，2018（11）：145-146.