韩江磊
中铁一院集团新疆铁道勘察设计院有限公司 新疆维吾尔自治区乌鲁木齐市 830000
摘要：信号设备是铁路系统的重要组成部分，保障其良好的运行状况，可以增强铁路的安全性，防止意外事故的发生。信号设备在长时间运行中也难免发生故障问题，需要加强对常见故障的有效诊断，才能确保其得到及时处理，降低铁路运行风险，保障人们的生命财产安全。在科学技术水平不断提升的背景下，故障诊断技术也更加可靠，为故障诊断与防治提供了保障。
关键词：人工智能；铁路信号；故障诊断；应用
引言
由于铁路信号系统较为复杂，许多不确定性因素都会导致信号设备出现故障，同时，故障诊断呈现出明显的半结构化或非结构化特点。由于信号设备的故障原因较多，信号故障的分析难度逐步提高。基于人工智能的铁路信号故障诊断专家系统，可以为故障的分析及诊断提供帮助，技术人员可以根据设备的状态及时进行设备维修以及各项故障的排除，有利于提升设备维修水平，保障行车安全。
1铁路信号出现设备故障的原因
通过了解当前铁路运行情况可知，信号设备出现故障的原因主要分为以下几点：其一，铁路信号设备质量较差。由于安装在基本电路中的铁路信号设备质量不达标，导致其在长时间应用中会出现损耗、老化等问题，最终影响信号设备的工作效率，严重的还会威胁铁路运行安全；其二，维修工作不科学。对维修部门工作者而言，定期对信号设备进行维修，不仅能提升信号设备的工作效率，还可以保障铁路安全。但由于现场维修的人员没有较高的工作技能和综合素养，导致实践操作会有误差。此时，若没有对故障进行有效处理，不仅会威胁信号设备，还会产生不可预计的安全事故；其三，违章操作。对于铁路系统而言，为了保障系统运行安全，企业要对各部门工作者提出具体工作要求，但了解实践工作情况可知，大部分工作者并没有严格按照规定进行操作，最终导致工作中涌现出大量的安全故障，威胁铁路运行安全；其四，其他外界因素。铁路信号设备大部分都是安装在室外的，因此外界因素对其也有极大影响。象暴雨、雷击等，都会对信号设备造成损耗。对铁路运行来说，信号设备一直都是各部门工作者关注的基础设备。在新时代背景下，受社会经济和科技技术的影响，铁路运输安全要求也越来越高，此时就需要维修工作者利用专家系统做好信号设备故障诊断及处理工作，以此为列车稳定而安全地运行提供有效保障。
2人工智能在铁路信号故障诊断中的应用
2.1专家诊断分析法
在铁路交通发展的过程中，常用的铁路设备故障诊断方具有多种，其中专家诊断分析法是一项基本方法。专家诊断分析法的主要特点就是利用已有的诊断经验进行相应的故障诊断系统构建来实现诊断目的，这种经验是由铁路信号故障诊断领域专家经过实际工作检验后所提供的，所以专家诊断分析法对于铁路信号故障诊断工作来说具有较好的准确性。在铁路信号故障发生时所表现的状态都是具有一定特点的，所以根据不同的特点在专家诊断系统中经过对此找到出原因，能够较好的缩短诊断时间以及相应的设备成本，这对于我国铁路建设来说具有积极的影响意义。专家诊断分析发还存在一定的限制因素，其所包含的具体型号故障原因类型较少，所以对于一些特殊的故障来说不能准确的检出，需要同时利用其他诊断方法来辅助工作，从而保证铁路信号故障诊断的全面性。
2.2模糊逻辑方法
模糊性是指事物在质上的含义并不确切且在量上也无明确的界限而表现出的属性。20世纪60年代美国专家率先提出了模糊集合论，80年代，日本将模糊控制技术应用于地铁列车的自动控制当中，首度实现了无人驾强。随后法、德等国将模糊控制应用于地铁的应用研究当中。
模糊逻辑诊断方法是基于模糊理论而建立起来的，通过故障原因与现象之间的模糊关系矩阵而判断出可能的故障原因，此方法的结构性知识表达能力极为强大，其推理的过程与人的思维模式极为相似，同时可以将专家描述的事件以及与之相关联的关系进行编码，进而为推理的实现提供依据，因此，模糊理论的应用必将成为未来铁路信号诊断的发展趋势。模糊逻辑诊断法主要可分为两种，一种是基于模糊关系与合成算法的诊断方法，另一种是基于模糊知识技术的诊断方法。由于故障原因所属的函数及模糊规则的确定存在难度，同时，此诊断方式应用时对知识库过于依赖，模糊诊断知识的获取也并不容易，因此，模糊逻辑诊断法目前在铁路信号故障诊断中的应用并不广泛，诊断结果的精度尚需在未来进一步提升。由于模糊语言的变量与自然语言较为接近，同时其中所包含的知识具有极强的可读性，逻辑推理过程也较为严谨，模糊逻辑诊断的过程与人类的思维模式极为相似，并且可以进行相应的解释。然而由于模糊诊断在知识获取的过程中存在一定难度，在故障判定时难以根据具体的征兆而进行模糊关系的确定，在诊断过程中对于模糊知识库的依赖过强，同时不具有较高的学习能力，因此，在诊断时常会出现诊断失误或诊断不全面、遗漏问题的现象。基于这一情况，在对铁路信号故障进行诊断时，可以采取与人工神经网络方法相结合的方式进行诊断，针对不精确或不确定性的信息进行模糊处理，进而避免由于神经网络难以进行边界模糊数据分类处理现象的发生，避免发生误诊问题，进而使在规则基础上建立的结构性知识具备良好的学习与优化能力，有效解决模糊逻辑诊断法知识获取困难的问题，还可以避免推理过程中出现匹配冲突，进而促进推理效率的全面提升。
2.3人工神经网络方法
对于人脑信息处理功能的模拟，是人工神经网络方法的最大优点，在识别故障时可以借助于分类器和动态预测模型，实现对故障问题的全面评估。在构建知识库中存在的局限性，是专家控制系统的主要问题，而人工神经网络方法的应用能够有效解决上述问题，保障快速推理，增强系统的泛化能力和容错能力。由于神经元的独立性较强，因此大大提升了故障诊断的效率，在应用该方法时对于成本要求较高。
2.4混合智能诊断法
这种方法是将多种诊断方式综合运用的一种较为智能化的诊断方式，这是未来铁路信号故障诊断的主要发展方向。如，在D-S证据理论基础上通过信息融合技术而建立起来的故障诊断模型就属于混合智能诊断法的一种，其将人工神经网络以及模糊逻辑诊断方法进行了融合，以这两种方式所做出的诊断结果为判断依据综合评判出信号故障的发生原因及故障点，因此，诊断结果极为可靠，应用效果也较为理想。
结语
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]崔波.浅谈对铁路信号专家系统的研究[J].科技与企业，2018（7）：91-92.
[2]黄璞.基于大数据的CBTC车载信号智能维护系统研究[J].铁路通信信号工程技术，2018，13（2）：64-66.
[3]庞彦知，卢楠.基于专家系统的测试案例自动分析研究[J].铁路计算机应用，2019，26（2）：13-17.
[4]王继强.基于智能学习算法的信号设备故障诊断分析与研究[D].兰州：兰州交通大学，2019.
[5]乔曦.浅析几个常见铁路信号设备故障诊断方法[J].科技创新与应用，2019（13）：293.