贵阳市城市轨道交通运营有限公司 贵州省贵阳市 550081
摘要:铁路信号控制系统是铁路运行的中枢环节,对保障铁路安全运行意义重大。而随着现代铁路运行技术的深入发展,铁路信号控制技术也呈现出丰富的智能化、一体化特征。但即使是在铁路运行技术高度发达的情况下,也仍然无法避免铁路事故的发生,因此,加强对铁路信号控制系统的故障导向安全研究,保证列车在铁路信号控制系统出现故障的情况下能够实施紧急制动停止运行,避免重大铁路安全事故的发生,是当下列车运行安全工作过程需要解决的首要问题。
关键词:地铁信号系统;设备;维护技术
1城轨信号系统发展现状
目前,基于通信的列车控制(Communication-Based Train Control,CBTC系统)在轨道交通领域广泛应用,包括城市轨道交通、市域(郊)铁路、中低速磁浮项目以及跨座式单轨、APM等。
CBTC系统与早期应用于城市轨道交通的基于轨道电路的ATC系统相比,基于独立于轨道电路的车-地无线通信及列车精确定位功能,实现了移动闭塞的列车追踪方式,具有轨旁设备少、行车能力强、生命周期成本低的特点。
近年来,随着科学技术的发展,为解决部分城市轨道交通线路运营负荷重、因人为故障和人为因素导致事故时有发生的局面,CBTC系统的自动化水平进一步提升,实现了全自动运行(Fully Automatic Operation,FAO)功能,进一步增强了系统装备的功能和性能,大大提升了轨道交通运营安全、行车效率,降低了运营成本。随着城市轨道交通规模不断扩大,基于网络化运营设计的互联互通CBTC系统得到了成功应用。
2列控安全信息监督主要功能
列控安全信息监督的功能包括安全信息监督分析、报警管理和相关安全信息的展示、统计、回放、共享等。安全信息监督分析主要对不同地面信号子系统传到CSM的信息进行一致性分析,可细分为以下几点。
1)区段占用信息一致性比对,站内区段信息和区间区段信息;
2)联锁进路与RBC系统接收SA一致性比对;
3)RBC系统MA与联锁进路一致性比对,;
4)TCC进路信息与联锁进路信息一致性比对;
5)车站联锁执行TCC进站信号机降级命令一致性比对;
6)TCC码序与联锁信号逻辑一致性比对;
7)各子系统间连接状态综合比对,包括CTC、CBI、TCC、TSRS、RBC及轨道电路;
8)相邻站TCC方向一致性比对,以站间通信方式为监测中心代转为例;
9)TCC与联锁线路方向信息一致性比对;
10)TCC邻站邻接区段占用逻辑一致性比对,以站间通信方式为监测中心代转为例;
11)区间信号机与区间方向的逻辑一致性比对;
12)信号显示与区段发码一致性比对。
报警管理,即通过数据一致性比对发现各地面信号子系统数据不一致时,实时对对应的安全信息监督分析并产生报警。报警类型除了安全信息监督分析的几种特定类型外,还可进一步实现故障点划分,方便用户迅速查找问题所在。例如RBC系统MA与联锁进路不一致可以进一步划分为MA越过禁止信号、MA经过已占用的区段、MA道岔位置与联锁进路道岔位置不一致3种类型。报警信息除了列出设备、车站、时间、内容等关键信息外,还结合语音提示并能够进行历史报警的统计和查询。此外双击对应报警,可跳转到相应的报警诊断界面。用户根据相关报警提示,结合站场图、设备属性曲线或开关量在故障时间点前、后变化情况等信息,进一步对报警进行分析诊断。
此外,最新版本的CSM还将列控安全信息监督应用在站场图、列车MA时序图、设备工作状态展示,接口数据、关联数据实时展示,安全信息监督分析报告,回放和与CTC系统实现预报警信息共享等功能上。有效的实现了对信号子系统信息资源的整合校验、分析诊断和列控安全信息监督,保障了行车的安全。会有不同数据源对比,通过对比可便捷的对不同源信息的一致性分析判定。在相关统计界面对列控实时信息、列控历史信息和ZPW-2000调整表进行统计展示,有利于对列控信息的实时监督及故障分析。
3 常见铁路信号系统故障诊断方法
3.1 神经网络故障诊断方法
神经网络故障诊断法工作原理如下:先选择一个与实际应用需求符合的网络数据结构,建立神经网络,再为该网络选择适配的学习方法,反复输入不同的变量、权值或者合适数据值进行试错学习。通过不断输出相应样本对神经网络进行重复训练,获取最终理想值,再将相应的阈值和权值留下进行现场数据检测并计算,最后再结合已有的各项故障数据与获得的输出数据进行对比,以此实现对故障的准确诊断。该诊断法有自主学习能力强、并行计算及时、非线性优势强等特点,同时,由于这种方式能够通过网络现有数据对故障发生概率进行准确预测,还可以根据模式识别算法对不同故障进行智能化分类,并建立基于故障知识处理下的高效化故障诊断系统,具有较高的智能性与灵活性,因此常用在人为因素引起的各种铁路信号系统故障诊断中。
3.2 模糊逻辑故障诊断方法
模糊逻辑故障诊断法不需要建立复杂的数学模型,其基本原理是通过特定算法对人类思维模糊性特点进行模拟,从而达到故障诊断自动化的应用目的。由于它在实际操作中并不需要再建立复杂的数学模型进行模型训练,因此实际应用过程中的操作比较简单。但即便如此,其在具体操作过程中也需要建立相应的算法规则,并根据规则确定相关隶属函数,实现对设备故障的检查诊断。由于目前该方法缺少完善的模型支持,故在实际应用中只用于处理前期预警等相对简单的系统故障问题。
3.3 模糊神经网络故障诊断方法
模糊神经网络故障诊断方法是一种结合了神经网络和模糊理论两种故障诊断方法主体优势而开发出来的一种综合性较强的系统故障诊断方法。其工作过程分为两步:先利用神经网络逼近任意函数;再通过映射模糊推理进行主动的输入输出推理,以此实现对系统故障的模糊控制诊断。这种方法的优势主要体现在:它同时具备人脑思维模拟与模糊信息处理两种功能,具有较强知识储备和学习能力,并可以通过反复试错积累经验,提升故障诊断能力。除此之外,它还可以通过神经网络,对系统模糊规则进行持续的优化完善,并不断调整隶属函数参数,扩大和丰富自身的模糊算法容量,具有高度的智能化和先进性特点。因此,该方法目前研究比较广泛,具有很强的应用潜力,可以作为未来设备故障诊断技术发展的新方向进行研究。
结论
目前,基于车-车通信的CBTC系统在我国城市轨道交通项目中已有开通案例,同时有多个信号厂商已经具备提供工程应用解决方案的基于车-车通信的信号系统。车-车通信为实现虚拟编组运行提供了技术手段。列车自主感知技术也有部分厂商的产品通过了SIL4级安全认证,正处于工程验证阶段。信号与车辆控制一体化融合技术涉及行车安全及责任,目前,对这方面的尝试有限,只在个别具有自主知识产权的信号与车辆厂商中开展相关研究。在现阶段的信号系统中云技术的应用也仅限于中央ATS子系统,涉及行车安全的关键子系统如列车自动防护子系统、联锁子系统等云化应用尚处于研究阶段。随着科学技术的不断发展,城市轨道交通信号系统愈发智能化、集约化、数字化,基于新理念、新技术的信号系统将逐步推广应用,上述信号系统关键技术的研究,对下一代城市轨道交通信号系统的应用具有重要的推动作用。
参考文献:
[1]何彬. 地铁信号系统的维护方法与检修技术探析[J]. 黑龙江交通科技,2021,44(11):220-221.
[2]王宗琰. 地铁信号系统设备维护技术[J]. 中国科技信息,2021,(10):64-65.
[3]莫志刚,骆汉宾. 基于BIM的地铁信号设备维护管理系统设计[J]. 铁路计算机应用,2018,27(01):59-63+73.