基于petri網(wǎng)的列車車門系統(tǒng)隱患定位的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及媒體通信技術(shù)領(lǐng)域，尤其設(shè)及一種基于petri網(wǎng)的列車車口系統(tǒng)隱患 定位的方法。
【背景技術(shù)】
[0002] 隨著各大城市軌道交通的大力發(fā)展，城軌列車大批量的投入運(yùn)營，車口系統(tǒng)作為 城軌車輛運(yùn)營的重要角色，它們的形式的設(shè)計、開關(guān)機(jī)構(gòu)W及它們的加工制造與控制都直 接影響著城市軌道車輛的安全運(yùn)營狀況，及時準(zhǔn)確地診斷車口的故障，對于保證軌道交通 系統(tǒng)的安全穩(wěn)定運(yùn)行具有十分重要的意義。目前，國內(nèi)外學(xué)者在故障診斷方面越來越多地 采用了計算智能和知識工程的技術(shù)與方法，如專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、粗糖集理論、模糊 集理論、貝葉斯網(wǎng)絡(luò)、遺傳算法等。運(yùn)些方法各具特點并得到了一定的應(yīng)用，但在某些情況 下也暴露出了一些不足。例如，專家系統(tǒng)知識規(guī)則庫的建立和維護(hù)比較困難；人工神經(jīng)網(wǎng)絡(luò) 在使用之前需要大量有代表性的樣本供其學(xué)習(xí)，且不具備知識解釋能力；粗糖集方法在處 理多重故障時，決策表十分龐大，甚至出現(xiàn)組合爆炸問題；模糊集理論中關(guān)于隸屬度的獲取 和復(fù)雜系統(tǒng)模糊模型的構(gòu)建方法還不夠完善；貝葉斯網(wǎng)絡(luò)的訓(xùn)練較復(fù)雜且需要先驗概率信 息，對于較復(fù)雜的故障和規(guī)模較大的系統(tǒng)進(jìn)行分析實際上是一個NP完全問題；遺傳算法則 表現(xiàn)出在建立合理的適應(yīng)度函數(shù)與參數(shù)選擇方面有一定的困難。
[0003] Petri網(wǎng)是一種適用于多種系統(tǒng)，尤其是抑ES(F'uzzyDiscreteEventSystem,模 糊離散事件系統(tǒng)）分析的數(shù)學(xué)工具，既有嚴(yán)格的數(shù)學(xué)描述，也有直觀的圖形表達(dá)方式。車口 系統(tǒng)也是一類典型的模糊離散事件系統(tǒng)，運(yùn)用Petri網(wǎng)進(jìn)行車口系統(tǒng)的故障診斷符合人類 的思維和認(rèn)知方式。該方法對故障蔓延方向建立TC-PPN模型，應(yīng)用化tri網(wǎng)推理和貝葉斯 概率計算，快速準(zhǔn)確地確定故障元件。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的實施例提供了一種基于petri網(wǎng)的列車車口系統(tǒng)隱患定位的方法，。
[0005] 為了實現(xiàn)上述目的，本發(fā)明采取了如下技術(shù)方案：
[0006] 一種基于petri網(wǎng)的列車車口系統(tǒng)隱患定位的方法，包括：
[0007] 建立列車車口系統(tǒng)的擴(kuò)展時間可能性約束petri網(wǎng)模型；
[0008] 基于所述擴(kuò)展時間可能性約束petri網(wǎng)的求逆過程，建立所述擴(kuò)展時間可能性約 束petri網(wǎng)模型的狀態(tài)轉(zhuǎn)移條件，基于所述狀態(tài)轉(zhuǎn)移條件通過復(fù)合因果鏈的解禪和析出處 理過程，對所述列車車口系統(tǒng)的隱患進(jìn)行定位。
[0009] 所述的建立列車車口系統(tǒng)的擴(kuò)展時間可能性約束petri網(wǎng)模型包括：
[0010] 設(shè)定一個列車車口系統(tǒng)的擴(kuò)展時間可能性約束petri網(wǎng)模型： W11] 5：。= (S，T;F，E，I，5,i，M。）用于列車車口系統(tǒng)的故障診斷，具體參數(shù)的定義如 下： 陽〇1引S={siIiGN]為庫所的有限集，且滿足奶€苗：樹n?=0，？隸示S的所有 直接和間接后繼節(jié)點的集合；
[OOU]T= {t,|jGN]為變遷的有限集，且滿足Wer;門引;
[0014] SU了>0，snr=0;
[001引 廠c(.s'x；T)u(r、s、)為弧的有限集；
[0016] E=K11GN]為模糊事件的有限集；
[0017] /C(SXr) (=F為抑止弧的有限集，有V/二(M)巨/:A/。切> 0噸，M[占表 示M狀態(tài)下t不可觸發(fā)；
[0018] 5:E- 2ITI為模糊事件到模糊變遷子集的映射；
[0019] X:T-R〇X(R〇U{>})，I(t1)為變遷ti關(guān)聯(lián)的時間區(qū)間；
[0020] M。為XTP的初始狀態(tài)標(biāo)識。
[0021] 所述的基于所述擴(kuò)展時間可能性約束petri網(wǎng)的求逆過程，建立所述擴(kuò)展時間可 能性約束petri網(wǎng)模型的狀態(tài)轉(zhuǎn)移條件，包括： 陽0巧 （1)設(shè)Stp為一個TC-PPN，STP的模糊狀態(tài)標(biāo)識定義為M= [M(si)，M(S2)，… ，M(sJ]T，其中n= |S|，庫所Si中的令牌M(s1) = (0，U)為一個向量，。G[0, 1]用于 表示Si所代表的狀態(tài)分量為"真"的可能性，U為該狀態(tài)分量出現(xiàn)的時間區(qū)間，其中M。為 所有M(Si)的0分量組成的n維向量，M。為所有M(Si)的U分量組成的n維向量；(2)設(shè) STP為一個TC-PPN，模糊事件e的觸發(fā)矩陣定義為一個m行n列的矩陣B。=比Jmx。，其元 素bij定義為
[0023]
[0024] 其中ISI=n，ITI=m，eGE，iG(1，2,…，n}，jG(1，2,…，m}，Te= 5 (e)為 T的子集，p(t'I't)是條件概率，對的〇 '〇)為根據(jù)概率-可能性相容原理，轉(zhuǎn)化而得到可 能性分布，模糊事件e的觸發(fā)概率表示了模糊事件e代表的隱患的發(fā)生概念； 陽0巧](3)設(shè)Stp為一個TC-PPN，其狀態(tài)轉(zhuǎn)移規(guī)則定義為：1)對于eGE，Te= 5 (e)為T 的子集，若試巧)(Vse勺棘> 0則認(rèn)為模糊事件e在M標(biāo)識下具有發(fā)生權(quán)或可觸發(fā)， 記為M[e> ;2)若有M[e>，且由e的觸發(fā)將得到新的標(biāo)識M'，記為M[e>M'，M'為
[0029] 其中，te= 5 (e)，A為輸入矩陣，A+為輸出矩陣，Be為模糊事件e的觸發(fā)矩陣，BT 為時間區(qū)間回溯矩陣，算符?為兩個矩陣的點積運(yùn)算，0為乘積最大值運(yùn)算，0為最小0-相減運(yùn)算，謀為取最大值運(yùn)算，模糊事件e的觸發(fā)概率表示了模糊事件e代表的隱患的發(fā)生 概念。
[0030] 所述的建立列車車口系統(tǒng)的擴(kuò)展時間可能性約束petri網(wǎng)模型包括：
[0031] 建立列車車口系統(tǒng)的擴(kuò)展時間可能性約束petri網(wǎng)的逆網(wǎng)模型ETPNSeT= 儀，r;F'，E'，I'，5 '，I'，M。'）作為構(gòu)造TC-PPN的過渡性工具，ETPN為TC-PPN的逆網(wǎng)， 具體定義如下： 陽 03引 1) (S'，r;F'）是一個原型Petri網(wǎng)，滿足V化S:{々n7=0，V/er:|?半1;
[0033] 2化'為事件的有限集合；
[0034] 3) 已護(hù)為抑止弧的有限集合；
[0035] 4) 5 ' ：E' 一 2lT'I為事件到變遷子集的映射；
[0036] f5)I'：r一RnX(RnU{> })，T'（t1)為變遷ti關(guān)聯(lián)的時間延遲區(qū)間；
[0037] 6)M。'為Set的初始狀態(tài)標(biāo)識，M'（S1)GR〇XR。為S沖的令牌。
[003引所述的建立列車車口系統(tǒng)的擴(kuò)展時間可能性約束petri網(wǎng)模型包括：
[0039] 建立列車車口系統(tǒng)的擴(kuò)展時間可能性約束petri網(wǎng)模型Set= (S，T; F，E，I，5,t，M。），將其求逆得到的TC-PPN;設(shè)瓜屋廣':礦居成^地淑)>Aas':=0為Xtp 最終狀態(tài)下0分量大于某個預(yù)設(shè)值A(chǔ)的庫所集合；根據(jù)sji行單純因果鏈的析出。
[0040] 所述的基于所述擴(kuò)展時間可能性約束petri網(wǎng)的求逆過程，建立所述擴(kuò)展時間可 能性約束petri網(wǎng)模型的狀態(tài)轉(zhuǎn)移條件，基于所述狀態(tài)轉(zhuǎn)移條件通過復(fù)合因果鏈的解禪 和析出處理過程，對所述列車車口系統(tǒng)的隱患進(jìn)行定位，包括如下的步驟：
[0041] 步驟1按照定義結(jié)合車口具體結(jié)構(gòu)構(gòu)造城軌列車客室口系統(tǒng)動作過程的ETPN模 型； 陽0創(chuàng)步驟2對ETPN求逆r(5：ETPN'S)，從而構(gòu)造TPPN;
[0043] 步驟3按定義中的運(yùn)行規(guī)則進(jìn)行推理，當(dāng)所有令牌的值不再發(fā)生變化，停止計算；
[0044] 步驟4獲取匯入庫所的令牌集并剔除其中時間區(qū)間為無窮大的令牌，若剩余令牌 數(shù)量為1且為非沖突令牌，直接對其事件序列{ev}分量按貝葉斯概率公式計算后驗概率； 若剩余令牌數(shù)量大于1，任取兩令牌計算其時間一致性，若相容則對每個令牌的事件序列 {ev}分量按貝葉斯概率公式計算后驗概率并求算術(shù)平均；基于委員會策略，若計算結(jié)果大 于0. 5,則認(rèn)為該庫所代表的事件發(fā)生并標(biāo)記"確認(rèn)"；
[0045] 步驟5對標(biāo)記"確認(rèn)"的事件結(jié)合TPPN進(jìn)行分析，捜索帶有虛令牌且不含實令牌 的非匯入庫所，獨(dú)立存在的虛令牌指示了事件缺失、非正常事件等干擾因素，將其分別標(biāo)記 為"缺失";沖突的令牌蘊(yùn)含時標(biāo)錯誤或虛事件等系統(tǒng)非正常狀態(tài)的信息，結(jié)合其時序的上 下文關(guān)系將其分別標(biāo)為"時誤"或"虛警"；
[0046] 步驟6結(jié)束并輸出標(biāo)記為"確認(rèn)"、"缺失"、"時誤"和"虛警"的事件；
[0047] 步驟7設(shè)定四個空集SU、ST、FR和SC;
[0048] 步驟8在ETPN中選擇已判定發(fā)生的故障源事件集所關(guān)聯(lián)的庫所，置入集合SU;
[0049]步驟9從SU中任意選擇一個Si放入集合ST，將其標(biāo)記為"未處理"，并從SU中將 該元素刪除；若此時SU已為空集，跳轉(zhuǎn)到步驟14;
[0050]步驟10遍歷ST，對每個未標(biāo)記為"未處理"的元素st，求取其在ETPN中的后置集 St?及St與其后置集間的流關(guān)系集F,t;若此時已沒有"未處理"元素，跳轉(zhuǎn)到步驟12 ;
[00川步驟11將St?放入集合ST，F(xiàn)st放入集合FR，并將St標(biāo)記為"已處理"，跳轉(zhuǎn)到步 驟10 ; W巧步驟12根據(jù)ST和FR構(gòu)建單純故障因果鏈SC并放入SC集合；
[0053] 步驟13清空ST和FR，跳轉(zhuǎn)到步驟9 ;
[0054] 步驟14結(jié)束并輸出SC。
[0055] 由上述本發(fā)明的實施例提供的技術(shù)方案可W看出，本發(fā)明實施例。
[0056] 本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，運(yùn)些將從下面的描述中變 得明顯，或通過本發(fā)明的實踐了解到。<