Health status evaluation model for railway passenger station ticketing equipment based on data and model dual driven
-
摘要: 为及时掌握铁路客运车站（简称：客站）票务设备异常情况，评估其健康状态，采用数据驱动和模型驱动交互联动思想，提出了基于数模双驱动的票务设备健康状态评估模型。通过分析票务设备历史运行数据，构建以票务设备寿命预测值与实际值均方误差最小为核心的目标函数，利用优化算法求解其健康状态评价模型参数，实现对在役票务设备健康状态的评估。选取某铁路客站实名制核验闸机数据进行试验，结果表明，所提模型提高了客站票务设备健康状态评估的准确性，为客站票务设备精细化运行维护、预测性维修及主动运行维护提供了理论基础和决策依据。Abstract: In order to timely grasp the abnormal situation of ticketing equipment in railway passenger stations and evaluate their health status, this paper adopted the idea of data driven and model driven interactive linkage, and proposed a ticketing equipment health status evaluation model based on data and model dual driven. The paper analyzed the historical operating data of ticketing equipment, constructed an objective function with the minimum mean square error between the predicted and actual values of equipment life as the core, and used optimization algorithms to solve the parameters of the ticketing equipment health status evaluation model, implemented evaluation of the health status of in-service ticketing equipment and selected real name verification automatic fare gate data from a certain railway passenger station for testing. The results show that the proposed model improves the accuracy of the health status evaluation of the passenger station ticketing equipment, provides a theoretical basis and decision-making basis for the refined operation and maintenance, predictive maintenance, and active operation and maintenance of passenger station ticketing equipment.
-
站台门是设在站台边缘，防止乘客跌落或跳下的门体设备，给乘客带来舒适的候车环境[1]。城市轨道交通中，列车门与安全门之间的距离一般为160 mm ~180 mm。在城际轨道交通中，部分线路采用退台1.2 m安装，此空间称为危险夹层[2]。根据以往案例分析，其大部分是因乘客未能及时上车而被困于闭合的站台门与列车门之间的危险夹层之中，列车开车导致乘客挤压受伤。
为提高服务质量与安全性，通过合理的设置列车门与站台门联动时序，给予未能及时上车的乘客退至站台门外安全区域内的时间，一定程度上避免乘客滞留于危险夹层内，从而提高运营的安全性。
本文在现有线路列车门、站台门控制方案的基础上，针对安装有站台门系统（PSD，Platform Screen Doors system），而不具备升级改造条件的线路，设计了适合现有接口条件的延时控制系统，可在不对原设备进行升级改造的前提下，实现站台门延时开关门控制。文章重点对延时控制系统的功能需求、系统的安全性方面进行了分析，充分考虑了系统的兼容性及稳定性，确保系统设备发生故障时，能够实现列车控制中心（TCC，Train Control Center）对站台门的基本开关门控制，完成接发列车工作。
1 列车门与站台门联动时序分析
目前，大部分运营线路采取站台门与列车门同步开启与关闭，未对动作时序做出严格规定，一条线路的每个站点都有可能动作时序不一致。通过合理的动作时序可在一定程度上避免乘客滞留于危险夹层之内。
分析站台门与列车门的动作时序设置应从乘客角度出发，考虑其观感、舒适度和安全性，按照乘客先下后上的原则，列车门与站台门开启，乘客先下后上，然后列车门与站台门关闭这一流程进行分析。
1.1 开门过程分析
在开门过程中，站台门与列车门应同步开启或先开站台门再开列车车门，如先开列车门再开站台门则可能会导致乘客误撞站台门，同时，站台门开门时间不能过早于列车门。
1.2 关门过程分析
在关门过程中，先关列车车门再关站台门，尤其对于退台1.2 m安装站台门的轨道交通线路，列车门和站台门同步关闭或者站台门早于列车门关闭，则非常容易造成乘客被夹在危险夹层区域之中，对列车运行和乘客安全造成极大的危害。因此站台门系统需延时关闭，使未及时上车的乘客，有一定时间退出到站台门以外的安全区域内，防止乘客滞留于危险夹层。
1.3 动作时间调整
列车车门的控制器（简称：门控器），负责驱动电机开关门、状态检测与报警等。门控器根据列车的控制信号（如开门、关门、零速）进行开关门。当列车进站停稳后，零速信号得电，安全继电器输出使车门制动器解锁打开。从逻辑过程分析，可以通过延时安全继电器动作，达到列车门的延时动作[3]。
国内轨道交通线路的很多既有车站的站台门，在设计之初并未预留扩充接口，升级改造要面临技术资料缺失、站台门厂家技术支持有限、费用过高等一系列问题，因此，有必要设计一种简单、实用、可靠的延时控制系统，可以在一定范围内自由设定开关门延时时间。
2 既有线运行方式
2.1 运行状态分析
站台门、列车门的开/关门控制涉及车辆、列车控制系统、站台门3个系统，可以分自动开/关门、手动开/关门和自动开门/手动关门３种管理模式[4]。无所哪种模式，指令最终均通过TCC发送至PSD，站台门受控于TCC，TCC与PSD采用继电接口，一般设置有开门命令、关门命令、门锁闭命令、互锁解除命令，其中，开关门命令为TCC控制站台门动作指令，门锁闭与互锁解除为站台门向TCC反馈的状态信息。
2.2 PSD与TCC现有接口分析
PSD与TCC采用继电接口，硬线连接，设置开门继电器（KMJ）、关门继电器（GMJ）[5]。PSD按接收到的命令控制对应门体动作，控制逻辑如表1所示。
表 1 开关门控制逻辑KMJ GMJ 含义 ↓ ↓ 常态，无命令 ↑ ↓ PSD开启所有站台门 ↓ ↑ PSD关闭所有站台门 ↑ ↑ 命令错误，PSD保持不动作 对于多车型线路增加设置车型继电器，PSD根据车型信息控制对应车型的站台门开启或关闭。
通过接口实现站台门的延时动作，只需在TCC与PSD之间加装延时控制系统，即可实现对站台门的延时控制，延时控制系统需能接入原系统接口，同时不影响原系统正常功能。
3 系统设计
3.1 系统功能设计
站台门系统控制模式分为系统级控制、站台级控制、紧急级控制、单门就地级控制和手动解锁。系统级控制优先级最低，手动解锁优先级最高，低优先级的控制方式不影响高优先级开/关门控制方式实现开/关门。系统级控制是PSD正常工作时的全自动模式控制[6]。
本系统针对站台门的系统级控制功能进行设计，不影响站台门的控制优先级判定，也不影响站台门对TCC系统的反馈信号（安全回路、互锁解除）[7]，对于本系统在各种运行场景下，可能引入的安全问题进行了充分的考虑，并采取了相应的措施消除负面影响。本系统的功能需求如下：
（1）本系统与外部系统采用继电接口，使用安全继电器，接口形式和继电器工作电压与原站台门系统保持一致，无需引入新的电源系统即可正常工作，精简系统结构，提升兼容性。
（2）继电器前后节点采集，保障系统的安全性。
（3）设置延时时间调整功能，根据现场实际情况，调整开门延时和关门延时时间，时间调整范围0～10 s，调整精度0.1 s。
（4）故障情况或断电时自动退出功能，保障设备故障时不影响车门与站台门的联动。即当系统自身检测到运行错误，或系统断电时，系统能够自动退出运行，站台门系统运行在原有状态，不会对TCC和PSD之间的联动控制产生影响。
（5）开关门命令电压监测与记录功能，方便问题原因分析。当系统接收到TCC的开关门指令时，对其传输的电压值进行监测，若电压不在规定范围内，则记录电压值并发出报警，提示运维人员，及时消除故障隐患。
（6）显示和记录功能，方便事后故障分析。显示当前的开关门指令状态、接口电压值、延时时间，同时记录并储存运行日志，对于事后的故障分析、问题定位起到重要作用。
（7）报警功能，设备自检错误报警，TCC命令错误报警等。
3.2 系统构成
3.2.1 安全继电器
安全继电器采用欧姆龙G7SA系列，符合EN标准，当故障发生时能够做出相应的动作，具有强制导向接点结构，内部接点熔结时能保证多个接点不会同时处于导通状态[8]。继电器用于与TCC、PSD系统的接口部分、控制逻辑切换。
3.2.2 中央处理单元
中央处理单元负责信号采集、逻辑处理、计时等功能，是系统的数据处理核心；设置显示单元与按键输入单元，用于显示当前系统设置以及系统配置修改等；同时，设备具有声光报警，预留与综合监控系统接口。
3.3 系统接口与工作流程
延时控制系统与TCC、PSD的接口原理图，如图1所示。
（1）系统自检正常时，故障检测继电器（FRJ）动作，由延时控制系统接收TCC命令，并驱动PSD系统动作。TCC发出开关门命令至延时控制系统，延时控制系统内部对应安全继电器动作（KMJ、GMJ），延时控制系统得到开关门命令后根据系统设定时间驱动开门延时继电器（KTKMJ）或关门延时继电器（KTGMJ）动作，从而命令PSD动作。
（2）当系统自检故障时，故障检测继电器不动作，TCC系统命令经FRJ常闭触点直接驱动PSD继电器动作，达到当系统自身故障时，保障TCC系统能够控制站台门动作，从而保障乘客基本的上下车。
（3）TCC命令错误时，即当TCC同时下发开门与关门命令时，系统拦截命令，不对PSD下发开门或关门指令，保持原有状态，进行报警、记录，等待正确命令后恢复执行。
3.4 软件设计
中央逻辑处理单元系统软件逻辑流程，如图2所示。
中央逻辑处理单元主要完成以下功能：
（1）根据延时设定时间，根据开关门控制命令输入，延时控制开关门命令输出。
（2）中央逻辑处理单元具有系统自检、继电器检测、输出短路检测、开关门命令是否错误等。
（3）记录开关门命令电压、站台门反馈命令电压，当电压异常时报警。
4 系统试验
启动运行延时控制系统进入TCC命令监控主界面，如图3所示。界面对TCC的上/下行命令状态分开显示，可显示当前命令的驱动电压与当前系统设置的延时时间，通过“延时设定”按钮可对系统延时时间进行修改。数据记录窗口可记录历史命令的时间，命令内容以及驱动电压。
通过试验，模拟TCC开关门命令，测试该延时控制系统可否准确的延时向PSD发送控制开关门命令，记录其时间、电压状态信息，达到系统设计目标。
5 结束语
本文分析了列车门与站台门在不同时序下的安全性问题，针对目前既有线路现有设备改造难度大的情况，设计了延时控制系统，对现有TCC、PSD不改造的情况下，实现站台门的延时控制，避免了改造中技术资料缺失、费用过高等一系列问题。本系统采用安全继电器，提高了系统的可靠性，设计结构简单、维护方便，预留扩展空间，是一种简单、实用、可靠的改造实施方案。
-
表 1 票务设备健康状态等级划分
等级 健康度取值范围 健康等级 状态描述 I [0.85,1] 健康 指标处于正常范围且靠近最佳值，设备安全 II [0.65,0.85） 亚健康 指标基本合格，无劣化趋势，设备比较安全 III [0.45，0.65） 注意 小部分指标接近警告值，大部分指标基本合格，有劣化趋势，应加强检测并排除故障 IV [0.25,0.45） 警告 指标接近警告值，有劣化趋势，应尽快安排检修 V [0,0.25） 故障 机组运行状况异常，指标数据超过阈值，设备无法运行，必检修 
下载: 导出CSV
表 2 票务设备健康评价指标
目标层 准则层 指标层 指标属性 票务设备
健康状态A1设备性能B1 故障发生频次/年E1 越小越优型 平均故障间隔时间（MTBF）E2 越大越优型 平均修复时间（MTTR）E3 越小越优型 运行工况B2 累计工作时长E4 越大越优型 无故障运行时长E5 越大越优型 运行环境质量E6 越大越优型 维护保养B3 巡检计划完成率/年E7 越大越优型 保养计划完成率/年E8 越大越优型 故障维修响应E9 越小越优型
下载: 导出CSV
表 3 设备评价指标权重值
指标 E1 E2 E3 E4 E5 E6 E7 E8 E9 $ {w}_{j} $ 0.15 0.09 0.35 0.04 0.10 0.02 0.05 0.03 0.17 $ {\mu }_{j} $ 0.10 0.11 0.11 0.12 0.11 0.11 0.11 0.12 0.11 $ {W}_{j} $ 0.13 0.11 0.23 0.08 0.10 0.06 0.08 0.08 0.14
下载: 导出CSV
表 4 设备寿命预测性能比较
预测方法 RMSE MAPE 平均准确率 多指标综合评价模型$ \mathrm{\mathit{H}} $ 13.50 0.17 82.55% Wiener退化模型$ {Z}(t) $ 17.75 0.18 82.29% 优化的评估模型$ {H}' $ 11.67 0.11 88.16%
下载: 导出CSV
表 5 在役设备t1时刻初始化运行数据
设备编号 E1 E2 E3 E4 E5 E6 E7 E8 E9 1 0.43 0.08 0.86 0.21 0.00 0.83 0.12 0.90 0.31 2 0.80 0.29 0.67 0.41 0.70 0.38 0.23 0.14 0.53 … … … … … … … … … … 49 0.10 0.94 0.12 0.39 0.77 0.09 0.27 0.79 1.00 50 0.69 0.56 0.66 0.04 0.39 0.98 0.39 0.39 0.14
下载: 导出CSV
-
[1] Cubillo A, Perinpanayagam S, Esperon-Miguez M. A review of physics-based models in prognostics: Application to gears and bearings of rotating machinery[J]. Advances in Mechanical Engineering, 2016, 8(8): 1-21.
[2] 高锋阳,王文祥,张浩然,等. 基于状态和风险评估的无接触网城轨车辆电气系统运维策略[J]. 中国铁道科学,2022,43(4):148-156. DOI: 10.3969/j.issn.1001-4632.2022.04.16 [3] Zhang Z X, Si X S, Hu C H, et al. Degradation data analysis and remaining useful life estimation: A review on wiener-process-based methods[J]. European Journal of Operational Research, 2018, 271(3): 775-796. DOI: 10.1016/j.ejor.2018.02.033
[4] 孙振铎,侯东勃,李 伟,等. 基于裂纹萌生和扩展的渗氮钢疲劳寿命预测[J]. 兵器材料科学与工程,2021,44(5):76-82. DOI: 10.14024/j.cnki.1004-244x.20210729.001 [5] 王愈轩,刘尔佳,黄永章. 数据驱动下的综合能源系统短期多元负荷预测[J]. 计算机工程与设计,2022,43(5):1435-1442. DOI: 10.16208/j.issn1000-7024.2022.05.031 [6] Babu G S, Zhao P L, Li X L. Deep convolutional neural network based regression approach for estimation of remaining useful life[C]//Proceedings of the 21st International Conference on Database Systems for Advanced Applications, 16-19 April, 2016, Dallas, USA. Cham: Springer, 2016: 214-228.
[7] 李 炜,张盼盼,蒋栋年. 基于DAE-MD的电源车柴油机健康状态量化评估方法[J]. 兰州理工大学学报,2019,45(6):78-84. DOI: 10.3969/j.issn.1673-5196.2019.06.015 [8] Atoui M A, Cohen A. Coupling data-driven and model-based methods to improve fault diagnosis[J]. Computers in Industry, 2021 (128): 103401. DOI: 10.1016/j.compind.2021.103401
[9] 李天梅,司小胜,刘 翔,等. 大数据下数模联动的随机退化设备剩余寿命预测技术[J]. 自动化学报,2022,48(9):2119-2141. DOI: 10.16383/j.aas.c201068 [10] Zhang H W, Li Q, Sun Z N, et al. Combining data-driven and model-driven methods for robust facial landmark detection[J]. IEEE Transactions on Information Forensics and Security, 2018, 13(10): 2409-2422. DOI: 10.1109/TIFS.2018.2800901
[11] Yan H, Liu K B, Zhang X, et al. Multiple sensor data fusion for degradation modeling and prognostics under multiple operational conditions[J]. IEEE Transactions on Reliability, 2016, 65(3): 1416-1426. DOI: 10.1109/TR.2016.2575449
[12] 彭开香,皮彦婷,焦瑞华,等. 航空发动机的健康指标构建与剩余寿命预测[J]. 控制理论与应用,2020,37(4):713-720. DOI: 10.7641/CTA.2019.90039 [13] Hu C H, Pei H, Si X S, et al. A prognostic model based on DBN and diffusion process for degrading bearing[J]. IEEE Transactions on Industrial Electronics, 2020, 67(10): 8767-8777. DOI: 10.1109/TIE.2019.2947839
[14] 裴 洪,胡昌华,司小胜,等. 不完美维护下基于剩余寿命预测信息的设备维护决策模型[J]. 自动化学报,2018,44(4):719-729. DOI: 10.16383/j.aas.2017.c160534 [15] 李进友,李 媛,冯 冰,等. 基于随机组合赋权模糊评价的风电机组健康状态评估[J]. 太阳能学报,2022,43(8):340-351. DOI: 10.19912/j.0254-0096.tynxb.2020-1416 [16] 杨春波,陶 青,张 健,等. 基于综合健康指数的设备状态评估[J]. 电力系统保护与控制,2019,47(10):104-109. DOI: 10.7667/PSPC20191014 -
期刊类型引用(1)
1. 邢育佳. 基于CAN总线的地铁信号与屏蔽门联动控制方法. 今日制造与升级. 2023(07): 63-65 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 73
- HTML全文浏览量: 14
- PDF下载量: 21
- 被引次数: 1
