全文摘要
本发明公开了一种轨道机车网络控制系统故障诊断方法及其诊断装置，所述方法包括：构建基于贝叶斯网络和马尔科夫转移矩阵的故障状态鉴别模型；实时采集MVB总线上的MVB数据包并获取当前监测的标准校验时间Δt内故障特征点对应的发生次数，并基于发生次数获取故障特征点的故障特征发生概率和映射概率；利用先验概率转移模型计算出现故障特征对应的故障节点在四个故障状态下的先验概率，最后基于先验概率、映射概率参数利用概率守恒公式分别计算出该故障特征对应故障节点分别处于所述四个故障状态下的后验概率，后验概率最高对应的故障状态为故障节点当前状态的可靠性最高。
主设计要求
1.一种轨道机车MVB网络控制系统故障诊断方法，其特征在于：包括如下步骤：S1：构建基于贝叶斯网络和马尔科夫转移矩阵的故障状态鉴别模型；所述故障状态鉴别模型包括贝叶斯网络结构模型以及基于马尔科夫转移矩阵的先验概率转移模型；其中，所述贝叶斯网络结构模型构建过程如下：首先，构建包含双层事件的贝叶斯网络结构模型架构，第一层为故障特征层，由故障特征点构成；第二层为故障节点层，由故障节点构成；其中，一个故障特征点对应一个故障节点的所有故障特征，根据标准校验时间Δt内故障特征发生次数将每个故障特征点划分为四个频率状态，分别为零次、一次、两次、多次；机车上每个被监测设备以及机车MVB网络分别对应一个故障节点，每个故障节点包括无故障、瞬时故障、间歇性故障和永久故障四个故障状态；然后，基于机车历史运行故障数据计算每个故障特征点分别在对应四个频率状态下的故障特征发生概率；并构建所述贝叶斯网络结构模型中每个故障节点到匹配的故障特征点的映射概率参数；所述映射概率产生用于表示故障节点处于某个故障状态以及处于故障特征点的某个频率状态时的发生概率；所述先验概率转移模型包括每个故障节点上四个故障状态的先验概率初始值以及标准校验时间Δt内四个故障状态之间先验概率转移函数；S2：实时采集MVB总线上的MVB数据包来获取当前监测的标准校验时间Δt内故障特征点对应的发生次数，并基于所述发生次数获取故障特征点相匹配的故障特征发生概率和映射概率；S3：基于所述故障状态鉴别模型中的先验概率转移模型计算出当前监测时刻故障节点在四个故障状态下的先验概率；S4：基于故障特征点相匹配的故障特征发生概率、映射概率以及故障节点在四个故障状态下的先验概率利用概率守恒公式分别计算出当前监测时刻故障节点分别处于所述四个故障状态下的后验概率；式中，P(cj\\|x)表示当前监测时刻故障特征点x对应故障节点处于一类故障状态cj下的后验概率；P(x\\|cj)表示当前监测时刻故障节点处于一类故障状态cj时，故障节点到故障特征点x的映射概率；P(cj)表示当前监测时刻故障节点在一类故障状态cj下的先验概率，P(x)表示当前监测时刻故障特征点x对应的故障特征发生概率；S5：根据步骤S4中故障节点在四个故障状态下的后验概率鉴别故障节点的故障状态；其中，后验概率越高，对应故障状态为故障节点的当前状态的可靠性越高。
设计方案
1.一种轨道机车MVB网络控制系统故障诊断方法，其特征在于：包括如下步骤：
S1：构建基于贝叶斯网络和马尔科夫转移矩阵的故障状态鉴别模型；
所述故障状态鉴别模型包括贝叶斯网络结构模型以及基于马尔科夫转移矩阵的先验 概率转移模型；
其中，所述贝叶斯网络结构模型构建过程如下：
首先，构建包含双层事件的贝叶斯网络结构模型架构，第一层为故障特征层，由故障特 征点构成；第二层为故障节点层，由故障节点构成；其中，一个故障特征点对应一个故障节 点的所有故障特征，根据标准校验时间Δt内故障特征发生次数将每个故障特征点划分为 四个频率状态，分别为零次、一次、两次、多次；机车上每个被监测设备以及机车MVB网络分 别对应一个故障节点，每个故障节点包括无故障、瞬时故障、间歇性故障和永久故障四个故 障状态；
然后，基于机车历史运行故障数据计算每个故障特征点分别在对应四个频率状态下的 故障特征发生概率；并构建所述贝叶斯网络结构模型中每个故障节点到匹配的故障特征点 的映射概率参数；所述映射概率产生用于表示故障节点处于某个故障状态以及处于故障特 征点的某个频率状态时的发生概率；
所述先验概率转移模型包括每个故障节点上四类故障状态的先验概率初始值以及标 准校验时间Δt内四个故障状态之间先验概率转移函数；
S2：实时采集MVB总线上的MVB数据包来获取当前监测的标准校验时间Δt内故障特征 点对应的发生次数，并基于所述发生次数获取故障特征点相匹配的故障特征发生概率和映 射概率；
S3：基于所述故障状态鉴别模型中的先验概率转移模型计算出当前监测时刻故障节点 在四个故障状态下的先验概率；
S4：基于故障特征点相匹配的故障特征发生概率、映射概率以及故障节点在四个故障 状态下的先验概率利用概率守恒公式分别计算出当前监测时刻故障节点分别处于所述四 个故障状态下的后验概率；
设计说明书
技术领域
本发明属于轨道机车技术领域，具体涉及一种轨道机车网络控制系统故障诊断方 法及其诊断装置。
背景技术
作为目前主力车型的HXD1型机车都配备了MVB网络控制系统，机车重要部件(例如 牵引控制单元、中央控制单元、制动机等)均挂在网络上传递数据。但是在机车日常运行过 程中，时常出现网络通讯中断、部件通信失效等影响机车运行安全的故障和故障隐患；而该 类故障在日常检修和整备时无法进行精确检测和定位，更无法确定到底是瞬时故障，间歇 性故障还是永久故障。现有的C4修和C5修规程中也未对机车通信电缆进行性能检测，只是 根据机车运行情况进行定性分析，无法保证机车通讯达到最优状态。
因此，从保障机车安全运行出发，开发机车网络控制系统分析诊断装置和诊断方 法，对保障机车网络通信性能，快速检测机车网络传输质量和可靠性，具有重要的意义。
发明内容
本发明的目的是提供一种轨道机车网络控制系统故障诊断方法及其诊断装置，用 于及时诊断MVB网络控制系统的故障问题，并获取到无故障、瞬时故障、间歇性故障还是永 久故障对应的概率，进而便于鉴别故障状态进而及时进行处理，以保证机车网络传输质量 和可靠性。本发明考虑了设备老化情况，首先根据机车设备的实际使用时间和故障状态之 间的马尔科夫关系设计先验转移概率，从而得到更精确的故障属性判断，为机车设备的维 修更换做更好的决策支持。
本发明提供的一种轨道机车MVB网络控制系统故障诊断方法，包括如下步骤：
S1：构建基于贝叶斯网络和马尔科夫转移矩阵的故障状态鉴别模型；
所述故障状态鉴别模型包括贝叶斯网络结构模型以及基于马尔科夫转移矩阵的 先验概率转移模型；
其中，所述贝叶斯网络结构模型构建过程如下：
首先，构建包含双层事件的贝叶斯网络结构模型架构，第一层为故障特征层，由故 障特征点构成；第二层为故障节点层，由故障节点构成；其中，一个故障特征点对应一个故 障节点的所有故障特征，根据标准校验时间Δt内故障特征发生次数将每个故障特征点划 分为四个频率状态，分别为零次、一次、两次、多次；机车上每个被监测设备以及机车MVB网 络分别对应一个故障节点，每个故障节点包括无故障、瞬时故障、间歇性故障和永久故障四 个故障状态；
然后，基于机车历史运行故障数据计算每个故障特征点分别在对应四个频率状态 下的故障特征发生概率；并构建所述贝叶斯网络结构模型中每个故障节点到匹配的故障特 征点的映射概率参数；所述映射概率产生用于表示故障节点处于某个故障状态以及处于故 障特征点的某个频率状态时的发生概率；所述先验概率转移模型包括每个故障节点上四类 故障状态的先验概率初始值以及标准校验时间Δt内四个故障状态之间先验概率转移函 数；
S2：实时采集MVB总线上的MVB数据包来获取当前监测的标准校验时间Δt内故障 特征点对应的发生次数，并基于所述发生次数获取故障特征点相匹配的故障特征发生概率 和映射概率；
S3：基于所述故障状态鉴别模型中的先验概率转移模型计算出当前监测时刻故障 节点在四个故障状态下的先验概率；
S4：基于故障特征点相匹配的故障特征发生概率、映射概率以及故障节点在四个 故障状态下的先验概率利用概率守恒公式分别计算出当前监测时刻故障节点分别处于所 述四个故障状态下的后验概率；
式中，P(cj<\/sub>|x)表示当前监测时刻故障特征点x对应故障节点处于一类故障状态cj<\/sub> 下的后验概率；P(x|c j<\/sub>)表示当前监测时刻故障节点处于一类故障状态cj<\/sub>时，故障节点到故 障特征点x的映射概率；P(c j<\/sub>)表示当前监测时刻故障节点在一类故障状态cj<\/sub>下的先验概率， P(x)表示当前监测时刻故障特征点x对应的故障特征发生概率；
S5：根据步骤S4中故障节点在四个故障状态下的后验概率鉴别故障节点的故障状 态；
其中，后验概率越高，对应故障状态为故障节点的当前状态的可靠性越高。
机车的MVB网络是一个总线网络，本发明捕获接入机车MVB总线的MVB设备所发送 的数据包，对数据包进行分析，因此涉及的故障主要为MVB网络自身的故障以及接入MVB网 络的机车设备故障。一方面，本发明对接入机车MVB网络的各种设备以及MVB网络分别作为 一个故障节点，对其进行了故障属性划分，进而最终实现实时故障属性判定，即判断为瞬间 故障、间歇性故障还是永久故障的概率，而已有方法只能判断是否出现网络或者设备故障。 另一方面，为了判断所检测到的故障信号到底是由于偶尔的网络波动所造成的瞬时故障， 还是设备老化，故障等所造成的间歇性故障或永久故障，本发明考虑了实际设备的老化过 程，随着运行时间延长，设备性能降低，假设无故障，瞬时故障，间歇性故障，永久故障四个 状态之间存在马尔科夫属性，其初始先验发生概率也随时间在变化，而不是一直不变的。因 此，本发明利用基于马尔科夫转移矩阵的先验概率转移模型设计先验转移概率，从而得到 更精确的故障属性判断，为机车设备的维修更换做更好的决策支持。
其中，MVB网络故障主要通过自动侦听探测和统计所有网络通信端口的刷新周期、 数据长度、数据通信质量等通信过程的参数来判断，机车设备故障则主要由机车设备自身 发送的从帧来判断。
进一步优选，设定当前监测时刻为t+Δt，当前时刻t+Δt故障节点在四个故障状 态下的先验概率分别按照如下公式计算：
P(cj<\/sub>)＝P1<\/sub>×Y1<\/sub>+P2<\/sub>×Y2<\/sub>+P3<\/sub>×Y3<\/sub>+P4<\/sub>×Y4<\/sub>
式中，P1<\/sub>、P2<\/sub>、P3<\/sub>分别表示为t时刻故障节点在除故障状态cj<\/sub>外的三个故障状态下的 先验概率，Y 1<\/sub>、Y2<\/sub>、Y3<\/sub>表示经过标准校验时间Δt后，先验概率转移模型中除故障状态cj<\/sub>外的 三个故障状态分别转变为故障状态c j<\/sub>的先验概率转移函数，P4<\/sub>表示为t时刻故障节点在故障 状态c j<\/sub>下的先验概率，Y4<\/sub>表示经过标准校验时间Δt后，故障节点由故障状态cj<\/sub>保持不变的 先验概率转移函数。
由上述公式可知，在t时刻已知故障节点的四个故障状态下的先验概率，则可以计 算出t+Δt时刻故障节点在四个状态下的先验概率。由于故障节点的四个故障状态的先验 概率初始值已知，因此，每间隔一个标准校验时间Δt的故障节点的四个故障状态的先验概 率均可以计算出来。上述公式是基于下述先验概率转移函数表进行计算的，下表是以目标 故障状态c j<\/sub>为例进行说明，因此，其他故障状态下的先验概率转移函数未在表格1中展示。
表1
其中，Y5<\/sub>、Y6<\/sub>、Y7<\/sub>表示经过标准校验时间Δt后，故障节点由故障状态cj<\/sub>转变为其他 三个故障状态的先验概率转移函数。
进一步优选，所述先验概率转移模型中标准校验时间Δt内四个故障状态之间先 验概率转移函数如下表2所示：
表2
其中，如图4所示，a1<\/sub>、a2<\/sub>、a3<\/sub>分别表示从每一时刻节点故障节点从无故障变为瞬时 故障、间歇故障、永久故障的概率；a 4<\/sub>、a6<\/sub>、b1<\/sub>分别表示每一时刻节点故障节点从瞬时故障变 为间歇故障、永久故障、无故障的概率；a 5<\/sub>、b2<\/sub>分别表示每一时刻节点故障节点从间歇故障变 为永久故障、无故障的概率；b 3<\/sub>表示每一时刻节点故障节点从永久故障变为无故障的概率。
其中，a1<\/sub>+a2<\/sub>+a3<\/sub>小于1,a4<\/sub>+a6<\/sub>+b1<\/sub>小于a1，a5<\/sub>+b2<\/sub>要小于a4<\/sub>+a2<\/sub>。a1<\/sub>、a2<\/sub>、a3<\/sub>、a4<\/sub>、a6<\/sub>、b1<\/sub>、a5<\/sub>、b2<\/sub>、 b 3<\/sub>具体值是专家根据历史数据给出的经验值。
进一步优选，还包括检修提示步骤：
故障节点在当前监测时刻的除无故障之外的其他故障状态下的后验概率与先验 概率的差值大于40％时，触发故障节点对应网络故障检修提示。
另一方面，本发明还提供采用上述方法的装置，包括：通讯连接的MVB通讯接口模 块和核心处理器模块；
其中，MVB通讯接口模块：与机车MVB网络连接，用于采集MVB总线上的MVB数据包， 通过MVB网络与机车上被测设备通信交互；
核心处理器模块：用于采用步骤S1-S5的方法诊断MVB网络控制系统故障。
进一步优选，该装置还包括：
设备显示控制接口模块1，用于显示检测分析数据；
设备显示控制接口模块2，用于状态显示和故障报警显示；
电源转换模块，用于:提供稳压电源；
最小电路系统模块，用于提供工作晶振频率；
调试接口模块，用于调试软件程序和数据输出测试；
数据转储模块，用于转储测试数据；
数据高速存储模块，用于高速存储数据；
时间记录模块，用于提供时间基准信号；
字库存储模块，用于显示中文字符；
其中，所述的最小电路系统，调试接口模块，设备显示控制接口模块1，设备显示控 制接口模块2，数据转储模块，数据高速存储模块，时间记录模块，字库存储模块，电源转换 模块均连接至核心处理器模块。
有益效果
一方面，本发明对接入机车MVB网络的各种设备以及MVB网络分别作为一个故障节 点，对其进行了故障属性划分，进而最终实现实时故障属性判定，即判断是否为瞬间故障、 间歇性故障还是永久故障，而已有方法只能判断是否出现网络或者设备故障。另一方面，为 了判断所检测到的故障信号到底是由于偶尔的网络波动所造成的瞬时故障，还是设备老 化，故障等所造成的间歇性故障或永久故障，本发明考虑了实际设备的老化过程，随着运行 时间延长，设备性能降低，假设无故障，瞬时故障，间歇性故障，永久故障四个状态之间存在 马尔科夫属性，其初始先验发生概率也随时间在变化，而不是一直不变的。因此，本发明利 用基于马尔科夫转移矩阵的先验概率转移模型设计先验转移概率，从而得到更精确的故障 属性判断，为机车设备的维修更换做更好的决策支持。
附图说明
图1是本发明提供的所述装置的结构示意图；
图2是本发明提供的MVB网络性能测试工作示意图。
图3是本发明提供的故障特征点与故障节点的关系图；
图4是本发明提供的四个故障状态之间的转移示意图。
具体实施方式
下面将结合实施例对本发明做进一步的说明。本发明提供的所述方法以及装置是 用于监测机车MVB网络上故障问题的，譬如应用于和谐D1C型机车。
如图1所示，本发明提供的所述装置包括：核心处理器模块以及均与核心处理器模 块连接的MVB通讯接口模块、最小电路系统、调试接口模块、设备显示控制接口模块1、设备 显示控制接口模块2、数据转储模块、数据高速存储模块、时间记录模块、字库存储模块、电 源转换模块。其中，各个模块的功能如下所示：
核心处理器模块，用于调用程序执行本发明提供的一种轨道机车MVB网络控制系 统故障诊断方法来诊断MVB故障。具体的，本实施例中，核心处理器模块包括基于ARM Cortex-4核的STM32F407VET6核心处理器，定时器任务产生模块，I\/O扩展控制模块以及 FSMC模块，其中，定时器任务产生模块，I\/O扩展控制模块以及FSMC模块分别连接至 STM32F407VET6核心处理器的不同接口。定时器任务产生模块用于实现精准的任务生成、任 务调度等任务管理功能，I\/O扩展控制模块用于实现核心处理器与FSMC模块之间的并口扩 展功能，FSMC模块用于实现核心处理器与MVB控制器之间的数据交互。本实施例中， STM32F407VET6核心处理器为意法半导体公司研发的现有元件，该产品使用了多种总线 (SPI、USART、USB OTG)，并外扩两路FSMC(可变静态存储控制器)分别与触摸电容屏和MVB通 信接口模块进行数据交互。
本实施例中MVB通信接口模块采用赛灵思公司的Spartan-200系列FPGA。具体的， MVB通讯接口模块包括信号隔离模块，MVB编码解码模块，双口RAM扩展模块，其中，信号隔离 模块输入端与机车MVB网络相连接，输出端与MVB编码解码模块连接，所述的MVB编码解码模 块输出端通过双口RAM扩展模块与核心处理器模块的FSMC模块连接。信号隔离模块用于实 现MVB的物理层与数据链路层之间的数据交互和信号物理层隔离；MVB编码解码模块用于实 现MVB的数据链路层与网络层之间的数据转发和数据处理；双口RAM扩展模块用于实现MVB 数据采集功能与核心处理器逻辑判断功能之间的数据交互。
最小电路系统包括8MHz无源晶振模块、复位电路。复位电路用于实现对设备供电 电压的监控，如正常供电电压为4.95V～5.05V，当电平跌落在4.25V之下时，进行重启；系统 软件定时最迟1.6秒进行看门狗复位操作(俗称喂狗)，防止看门狗芯片触发重启动作。当程 序出现飞跑，系统软件超时喂狗，复位电路动作，进行重启、JTAG调试模块。由于 STM32F407VET6核心处理器稳定工作的最大允许频率为168MHz，因此采用8MHz的晶振，再经 过PLL锁相环后即可达到要求。JTAG调试模块采用SW模式，只需要3个信号即可实现所有 JTAG调试模块的功能，既方便布线，由节省了PCB尺寸。
调试接口模块包括2路调试接口和看门狗模块，2路调试接口均为USART通用同步\/ 异步串行接收\/发送器，调试接口1为USART1，通过设置MCU的BOOT0和BOOT1信号，可以通过 USART1下载程序。另一个调试接口用于动态输出测试过程数据和参数，方便追踪程序运行 状态。其中，3个子模块均与核心处理器模块相连接。
设备显示控制接口模块1包括触摸电容屏和LCD扩展控制模块，触摸电容屏通过 LCD扩展控制模块与核心处理器模块的FSMC模块连接进行数据交互。设备显示控制接口模 块1提供的是800×480分辨率以及5点触摸电容屏；设备显示控制接口模块2外扩6个LED指 示灯、4个按键、1个蜂鸣器。
数据转储模块包括USB-OTG和优盘，优盘通过USB-OTG与核心处理器相连接，将测 试过程数据拷贝到U盘中进行后续处理。
数据高速存储模块包括SDHC(Class 4)存储卡和SD卡扩展模块。SDHC(Class 4)存 储卡通过SD卡扩展模块与核心处理器模块连接。本实施例中，为了实现数据的快速传输和 高速处理，在数据高速存储模块配置了高达32GB的SDHC(Class 4)存储卡，不但轻型可靠， 而且具有高达480MB\/s的写入速度，满足了现有产品的需求。。
时间记录模块包括时间存储芯片和备用电池，时间存储芯片与核心处理器SPI接 口相连，自动实现年月日时分秒的转换。本实施例中，为了提供基准时间信号，设备未采用 STM32F407VET6核心处理器的RTC信号，而是利用时间记录模块扩展了一块专用的SPI接口 的时间记录芯片DS1302，它配备了32.768KHz晶振，能够自动实现年月日时分秒的转换。
字库存储模块包括中文字库和存储器，字库存储模块通过SPI接口与核心处理器 模块连接。。本实施中，为了显示中文字符，系统配备了字库存储模块(SPI接口的W25Q128)， 系统工作前会检测该字库模块是否完整，如果不完整将给出故障提示。
电源转换模块包含5V、3.3V、2.5V等不同等级的线形DC变换器，将外部锂电池电源 (12V)转换为不同电压供不同模块使用。本实施例中，设备外部供电电源为锂电池(标配为 12V)，通过电源转换模块的线形DC变换器，将其转化为5V、3.3V、2.5V等不同等级的电压供 不同模块使用。
如图2所示为MVB网络性能测试工作示意图。其中ARM核心板(核心处理器模块)负 责整个设备的测试流程配置、测试过程控制和测试结果的判断；MVB接口板卡即MVB通信接 口模块实现了MVB网络数据与以太网UDP数据之间的转换；ARM核心板与MVB接口板通过共享 内存的方式进行大量数据的快速交换；MVB网络通信配置模块主要是通过并口扩展实现对 MVB网络的网络端口、端口长度、端口属性的配置。测试设备与被测对象之间通过MVB接口进 行连接，主要是监听被测对象每个周期的主帧和从帧之间的数据交互，依据《IEC-61375-2》 的标准对其主\/从帧响应进行诊断。
本发明基于上述装置的架构，在所述装置上实现一种轨道机车网络控制系统故障 诊断方法，其包括如下步骤：
S1：构建基于贝叶斯网络和马尔科夫转移矩阵的故障状态鉴别模型。
其中，故障状态鉴别模型包括贝叶斯网络结构模型以及基于马尔科夫转移矩阵的 先验概率转移模型。
贝叶斯网络结构模型构建过程如下：
首先，构建包含双层事件的贝叶斯网络结构模型架构，第一层为故障特征层，由故 障特征点构成；第二层为故障节点层，由故障节点构成；其中，一个故障特征点对应一个故 障节点的所有故障特征，根据标准校验时间Δt内故障特征发生次数将每个故障特征点划 分为四个频率状态，分别为零次、一次、两次、多次；机车上每个被监测设备以及机车MVB网 络分别对应一个故障节点，每个故障节点包括无故障、瞬时故障、间歇性故障和永久故障四 个故障状态；然后，基于机车历史运行故障数据计算每个故障特征点分别在对应四个频率 状态下的故障特征发生概率；并构建所述贝叶斯网络结构模型中每个故障节点到匹配的故 障特征点的映射概率参数；所述映射概率产生用于表示故障节点处于某个故障状态以及处 于故障特征点的某个频率状态时的发生概率。本发明通过Noisy-Or模型构建方法构建贝叶 斯网络故障节点层到故障特征层的映射概率参数。由于Noisy-Or模型构建方法是一个公知 的现有方法，因此本发明对此不进行具体的阐述。其采集的机车历史故障数据至少包括故 障发生时间、故障特征、故障发生次数、故障对应的故障节点。
譬如，统计各个Δt时间内节点所处故障状态，和故障特征发生次数，得到整个生 命周期内的故障特征点在某个频率状态下的故障特征发生概率以及对应映射概率。譬如测 得100组Δt时间内节点所处故障状态，和故障特征发生次数，其中，出现0次的组数为40，出 现一次的组数为20，出现两次的组数为10，出现多次的组数为30，则故障特征点在0次对应 频率状态下的故障特征发生概率是否为40\/100。
根据定义也可知，每个故障特征点在四个频率状态下分别有一个故障特征发生概 率；同时故障特征点的每个频率状态对应故障节点的四个故障状态又分别存在四个映射概 率参数。这些均是通过基于机车历史运行故障数据统计而来的，其关系如图3所示。先验概 率转移模型包括每个故障节点上四类故障状态的先验概率初始值以及标准校验时间Δt内 四个故障状态之间先验概率转移函数。
设定当前监测时刻为t+Δt，当前时刻t+Δt故障节点在四个故障状态下的先验概 率分别按照如下公式计算：
P(cj<\/sub>)＝P1<\/sub>×Y1<\/sub>+P2<\/sub>×Y2<\/sub>+P3<\/sub>×Y3<\/sub>+P4<\/sub>×Y4<\/sub>
式中，P1<\/sub>、P2<\/sub>、P3<\/sub>分别表示为t时刻故障节点在除故障状态cj<\/sub>外的三个故障状态下的 先验概率，Y 1<\/sub>、Y2<\/sub>、Y3<\/sub>表示经过标准校验时间Δt后，先验概率转移模型中除故障状态cj<\/sub>外的 三个故障状态分别转变为故障状态c j<\/sub>的先验概率转移函数，P4<\/sub>表示为t时刻故障节点在故障 状态c j<\/sub>下的先验概率，Y4<\/sub>表示经过标准校验时间Δt后，故障节点由故障状态cj<\/sub>保持不变的 先验概率转移函数。
由上述公式可知，在t时刻已知故障节点的四个故障状态下的先验概率，则可以计 算出t+Δt时刻故障节点在四个状态下的先验概率。由于故障节点的四个故障状态的先验 概率初始值已知，因此，每间隔一个标准校验时间Δt的故障节点的四个故障状态的先验概 率均可以计算出来。其中，本发明的先验概率转移模型中标准校验时间Δt内四个故障状态 之间先验概率转移函数如上表2所示。
S2：实时采集MVB总线上的MVB数据包来获取当前监测的标准校验时间Δt内故障 特征点对应的发生次数，并基于所述发生次数获取故障特征点相匹配的故障特征发生概率 和映射概率。
本发明涉及的MVB故障主要是分为MVB网络自身的故障以及接入MVB网络的机车设 备故障。其中，鉴别是否存在故障，是通过对数据包中的数据信息进行分析，主要是将其与 MVB标准进行比对，因此本发明对此比对标准不进行具体说明，其主要是依据用户需求来设 定故障类型，再根据故障类型确定其比对标准。譬如，MVB网络故障主要通过自动侦听探测 和统计所有网络通信端口的刷新周期、数据长度、数据通信质量等通信过程的参数来判断， 包括：主帧和从帧的响应时间、周期性\/非周期性网络传输比率；网络通信有效信息占空比 等。通过检测这些通信过程的参数是否满足MVB标准来判断。机车设备故障则主要由机车设 备自身发送的从帧来判断。本发明的核心处理器模块通过MVB通讯接口模块来监听车辆MVB 网络中各个部件节点与车辆控制模块的主从应答信号，当监测到主信号后12us到43us内收 到节点设备的应答信号，则认为设备正常，当时延大于43us则认为超时，如果73us内未接收 到应答信号则认为是设备丢帧。同时检测接收到的应答信号CRC和长度是否错误，如有错误 则认为是错误帧。
因此，本发明采集到MVB数据包后，基于设定的MVB标准进行鉴别是否存在故障，若 存在故障，提取对应的故障特征、时间点以及对应的故障节点等信息，得到当前监测的标准 校验时间Δt内故障特征点对应的发生次数。由前述贝叶斯网络结构模型构建过程可知，故 障特征点根据标准校验时间Δt内故障特征发生次数将每个故障特征点划分为四个频率状 态，因此，获取到当前监测的标准校验时间Δt内故障特征点对应的发生次数则可获知故障 特征点对应的频率状态，进而获取到特征发生概率。与此同时，根据频率状态可以获取到该 频率状态对应故障节点的四个故障状态的映射概率参数。
S3：基于所述故障状态鉴别模型中的先验概率转移模型计算出当前监测时刻故障 节点在四个故障状态下的先验概率；
其中，先验概率的计算过程在前述已描述，此处不再赘述。
S4：基于故障特征点相匹配的故障特征发生概率、映射概率以及故障节点在四个 故障状态下的先验概率利用概率守恒公式分别计算出当前监测时刻故障节点分别处于所 述四个故障状态下的后验概率；
式中，P(cj<\/sub>|x)表示当前监测时刻故障特征点x对应故障节点处于一类故障状态cj<\/sub> 下的后验概率；P(x|c j<\/sub>)表示当前监测时刻故障节点处于一类故障状态cj<\/sub>时，故障节点到故 障特征点x的映射概率；P(c j<\/sub>)表示当前监测时刻故障节点在一类故障状态cj<\/sub>下的先验概率， P(x)表示当前监测时刻故障特征点x对应的故障特征发生概率。
S5：根据步骤S4中故障节点在四个故障状态下的后验概率鉴别故障节点的故障状 态；
其中，后验概率越高，对应故障状态为故障节点的当前状态的可靠性越高。
本实施例中，将后验概率最高的故障状态作为故障节点的当前状态。其他可行的 实施例中，还可以是根据后验概率最大值是否超过预设阈值来判断是否将其作为故障节点 的当前状态。本发明对此不进行具体的限定，但是后验概率的高低反映了故障节点的当前 状态的可能性。
S6：故障节点在当前监测时刻的除无故障之外的其他故障状态下的后验概率与先 验概率的差值大于40％时，触发故障节点对应网络故障检修提示。
需要强调的是，本发明所述的实例是说明性的，而不是限定性的，因此本发明不限 于具体实施方式中所述的实例，凡是由本领域技术人员根据本发明的技术方案得出的其他 实施方式，不脱离本发明宗旨和范围的，不论是修改还是替换，同样属于本发明的保护范 围。
设计图
相关信息详情
申请码:申请号:CN201910171170.9
申请日:2019-03-07
公开号:CN109656239A
公开日:2019-04-19
国家:CN
国家/省市:43(湖南)
授权编号:CN109656239B
授权时间:20191008
主分类号:G05B 23/02
专利分类号:G05B23/02
范畴分类:40E;
申请人:长沙瑞纬电气有限公司
第一申请人:长沙瑞纬电气有限公司
申请人地址:410000 湖南省长沙市高新开发区麓枫路61号湘麓国际花园二期酒店、公寓N单元1130号房
发明人:黄志武;杨迎泽;周峰;张晓勇;高凯;蒋富;李烁
第一发明人:黄志武
当前权利人:长沙瑞纬电气有限公司
代理人:颜勇
代理机构:43114
代理机构编号:长沙市融智专利事务所
优先权:关键词:当前状态:审核中
类型名称:外观设计