基于信号微机监测的港口铁路故障知识库构建方法及系统与流程

本发明涉及港口铁路信号监测，尤其涉及基于信号微机监测的港口铁路故障知识库构建方法及系统。

背景技术：

1、港口铁路信号系统承担港区调车、取送、装卸线联锁等作业，设备动作频繁，联锁关系复杂，对故障诊断的实时性和准确性要求较高。信号微机监测装置已广泛用于采集道岔、信号机、轨道电路、电源屏等设备的电压、电流、功率、开关量及状态信息，为运行监视和故障分析提供数据基础。现有做法多依赖固定阈值报警、人工查看曲线和日志、维护人员经验判断，故障诊断系统则以规则推理、案例推理或简单统计模型为主。

2、常规故障知识库的构建通常由专业人员整理设备手册、检修规程、历史故障记录和现场经验，形成故障现象与故障原因的对应条目，再录入数据库供查询和推理使用。部分系统将监测数据与报警信息关联，通过预设逻辑或阈值条件触发诊断结论，并借助定期维护和人工反馈修正知识内容。

3、这类做法存在明显不足。监测数据往往按单一维度处理，运行数据的时间变化过程与设备动作逻辑、信号联锁时序之间的关联未被充分挖掘，异常模式识别容易受到工况波动和偶发干扰影响，误报、漏报难以避免。故障知识主要依靠人工总结和静态录入，更新周期长，覆盖范围受经验局限，面对港口铁路设备频繁动作、作业组织变化和隐蔽性故障时，知识库难以快速扩展和修正，诊断结论的可解释性与传播路径追溯能力也较为有限。

技术实现思路

1、本发明实施例提供基于信号微机监测的港口铁路故障知识库构建方法及系统，能够解决现有技术中的问题。

2、本发明实施例的第一方面，提供基于信号微机监测的港口铁路故障知识库构建方法，包括：

3、通过信号微机监测装置实时采集港口铁路信号系统的运行状态数据，对所述运行状态数据进行时域与逻辑域的协同解析，基于信号设备的动作逻辑约束与时序因果关系识别异常模式，提取表征故障状态的特征向量；

4、根据所述特征向量中的时序偏差特征与逻辑一致性偏差特征，将当前故障状态与预存的故障模式库进行相似度匹配，确定故障类型标识及故障传播路径，得到关联故障实例；

5、根据所述关联故障实例对应的故障传播路径，结合设备间的拓扑关系与信号联锁逻辑，抽取故障现象与故障原因之间的因果规则，生成结构化的故障知识规则；

6、将所述故障知识规则写入故障知识库，并基于故障知识规则对所述表征故障状态的特征向量进行自适应更新。

7、通过信号微机监测装置实时采集港口铁路信号系统的运行状态数据，对所述运行状态数据进行时域与逻辑域的协同解析，基于信号设备的动作逻辑约束与时序因果关系识别异常模式，提取表征故障状态的特征向量，包括：

8、对所述运行状态数据在时域维度进行时序分析，提取信号设备的动作时刻与动作状态之间的时序关系，得到时域特征集；

9、对所述运行状态数据在逻辑域维度进行逻辑验证，基于信号设备的动作逻辑约束与联锁关系数据校验信号设备的动作状态是否满足预设的联锁逻辑规则，得到逻辑域特征集；

10、将所述时域特征集与所述逻辑域特征集进行融合处理，识别时序关系与联锁逻辑规则之间的一致性偏差，并标记异常模式；

11、基于所述异常模式提取包含时序偏差特征与逻辑一致性偏差特征的特征向量，所述时序偏差特征表征信号设备的实际动作时刻与预期动作时刻之间的偏差程度，所述逻辑一致性偏差特征表征信号设备的动作状态与联锁逻辑规则之间的符合程度。

12、将所述时域特征集与所述逻辑域特征集进行融合处理，识别时序关系与联锁逻辑规则之间的一致性偏差，并标记异常模式，包括：

13、基于所述时域特征集中信号设备的动作时刻与动作状态之间的时序依赖关系，构建时序关系映射表；

14、基于所述逻辑域特征集中信号设备的动作状态与联锁逻辑规则之间的逻辑约束关系，构建逻辑规则约束表；

15、针对同一信号设备的同一动作事件，提取所述时序关系映射表中记录的实际动作时刻与预期动作时刻，计算实际动作时刻与预期动作时刻之间的时间差值，生成时序偏差特征；

16、针对所述同一信号设备的同一动作事件，提取所述逻辑规则约束表中记录的实际动作状态与联锁逻辑规则要求的预期动作状态，计算实际动作状态与预期动作状态之间的逻辑符合度，生成逻辑一致性偏差特征;

17、基于所述时序偏差特征与所述逻辑一致性偏差特征进行融合分析，当所述时序偏差特征显示信号设备已完成动作且所述逻辑一致性偏差特征显示动作条件未满足时，标记所述同一动作事件为异常模式。

18、根据所述特征向量中的时序偏差特征与逻辑一致性偏差特征，将当前故障状态与预存的故障模式库进行相似度匹配，确定故障类型标识及故障传播路径，得到关联故障实例，包括：

19、从预存的故障模式库中获取多个历史故障模式，分别计算所述时序偏差特征与每个历史故障模式的历史时序偏差特征之间的时序相似度，以及所述逻辑一致性偏差特征与每个历史故障模式的历史逻辑一致性偏差特征之间的逻辑相似度；

20、将所述时序相似度与所述逻辑相似度进行加权融合，生成当前故障状态与每个历史故障模式之间的综合相似度；

21、根据所述综合相似度从所述多个历史故障模式中筛选综合相似度满足预设匹配条件的目标历史故障模式，提取所述目标历史故障模式对应的故障类型标识及故障传播路径，所述故障传播路径表示故障在多个信号设备之间的传播顺序与传播关联关系；

22、基于所述目标历史故障模式、所述故障类型标识与所述故障传播路径确定所述关联故障实例。

23、根据所述关联故障实例对应的故障传播路径，结合设备间的拓扑关系与信号联锁逻辑，抽取故障现象与故障原因之间的因果规则，生成结构化的故障知识规则，包括：

24、获取港口铁路信号系统中设备间的拓扑关系与信号联锁逻辑；

25、基于所述故障传播路径记录的传播顺序与传播关联关系，结合所述拓扑关系中的物理连接关系与空间位置关系，识别故障在多个信号设备之间的传播链路；

26、从所述传播链路的起始设备中提取故障原因特征，并从所述传播链路的终止设备中提取故障现象特征；

27、基于所述信号联锁逻辑中的动作约束关系与状态依赖关系，分析所述故障原因特征与所述故障现象特征之间的因果关联性，得到因果关联性分析结果；

28、基于所述因果关联性分析结果，建立所述故障原因特征与所述故障现象特征之间的因果规则；

29、将所述因果规则转换为包含条件部分与结论部分的结构化表达形式，得到结构化的故障知识规则，所述条件部分记录所述故障原因特征及其对应的设备状态变化，所述结论部分记录所述故障现象特征及其对应的设备状态变化。

30、基于所述信号联锁逻辑中的动作约束关系与状态依赖关系，分析所述故障原因特征与所述故障现象特征之间的因果关联性，得到因果关联性分析结果，包括：

31、获取所述故障原因特征对应的起始设备标识与起始设备状态变化，以及所述故障现象特征对应的终止设备标识与终止设备状态变化；

32、基于所述动作约束关系，从所述起始设备标识出发追溯所述起始设备状态变化对应的动作触发条件，识别所述动作触发条件所约束的下游设备集合,判断所述终止设备标识是否位于所述下游设备集合中，生成表征动作约束传递路径的约束关联度量值；

33、基于所述状态依赖关系，从所述起始设备状态变化出发追踪状态变化在多个信号设备之间的传递过程，计算所述起始设备状态变化对所述终止设备状态变化的影响强度，生成表征状态依赖传递效应的依赖关联度量值；

34、将所述约束关联度量值与所述依赖关联度量值进行融合计算，当所述约束关联度量值与所述依赖关联度量值均满足预设关联判定条件时，确定所述故障原因特征与所述故障现象特征之间存在因果关联性，生成包含所述约束关联度量值与所述依赖关联度量值的因果关联性分析结果。

35、将所述故障知识规则写入故障知识库，并基于故障知识规则对所述表征故障状态的特征向量进行自适应更新，包括：

36、将所述故障知识规则按照预设的知识组织结构写入故障知识库，从所述故障知识规则的条件部分中提取故障原因特征对应的目标特征项，并从所述故障知识规则的结论部分中提取故障现象特征对应的目标特征项；

37、基于所述目标特征项与所述表征故障状态的特征向量中的特征维度进行匹配分析，识别所述表征故障状态的特征向量中需要调整的目标特征维度；

38、针对所述目标特征维度，根据所述故障知识规则中记录的设备状态变化与因果关联关系，计算所述目标特征维度的特征维度调整量；

39、基于所述特征维度调整量对所述表征故障状态的特征向量中的所述目标特征维度进行更新，生成自适应更新后的特征向量。

40、本发明实施例的第二方面，提供一种基于信号微机监测的港口铁路故障知识库构建系统，包括：

41、采集解析单元，用于通过信号微机监测装置实时采集港口铁路信号系统的运行状态数据，对所述运行状态数据进行时域与逻辑域的协同解析，基于信号设备的动作逻辑约束与时序因果关系识别异常模式，提取表征故障状态的特征向量；

42、故障匹配单元，用于根据所述特征向量中的时序偏差特征与逻辑一致性偏差特征，将当前故障状态与预存的故障模式库进行相似度匹配，确定故障类型标识及故障传播路径，得到关联故障实例；

43、规则生成单元，用于根据所述关联故障实例对应的故障传播路径，结合设备间的拓扑关系与信号联锁逻辑，抽取故障现象与故障原因之间的因果规则，生成结构化的故障知识规则；

44、知识更新单元，用于将所述故障知识规则写入故障知识库，并基于故障知识规则对所述表征故障状态的特征向量进行自适应更新。

45、本发明实施例的第三方面，提供一种电子设备，包括：

46、处理器；

47、用于存储处理器可执行指令的存储器；

48、其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

49、本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

50、本发明利用信号微机监测数据对港口铁路信号系统进行时域与逻辑域协同解析，能够从设备动作逻辑约束与时序因果关系中识别异常模式，提取准确反映故障状态的特征向量，克服单一数据源和单一阈值判断造成的漏报误报问题，提高异常发现及时性与故障诊断准确性。

51、本发明根据时序偏差特征与逻辑一致性偏差特征开展相似度匹配，可将当前故障状态与故障模式库快速关联，确定故障类型标识及故障传播路径，形成关联故障实例，便于在复杂联锁关系中定位根源故障，减少人工排查范围与时间，提升应急处置效率。

52、本发明根据故障传播路径并结合设备拓扑关系与信号联锁逻辑抽取因果规则，可把分散故障现象与深层原因转化为结构化故障知识规则，使港口铁路信号故障经验得以规范表达和持续积累，增强知识库的可用性与可解释性。

53、本发明将故障知识规则写入故障知识库，并依据规则自适应更新特征向量，能够形成诊断、学习、优化的闭环，使特征提取与知识库随设备状态和运行环境变化而演进，降低对人工经验依赖，提高故障预警和运维决策水平，保障港口铁路运输安全高效。