[发明专利]基于概率petri网的列车车门系统隐患定位的方法

说明书

技术领域

本发明涉及隐患辨识技术领域，尤其涉及一种基于概率petri网的列车车门系统隐患定位的方法。

背景技术

城市轨道交通正在进入一个快速发展的新阶段。为了缓解道路交通拥堵的压力，更为了提高运行效率，城市轨道交通都起着举足轻重的作用。随着运行里程的不断累积，列车车门系统的潜在故障的概率在增加，更复杂更多样化的故障形式的不断出现，给客运和维修造成不便，由此产生的经济损失也是巨大。因此车门系统的可靠性和安全性问题也成为迫待解决的关键问题，对城轨列车车门系统进行隐患辨识的研究，具有重大应用价值。

目前，国内外学者在故障诊断方面越来越多地采用了计算智能和知识工程的技术与方法，如专家系统、人工神经网络、粗糙集理论、模糊集理论、贝叶斯网络、遗传算法等。这些方法各具特点并得到了一定的应用，但在某些情况下也暴露出了一些不足。例如，专家系统知识规则库的建立和维护比较困难；人工神经网络在使用之前需要大量有代表性的样本供其学习，且不具备知识解释能力；粗糙集方法在处理多重故障时，决策表十分庞大，甚至出现组合爆炸问题；模糊集理论中关于隶属度的获取和复杂系统模糊模型的构建方法还不够完善；贝叶斯网络的训练较复杂且需要先验概率信息，对于较复杂的故障和规模较大的系统进行分析实际上是一个NP完全问题；遗传算法则表现出在建立合理的适应度函数与参数选择方面有一定的困难。

因此，开发一种对列车车门系统隐患进行有效定位的方法是一个亟待解决的问题。

发明内容

本发明的实施例提供了一种基于概率petri网的列车车门系统隐患定位的方法，以实现对列车车门系统的隐患进行有效的定位。

为了实现上述目的，本发明采取了如下技术方案：

一种基于概率petri网的列车车门系统隐患定位的方法，包括：

利用离散的列车车门系统的各个位置发生故障的先验知识，根据列车车门系统隐患的观测事件及逻辑关系建立所述列车车门系统的概率Petri网；

根据所述离散的列车车门系统的初始信息以及所述概率Petri网，生成初始标识M₀以及关联矩阵C，以及变迁序列U；

依据所述概率Petri网的变迁使能触发条件，生成对应的点火序列U，当多个变迁同时满足触发条件时，发生概率大的变迁先触发，利用状态方程M_n+1＝M_n+CU_n+1来分析概率Petri网的状态表示变化过程；当没有变迁可以点火触发时，则达到稳态概率Petri网；

结合所述列车车门系统的隐患库所的概率值，采用所述稳态概率Petri网对所述列车车门系统进行隐患定位分析。

优选地，所述的利用离散的列车车门系统的各个位置发生故障的先验知识，根据列车车门系统隐患的观测事件及逻辑关系建立所述列车车门系统的概率Petri网，包括：

利用模型构建器构建概率Petri网的八元组N＝(P,T,F,W,M₀,f,P_p,P_t)，

构成一个具有概率信息测度的Petri网的充要条件是：

(1)Σ＝(P,T,F)是一个有向网，成为N的基础网，其中P＝{p_i|i∈N⁺}为库所的有限集，且满足表示p的所有直接和间接后继节点的集合；T＝{t_j|j∈N⁺}为变迁的有限集，且满足为弧的有限集，Petri网在这里表示车门的隐患事件及其逻辑联结关系；

(2)W,M₀分别是Σ上的权函数和初始标识，W(x,y)表示弧(x,y)的权值，即车门隐患的传递权值，若定义W(x,y)＝0，若在Petri网中未标出具体值，则W(x,y)＝1，初始标识M₀表示运用Petri网推理进行车门隐患推理的各网络初始参数集合；

(3)f为变迁发生概率的计算函数，用以计算变迁被激发的概率参数；

(4)P_p＝[p(p₁),p(p₂),…,p(p_n)]为同位置集合相对应的状态概率向量，表征Petri网同位置事件集合的状态发生概率，P_n＝[p(t₁),p(t₂),…,p(t_m)]为变迁集合相对应的状态概率向量，是变迁集合被激发以联结前置库所代表的隐患事件与后置库所代表的隐患事件的概率。