一种基于卫星通信和公共蜂窝通信的列车控制系统技术方案

本发明专利技术属于列车控制技术领域，公开了一种基于卫星通信和公共蜂窝通信的列车控制系统，包括：温度/压力采集模块、列车监视模块、指令输入模块、主控模块、无线通信模块、定位模块、信息记录模块、人机交互模块、故障检测模块、故障报警模块。本发明专利技术通过故障检测模块、故障报警模块可以更加全面的对牵引设备进行检查，一旦故障可以立刻发出报警信息，通知工作人员做好防护措施，安全性更高；同时通过无线通信模块利用卫星通信和公共蜂窝通信相结合的方式实现了车载设备和地面设备之间的稳定可靠的不间断的互相通信，大大降低了车地无线通信网络建设成本。

【技术实现步骤摘要】
一种基于卫星通信和公共蜂窝通信的列车控制系统
本专利技术属于列车控制
，尤其涉及一种基于卫星通信和公共蜂窝通信的列车控制系统。
技术介绍
目前，业内常用的现有技术是这样的：列车自动控制系统(ATC)是以技术手段对列车运行方向、运行间隔和运行速度进行控制，保证列车能够安全运行、提高运行效率的系统，简称列控系统。列车自动控制(ATC)系统分为列车自动防护(ATP)、列车自动驾驶系统(ATO)、列车自动监督系统(ATS)和计算机联锁系统(CI)。然而，现有列车控制技术如果牵引设备故障不能及时通知工作人员，导致安全事故发生，安全性低；同时列车使用专用无线通信网络进行连续、双向的车地信息传输，这样的工作方式需要全线无线通信覆盖，而在经济欠发达并且人烟稀少的西部地区以及厂矿专线铁路，无线通信网络的建设造价太过昂贵。在列车故障检测中，因多种因素产生的威胁，对列车的正常运行有着重要的影响。如何对威胁因素进行较为准确的量化评估成为迫切需求。来自威胁信息有其独有的特点，诸如模糊性、不确定性和时效性等，因此不能用常规的方法，比如函数法来定量地分析威胁。在国外的一些研究当中，模拟推理出的近似效果并不乐观。国内曾有学者运用静态贝叶斯网络、神经网络对威胁信息进行了量化评估，但其缺乏对信息的时效性分析，不能反映威胁信息在不同时刻的变化规律。离散动态贝叶斯网络是一种对动态不确定事件进行建模和推理的工具，近几年正日益应用于众多领域。列车运行的感知网络是一个多种接入技术和多层次部署的异构融合网络，网络的拓扑和架构都随网络中节点的变化而变化，从而使网络具有重构性，并且多种技术体制并存所引起的互操作的大量应用，易发生产生大量网络告警信息及网络故障，使得未来网络管理和运维变得越来越复杂。巨量的规划、优化参数使得传统的手工操作无法完成。现阶段希望用新技术来降低运营成本、提高系统性能，确保网络运行高效、安全、稳定。目前最普遍的做法是通过大量的人工分析网络的问题，然后进行探索性的故障定位及优化，然而，优化的结果非常粗糙，不能准确及时定位网络故障问题，无法满足列车的运行需求。综上所述，现有技术存在的问题是：现有列车控制技术安全性低；无线通信覆盖范围小；无线通信网络的建设造价昂贵。现有的威胁信息指数评估方法有效性、实用性和准确性不够高。现有技术中，对列车网络运维没有进行数据挖掘分析，没有定位数据传输中的网络故障，没有进行对传输数据的网络参数进行优化，不能为列车运行中的所有参数进行合理管理。解决上述技术问题的难度和意义：通过无线通信模块利用卫星通信和公共蜂窝通信相结合的方式实现了车载设备和地面设备之间的稳定可靠的不间断的互相通信，大大降低了列车无线通信网络建设成本。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于卫星通信和公共蜂窝通信的列车控制系统。本专利技术是这样实现的，一种基于卫星通信和公共蜂窝通信的列车控制系统，所述基于卫星通信和公共蜂窝通信的列车控制系统包括：无线通信模块，与主控模块连接，用于通过卫星通信和公共蜂窝通信网络进行无线远程控制，及获取列车信息；定位模块，与主控模块连接，用于获取当前列车的位置、速度、里程等信息；故障检测模块，与主控模块、故障报警模块连接，用于对电路故障信号检测，并将故障信号传送给故障报警模块；所述故障检测模块故障检测中，将观测到的故障类型、强度信息和故障位置信息收集整理；将收集的故障类型、强度信息和故障位置信息按照划分的量化等级进行量化处理，并建立观测证据表；利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；建立故障威胁等级与故障因素间的离散动态贝叶斯网络模型；利用建立的观测证据表、条件转移概率表和状态转移概率表，运用隐马尔科夫推理算法计算出最终的故障威胁等级；主控模块，与无线通信模块、定位模块、故障检测模块连接，用于调度无线通信模块、定位模块、故障检测模块的各个电器元件进行正常工作；所述主控调度无线通信模块、定位模块、故障检测模块的各个电器元件进行正常工作包括：通过基站和网络监测节点收集异构网络运维数据；将获得的异构网络运维数据进行统一处理，构建统一的运维数据模型；根据构建的运维数据模型对异构网络运维数据和网络故障进行关联分析，实现网络故障定位；网络节点针对定位的故障自主的进行故障分析，调整相应的运维数据，实现故障自愈及网络优化。进一步，所述离散动态贝叶斯网络模型是由观测节点和状态节点构成的有向无环图；故障类型、强度信息和故障位置信息共同构成离散状态节点，故障威胁等级为观测节点；所述建立的观测证据表、条件转移概率表和状态转移概率表，结合所建立的离散动态贝叶斯网络模型，确定最终的故障威胁等级即为贝叶斯推理过程依据大量状态节点数据推理出观测节点最大可能取值的概率。进一步，确定最终的故障威胁等级即为贝叶斯推理过程依据大量状态节点数据推理出观测节点最大可能取值的概率，包括：系统参数λ和观测序列Y，前向-后向算法推理出概率P(Y|λ)的过程如下：前向算法，定义前向变量αt(i)＝P(y1,y2,...,yt,xt＝i|λ)初始化：α1(i)＝πibi(y1),1≤i≤n递归运算：结果：后向算法，定义后向变量βt(i)＝P(yt+1,yt+2,...,yT|xt＝i,λ)初始化：βT(i)＝1,1≤i≤n递归运算：结果：将前向算法、后向算法结合起来构成前向-后向算法：最终，根据确立的观测证据表、条件转移概率表和状态转移概率表，结合前向-后向算法推理出故障威胁等级；所述的离散动态贝叶斯网络模型中各节点的状态集合用S表示，各因子用下标区分，如下所示：STT＝{恶劣，一般，低}；SIOE＝{强，中，弱}。进一步，所述故障检测模块包括：信息收集整理模块，用于将观测到的故障类型、强度信息和故障位置信息收集整理；观测证据表建立模块，用于将收集的故障类型、强度信息和故障位置信息按照划分的量化等级进行量化处理，并建立观测证据表；状态转移矩阵确定模块，用于利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；模型建立模块，用于建立故障威胁等级与故障因素间的离散动态贝叶斯网络模型；等级计算单元，用于利用建立的观测证据表、条件转移概率表和状态转移概率表，运用隐马尔科夫推理算法计算出最终的故障威胁等级。进一步，所述异构网络运维数据包括列车测量报告、网络计数器数据、路测数据、异构网络的关键性技术指标、网络故障信息和异构网络无线参数；所述对异构网络运维数据进行统一处理包括数据选取、数据预处理和数据变换；所述数据预处理包括对数据的噪声处理，所述数据的噪声处理包括删除网络故障信息数据中无法识别的数据和在关键告警信息上有缺失的数据；所述在关键告警信息上有缺失的数据包括无告警网元标示的数据、无告警类型标示的数据和无告警时间标示的数据；所述构建统一的运维数据模型过程如下：首先，选取参考告警信息参数向量，建立参考数列X0，X0＝{X0(k)|k＝1,2,…,n}＝(X0(1),X0(2),…,X0(n))其中k表示时刻，X0表示告警信息，n表示告警信息参数向量特征维数；其次，假设有m个比较故障告警信息数据，建立比较数列XiXi＝{Xi(k)|k＝1,2,…,n}＝(Xi(1),Xi(2),…,Xi本文档来自技高网...

【技术保护点】
1.一种基于卫星通信和公共蜂窝通信的列车控制系统，其特征在于，所述基于卫星通信和公共蜂窝通信的列车控制系统包括：无线通信模块，与主控模块连接，用于通过卫星通信和公共蜂窝通信网络进行无线远程控制，及获取列车信息；定位模块，与主控模块连接，用于获取当前列车的位置、速度、里程等信息；故障检测模块，与主控模块、故障报警模块连接，用于对电路故障信号检测，并将故障信号传送给故障报警模块；所述故障检测模块故障检测中，将观测到的故障类型、强度信息和故障位置信息收集整理；将收集的故障类型、强度信息和故障位置信息按照划分的量化等级进行量化处理，并建立观测证据表；利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；建立故障威胁等级与故障因素间的离散动态贝叶斯网络模型；利用建立的观测证据表、条件转移概率表和状态转移概率表，运用隐马尔科夫推理算法计算出最终的故障威胁等级；主控模块，与无线通信模块、定位模块、故障检测模块连接，用于调度无线通信模块、定位模块、故障检测模块的各个电器元件进行正常工作；所述主控调度无线通信模块、定位模块、故障检测模块的各个电器元件进行正常工作包括：通过基站和网络监测节点收集异构网络运维数据；将获得的异构网络运维数据进行统一处理，构建统一的运维数据模型；根据构建的运维数据模型对异构网络运维数据和网络故障进行关联分析，实现网络故障定位；网络节点针对定位的故障自主的进行故障分析，调整相应的运维数据，实现故障自愈及网络优化。...

【技术特征摘要】
1.一种基于卫星通信和公共蜂窝通信的列车控制系统，其特征在于，所述基于卫星通信和公共蜂窝通信的列车控制系统包括：无线通信模块，与主控模块连接，用于通过卫星通信和公共蜂窝通信网络进行无线远程控制，及获取列车信息；定位模块，与主控模块连接，用于获取当前列车的位置、速度、里程等信息；故障检测模块，与主控模块、故障报警模块连接，用于对电路故障信号检测，并将故障信号传送给故障报警模块；所述故障检测模块故障检测中，将观测到的故障类型、强度信息和故障位置信息收集整理；将收集的故障类型、强度信息和故障位置信息按照划分的量化等级进行量化处理，并建立观测证据表；利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；建立故障威胁等级与故障因素间的离散动态贝叶斯网络模型；利用建立的观测证据表、条件转移概率表和状态转移概率表，运用隐马尔科夫推理算法计算出最终的故障威胁等级；主控模块，与无线通信模块、定位模块、故障检测模块连接，用于调度无线通信模块、定位模块、故障检测模块的各个电器元件进行正常工作；所述主控调度无线通信模块、定位模块、故障检测模块的各个电器元件进行正常工作包括：通过基站和网络监测节点收集异构网络运维数据；将获得的异构网络运维数据进行统一处理，构建统一的运维数据模型；根据构建的运维数据模型对异构网络运维数据和网络故障进行关联分析，实现网络故障定位；网络节点针对定位的故障自主的进行故障分析，调整相应的运维数据，实现故障自愈及网络优化。2.如权利要求1所述基于卫星通信和公共蜂窝通信的列车控制系统，其特征在于，所述离散动态贝叶斯网络模型是由观测节点和状态节点构成的有向无环图；故障类型、强度信息和故障位置信息共同构成离散状态节点，故障威胁等级为观测节点；所述建立的观测证据表、条件转移概率表和状态转移概率表，结合所建立的离散动态贝叶斯网络模型，确定最终的故障威胁等级即为贝叶斯推理过程依据大量状态节点数据推理出观测节点最大可能取值的概率。3.如权利要求2所述基于卫星通信和公共蜂窝通信的列车控制系统，其特征在于，确定最终的故障威胁等级即为贝叶斯推理过程依据大量状态节点数据推理出观测节点最大可能取值的概率，包括：系统参数λ和观测序列Y，前向-后向算法推理出概率P(Y|λ)；根据确立的观测证据表、条件转移概率表和状态转移概率表，结合前向-后向算法推理出故障威胁等级；所述的离散动态贝叶斯网络模型中各节点的状态集合用S表示，各因子用下标区分...

【专利技术属性】
技术研发人员：李波，
申请(专利权)人：山东职业学院，
类型：发明
国别省市：山东,37