張賀寧?李欣?王彩?王偉芳

摘要：鐵路是現(xiàn)代綜合運(yùn)輸體系中的重要組成部分，近年來，在我國鐵路交通行業(yè)的迅猛發(fā)展下，鐵路基礎(chǔ)設(shè)施及技術(shù)體系也在隨之完善。但是在智能化、自動(dòng)化的發(fā)展模式下，精密的儀器、繁瑣的信號傳輸機(jī)制等增加了系統(tǒng)運(yùn)行中的故障問題，如未能及時(shí)處理，可能增加鐵路交通的運(yùn)輸風(fēng)險(xiǎn)。基于此，介紹了鐵路信號中傳統(tǒng)故障診斷方法，并對人工智能在鐵路信號故障診斷中的應(yīng)用路徑進(jìn)行研究。

關(guān)鍵詞：人工智能；鐵路信號；故障診斷

一、前言

鐵路作為重要的交通工具，在城市化發(fā)展進(jìn)程的不斷加快下，其重要性愈發(fā)突出。鐵路系統(tǒng)具有多元性、自動(dòng)性、高效性等特點(diǎn)，系統(tǒng)相關(guān)功能的實(shí)現(xiàn)需要借助不同載體完成指令驅(qū)動(dòng)。鐵路在運(yùn)行過程中，內(nèi)部組件可能因?yàn)槌掷m(xù)運(yùn)轉(zhuǎn)產(chǎn)生損耗問題，如果未能及時(shí)查找到損耗點(diǎn)，極易產(chǎn)生運(yùn)行失效的現(xiàn)象。鐵路信號故障診斷功能的實(shí)現(xiàn)，是利用信號監(jiān)測出鐵路系統(tǒng)在運(yùn)行期間可能產(chǎn)生的問題，通過故障診斷與分析，及時(shí)查找到系統(tǒng)運(yùn)行中產(chǎn)生故障的時(shí)間與空間，幫助工作人員更為直接地查找到問題所在。在先進(jìn)科學(xué)技術(shù)、工藝?yán)砟畹闹蜗拢盘柟收显\斷體系也經(jīng)歷了傳統(tǒng)診斷、模型診斷、人工智能診斷等幾個(gè)階段。如今，在人工智能技術(shù)的應(yīng)用下，鐵路信號故障診斷更為精確化、智能化，其可在無人監(jiān)管的情況下，按照人類的工作思維，對鐵路信號進(jìn)行全天候的監(jiān)測，最大限度提高鐵路系統(tǒng)運(yùn)行的安全性。接下來，本文便對人工智能在鐵路信號故障診斷中的應(yīng)用路徑進(jìn)行探討，僅供參考。

二、鐵路信號中的傳統(tǒng)故障診斷方法

鐵路信號故障診斷方法多種多樣，且呈現(xiàn)出逐步更新勢態(tài)，檢測方式也從人工模式轉(zhuǎn)變到電子信息模式、數(shù)字模型模式，以及現(xiàn)階段的人工智能模式，專業(yè)化、智能化的轉(zhuǎn)變方式也證實(shí)著我國科學(xué)技術(shù)的發(fā)展途徑。

（一）傳統(tǒng)故障診斷方法

傳統(tǒng)故障診斷方法主要是指技術(shù)維修人員按照自己的經(jīng)驗(yàn)診斷鐵路信號的故障問題。此種現(xiàn)場檢測方法較為常見，如，壓縮方式、邏輯推理模式、觀察比較方式等，可以讓工作人員初步判斷故障的產(chǎn)生點(diǎn)，且人員可以借助專業(yè)設(shè)備儀器檢索出當(dāng)前系統(tǒng)中是因?yàn)槁?lián)動(dòng)影響增加系統(tǒng)故障的產(chǎn)生概率[1]。此類診斷方法的原理是以鐵路信號系統(tǒng)作為基底，在系統(tǒng)運(yùn)行過程中，內(nèi)部數(shù)據(jù)信息可能呈現(xiàn)的外在狀態(tài)可以直接或間接表明系統(tǒng)運(yùn)行是否規(guī)范，如果出現(xiàn)故障，能夠通過某項(xiàng)故障點(diǎn)，了解到具體的動(dòng)因。然后工作人員再借助個(gè)人的維修經(jīng)驗(yàn)，進(jìn)一步檢索出系統(tǒng)運(yùn)行中的故障問題。此類診斷方法即便是在智能化、自動(dòng)化的診斷體系中，也沒有被淘汰，甚至可與人工智能診斷方法聯(lián)合使用，提高實(shí)際檢測效率，讓各項(xiàng)檢測工作更具時(shí)效性[2]。

（二）基于函數(shù)的信號檢測方式

通常情況下，利用函數(shù)的方式進(jìn)行監(jiān)測，可以更為直接地監(jiān)測到信號系統(tǒng)內(nèi)部是否存在異常問題。利用函數(shù)分析時(shí)，先進(jìn)行特征提取，并利用函數(shù)關(guān)系，找到信號特征關(guān)系之間的差異現(xiàn)象，如果存在差異點(diǎn)，便可界定此類信號監(jiān)測路段中存在故障問題，且整個(gè)處理過程無需人工憑借自己的經(jīng)驗(yàn)，而是通過儀器設(shè)備得出最終的數(shù)據(jù)結(jié)果。與此同時(shí)，此類監(jiān)測方式對人員的專業(yè)度要求不高，只需要人員具備操作儀器設(shè)備的能力，便可以監(jiān)測到該信號系統(tǒng)當(dāng)前運(yùn)行狀態(tài)是否規(guī)范、穩(wěn)定。但是在具體應(yīng)用過程中，信號檢測方式具有局限性，無法按照系統(tǒng)內(nèi)部呈現(xiàn)的多點(diǎn)功能進(jìn)行多維比對與分析，即為單憑某一個(gè)信號故障點(diǎn)去界定當(dāng)前系統(tǒng)有哪些故障，存在以偏概全的現(xiàn)象，縮減了信號檢測方式的應(yīng)用面[3]。為此，在后續(xù)發(fā)展中，需要加強(qiáng)對信號檢測工作的調(diào)整，從時(shí)間維度、空間維度給予必要的優(yōu)化，讓故障檢測能夠按照信號的變動(dòng)問題固定在某一個(gè)點(diǎn)位上，增強(qiáng)故障診斷的針對性與精確性。

（三）基于精確數(shù)學(xué)的解析模型方式

解析模型方式是一種較為精密的檢測手段，其借助數(shù)學(xué)模型可以更為精準(zhǔn)分析當(dāng)前信號系統(tǒng)運(yùn)行存在的故障。解析模型方式結(jié)合了函數(shù)理論、統(tǒng)計(jì)學(xué)理論等，在數(shù)字化聯(lián)動(dòng)機(jī)制下，可以全方位檢索到系統(tǒng)中存在的不穩(wěn)定因素，且數(shù)據(jù)之間的變動(dòng)方式也可描述信號系統(tǒng)的運(yùn)行狀態(tài)，讓監(jiān)測工作更具實(shí)用性。在鐵路信號系統(tǒng)運(yùn)行過程中，內(nèi)部數(shù)據(jù)之間的關(guān)系不再局限于特定的應(yīng)用范疇中，而是通過信號內(nèi)部的鏈接關(guān)系，在信號輸入與輸出之間提供一個(gè)能夠彼此認(rèn)證關(guān)系的邏輯體系。工作人員在檢修期間，則可以通過觀察邏輯關(guān)系形成的數(shù)學(xué)模型，判定系統(tǒng)運(yùn)行是否存在故障問題，且各項(xiàng)數(shù)字關(guān)系之間也不再局限于特定的功能組成，而是通過數(shù)據(jù)分析預(yù)判出當(dāng)前信號系統(tǒng)在執(zhí)行某項(xiàng)行為時(shí)可能存在的問題，且此類監(jiān)測工作具有動(dòng)態(tài)性、持續(xù)性，既可以作為檢測前的排查，也可以作為檢測的認(rèn)證機(jī)制[4]。從系統(tǒng)運(yùn)行機(jī)制來講，每項(xiàng)數(shù)據(jù)管理工作的開展，均可以按照不同的功能點(diǎn)設(shè)置任務(wù)驅(qū)動(dòng)機(jī)制，并可以由模型進(jìn)行解析，整個(gè)數(shù)據(jù)之間的關(guān)系不再局限于特定的模型鏈接任務(wù)中，而是通過數(shù)據(jù)信息之間的對接方式，讓各項(xiàng)檢測功能可以精準(zhǔn)作用到不同的場景中。此外，解析模型可以進(jìn)行累積，即為將故障生成的數(shù)據(jù)信息進(jìn)行記錄，并作為故障檢測的重要經(jīng)驗(yàn)點(diǎn)，如果后續(xù)出現(xiàn)故障時(shí)，也可以及時(shí)調(diào)配出解析模型進(jìn)行比對，幫助工作人員更為全面地分析故障所在，為鐵路信號系統(tǒng)運(yùn)行奠定堅(jiān)實(shí)基礎(chǔ)。

三、人工智能在鐵路信號故障診斷中的應(yīng)用路徑

鐵路信號故障診斷中，由于各項(xiàng)先進(jìn)技術(shù)設(shè)備的應(yīng)用，在實(shí)際檢測與分析期間，如果過于沿用傳統(tǒng)的故障檢測方法，可能在部分信號檢測數(shù)據(jù)傳輸方面呈現(xiàn)出脫節(jié)的問題，從而無法及時(shí)反饋鐵路信號中存在的故障點(diǎn)。人工智能技術(shù)的應(yīng)用則是建立在專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)控制、模糊邏輯控制理論上，實(shí)現(xiàn)對鐵路信號故障問題的全過程化檢索，且人工智能可以按照人們的思維，深入分析鐵路信號產(chǎn)生故障的各項(xiàng)關(guān)聯(lián)點(diǎn)，通過集中識別的方式，診斷信號故障所處的關(guān)聯(lián)狀態(tài)，然后通過預(yù)測、分析，創(chuàng)建更為完整的監(jiān)測機(jī)制，全天候、實(shí)時(shí)地檢索到鐵路信號系統(tǒng)運(yùn)行中存在的故障問題[5]。

（一）專家系統(tǒng)在鐵路信號故障診斷中的應(yīng)用

專家系統(tǒng)作為智能計(jì)算機(jī)程序系統(tǒng)，其通過計(jì)算機(jī)強(qiáng)大的整合處理與挖掘功能，將某個(gè)領(lǐng)域?qū)＜宜降闹R與經(jīng)驗(yàn)進(jìn)行復(fù)刻處理，然后經(jīng)由人工智能的方式，利用已經(jīng)具備的知識經(jīng)驗(yàn)，創(chuàng)建具有人類思維的推理與判斷流程。通過模擬人類專家的決策過程，可以幫助各類系統(tǒng)在處理問題時(shí)能夠以合理、可操控的方式解決系統(tǒng)運(yùn)行中存在的各項(xiàng)問題點(diǎn)。對于鐵路信號系統(tǒng)而言，當(dāng)出現(xiàn)故障時(shí)，借助專家系統(tǒng)在鐵路信號系統(tǒng)之間加設(shè)一個(gè)實(shí)時(shí)化、全天候的檢測機(jī)制，當(dāng)故障問題產(chǎn)生時(shí)，信號可能會出現(xiàn)變動(dòng)情況。此時(shí)信號傳輸?shù)綄＜蚁到y(tǒng)中，專家系統(tǒng)立即進(jìn)行識別，并分析當(dāng)前信號存在變動(dòng)的主要原因，最終通過時(shí)間與空間方面的定位，幫助工作人員查找到鐵路信號故障的具體產(chǎn)生點(diǎn)。除此之外，在人工智能技術(shù)的應(yīng)用下，整個(gè)處理流程乃至完善方法不再需要過多的人員干預(yù)。屆時(shí)人工智能系統(tǒng)可以按照當(dāng)前的故障問題，在專家系統(tǒng)內(nèi)部自動(dòng)找尋出解決此類故障的具體方法，因?yàn)槟硞€(gè)領(lǐng)域?qū)＜宜降闹R與經(jīng)驗(yàn)則可以成為自動(dòng)檢索與處理該故障的一個(gè)指標(biāo)點(diǎn)，無需人工參與，并可以按照系統(tǒng)內(nèi)部給予的決策指令去自動(dòng)完成優(yōu)化。當(dāng)然也有部分故障可能是因?yàn)樵O(shè)備硬件的損壞而產(chǎn)生問題，此時(shí)專家系統(tǒng)則可以立即生成解決方案，上報(bào)到終端，讓工作人員進(jìn)行處理。

從實(shí)際使用效果來講，專家系統(tǒng)在鐵路信號故障診斷中的應(yīng)用優(yōu)勢包含下列幾點(diǎn)。第一，可以模擬專家的思維，按照特定邏輯方式，對信號中存在復(fù)雜性的傳輸機(jī)制進(jìn)行精確分析，且每一類信號所呈現(xiàn)出的關(guān)聯(lián)影響，均可以被專家系統(tǒng)識別與推斷。第二，專家系統(tǒng)所使用的知識均是以符號為主，通過在專家系統(tǒng)內(nèi)部預(yù)設(shè)推理模塊，按照系統(tǒng)內(nèi)部既定的程序執(zhí)行檢索行為，讓信號診斷過程之中無需通過人工輸入指令，便可以精確地檢索系統(tǒng)運(yùn)行中存在的問題。第三，專家系統(tǒng)在運(yùn)行期間可以對信號傳輸中的各項(xiàng)環(huán)節(jié)起到良好的銜接作用，其既可以甄別出系統(tǒng)運(yùn)行中存在的故障，也能夠?qū)鬏斝盘柕母黜?xiàng)設(shè)備終端載體進(jìn)行精確化檢索，這樣可以更為真實(shí)、全面地分析診斷結(jié)果。

當(dāng)然在實(shí)際使用過程中，專家系統(tǒng)也呈現(xiàn)出一定的使用弊端，主要體現(xiàn)在知識獲取難度較大，知識經(jīng)驗(yàn)臺階較窄，人工智能的凸顯優(yōu)勢不明顯等問題。對此，在后期應(yīng)用及發(fā)展過程中，可以在專家系統(tǒng)運(yùn)行架構(gòu)之上加入故障樹的處理方式，進(jìn)一步完善知識資源庫，此時(shí)則可以讓專家系統(tǒng)內(nèi)部的邏輯思維以及各類知識經(jīng)驗(yàn)突破固有的局限，讓系統(tǒng)所具備的診斷功能更加全面、高效與便捷。其間，故障樹可以將專家系統(tǒng)內(nèi)部的知識庫進(jìn)行簡化處理，排除不必要的知識內(nèi)容，然后幫助專家系統(tǒng)進(jìn)行精確化的邏輯推斷，有效提高鐵路信號系統(tǒng)故障檢測效率[6]。

（二）模糊邏輯診斷法在鐵路信號故障診斷中的應(yīng)用

模糊邏輯是指建立在多值邏輯基礎(chǔ)之上，運(yùn)用模糊集合的方式研究模糊性思維、語言形式及規(guī)律的一種科學(xué)方法。此類技術(shù)最早是由20世紀(jì)60年代美國科研人員提出的，其本身是建立在模糊集合論的基礎(chǔ)之上，來進(jìn)一步明晰不同數(shù)值所呈現(xiàn)的界限點(diǎn)，然后分析出在系統(tǒng)驅(qū)動(dòng)過程之中數(shù)值模糊在多值集合之上可能呈現(xiàn)的變動(dòng)情況，進(jìn)而精確檢索系統(tǒng)運(yùn)行中存在的各項(xiàng)問題。從人工智能角度來講，模糊邏輯則是按照人腦思維的方式，對相關(guān)概念或者推理形式進(jìn)行不確定性的思維認(rèn)證，其本身可以看成是建立在模糊未知或者是不能確定的描述系統(tǒng)、非線性控制對象來進(jìn)行特定模糊規(guī)則的推理，這樣以模糊作為過渡性界限的定性認(rèn)知，可以綜合判斷或者是近似地模仿人們思維進(jìn)行一定的推理。此類模糊邏輯的診斷方式在系統(tǒng)運(yùn)行之間具有更多的優(yōu)勢。在20世紀(jì)80年代，日本便將模糊邏輯控制技術(shù)應(yīng)用于列車的自動(dòng)化控制系統(tǒng)之中，真正實(shí)現(xiàn)了理論意義上的無人駕駛，此類技術(shù)成果也逐漸被歐美國家所引用，并逐漸地運(yùn)用于地鐵以及各項(xiàng)列車的應(yīng)用之中。

在鐵路信號故障診斷之中，模糊邏輯控制方法的實(shí)現(xiàn)則是在模糊理論基礎(chǔ)之上幫助系統(tǒng)分析出故障產(chǎn)生的原因與具體現(xiàn)象，為了能夠增強(qiáng)兩者之間的連接性，需要通過模糊關(guān)系矩陣確定系統(tǒng)執(zhí)行某一項(xiàng)行為時(shí)所產(chǎn)生的信號信息是否能夠在模糊控制模型的結(jié)構(gòu)性知識架構(gòu)之上完成相對應(yīng)的表述。整個(gè)模糊控制理論的推理過程近乎人們的思維方式，其是對事件可認(rèn)定性的一種固定描述，然后把人們處理所產(chǎn)生的各項(xiàng)思維當(dāng)成是模糊控制或者是下一階段控制的基準(zhǔn)點(diǎn)，從多個(gè)方面分析出系統(tǒng)運(yùn)行期間，因?yàn)樾盘栃畔鬏敼收隙鴮?dǎo)致的關(guān)聯(lián)影響[7]。

模糊邏輯診斷方法的具體實(shí)現(xiàn)主要分為下列兩種，第一，基于模糊關(guān)系合成算法的診斷方式。第二，基于模糊知識技術(shù)的診斷方式。因?yàn)樵谛盘栂到y(tǒng)傳輸過程中，其是對整個(gè)鐵路運(yùn)行機(jī)制起到傳輸與支撐的作用，這也導(dǎo)致故障問題的產(chǎn)生具有多樣化特點(diǎn)。但是從故障具體的動(dòng)因形式或者是差別形式來講，任何一項(xiàng)故障產(chǎn)生均是通過內(nèi)部數(shù)據(jù)信息以及函數(shù)關(guān)系模糊規(guī)則來確定的，此類診斷方法固然可以提高系統(tǒng)的檢測效率，但是在模糊邏輯確定期間，仍然對系統(tǒng)內(nèi)部知識庫具有過多的依賴，間接導(dǎo)致在知識診斷以及數(shù)據(jù)分析時(shí)無法提供更多的獲取來源，所以在系統(tǒng)的驅(qū)動(dòng)以及檢測期間仍存在較多的可補(bǔ)充性。

為此在后期檢測過程中，可以分析出模糊邏輯之間的語言變量，所能涵蓋的最大區(qū)域點(diǎn)，保證內(nèi)部信息具有可讀性，這樣才可以在識別范圍之內(nèi)、邏輯推理能力期間，模糊語言變量與自然語言相對接近，那么便可以將模糊邏輯診斷過程貼合于人類的思維方式，并按照自然語言的呈現(xiàn)機(jī)制，對各類系統(tǒng)運(yùn)行中信號所產(chǎn)生的信息進(jìn)行合理描述。但是其中又存在故障診斷過于依賴知識庫的問題，為了能夠充分解決學(xué)習(xí)能力低下的問題，則可以在診斷過程中加入神經(jīng)網(wǎng)絡(luò)方式，讓整個(gè)系統(tǒng)具備較強(qiáng)的學(xué)習(xí)能力，且在模糊邊界的分析期間也可以按照神經(jīng)網(wǎng)絡(luò)系統(tǒng)之間節(jié)點(diǎn)呼應(yīng)與對接的功能進(jìn)行鏈接處理，讓系統(tǒng)本身建立在特定規(guī)則知識之上，完成系統(tǒng)內(nèi)部的自主優(yōu)化及學(xué)習(xí)。如此一來，則可以保證系統(tǒng)在進(jìn)行推理時(shí)，不會因?yàn)樘囟ǖ倪壿嫹绞蕉a(chǎn)生斷層問題，充分解決在推理過程中因?yàn)檫吔绮磺宥斐傻钠ヅ錄_突現(xiàn)象，進(jìn)而提高推理的邏輯性與指向性。

（三）神經(jīng)網(wǎng)絡(luò)診斷法在鐵路信號故障診斷中的應(yīng)用

基于神經(jīng)網(wǎng)絡(luò)的智能診斷方法，模擬人腦結(jié)構(gòu)并進(jìn)行信息處理而實(shí)現(xiàn)復(fù)雜問題的求解。其在鐵路信號故障診斷中的應(yīng)用主要有兩種方式：第一，神經(jīng)網(wǎng)絡(luò)以分類器的身份進(jìn)行故障模式的識別。第二，神經(jīng)網(wǎng)絡(luò)作為動(dòng)態(tài)預(yù)測模型而進(jìn)行故障的診斷與分析[8]。神經(jīng)網(wǎng)絡(luò)對于專家知識庫的依賴程度較低，且不會因?yàn)榇笕萘繑?shù)據(jù)的導(dǎo)入產(chǎn)生冗余問題，有較高的容錯(cuò)能力，可以保證系統(tǒng)在實(shí)現(xiàn)某項(xiàng)功能時(shí)，以神經(jīng)元作為基礎(chǔ)單位，獨(dú)立計(jì)算出系統(tǒng)運(yùn)行中可能存在的問題。此外，神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有較強(qiáng)的自主學(xué)習(xí)能力，可在處理某項(xiàng)數(shù)據(jù)信息時(shí)，按照系統(tǒng)內(nèi)部預(yù)設(shè)的程序，自主識別風(fēng)險(xiǎn)，且把此類指標(biāo)作為后期檢索識別的標(biāo)定點(diǎn)。在鐵路信號故障診斷中，利用神經(jīng)網(wǎng)絡(luò)可以綜合分析不同運(yùn)行場景中故障的產(chǎn)生點(diǎn)，并按照特定的操作機(jī)制，對系統(tǒng)內(nèi)部產(chǎn)生的變量數(shù)據(jù)進(jìn)行精細(xì)分析，從而提高數(shù)據(jù)信息的檢索效率，能夠真實(shí)、高效地反饋系統(tǒng)運(yùn)行存在的錯(cuò)誤點(diǎn)。另一方面，神經(jīng)網(wǎng)絡(luò)系統(tǒng)在運(yùn)行過程中，可以通過不斷的試錯(cuò)學(xué)習(xí)，在信號系統(tǒng)內(nèi)部的諸多變量中找到數(shù)據(jù)可控點(diǎn)，然后分析數(shù)據(jù)或信號信息的閾值、權(quán)值等，測算出當(dāng)前系統(tǒng)運(yùn)行中實(shí)際數(shù)據(jù)與正常數(shù)據(jù)之間的差值，從而幫助工作人員更好地認(rèn)清系統(tǒng)運(yùn)行中的故障問題，并制定解決方案，為鐵路信號系統(tǒng)的運(yùn)行奠定堅(jiān)實(shí)基礎(chǔ)。

（四）模型解析診斷法在鐵路信號故障診斷中的應(yīng)用

模型解析診斷法的應(yīng)用及實(shí)現(xiàn)是在確定診斷目標(biāo)之后，按照模型建構(gòu)出的規(guī)則，分解與識別系統(tǒng)運(yùn)行中存在的故障問題。此類方式的應(yīng)用理論為數(shù)理統(tǒng)計(jì)分析、函數(shù)關(guān)系解析等，通過嚴(yán)格、縝密的數(shù)學(xué)思維，分析系統(tǒng)在運(yùn)行過程中，因?yàn)閿?shù)字變化產(chǎn)生的差值，如此一來，系統(tǒng)相關(guān)功能的實(shí)現(xiàn)，則可按照其衍生出的邏輯關(guān)系，判定當(dāng)前系統(tǒng)運(yùn)行中存在哪些差異點(diǎn)，以此提高動(dòng)態(tài)監(jiān)測效果。此外，模型解析方法，還包含等價(jià)空間法、最小二乘法等，但是其中不同的監(jiān)測方式，需要具體明確監(jiān)測對象之后，才可以進(jìn)行相對應(yīng)的監(jiān)測，保證系統(tǒng)功能在呈現(xiàn)過程中，不會產(chǎn)生診斷誤區(qū)。但是此類診斷方法也存在一定的弊端，即在明確診斷對象的環(huán)節(jié)增加監(jiān)測的局限性，所以，模型解析法需要配合數(shù)學(xué)模型，才可以拓寬監(jiān)測范圍，提升對鐵路信號系統(tǒng)的監(jiān)測質(zhì)量。

四、結(jié)語

綜上所述，鐵路信號系統(tǒng)具有綜合性、復(fù)雜性，信號的穩(wěn)定傳輸決定系統(tǒng)運(yùn)行是否規(guī)范。在不同應(yīng)用場景下，能夠通過監(jiān)測信號分析整個(gè)鐵路系統(tǒng)的運(yùn)行參數(shù)，并可以實(shí)現(xiàn)全天候的動(dòng)態(tài)監(jiān)測。針對鐵路信號系統(tǒng)故障診斷方式來講，利用人工智能的方式，對系統(tǒng)內(nèi)部信號傳輸機(jī)制進(jìn)行智能化、自動(dòng)化檢索，可以最大限度地增強(qiáng)系統(tǒng)檢索效率，且當(dāng)發(fā)現(xiàn)故障時(shí)，可以及時(shí)反饋到控制終端，讓工作人員了解到故障的產(chǎn)生時(shí)間與空間，及時(shí)找到故障產(chǎn)生的動(dòng)因點(diǎn)，并做好防范處理。從未來發(fā)展趨勢來講，鐵路信號故障診斷的智能化處理將隨著技術(shù)、設(shè)備的更新而愈發(fā)重要，所以需要加強(qiáng)研發(fā)人工智能處理技術(shù)，及時(shí)引入新理念、新工藝，從基礎(chǔ)方面夯實(shí)故障診斷模式，確保我國鐵路事業(yè)的穩(wěn)定發(fā)展。

參考文獻(xiàn)

[1]曹巍.基于神經(jīng)網(wǎng)絡(luò)的鐵路信號設(shè)備故障診斷方法研究[J].自動(dòng)化應(yīng)用，2022（06）：46-48.

[2]于勇.基于狀態(tài)推理的全電子鐵路信號計(jì)算機(jī)聯(lián)鎖故障診斷[J].自動(dòng)化與儀器儀表，2021（09）：54-57+61.

[3]張湘婷.基于關(guān)聯(lián)規(guī)則的鐵路信號設(shè)備故障診斷方法研究[D].蘭州：蘭州交通大學(xué)，2021.

[4]李新琴，張鵬翔，史天運(yùn)，李平.基于深度學(xué)習(xí)集成的高速鐵路信號設(shè)備故障診斷方法[J].鐵道學(xué)報(bào)，2020，42（12）：97-105.

[5]王東升.人工智能在鐵路信號故障診斷中的應(yīng)用研究[J].科技風(fēng)，2020（17）：123-124.

[6]匡薇.淺析幾個(gè)常見鐵路信號設(shè)備故障診斷方法[J].計(jì)算機(jī)產(chǎn)品與流通，2019（09）：167.

[7]石磊.淺析幾個(gè)常見鐵路信號設(shè)備故障診斷方法[J].電子世界，2018（06）：160-161.

[8]徐明.基于信息融合的鐵路信號設(shè)備故障診斷方法研究[J].交通世界，2017（08）：144-145+147.

作者單位：? 新疆鐵道職業(yè)技術(shù)學(xué)院