基于RDF及本体的列车健康状态监测与智能维护系统研究

刘旗扬

（广西大学科技处，广西南宁530004）

绿色装备技术

基于RDF及本体的列车健康状态监测与智能维护系统研究

刘旗扬

（广西大学科技处，广西南宁530004）

为了满足轨道交通列车自动化、智能化的需求，提出了将RDF与本体技术应用于列车健康状态监测与智能维护系统。通过对RDF框架应用于此系统的描述及对本体应用的设计，给出了RDF及本体应用于列车健康状态监测与智能维护系统的方式与方法，为车载设备的智能维护提供依据。

RDF；本体；列车；健康状态监测；智能维护

中国铁路的快速发展，对各种机车、动车和高速列车的质量性能和运用效率提出了更高的要求，长交路、车循环、轮乘制，“大运用、大整备、大检修”等新模式成为机务发展趋势。各种列车车载设备的正常运行直接关系到铁路的安全性、稳定性、可靠性、舒适性以及列车运行速度等，列车健康状态监测与智能维护系统对于提高列车的运营效率，改善列车的可靠性，保障行车安全，降低维护成本等具有重要的意义。

自从上世纪70年代德国采用连续无级列车控制系统LZB（Linien Zug Beeinfussung）以来，欧洲各国、美国、日本等均开始了对铁路智能运输系统RITS（Railway Intelligent Transportation system）的研究。欧洲各国以及日木在RITS框架内的“设备状态的动态检测与监控系统”都运用得比较成功。此外，欧洲连续开展了以维护系统为主要研究内容的铁路开放式系统互连网络项目ROSIN（Railway Open System Interconnection Network）、以远程监视与维护系统ROMM（Remote Monitoring and Maintenance）为主要研究内容的用于智能列车应用的集成通信系统项目Train－Com（Integrated Communication System for Intelligent Train Applications）、欧洲铁路整体开放式维护支持系统EuRoMain（European Railway Open Maintenance System）、以及铁路系统智能集成项目InteGRail（INTElligent inteGration of RAILway system）等项目，美国GE公司开发了RM&D远程监控与诊断系统，日本三菱电机公司开发了TIMS列车信息管理系统等[1-3]。在国内，大力发展行车运行安全监控系统，实现对列车实时健康发展监测、故障诊断、控制和管理、智能维护于一体的安全监控体系等，也是我国铁路发展的重要目标之一。

对于机车车辆这一复杂的大系统，需要具有全面的状态感知、信息互联、业务协同等能力，通过基于信息共享集成的列车健康状态监测与智能维护，达到列车维护向更高效、更高速、更准时、更安全、资源优化使用的目标。

随着列车通信网络传输速率和带宽的提高，传输的状态和故障信息必然会更多，更多的传感器也将应用于列车健康状态监测与智能维护。由于不同传感器在类别、性能、采集方式等众多方面存在着差异，因而直接采集的信息可读性较差，并且不利于信息在列车维护系统中进行交换。随着信息量的增加，这种信息可读信与交换性的不足就越明显。

资源描述框架RDF（Resource Description Fram ework）以其在RSS中的应用，证明其在信息可读性和交换性方面具有较大的优势。但在列车健康状态监测与智能维护领域，RDF的运用还处于初级阶段。本文针对RDF的局限性及列车健康状态监测与智能维护系统的要求，提出将本体（ontology）技术与RDF结合应用于列车健康状态监测与智能维护系统平台的思想，并给出此领域中构建本体的方法，为本体技术的实施提供一种解决方法。

1 RDF与本体技术

1.1 RDF技术

资源描述框架RDF提供了一种用于表达语义信息，并使其能在应用程序间交换而不丧失语义的通用框架。它的基本思想是：用Web标识符（Uniform Resource Identifiers或URIs）来标识事物，用简单的属性（property）及属性值来描述资源。这使得RDF可以将一个或多个关于资源的简单陈述表示为一个由结点和弧组成的图（graph），其中的结点和弧代表资源、属性或属性值。其实这就是RDF的模型，如图1为描述的行驶中的列车资源。

图1 基于RDF的列车描述方式

RDF文档使用XML编写。通过使用XML，RDF信息可以轻易地在使用不同类型的操作系统和应用语言的计算机之间进行交换。为了便于应用程序的使用，需要对RDF对应地扩展，以定义应用程序专用的类和属性，其中最主要的扩展为RDF Shema.它虽然不提供实际的应用程序专用的类和属性，却提供了描述应用程序专用的类和属性的框架，在此基础上用户可以根据需求定义自己的专用类和属性。通过RDF Shema定义专属类和属性，可以实现对专用XML描述到RDF描述的自动转换。

1.2 本体技术

由于RDF无法解决语义上同义词和一词多义的语义冲突，并且在推理上的局限性，若要使计算机能够相互理解，消除语义上的冲突，需要引入有共同标准的概念体系，这就是本体。

本体是描述特定领域的概念模型，即关于领域的一个公认概念集，其目的是为了实现领域概念的标准化，以实现语义级的互操作。概念有公认的语义，通过概念之间的关联来体现。

本体通过五个最基本的建模基元来描述概念及其关系，即类、关系、函数、公理和实例，用此来严格且准确地刻画所描述的对象。其中类主要描述基本概念，概念可以有属性，而属性正是通过关系则描述，概念之间的关系主要有四种：part-of、kind-of、attribute-of、instance-of.其中part-of表达概念之间整体和局部的关系；kind-of表达概念之间的继承关系；attribute-of表达某个概念是另外某个概念的属性；instance-of表达概念和概念的实例之间的关系。函数实际上是一类特殊的关系。在这种关系中前n-1个元素可以唯一决定第n个元素；公理也可以称得上是关系，其代表的永真断言；实例代表概念内的具体对象或元素[4]。

本体通过本体定义语言来描述，尽管出现不同的本体描述语言，如与Web相关的RDF、OIL、DMAL+OIL、SHOE、OWL，但它们都是基于XML来进行定义扩展的。因此本体文档也主要使用XML格式。这也给XML、RDF与本体联合运用带来方便。

2系统总体框架

列车健康状态监测与智能维护系统平台共分为三大部分，分别是列车健康状态数据采集-故障诊断部分、车地数据传输部分以及地面健康状态监测与故障诊断系统。而本文RDF及本体应用只涉及地面健康状态监测与故障诊断系统部分。

地面健康状态监测与故障诊断系统主要实现对在途列车的实时健康状态监测、故障报警与诊断以及远程维护等功能，具体包括行车电子地图、各设备的运行状态监测、视频监视、专家诊断、在线和离线分析、系统修等模块。其中核心的技术问题是保证地面系统内数据的一致性、准确性、无歧义性和列车车载各子系统之间信息的共享，实现综合、全面、深入的异构数据集成。

2.1 基于RDF格式的列车状态信息存储

基于RDF的列车健康状态监测与智能维护系统如图2所示，首先利用3G/4G通信与运行的列车通过车-地传输系统将列车健康状态信息传输至地面；地面程序根据双方制订的协议进行解码，将实时信息存入地面数据库；在程序中或者直接利用数据库管理系统可将存储数据自动转换为XML格式；而XML转换RDF格式，只需在RDF Schema中定义语义即可实现自动转换。如下即为通过将采集后的行驶中的列车XML数据转换为RDF后的结果：

＜?xm l version="1.0"?＞

＜rdf：RDF

xm lns：rdf="http：//www.w3.org/1999/02/22-rdf-syntax-ns#"

xm lns：contact="http：//localhost/train/contact#"＞

＜contact：train

rdf：about="http//localhost/train/me/contact#me"＞

＜contact：speed＞80＜/contact：speed＞

＜contact：3G rdf：resource=”http：//localhost/train/ 3G/contact#state”/＞

＜/contact：train＞

＜/rdf：RDF＞

图2 基于RDF格式的地面系统流程

根据其得到的对该列车的RDF描述如图1所示。其中，“行驶中的列车”以“http：//localhost/train/ me/contact#me”来标识，其速度属性是“http：//localhost/train/contact#speed”，值为80；其位置属性是“http：//localhost/train/contact#3G”，而其值由“http：// localhost/train/3G/contact#state”来标识。该信息也可以作为另一个资源被描述。由于RDF在数据交换方面的优越性可以使列车数据容易实现外部访问。

2.2 列车本体框架设计

列车健康状态监测与智能维护地面系统列车数据的异构性主要是系统异构和语义异构，其中车载制动、牵引、门控、空调等各子系统由于硬件、系统软件和通信系统之间的差异而形成的系统异构，由车载硬件网关解决。本文主要解决的语义异构问题，主要包括以下几个方面：不同信息源中，使用不同的结构来表示相同或相似的信息；不同信息源中，不同的术语表示相同的概念；同一术语在不同的信息源中表示不同的含义；不同信息源对同一对象的抽象程度不同；不同信息源对概念的形式化描述方法不同，从而造成了信息表达的异构。

（1）确定本体实现的功能

在列车故障诊断中，主要涉及监视不同列车对象的列车状态，并根据其数据预判故障和诊断，其间涉及到列车状态、故障类型、存储数据、列车参数等方面的信息理解和互操作，因此其本体主要需要建立这些概念集合及其关系。其具体涉及列车状态数据、参数语义数据、列车监视模型三部分。基于本体的列车功能描述如图3所示。

图3 基于本体的列车功能描述

1）列车状态数据：包含列车所有关键部件的重要参数信息，如参数具体数值、单位、正常读取的范围等等。

2）参数语义数据：不仅包含对数据信息的解释，还包含对数据的推理。如根据读取牵引电机电流的大小，可以推断出列车运行状态，例如运行信息、进站信息。上述信息为综合判断提供依据。

3）列车监视模型：包括三个部分，分别是监视列车、预测故障和故障诊断部分。

监视列车部分：即监视列车的速度、位置、时间等。根据确定的列车类型及语义数据库内容，确定需要监视对象的主要参数。

预测故障部分：根据目前得到的监视信息及知识库内容，合理预计将可能发生的故障。

故障诊断部分：确定故障类型和位置。

（2）列车本体数据信息模型和本体结构

根据数据的功能，将以上3个部分信息又分成4个部分来表达，分别是：列车状态数据、参数语义数据、列车健康状态监测数据和故障诊断数据，如图4所示。

图4 列车本体数据信息模型

3系统中RDF和本体的实现方法

3.1 RDF格式的实现

根据上述总体设计，RDF格式的应用关键在于数据间格式的转化，而数据间格式的转化前提便是设计出需要转化形式的格式。首先是DBMS和XML结构的设计；其次是RDF的设计，包括词汇表的设计、RDF Schema语义在程序中的定义；最后是数据的读取。本文只针对列车运用，给出词汇表设计方法及数据读取程序。

（1）设计词汇表

因为由3G/4G传回的数据主要是列车上各种传感器所采集的数据，需要解释的也就是各类传感器采集的电流、电压等的语义。不同传感器在其类别、型号、所采信息的指标不同，在设计时不可能一一详尽地解释各类传感器的参数，需要以列车本身的结构来设计，其重点在于各种机车车辆的电气结构，图5给出了内燃机车本体的部分电路层级结构。只需要设计出机车车辆电路的词汇，便可形成列车词汇表。

图5 内燃机车本体的部分电路结构

（2）数据读取程序

地面列车健康状态监测与智能维护系统采用B/S模式，信息以RDF格式存储（见2.1），通过Web访问。以图1为例，编程语言为C#，读取RDF中速度值，其程序为：

XmlDocument doc=new XmlDocument（）；

doc.Load（"xxx.xm l"）；

XmlNode book；

XmlElement root=doc.DocumentElement；

book=root.SelectSingleNode（"//contact：speed"）；

Console.W riteLine（book.InnerXml）；

3.2 列车本体的实施

（1）本体的形式化描述

基于图4的列车本体结构，借鉴OWA（Ontology-based Web Annotation）形式化定义和KAON（Karlsruhe Ontology）形式化定义，确定了列车健康状态监测与智能维护领域的本体形式化定义。

列车健康状态监测与智能维护领域本体定义后由9个元素构成｛C，AC，R，AR，H，X，≤C，σ，≤R｝，其中表示概念集，如直流机车（SS、DF系统）、和谐型机车（HXD、HXN系列）、动车组（CRH）；AC表示每个概念的属性集；R表示关系集；AR表示每个关系的属性集；H表示概念层次；X表示公理集；偏序≤C称为集合C的概念层次或分类法；函数σ：R→C+称为签名；偏序≤R称作集合R的关系层次，r1≤Rr2意味着｜σ（r）1｜＝｜σ（r2）｜，并且对于每个1≤i≤｜σ（r）1｜，有π（iσ（r1））≤Cπ（iσ（r2））.

（2）本体合并规则

随着列车健康状态监测与智能维护地面系统中本体知识库数量的增多，经常出现多个本体知识库共同支持解决某一故障诊断任务的协同合作问题，该类问题首先必须实现多领域本体知识库的合并，从而实现领域知识库之间相互理解、协同操作。首先计算领域本体的相似性。领域本体相似性包括概念相似性和关系相似性两个部分，其计算公式如下：

式中：Sim（O1，O2）表示领域本体O1，O2的相似度取值为[0，1]，k1，k2，wC，wR表示权重系数，F（a1，a2）表示相似度函数。D（ψ（a1），ψ（a2））表示ψ（a1），ψ（a2）之间的最小编辑距离。

一般来说，相似度越高，领域本体的语义就越相近。利用上式求出相似度，进而设计出合理的合并规则。

基于RDF及本体的列车弓网实时状态监测与智能维护地面软件界面如图6所示，包括弓网实时状态监测和弓网故障诊断，包括拉出值、硬点和导高实时显示；初步诊断的弓网故障信息包括：拉出超限、硬点超限、导高超限、多项超限和自动弓降等。

图6 弓网实时状态监测与智能维护界面

4结束语

针对列车健康状态监测与智能维护系统对列车健康状态监视及安全性能的要求，本文提出了将RDF及本体技术应用于列车状态监测、故障诊断与智能维护系统；提出了列车信息的RDF转换过程实现方式、基于本体的功能实现和本体设计过程，为实现列车的信息化与智能化提供了技术支撑。

[1]贺德强，路向阳，苗剑.地铁列车故障检测与诊断系统网络体系结构及其仿真研究[J].机车电传动，2009（5）：30-32，55.

[2]龚利.铁路机车远程监测与故障诊断系统设计[J].计算机工程，2012，38（4）：227-229.

[3]王玉珏.基于VQ/DTW的列车运行数据健康管理[D].北京：北京交通大学，2015.

[4]阳其凯，王坚，凌卫青.基于本体和云服务的交通异构数据集成方法研究[J].高技术通讯，2015，25（7）：694-702.

Research on Train Health Condition Monitoring and Intelligent Maintenance System Based on RDF and Ontology Technology

LIU Qi-yang
（Department of Science and Technology，Guangxi University，Nanning 530004，China）

In order to meet automatic and intelligent requirements of rail transit train，the RDF and ontology technology was applied to train health condition monitoring and intelligentmaintenance system in this paper.As the description of the RDF framework is applied to the system and the application of the ontology is designed.The RDF and ontology application and method are given to train health condition monitoring and intelligent maintenance system.Itwill provide the basis for the intelligencemaintenance of train on-board equipment.

RDF；ontology；train；health condition monitoring；intelligentmaintenance

TP391；U266

A

1672-545X（2016）12-0155-05

2016-09-03

广西科技攻关项目（编号：桂科攻1598009-6）；南宁市科技攻关项目（编号：20151021）

刘旗扬（1974-），女，广西宁乡人，助理研究员，研究方向：轨道交通信息化与智能化。