本发明涉及列车状态检测，尤其涉及一种基于优化模糊推理的列车完整性状态获取方法。
背景技术：
1、铁路列车在运行过程中，由于线路状况、特殊情况等因素可能需要司机对列车进行制动、加速动作，从而每节车厢在短时间短距离内运动状态不一，使得连接两相邻车厢的车钩发生摩擦，会对车厢之间的连接质量产生影响。在经受长时间高频率的磨损下，若未及时检测和维护车钩安全状态，减小或消除断钩、脱钩隐患，列车一旦发生脱钩/断钩等完整性事件，分离车厢会因失去动力逐渐减速直至停留在线路区间内，若后车未发现前方滞留车，则可能造成运行安全风险。
2、列车完整性是指根据编组和运输要求，一项与列车结构状态、前后车行车安全风险直接相关的重要要素，表明一整列车在行车过程中列车机车、车厢整体连接性的完整状态。列车完整性状态的检测决策一般采用列车完整性检测系统(train integritymonitoring system,tims)完成，tims是列车运行控制系统中实现列车完整性检测功能的重要子系统，通过对列车完整性状态进行实时检测、确认和响应，司机和地面控制中心可以实时、有效识别列车运行状态，在出现列车完整性事件的情况下予以导向安全的处置操作，因此，及时、准确地获取列车完整性状态对列车的安全高效运行具有重要意义。
3、目前，现有技术中的一种列车完整性状态检测方法包括：依赖列尾装置对列车风管压力进行实时监测来实现，根据风管压力值处于正常还是异常情况来判断是否需要向司机报警，司机可以根据控制装置的风压状态提示采取对应状况的不同行动措施。
4、上述现有技术中的一种列车完整性状态检测方法的缺点包括：基于风管压力监测的方式存在连续性、可用性风险，其完整性事件的响应能力和误报现象的存在导致现实应用中需要引入额外技术手段对其进行补偿或替代。此外，随着列车运行管理与控制系统的不断发展，以“车载自主化”为核心的技术思路进一步强调列车自身具备检测处理能力的重大价值。
5、目前，现有技术中的另一种列车完整性状态检测方法包括：基于卫星定位实施车长估计的方式，通过对列车前后端纵向距离的计算与参考车长相对比，确定列车是否发生了分离事件。代表性的工作包括：基于列车前端、后端的卫星定位双差估计量来获得较为精确的位置估计，进而实现精确的车长估计并实施车长对比与逻辑判断，或将基于列车前后端定位并实施车长估计判断的策略与传统风压监测相结合，对仅采用风压监测的方案进行进一步的补偿和增强。
6、现有技术中的另一种列车完整性状态检测方法的缺点包括：基于卫星定位实施列车长度的估计与监测，需要依赖列车所处的运行环境具备良好的信号观测条件，然而，许多铁路线路上均存在隧道、车站等对线路的封闭遮蔽环境，在这些运行场景下，卫星定位无法获得有效的信号观测，进而无法完成预期的定位、车长估计等操作，导致预期对风压监测方式实施增强的意图难以始终得到实现。此外，列车运行过程中，还会因为周边地形环境、信号干扰条件等导致卫星定位存在一定的性能劣化问题，进而可能会对卫星定位驱动车长估计造成可能的失准风险，影响其实施有效的完整性状态决策判断与响应。
技术实现思路
1、本发明的实施例提供了一种基于优化模糊推理的列车完整性状态获取方法，以实现有效地确定列车的完整性关联区域边界，实现准确、快速进行列车完整性状态决策。
2、为了实现上述目的，本发明采取了如下技术方案。
3、一种基于优化模糊推理的列车完整性状态获取方法，包括：
4、通过列车前端车载设备采集目标列车的前端卫星定位决策信息、列车运行速度及加速度信息，通过列车尾部车载设备采集列车后端卫星定位决策信息、列车运行速度及加速度信息，结合目标线路轨道空间数据库构建列车完整性状态基础特征数据集；
5、通过超宽带传感器采集列车所含机车及各车厢间的成对相对距离，通过时间对准与列车身份关联，基于所述列车完整性状态基础特征数据集根据所述列车所含机车及各车厢间的成对相对距离构建列车完整性状态增强特征数据集；
6、基于所述列车完整性状态增强特征数据集建立列车完整性状态决策的基本模糊推理系统，确定基本模糊推理系统的模糊规则表及反模糊化规则；
7、基于智能优化决策逻辑更新所述基本模糊推理系统的隶属度函数参数，建立列车完整性状态决策的优化模糊推理系统；
8、基于所述优化模糊推理系统输出的完整性状态决策结果实施完整性事件告警，并基于列车前端、列车尾部位置推算确定列车的完整性关联区域边界。
9、优选地，所述的通过列车前端车载设备采集目标列车的前端卫星定位决策信息、列车运行速度及加速度信息，通过列车尾部车载设备采集列车后端卫星定位决策信息、列车运行速度及加速度信息，结合目标线路轨道空间数据库构建列车完整性状态基础特征数据集，包括：
10、列车前端车载设备运用所含卫星定位终端采集列车前端车顶天线处的卫星定位决策信息，该卫星定位决策信息包括t时刻列车前端车顶天线的经度纬度和高程运用所含惯性测量终端采集并计算列车前端的运行状态信息，该运行状态信息包括t时刻列车前端的加速度和速度
11、列车尾部车载设备运用所含卫星定位终端采集列车后端内置天线处的卫星定位决策信息，该卫星定位决策信息包括t时刻列车后端的经度纬度和高程运用所含惯性测量终端采集并计算列车后端的运行状态信息，该运行状态信息包括t时刻列车后端的加速度和速度
12、基于列车前端车顶天线坐标位置与列车后端位置以上一时刻轨道框架位置为索引，基于搜索尺度系数η沿列车运行方向向前检索并提取列车前端、列车后端候选轨道特征点子集
13、其中，pix表示x端处于搜索尺度系数范围内的第i个轨道特征点，基于此确定目标位置对应的轨道框架内最小相关片段求解当前时刻列车前端、后端轨道框架位置并结合列车前端车顶天线配准参数δh、列车后端内置天线配准参数δe计算列车车长估计量：
14、
15、(4)基于目标列车前端、后端轨道框架位置、运行速度、加速度和列车车长估计量信息构建t时刻列车完整性状态基础特征数据集
16、优选地，所述的通过超宽带传感器采集列车所含机车及各车厢间的成对相对距离，通过时间对准与列车身份关联，基于所述列车完整性状态基础特征数据集根据所述列车所含机车及各车厢间的成对相对距离构建列车完整性状态增强特征数据集，包括：
17、在列车内部所含机车、车厢中配置超宽带传感器，用于实时采集车厢间的成对相对距离，根据列车机车、车厢的分布构成假定列车共含n个车厢，最邻近机车车厢编号为car(1)，向远离机车方向逐次编号至car(n)，分为两种情况实施测距信息观测：
18、1)列车机车，由机车尾部边缘安装的超宽带传感器测量列车机车与和其连接的邻接车厢之间的距离dloc,t，其中，所测量成对相对距离包含机车超宽带传感器距机车后边缘偏移δloc、车厢car(1)超宽带传感器距车厢前边缘偏移机车与车厢car(1)间距dloc-car(1),t，即
19、
20、其中，对于机车而言，在邻近车厢car(1)的方向安装1个超宽带传感器，预先标定δloc；对于车厢car(1)而言，在邻近机车方向、邻近车厢car(2)方向各安装1个超宽带传感器，对于dloc-car(1),t相关的约束界阈值判断及推理分析，预先标定邻近车厢car(2)方向的标定参数的标定将用于dloc,t相关的约束界阈值判断及推理分析。
21、2)列车车厢car(i)，i<n，由车厢后边缘安装的超宽带传感器测量车厢car(i)与其邻接车厢car(i+1)之间的距离dcar(i),t，其中，所测量成对相对距离包含车厢car(i)后端超宽带传感器距车厢后边缘偏移车厢car(i+1)前端超宽带传感器距车厢前边缘偏移车厢car(i)与car(i+1)间距dcar(i)-car(i+1),t，即
22、
23、其中，对于车厢car(i)而言，在邻近车厢car(i-1)方向、邻近车厢car(i+1)方向各安装1个超宽带传感器，预先标定其中，的标定将用于dcar(i-1),t相关的约束界阈值判断及推理分析，的标定将用于dcar(i),t相关的约束界阈值判断及推理分析；
24、3)列车车厢car(n)，由车厢car(n-1)后边缘安装的超宽带传感器测量车厢car(n-1)与car(n)之间的距离dcar(n-1),t，对于车厢car(n)而言，在邻近车car(n-1)方向安装1个超宽带传感器，预先标定用于dcar(n-1),t相关的约束界阈值判断及推理分析；
25、(2)列车完整性检测管理平台获取机车、车厢发送的无线传感器测量所得成对相对距离信息后，分别通过时间索引、身份索引对相对距离信息进行时间对准与列车身份关联，其中：
26、时间对准指通过对相对距离信息集合中的时间戳信息，对处于相同时刻且对齐列车完整性状态决策处理周期tdet的信息予以成组划分成簇，以t＝tp、t＝tp+tdet为例，所得簇为
27、
28、其中，为tp时刻信息簇，表示id为nj的列车的机车与和其连接的邻接车厢之间在tp时刻的测量距离，表示id为nk的列车的机车与和其连接的邻接车厢之间在tp时刻的测量距离，表示id为nx的列车的第i节车厢与和其连接的邻接的第(i+1)节车厢之间在tp时刻的测量距离，表示id为ny的列车的第u节车厢与和其连接的邻接的第(u+1)节车厢之间在tp时刻的测量距离。
29、列车身份关联指通过列车id号为索引，对通过时间对准的簇进行二次分割，形成以特定时刻、特定列车身份索引的超宽带测量相对距离数据集，以t＝tp、t＝tp+tdet且列车id号nj为例，超宽带测距信息观测所得相对距离数据集为：
30、
31、其中，表示tp时刻以列车id号nj为索引得到的相对距离数据集，表示(tp+tdet)时刻以列车id号nj为索引得到的相对距离数据集，n(nj)表示id号为nj的列车除机车外所含车厢总数，表示id为nj的列车的机车与和其连接的邻接车厢之间在tp时刻的测量距离，表示id为nj的列车的第1节车厢与和其连接的邻接的第2节车厢之间在tp时刻的测量距离，表示id为nj的列车的第(n(nj)-1)节车厢与和其连接的邻接的第n(nj)节车厢之间在tp时刻的测量距离，表示id为nj的列车的机车与和其连接的邻接车厢之间在(tp+tdet)时刻的测量距离，表示id为nj的列车的第1节车厢与和其连接的邻接的第2节车厢之间在(tp+tdet)时刻的测量距离，表示id为nj的列车的第(n(nj)-1)节车厢与和其连接的邻接的第n(nj)节车厢之间在(tp+tdet)时刻的测量距离；
32、(3)以时间信息及列车id为索引，将与对应id为nj的列车采集计算所得列车完整性状态基础特征数据集ψt(nj)所含信息进行关联合并，构成列车完整性状态增强特征数据集其所含数据信息项进一步展开为：
33、
34、其中，dloc,t(nj)表示id为nj的列车的机车与和其连接的邻接车厢之间在t时刻的测量距离，dcar(1),t(nj)表示id为nj的列车的第1节车厢与和其连接的邻接的第2节车厢之间在t时刻的测量距离，表示id为nj的列车的第(n(nj)-1)节车厢与和其连接的邻接的第n(nj)节车厢之间在t时刻的测量距离，表示id为nj的列车在t时刻的前端轨道框架位置，表示id为nj的列车在t时刻的前端运行速度，表示id为nj的列车在t时刻的前端加速度，表示id为nj的列车在t时刻的后端轨道框架位置，表示id为nj的列车在t时刻的后端运行速度，表示id为nj的列车在t时刻的后端加速度，表示id为nj的列车在t时刻的车长估计量。
35、优选地，所述的基于所述列车完整性状态增强特征数据集建立列车完整性状态决策的基本模糊推理系统，确定基本模糊推理系统的模糊规则表及反模糊化规则，包括：
36、基于列车完整性状态增强特征数据集所含各类信息项建立列车完整性状态决策基本模糊推理系统，该列车完整性状态决策基本模糊推理系统用于对特定时刻t、特定列车nj实施完整性状态判定；
37、在所述列车完整性状态决策基本模糊推理系统的建立过程中，设计了一个四输入单输出的系统，基于模糊子集的定义，每一个模糊输入量有三种情况：正常sn、可能正常sm和不正常su，模糊输出量有两种情况：完整tn和失去完整性tu，建立相应的模糊规则表，共包含81条模糊规则，如表1所示：
38、表1列车完整性状态决策基本模糊推理系统模糊规则表
39、
40、
41、在所述列车完整性状态决策的基本模糊推理系统的建立过程中，状态判定输出模块实施反模糊化操作采用的反模糊化规则对所激活的条模糊规则进行合并操作，每个规则的输出被聚合成输出变量的单一模糊规则集，使用最大值操作符号得到：
42、
43、采用聚合法计算模糊规则集的输出为：
44、
45、基于隶属度函数建立特定的模糊规则，将模糊规则输入映射到模糊输出，通过模糊化、模糊推理和反模糊化步骤，将输入信息转化为对输出的模糊描述，实现模糊推理；基于模糊推理运算处理得到的输出的模糊描述，在状态判定输出模块通过反模糊化操作对模糊输出进行处理，得到列车完整性状态决策结果为完整tn状态或者失去完整性tu状态。
46、优选地，所述的列车完整性状态决策基本模糊推理系统的建立过程包括：
47、将列车完整性状态增强特征数据集所含各类信息归集为4个信息项：列车车长信息项列车前后端速度偏差信息项列车前后端加速度偏差信息项和车厢间成对相对距离信息项dγ,t(nj)，对所述4个信息项进行差值参数化并进行值域约束，相应的参数限制规则如下：
48、
49、其中，为列车名义车长，δl、δv、δa、δd分别为列车车长偏差、列车前后端速度偏差、列车前后端加速度偏差、车厢间成对相对距离的约束界；
50、基于标准化转换后的信息项作为输入，采用三角隶属度函数作为列车完整性状态决策基本模糊推理系统的隶属度函数，用来描述各个输入信息项元素对于模糊集合的归属程度，其中，对应正常sn、可能正常sm、不正常su三种情况的三角隶属度函数的表达式为：
51、
52、其中，f1*(x)、分别表示dγ,t4个信息项的隶属度函数，{pk},k＝1～4为4个sn三角隶属度函数的右侧结束点，{ak,bk},k＝1～4为4个sm三角隶属度函数的左侧起始点、顶点、右侧结束点，{qk},k＝1～4为4个su三角隶属度函数的左侧起始点，f为隶属度函数横坐标边界值。
53、优选地，所述的基于智能优化决策逻辑更新所述基本模糊推理系统的隶属度函数参数，建立列车完整性状态决策的优化模糊推理系统，包括：
54、运用智能优化决策逻辑实施所述基本模糊推理系统隶属度函数参数的迭代优选确定，所述智能优化决策逻辑的执行具体包括以下步骤：
55、步骤4.1、初始化待优化种群
56、待优化种群由一个粒子集构成，其中，每个粒子代表一组三角隶属度函数参数集，包括每个模糊集隶属度函数的控制点参数；
57、步骤4.2、粒子适应度评价
58、对于种群中的每一个粒子，根据粒子代表的隶属度函数参数生成对应的模糊推理系统文件，将已经采集获取的列车完整性状态增强特征数据集在生成的模糊推理系统上进行测试，将所得准确率值作为各个粒子的适应度度量进行反馈，该适应度表示为：
59、
60、其中，tp表示真正例，即系统将正类样本正确预测为正类的数量；tn表示为真负例，即系统将负类样本正确预测为负类的数量，fp表示为假正例，即系统将负类样本错误预测为正类的数量，fn表示为假负例，即系统将正类样本错误预测为负类的数量；
61、步骤4.3、个体和全局最优更新
62、对于每个粒子，首先比较其当前适应度与个体历史最优适应度，如果当前适应度更优，则更新该粒子的个体最优解，以进一步探索潜在的最优解空间；其次，对于整体粒子集，搜索适应度最优粒子，将其适应度值作为全局最优解；最后，通过更新全局最优解，引导整个种群向更优解方向移动，
63、步骤4.4、粒子速度和位置更新
64、根据每个粒子个体最优解和全局最优解，更新粒子进化更新速度和位置，速度更新考虑到粒子当前速度、从当前位置到个体最优位置的方向以及从当前位置到全局最优位置的方向；
65、步骤4.5、迭代终止条件检测
66、检测种群更新迭代是否达到迭代终止条件，该条件包括两类：
67、(1)当前种群迭代步数已达到最大迭代次数imax；
68、(2)当前迭代步所得全局最优解已优于预设阈值wmax。
69、当满足上述两类条件中任意一条，表明需用于构建列车完整性状态决策优化模糊推理系统的隶属度函数参数优化迭代已完成，即将进入后续步骤完成列车完整性状态决策优化模糊推理系统的更新与构建；当上述两类条件均未达到，则返回步骤4.2，继续下一轮迭代；
70、步骤4.6、隶属度函数优化参数确认
71、以当前迭代步的全局最优解所对应隶属度参数的值是否满足值域条件，在符合值域约束条件的情况下，将该组全局最优解作为输出，确认列车完整性状态决策优化模糊推理系统所需隶属度函数参数的最优集；
72、将智能优化决策逻辑迭代寻优所得隶属度函数参数的最优集用于对列车完整性状态决策基本模糊推理系统进行更新，优化模糊推理运算模块中对应正常(sn)、可能正常(sm)、不正常(su)三种情况的三角隶属度函数，运用表1所示模糊规则表实施模糊推理并在状态判定输出模块通过反模糊化操作对模糊输出进行处理，得到最终的一个确切的完整性状态决策结果。
73、优选地，所述的基于所述优化模糊推理系统输出的完整性状态决策结果实施完整性事件告警，并基于列车前端、列车尾部位置推算确定列车的完整性关联区域边界，包括：
74、(1)运用列车在途运行中实时采集数据更新列车完整性状态增强特征数据集，由列车完整性状态决策的优化模糊推理系统实施推理决策，基于系统输出的完整性状态决策结果，在出现完整性事件的情况下做出以下响应操作：
75、1)当列车完整性状态决策优化模糊推理系统输出t时刻应id为nj的列车的完整性状态为完整tn时，将列车nj的完整性事件标志保持为ftim＝0；
76、2)当列车完整性状态决策优化模糊推理系统输出t时刻应id为nj的列车的完整性状态为失去完整性tu时，将列车nj的完整性事件标志ftim置为1，并锁定ftim值修改权，基于ftim＝1这一条件生成完整性事件告警信息并输出；
77、(2)在列车完整性状态决策的优化模糊推理系统实施推理决策，并确定完整性状态输出时，同步生成相应的完整性关联区域边界，用于在列车完整性状态处于完整tn时辅助确认列车对轨道的占用情况，在列车完整性状态处于失去完整性tu时辅助确认列车前后端分离状态下需要实施防护的完整性关联区域边界范围，具体原则为：
78、1)当列车完整性状态决策优化模糊推理系统输出t时刻应id为nj的列车的完整性状态为完整tn时，以列车前端位置与列车车长的推算解，计算完整性关联区域边界前端、后端，根据列车前端、列车尾部卫星定位的可用性条件，分两种情况予以确定：
79、情况1：当卫星定位可用时
80、完整性关联区域边界前端为：
81、
82、其中，为列车前端车载设备计算的轨道框架位置，为前端边界裕量，正负号由列车运行的上下行方向决定；
83、完整性关联区域边界后端为：
84、
85、其中，为列车尾部车载设备计算的轨道框架位置，为后端边界裕量，正负号由列车运行的上下行方向决定；
86、情况2：当卫星定位不可用时
87、完整性关联区域边界前端为：
88、
89、其中，为从列控车载设备所含测速测距模块提取的列车前端位置信息，
90、为与对应的前端边界裕量，正负号由列车运行的上下行方向决定；
91、完整性关联区域边界后端为：
92、
93、2)当列车完整性状态决策优化模糊推理系统输出t时刻应id为nj的列车的完整性状态为失去完整性tu)时，以列车前端位置、列车后端位置在最不利条件下的推算解，计算完整性关联区域边界前端、后端。根据列车前端、列车尾部卫星定位的可用性条件，分两种情况予以确定：
94、情况1：当卫星定位可用时
95、完整性关联区域边界前端为：
96、
97、完整性关联区域边界后端为：
98、
99、情况2：当卫星定位不可用时
100、完整性关联区域边界前端为：
101、
102、完整性关联区域边界后端为：
103、
104、其中，为列车在第ttu0时刻从第ntu0节车厢断开至当前t时刻列车后端断开部分的走行距离函数，mi为第i节车厢质量，χm为目标线路的最不利坡度条件。
105、由上述本发明的实施例提供的技术方案可以看出，本发明提出了一种可以有效利用列车车载检测信息来实施多源融合完整性状态决策的方法和系统，为列车在途运行实施完整性状态的准确、快速、有效判决决策提供更为坚实的实现途径。
106、本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
1.一种基于优化模糊推理的列车完整性状态获取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述的通过列车前端车载设备采集目标列车的前端卫星定位决策信息、列车运行速度及加速度信息，通过列车尾部车载设备采集列车后端卫星定位决策信息、列车运行速度及加速度信息，结合目标线路轨道空间数据库构建列车完整性状态基础特征数据集，包括：
3.根据权利要求2所述的方法，其特征在于，所述的通过超宽带传感器采集列车所含机车及各车厢间的成对相对距离，通过时间对准与列车身份关联，基于所述列车完整性状态基础特征数据集根据所述列车所含机车及各车厢间的成对相对距离构建列车完整性状态增强特征数据集，包括：
4.根据权利要求3所述的方法，其特征在于，所述的基于所述列车完整性状态增强特征数据集建立列车完整性状态决策的基本模糊推理系统，确定基本模糊推理系统的模糊规则表及反模糊化规则，包括：
5.根据权利要求4所述的方法，其特征在于，所述的列车完整性状态决策基本模糊推理系统的建立过程包括：
6.根据权利要求4或者5所述的方法，其特征在于，所述的基于智能优化决策逻辑更新所述基本模糊推理系统的隶属度函数参数，建立列车完整性状态决策的优化模糊推理系统，包括：
7.根据权利要求6所述的方法，其特征在于，所述的基于所述优化模糊推理系统输出的完整性状态决策结果实施完整性事件告警，并基于列车前端、列车尾部位置推算确定列车的完整性关联区域边界，包括：
