سیستم تشخیص و ایزولاسیون عیب مدار راه TI21-M با استفاده از شبکه های پتری

نوری, الهه; صندیدزاده, محمدعلی; قربانی واقعی, بهمن

doi:10.22119/jte.2020.89892

سیستم تشخیص و ایزولاسیون عیب مدار راه TI21-M با استفاده از شبکه های پتری

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ کارشناس ارشد کنترل وعلایم، دانشکده مهندسی راه اهن، دانشگاه علم و صنعت، تهران، ایران

² دانشیار، دانشکده مهندسی راه آهن، دانشگاه علم وصنعت ایران، تهران، ایران

³ استادیار، دانشکده مهندسی راه آهن، دانشگاه علم وصنعت ایران، تهران، ایران

10.22119/jte.2020.89892

چکیده

شبکه راهآهن به عنوان یک وسیله حمل و نقل عمومی وجابجایی بار، به عملکردی با افزایش سطح قابلیت اطمینان، دسترس‌پذیری، تعمیرپذیری و ایمنی نیاز دارد. برای عملکرد ایمن شبکه راه آهن، تشخیص حضور قطار در هر تراک بسیار مهم است. یکی از متداول‌ترین راهکارها در تشخیص حضور قطار استفاده از مدار راه است. برای جلوگیری از خرابی مدار راه و خطرات ناشی از آن و به حداقل رساندن تأخیر قطارها استفاده از یک سیستم پایش وضعیت ضروری است. یکی از روش‌های جدید پایش وضعیت، عیبب‌یابی به‌وسیله شبکه‌های پتری است. در این مقاله از یک شبکه پتری جهت تشخیص و ایزولاسیون عیوب مدار راه فرکانس صوتی TI21-M، استفاده شده است. مدار راه TI21-Mدر سیمولینک متلب شبیه‌سازی شده و از داده‌های حاصل از آن به عنوان ورودی شبکه پتری استفاده شده است. از آنجا که مدار راه، یک سیستم دینامیک پیوسته است، رفتار آن به صورت گسسته در نظر گرفته شده و مدل پتری تغییرات ولتاژ و جریان اجزای مختلف مدار راه، تغییرات مقاومت کابل‌ها و تغییرات امپدانس ریل در محیط استیتفلو متلب شبیه‌سازی شده است. سپس با توجه به تغییر حالت‌های مدل پتری شبیه‌سازی شده، نه تنها مدار راه معیوب، بلکه مکان رخ دادن عیوب مختلف نیز مشخص می‌شود. قابل ذکر است که این شبکه قابلیت تشخیص عیوب به‌طور هم‌زمان را نیز دارا است.

کلیدواژه‌ها

20.1001.1.20086598.1399.12.2.2.1

موضوعات

عنوان مقاله [English]

Fault Detection and Isolation of TI21-M Track Circuit Using Petri Nets

نویسندگان [English]

Elaheh Noori Dehnavi ¹
Mohammad Ali Sandidzadeh ²
Bahman Ghorbani Vaghei ³

¹ Ms.C. Control & Signaling, Railway Engineering, Iran University of Science and Technology

² Associate Professor, School of Railway Engineering, Iran University of Science and Technology, Tehran, Iran

³ Assistant Professor, Control & Signalling, School of Railway Engineering, Iran University of Science & Technology (IUST).

چکیده [English]

The railway network as a means of public transportation and freight transportation, requires performance with increased reliability, availability, repairability and safety. For the safe operation of the railway network, it is very important to recognize the presence of a train on each track. One of the most commonly methods to detect the presence of a train is the use of track circuit. The track circuits work fail-safe, but to avoid potential hazards and to minimize train delays, it's necessary to use a monitoring system for detection and isolation of the faults.
One of the new methods of the condition monitoring, is fault detection by the petri nets. In this paper, a petri net model is used to detection and isolation of the faults of the TI21-M audio frequency track circuit. The TI21-M track circuit is simulated in Simulink Matlab and its data is used as Petri net inputs. Since the track circuit is a continuous dynamic system, for modeling and detecting the faults of the system using Petri nets, track circuit behavior is considered discrete; in fact, petri's model of the voltage and current variations of different components of the track circuit, the cable resistance variations, and the impedance rail variations are simulated in Matlab's Statflow environment. Then, according to changing in states of the simulated petri's model, not only faulty track circuit, but also the location of the faults is also determined. It should be noted that this network can detect the faults simultaneously.

کلیدواژه‌ها [English]

Keywords: Railwaynetwork
Signaling system
TI21-M track circuit
Condition monitoring
Petri nets

اصل مقاله

مراجع

-Aravindh, P., Devakumaran, R., Gobikannan, S. and K, R. K. (2017) "Railway Track circuit fault diagnosis using recurrent neural networks”, International Journal of Innovative Research in Science, Engineering and Technology, Vol.6, No.3, pp. 100–104.

-Bhushan, M., Sujay, S., Tushar, B. and Chitra, P. (2017) "Automated vehicle for railway track fault detection”, IOP Conference Series: Materials Science and Engineering Materials Science and Engineering, Vol.263, pp.1–5. (DOI:10.1088/1757-899X/263/5/052045)

-Bombardier Transportation (2008) "Audio Frequency track circuit style TI21-M”, Technical Manual.

-Bruin, T. de, Kim Verbert, and BabuSka, R. (2016) "Railway track circuit fault diagnosis using recurrent neural networks”, IEEE Transaction On Neural Networks And Learning Systems, Vol.28, No.3, pp.337–353. (DOI:10.1201/9781420049176)

-Cao, Y. and Sun, F. (2018) "Track circuit fault diagnosis method based on least squares support vector”, IOP Conf. Series: Earth and Environmental Science, Vol.108, pp.1–8. (DOI:10.1088/1755-1315/108/5/052106)

-Chen, J., Roberts, C., and Weston, P. (2008) "Fault detection and diagnosis for railway track circuits using neuro-fuzzy systems”, Control Engineering Practice, Vol.16, No.5, pp.585–596. (DOI:10.1016/j.conengprac.2007.06.007)

-Côme, E., Oukhellou, L., Denœux, T., and Aknin, P. (2012) "Fault diagnosis of a railway device using semi-supervised independent factor analysis with mixing constraints”, Pattern Analysis and Applications, Vol.15, No.3, pp.313–326. (DOI:10.1007/s10044-011-0212-3)

-Durmus, M. S. (2014) "Control and fault diagnosis of railway signaling systems: a discrete event systems approach”, Doctoral Dissertation, Graduate School of Engineering, Osaka University

-Hokmabad, R. R., Badamchizadeh, M. A. and Khanmohammadi, S. (2012) " Fault diagnosis of discrete Event Systems Using Hybrid Petri Nets”, International Journal of Computer Theory and Engineering, Vol.4, No.2, pp.288–292. (DOI:10.7763/IJCTE.2012.V4.468)

-Lefebvre, D. and Leclercq, E. (2011) "Stochastic Petri net identification for the fault detection and isolation of discrete event systems”, IEEE TRransactions On Systems,Man, And Cybernetics—PART A: Systems And Humans, Vol.41, No.2, pp.213–225. (DOI:10.1109/TSMCA.2010.2058102)

-Lin-Hai, Z., Jian-Ping, W. and Yi-Kui, R. (2012) "Fault diagnosis for track circuit using AOK-TFRs and AGA”, Control Engineering Practice, Vol.20, No.12, pp.1270–1280. (DOI:10.1016/j.conengprac.2012.07.002)

-Liu, J., Zhou, Z. and Wang, Z. (2018) "Online fault diagnosis in discrete event systems with Partially Observed Petri Nets”, International Journal of Control, Automation and Systems, Vol.16, No.1, pp.1–8. (DOI:10.1007/s12555-016-0168-6)

-Oukhellou, L., Debiolles, A., Denux, T., and Aknin, P. (2010) "Fault diagnosis in railway track circuits using Dempster-Shafer classifier fusion”, Engineering Applications of Artificial Intelligence, Vol.23, No.1, pp.117–128. (DOI:10.1016/j.engappai.2009.06.005)

-Pamuk, N., and UYAROGLU, Y. (2012) "The fault diagnosis for power system using fuzzy petri nets”, Przeglad Electrotechniczny(Electrical Review), Vol.88, No.7, pp.99–102.

-Patra, A. P. and Kumar, U. (2010) "Availability analysis of railway track circuit”, Proceedings of the Institution of Mechanical Engineers Part F-Journal of Rail and Rapid Transit, Vol.224, No.3, pp.169–177. (DOI:10.1243/09544097JRRT296)

-Pengrui, L. and Wenchang, L. (2019) "Fault diagnosis method of section track circuit based on support vector machine”, China Academy RAilway Sciences Corporation Limited Standardsand Metroology Research Institute, Vol.1, No.1, pp.1–6.

-Ran, N., Wang, S., Su, H., and Wang, C. (2017) "Fault diagnosis for discrete event systems modeled by bounded petri nets”, Asian Journal of Control, Vol.19, No.6, pp.1–10. (DOI:10.1002/asjc.1500)

-Sandidzadeh, M. A., and Dehghani, M. (2013) "Intelligent condition monitoring of railway signaling in train detection subsystems”, Journal of Intelligent and Fuzzy Systems, Vol.24, No.4, pp.859–869. (DOI:10.3233/IFS-2012-0604)

-She, X., Zhao, J., Yang, J., and Member, S. (2014) "Functional safety verification on railway signaling System with Colored Petri Nets”, IEEE 17th International Conference on Intelligent Transportation Systems (ITSC), pp.2713–2717. China: 8-11 October 2014.

-Spunei, E., Piroi, I., Chioncel, C. P. and Piroi, F. (2018) "Track circuits diagnosis for railway lines equipped with an automatic block signalling system”, International Conference on Applied Sciences .IOP Conference Series: Materials Science and Engineering, Vol.294, pp.1–8. (DOI:10.1088/1757-899X/294/1/012014)

-Sun, J., Qin, S., Song, Y. and Member, S. (2004) "Fault diagnosis of electric Power systems based on fuzzy Petri nets”, IEEE Transaction On Power Systems, Vol.19, No.4, pp. 2053–2059. (DOI:10.1109/TPWRS.2004.836256)

-Teng, L., Mingli, W., Fan, H. and Kejian, S. (2013) "Finite element calculation of leakage resistance and distributed capacitance of rail to earth in ballastless track”, International Conference on Power Systems Transients, pp.1–6. China: 18-20 July.

-Welankiwar, A., Sherekar, S. P., Bhagat, A. and Khodke, P. (2018) "Fault detection in railway tracks using artificial neural networks”, International Conference on Research in Intelligent and Computing in Engineering (RICE), pp.1–5. (DOI:10.1109/RICE.2018.8509083)

-Xiao-long, Q. and Ran, L. (2007) "Fault diagnosis of transmission network using fuzzy petri nets”, Conference IEEE Lausanne Power Tech, pp.1802–1806. (DOI:10.1109/PCT.2007.4538590)

-Zhu, G., Wang, Y. and Wang, Y. (2019) "Model identification of unobservable behavior of discrete event systems using petri nets”, Journal of Control Science and Engineering, pp.1–11. (DOI:10.1155/2019/2895685)

-امیدزاده، مهدی و قربانی فرد، مهناز. (1394) "تشخیص خطای ترانسفورماتورها با استتفاده از شبکه های پتری”, کنفرانس ملی فناوری، انرژی و داده با رویکرد مهندسی برق و کامپیوتر، ص.2671–2676. کرمانشاه: 9-10 خرداد 1394.

-ساکی، مهدی و لسانی، حمید. (1390) "پایش اتوماسیون توزیع با استفاده از مدل سازی پترینت”, بیست و ششمین کنفرانس بین المللی برق، ص.1–10. تهران: 9-11آبان1390.

-میرآبادی, احمد. (1385) "مقدمه ای بر سیستمهای کنترل و سیگنالینگ”, انتشارات دانشگاه علم و صنعت ایران.