基于BP神經(jīng)網(wǎng)絡(luò)的道岔智能故障診斷方法

王鐵軍，董 昱，馬彩霞，沈成祿，崔寧寧

（蘭州交通大學自動化與電氣工程學院，1.碩士研究生；2.教授，甘肅 蘭州 730070；3.廣州鐵路集團公司懷化電務(wù)段，助理工程師，湖南 懷化 418000）

目前，我國高速鐵路營運里程達到7 055 km，滬杭高鐵試運行最高時速達到416.6 km。更高的列車運行速度，對鐵路關(guān)鍵設(shè)備——道岔提出了更高的要求。目前，我國的道岔監(jiān)測設(shè)備主要是微機監(jiān)測系統(tǒng)和某鐵路研究設(shè)計院正在研發(fā)并已上道實驗的道岔監(jiān)測系統(tǒng)。這2個系統(tǒng)現(xiàn)都只提供道岔各組成設(shè)備的在線監(jiān)測信息和故障報警，缺少對設(shè)備的智能故障診斷功能。道岔設(shè)備的各種故障征兆參數(shù)之間關(guān)系復(fù)雜并且非線性。傳統(tǒng)的故障診斷方法對于非線性關(guān)系，數(shù)學模型較難建立并且診斷結(jié)果不夠理想。而BP神經(jīng)網(wǎng)絡(luò)則具有很好的非線性映射、自學習能力和對環(huán)境的自適應(yīng)能力等特點，能較好滿足道岔故障診斷領(lǐng)域的要求。為了指導(dǎo)維修工作，對道岔設(shè)備狀態(tài)修提供完善的技術(shù)支持，智能故障診斷，已成為道岔監(jiān)測設(shè)備的重中之重〔1〕。因此，在道岔監(jiān)測系統(tǒng)提供的數(shù)據(jù)基礎(chǔ)上，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的道岔智能故障診斷方法。該方法可用來估計故障的發(fā)展程度和區(qū)分故障的類型，指導(dǎo)維修工作。

1 人工神經(jīng)網(wǎng)絡(luò)概述

1.1 人工神經(jīng)網(wǎng)絡(luò)定義人工神經(jīng)網(wǎng)絡(luò)是受生物神經(jīng)網(wǎng)絡(luò)的啟發(fā)構(gòu)造而成，它是在對生物神經(jīng)網(wǎng)絡(luò)認識的基礎(chǔ)上，把分子和細胞技術(shù)所達到的微觀層次與行為研究所達到的系統(tǒng)層次結(jié)合起來，以數(shù)學和物理方法以及信息處理的角度對人腦神經(jīng)網(wǎng)絡(luò)進行抽象，并建立某種簡化模型，稱為人工神經(jīng)網(wǎng)絡(luò)ANN〔2〕。其中誤差反傳網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）是常用的一種。

1.2 人工神經(jīng)網(wǎng)絡(luò)工作原理ANN由簡單的神經(jīng)元（信息處理單元）互聯(lián)組成，能接受并處理信息。雖然單個神經(jīng)元只能進行十分簡單的信息處理，但多個神經(jīng)元連接而成的網(wǎng)絡(luò)卻具有強大的計算能力。網(wǎng)絡(luò)的信息處理是由處理單元之間的相互作用實現(xiàn)。改變神經(jīng)元之間的連接方式和連接強度就可以改變神經(jīng)網(wǎng)絡(luò)的計算效果，知識與信息的存儲，則表現(xiàn)為處理單元之間分布式的物理聯(lián)系〔2〕。

BP網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)。它由3層神經(jīng)元構(gòu)成，分別為輸入層、隱含層和輸出層。輸入層神經(jīng)元節(jié)點個數(shù)等于采集數(shù)據(jù)的特征向量維數(shù)，輸出層神經(jīng)元節(jié)點數(shù)取決于所需要的類別數(shù)。根據(jù)BP網(wǎng)絡(luò)隱含層設(shè)計的經(jīng)驗，隱含層單元數(shù)目可根據(jù)需要和對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化而設(shè)置。

1.3 人工神經(jīng)網(wǎng)絡(luò)特點神經(jīng)網(wǎng)絡(luò)是一門高度綜合的交叉學科，它涉及到神經(jīng)生理科學、數(shù)理科學、信息科學和計算機科學等眾多學科領(lǐng)域。其特點如下：

1）分布式存儲。其具有良好的容錯性與聯(lián)想記憶功能。神經(jīng)網(wǎng)絡(luò)記憶的信息是存儲在神經(jīng)元之間的權(quán)值中。個別神經(jīng)元和權(quán)值的損壞不會對信息特征造成太大影響，這使得網(wǎng)絡(luò)具有良好的容錯性。

2）相對于專家系統(tǒng)的知識獲取“瓶頸”問題，神經(jīng)網(wǎng)絡(luò)可以通過訓(xùn)練和學習來獲得網(wǎng)絡(luò)的權(quán)值與結(jié)構(gòu)，呈現(xiàn)出很強的自學習能力和對環(huán)境的自適應(yīng)能力。

3）診斷耗時少。神經(jīng)網(wǎng)絡(luò)將領(lǐng)域?qū)＜业膯l(fā)式知識和經(jīng)驗分布存儲于神經(jīng)元的互連中，不做成專門的知識庫，在線診斷時，不再像專家系統(tǒng)和模糊控制那樣進行規(guī)則的匹配搜索，從而大大減少診斷耗時。

1.4 并行BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)并行BP網(wǎng)絡(luò)是通過多個BP子神經(jīng)網(wǎng)絡(luò)對多個特征值分類，每個子神經(jīng)網(wǎng)絡(luò)診斷一類故障，結(jié)構(gòu)如圖1所示。有多少類故障，就有多少個子網(wǎng)絡(luò)與之對應(yīng)。其優(yōu)點是每個子網(wǎng)絡(luò)結(jié)構(gòu)相對來說比較簡單，訓(xùn)練迅速，而且子網(wǎng)絡(luò)間互不影響，尤其是當有新的故障發(fā)生時，只需要簡單地增加一個訓(xùn)練好的子網(wǎng)絡(luò)，即可識別新故障，而不用像單子網(wǎng)絡(luò)一樣全部重新學習，這樣就大大提高網(wǎng)絡(luò)的擴展能力和學習能力。

圖1 并行神經(jīng)網(wǎng)絡(luò)示意圖

2 智能故障診斷方法的可行性

由于神經(jīng)網(wǎng)絡(luò)有如上特點，在道岔現(xiàn)場復(fù)雜的環(huán)境下，運用BP神經(jīng)網(wǎng)絡(luò)診斷故障的方法具有切實的可行性。

2.1 滿足診斷道岔設(shè)備故障的現(xiàn)場需求BP神經(jīng)網(wǎng)絡(luò)的非線性映射能力和自學習能力，能較好地處理道岔設(shè)備的運行狀態(tài)與其各種故障征兆參數(shù)之間的復(fù)雜關(guān)系。其良好的魯棒性、實時性，能較好地滿足道岔對可靠性、安全性和實時性的要求。

2.2 解決信息融合的不匹配問題道岔監(jiān)測系統(tǒng)采用的傳感器屬于異類多傳感器類。由于此類各傳感器時間或空間不同步、測量維數(shù)不匹配和測量數(shù)據(jù)差距過大等問題，導(dǎo)致各屬性層融合達不到理想效果。而運用BP神經(jīng)網(wǎng)絡(luò)可以有效避免以上問題，使各傳感器信息在公共數(shù)據(jù)空間內(nèi)進行融合，在多故障診斷中可得到較好的置信度〔3〕。

2.3 學習樣本充足神經(jīng)網(wǎng)絡(luò)沒有任何規(guī)則，它通過大量樣本對網(wǎng)絡(luò)進行多次訓(xùn)練來改變網(wǎng)絡(luò)中的連接權(quán)值，只有通過多次訓(xùn)練才能達到理想的效果。因此，充足的學習樣本是訓(xùn)練神經(jīng)網(wǎng)絡(luò)的關(guān)鍵。而道岔監(jiān)測系統(tǒng)可以提供完善的狀態(tài)監(jiān)測信息，使系統(tǒng)訓(xùn)練樣本充足，確保了對BP神經(jīng)網(wǎng)絡(luò)模型的可靠訓(xùn)練〔1〕。

3 道岔智能故障診斷的實現(xiàn)

根據(jù)現(xiàn)場維修人員對道岔設(shè)備故障積累的寶貴經(jīng)驗，把道岔的典型故障分為3類：道岔密貼不良、道岔轉(zhuǎn)換故障、道岔電路故障。

采用并行BP神經(jīng)網(wǎng)絡(luò)建立網(wǎng)絡(luò)模型，每類故障建立1個子神經(jīng)網(wǎng)絡(luò)模型，第三個子神經(jīng)網(wǎng)絡(luò)中另建立3個次級子神經(jīng)網(wǎng)絡(luò)，總體組建成一個并行BP神經(jīng)網(wǎng)絡(luò)的信息融合系統(tǒng)。各子網(wǎng)絡(luò)均采用改進BP算法以加快收斂速度，最后采用設(shè)置雙閾值的方法進行故障前預(yù)警和故障后診斷。

診斷步驟如下：首先從道岔監(jiān)測系統(tǒng)中獲取道岔監(jiān)測數(shù)據(jù)，對數(shù)據(jù)進行特征提取后通過診斷模塊得出診斷結(jié)果。如果遇到新故障，則通過學習模塊對相應(yīng)子網(wǎng)絡(luò)進行重新訓(xùn)練以完善診斷模塊。如圖2所示。

圖2 道岔智能故障診斷步驟示意圖

以Visual C++和MATLAB作為實現(xiàn)故障診斷的工具軟件。用戶交互界面由Visual C++開發(fā)完成，在與MATLAB進行數(shù)據(jù)交換后，使用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱進行后臺運算處理〔4〕。

3.1 道岔密貼不良故障類診斷道岔密貼不良是道岔最為常見的故障。據(jù)統(tǒng)計，在武廣客專聯(lián)調(diào)聯(lián)試階段，密貼不良故障占總故障的18.7%。尖軌密貼必須保證4 mm不鎖閉、2 mm鎖閉要求，否則可能導(dǎo)致道岔不能正常鎖閉或列車顛覆等重大事故。

3.1.1 道岔密貼不良故障原因 根據(jù)維修人員多年的現(xiàn)場經(jīng)驗，密貼不良常由道岔不方正、尖軌爬行、軌距變化、外鎖閉調(diào)整不良、缺口不合格5種故障原因?qū)е?。當整體道床振動過大時將導(dǎo)致基礎(chǔ)螺栓松動，進而導(dǎo)致道岔不方正造成卡阻。尖軌爬行、軌距變化等原因多由于道床不良引起，應(yīng)積極開展道岔的工電聯(lián)合整治。而外鎖閉調(diào)整不良和缺口變化則屬電務(wù)維修人員調(diào)整不當，維修質(zhì)量不高等人為原因。

3.1.2 道岔密貼不良故障診斷方法 我國某設(shè)計院目前正在開發(fā)研制道岔監(jiān)測系統(tǒng)，其所監(jiān)測的7種電務(wù)參數(shù)可以從各方面反映出密貼不良的原因。由此，可以選用密貼量、尖軌開口量、轉(zhuǎn)換力、振動加速度、軌溫、軌距、缺口監(jiān)測數(shù)據(jù)等7種狀態(tài)數(shù)據(jù)，進行特征提取并歸一化處理后作為神經(jīng)網(wǎng)絡(luò)的輸入端，以5種密貼不良原因作為輸出端，進行故障診斷。當發(fā)現(xiàn)影響密貼不良的新故障原因時，可以通過網(wǎng)絡(luò)學習模塊增加輸出節(jié)點并對連接權(quán)值和閾值進行重新訓(xùn)練和學習，以滿足診斷要求。

3.2 道岔轉(zhuǎn)換故障類診斷道岔轉(zhuǎn)換故障是在道岔轉(zhuǎn)換階段無法正常轉(zhuǎn)動、道岔轉(zhuǎn)換阻力過大、轉(zhuǎn)換不到位造成四開狀態(tài)以及道岔轉(zhuǎn)換后沒有表示等故障。道岔轉(zhuǎn)換故障性質(zhì)惡劣，將嚴重影響線路正常運營。

3.2.1 道岔轉(zhuǎn)換故障原因 通過對各時間段道岔動作電流分析，可以診斷出如下6種常見故障原因：電機匝間短路、碳刷與整流子接觸不良、尖軌轉(zhuǎn)換障礙、電機轉(zhuǎn)子斷線、繼電器接點接觸不良、自動開閉器動作不靈活。其中轉(zhuǎn)換障礙由根部阻力過大、滑床板缺油、夾異物、吊板、故障電流過小等原因形成，需要電務(wù)人員現(xiàn)場核實。

3.2.2 道岔轉(zhuǎn)換故障診斷方法 道岔動作電流曲線，蘊涵了道岔轉(zhuǎn)換過程中豐富的機械特性和電氣特性?？蓪收蟿幼麟娏鬟M行多角度分析，并與道岔平時的正常動作電流曲線相對比，尋找出故障曲線反應(yīng)出的故障信息，得到故障原因。

單機牽引正常動作電流曲線如圖3所示：電機啟動時曲線驟升，形成一個尖峰，峰頂值通常為6～10 A。若峰值過高，說明道岔電機有匝間短路。電流至峰點后迅速回落，弧線應(yīng)平順。若有臺階或鼓包則為道岔密貼調(diào)整過緊造成解脫困難?；芈浜蟮那€基本呈水平狀，前部略微向下，后部略微向上。區(qū)段前部應(yīng)平滑，若電流幅值上下抖動則有如下可能：滑床板凹凸不平、炭刷與整流子面接觸不良或有污垢、電機有匝間短路。若有大量的回零點，則為電機轉(zhuǎn)子斷線。略微向上的曲線后部為鎖閉電流，若過高則可能為道岔密貼調(diào)整過緊，轉(zhuǎn)轍機鎖閉困難。隨后曲線迅速下降再逐漸為零，此時段為自動開閉器轉(zhuǎn)換時間和1DQJ緩放時間，時間若過長則可能是自動開閉器動作不靈活等原因。

圖3 單機牽引正常道岔動作電流曲線

本文以一種反應(yīng)自動開閉器動作不靈活的電流曲線為例進行說明，如圖4所示。圖中道岔機械鎖閉時，道岔鎖閉電流曲線延時（由圖中03-06 s時間段內(nèi)電流曲線體現(xiàn)）。故此類故障的產(chǎn)生原因多由自動開閉器的拐軸、自動開閉速動爪軸或連接板軸動作不靈活產(chǎn)生，可通過往各軸上注變壓器油來解決。

圖4 自動開閉器不靈活故障電流曲線

由于道岔的動作電流是單元輸入，因此，通過對正常動作電流和各故障動作電流以時間序列進行采樣，特征提取后作為訓(xùn)練樣本，對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練和學習。這可以較準確地對此類故障進行智能診斷，為維修人員提供技術(shù)參考。

3.3 道岔電路故障類的診斷隨著鐵路列車運行速度的逐年提升，國內(nèi)干線多數(shù)道岔轉(zhuǎn)動裝置采用分動外鎖閉轉(zhuǎn)轍機。分動外鎖閉道岔控制電路主要分為3個部分：室內(nèi)控制電路、道岔動作電路和道岔表示電路。下面以采用三相交流轉(zhuǎn)轍機S700K道岔為例加以說明。

3.3.1 道岔電路故障原因 S700K道岔控制電路故障一般多由電氣故障造成〔4〕。電氣故障可分為室內(nèi)和室外部分。常見的電氣故障原因主要有配線電纜斷線、電阻斷線或短路、二極管開路或被擊穿、表示繼電器開路等故障所造成。對于配線電纜斷線又可以診斷出X1斷線、X2斷線和X4斷線；電阻斷線可以診斷出R斷線和R1斷線。

3.3.2道岔電路故障診斷方法 道岔啟動和表示電路的電氣特征可以由X1線、X2線和X2線與X4線間的交直流電壓，R1和表示繼電器1-4線圈的交直流電壓反映。由于特定的電路性質(zhì)，對于某種故障狀態(tài)，各元件對應(yīng)著相應(yīng)的狀態(tài)電壓，所以可以通過它們的變化對道岔電路進行診斷。

S700K道岔控制電路故障時電氣特性如表1所示，現(xiàn)舉例說明。當X1，X2間交流電壓為112 V，直流電壓為7.6 V，并且X2，X4間、R1及繼電器交直流電壓為0 V時，可以判斷此時的故障是X1開路。

表1 S700K道岔控制電路故障時電氣特征

此類故障可采用3個二級BP子神經(jīng)診斷網(wǎng)絡(luò)，將X1和X2間的交直流電壓、表示繼電器電壓、電阻R1電壓作為網(wǎng)絡(luò)1的輸入；X2和X4間交直流電壓、表示繼電器電壓、電阻R1電壓作為子網(wǎng)絡(luò)2的輸入。2個子網(wǎng)絡(luò)輸出均為線1開路、X4開路、X2或R開路、二極管開路、二極管擊穿、R1開路、R短、表示繼電器開路等8種常見故障原因。再通過BP子網(wǎng)絡(luò)3對前面2個BP子網(wǎng)絡(luò)輸出的故障決策進行信息融合決策，以提高確診率〔5〕。

4 結(jié)束語

基于BP神經(jīng)網(wǎng)絡(luò)的道岔智能故障診斷方法，憑借著人工神經(jīng)網(wǎng)絡(luò)的自身優(yōu)點，在道岔監(jiān)測系統(tǒng)提供的各項監(jiān)測數(shù)據(jù)基礎(chǔ)上，對道岔的常見故障進行經(jīng)驗分類，并對每一類道岔故障設(shè)計一個對應(yīng)BP子神經(jīng)網(wǎng)絡(luò)，分類進行智能故障診斷，具有切實的可行性。然而以上的工作僅僅是一個開端，還需要進行充分驗證、仿真、上道實驗后才可以投入實際使用。

總之，基于BP神經(jīng)網(wǎng)絡(luò)的道岔智能故障診斷，必將延承并行性、非線性、魯棒性和自適應(yīng)學習性等這些傳統(tǒng)故障診斷方法無法比擬的優(yōu)點，進一步完善道岔監(jiān)測系統(tǒng)，快速準確地判斷故障原因，縮小故障范圍，從而保障行車安全。

〔1〕劉克強.高速客運專線道岔監(jiān)測系統(tǒng)研究及應(yīng)用〔J〕.中國鐵路，2009，04（3）：40-41.

〔2〕師海風.基于神經(jīng)網(wǎng)絡(luò)的北溪南巷船閘故障診斷專家系統(tǒng)研究〔D〕.福州：福州大學，2004.

〔3〕呂漫麗，孫靈芳.多傳感器信息融合技術(shù)〔J〕.自動化技術(shù)與應(yīng)用，2008，27（2）：79-81.

〔4〕岳麗麗.專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)在道岔控制電路故障診斷中的應(yīng)用研究〔D〕.蘭州：蘭州交通大學，2009.

〔5〕蘇曠宇.基于神經(jīng)網(wǎng)絡(luò)和信息融合的模擬電路故障診斷方法研究〔D〕.長沙：湖南大學，2007.