高速鐵路道岔故障診斷方法研究

劉印宏

摘 要：我國(guó)鐵路事業(yè)的發(fā)展非常迅速，特別是高速鐵路得到了跨越式的發(fā)展，有效地提升了運(yùn)輸?shù)男?，然而這也使道岔承受了更大的壓力。當(dāng)前我國(guó)各鐵路局在進(jìn)行高速鐵路道岔維護(hù)時(shí)仍然使用周期修的模式，也就是主要依靠維護(hù)經(jīng)驗(yàn)來(lái)進(jìn)行故障診斷，這種診斷模式具有一定的弊端。本文簡(jiǎn)要分析了高速鐵路道岔的常見(jiàn)故障，并分析了高速鐵路道岔故障診斷的具體方法。

關(guān)鍵詞：故障診斷；道岔；高速鐵路

中圖分類(lèi)號(hào)： U284.92 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1673-1069（2016）11-56-2

0 引言

與普速鐵路相比，高速鐵路的道岔診斷具有更大的難度。道岔是鐵路中重要的信號(hào)設(shè)備，如果道岔出現(xiàn)故障會(huì)對(duì)鐵路的運(yùn)輸效率造成直接的影響，甚至造成鐵路運(yùn)行的事故。鐵路部門(mén)應(yīng)該積極研究針對(duì)高速鐵路道岔的狀態(tài)維修維護(hù)模式，使高速鐵路道岔的維修者能夠及時(shí)了解故障道岔的原因和信息，從而更加及時(shí)和準(zhǔn)確地排除道岔故障，使鐵路道岔維護(hù)具有更高的效率，維護(hù)高速鐵路的運(yùn)輸安全。

1 高速鐵路道岔及其常見(jiàn)的故障模式

1.1 高速鐵路道岔

在高速鐵路中，道岔是一種重要的基礎(chǔ)性和設(shè)備，也是鐵路信號(hào)的一個(gè)重要控制對(duì)象。道岔的主要作用是對(duì)列車(chē)改變運(yùn)行股道進(jìn)行控制，因此可以將高速鐵路道岔分為以下幾個(gè)部分：道岔室外機(jī)械部分、執(zhí)行機(jī)構(gòu)、控制回路。高速鐵路道岔的執(zhí)行機(jī)構(gòu)主要是ZYJ7電液型轉(zhuǎn)轍機(jī)、S700IC電動(dòng)型轉(zhuǎn)轍機(jī)。高速鐵路的單開(kāi)道岔機(jī)械部分又可以分為護(hù)軌及徹叉、連接部分和轉(zhuǎn)轍器。反位操作和道岔定位主要是用轉(zhuǎn)轍器來(lái)完成，轉(zhuǎn)轍器及其部件的驅(qū)動(dòng)裝置是轉(zhuǎn)轍機(jī)。通過(guò)導(dǎo)曲線(xiàn)，連接部分能夠?qū)④?chē)輛過(guò)渡到護(hù)軌和轍叉單元。當(dāng)車(chē)輪通過(guò)兩股軌線(xiàn)交叉處時(shí)，為了對(duì)其進(jìn)行保護(hù)就要應(yīng)用到護(hù)軌和轍叉單元。

1.2 常見(jiàn)的高速鐵路道岔故障模式

1.2.1 轉(zhuǎn)轍機(jī)空轉(zhuǎn)、道岔卡阻

很多高速鐵路道岔故障演變到嚴(yán)重程度時(shí)都會(huì)產(chǎn)生道岔卡阻，從而無(wú)法解鎖或閉鎖道岔，導(dǎo)致正常的轉(zhuǎn)換動(dòng)作無(wú)法完成。轉(zhuǎn)轍機(jī)空轉(zhuǎn)也是一種常見(jiàn)的道岔故障，其具有與道岔卡阻基本一致的功率曲線(xiàn)，需要對(duì)產(chǎn)生異常的故障點(diǎn)進(jìn)行實(shí)地檢查，才能對(duì)二者進(jìn)行區(qū)分，因此在故障診斷中，往往將轉(zhuǎn)轍機(jī)空轉(zhuǎn)和道岔卡阻作為同一種故障模式[1]。

1.2.2 轉(zhuǎn)換過(guò)程的阻力異常

在對(duì)尖軌進(jìn)行推動(dòng)時(shí)必須克服一些阻力，才能完成整個(gè)轉(zhuǎn)化的過(guò)程?？梢酝ㄟ^(guò)功率曲線(xiàn)的轉(zhuǎn)換區(qū)段來(lái)對(duì)阻力的變化進(jìn)行反映。如果道岔出現(xiàn)異常會(huì)造成阻力過(guò)大，對(duì)轉(zhuǎn)換時(shí)間造成不利的影響，甚至造成道岔不閉鎖。例如某道岔的裝置中有一螺帽出現(xiàn)了松動(dòng)，造成裝置漏油，通過(guò)功率曲線(xiàn)可以發(fā)現(xiàn)轉(zhuǎn)換過(guò)程中的阻力不斷增大，而道岔動(dòng)作時(shí)間逐漸延長(zhǎng)，比正常時(shí)間，增加了將近1.5秒。但是當(dāng)時(shí)的媒體監(jiān)測(cè)系統(tǒng)并沒(méi)有對(duì)該故障進(jìn)行及時(shí)的識(shí)別和上報(bào)，導(dǎo)致故障沒(méi)有得到有效的維修，最終造成了道岔卡阻空轉(zhuǎn)。有很多原因都會(huì)造成道岔轉(zhuǎn)換阻力的增大，例如道岔不方正、道岔尖軌爬行、滑床板異常等[2]。

1.2.3 緩放區(qū)的異常

因?yàn)?DQJ具有緩放特性，會(huì)產(chǎn)生功率曲線(xiàn)和道岔電流的“小臺(tái)階”， 通過(guò)電流曲線(xiàn)和供給曲線(xiàn)都可以發(fā)現(xiàn)該方面的異常。例如S700K道岔正常時(shí)的電流曲線(xiàn)小臺(tái)階是0.5，功率曲線(xiàn)小臺(tái)階是0.2。如果電路回流沒(méi)有接通就會(huì)造成小臺(tái)階的消失，道岔未到位、速動(dòng)開(kāi)關(guān)接點(diǎn)損壞、二極管燒壞造成斷路、保護(hù)電阻斷路都可能會(huì)造成電路回路未接通。

1.2.4 異常狀態(tài)回操

道岔異常的狀態(tài)還可以通過(guò)道岔功率曲線(xiàn)的長(zhǎng)度變化來(lái)表現(xiàn)，如果出現(xiàn)道岔異常的現(xiàn)象，就會(huì)造成道岔未完全到位，其原因主要是上一次閉鎖時(shí)道岔出現(xiàn)了卡阻。例如如果鎖閉框有異物卡住，那么道岔閉鎖時(shí)就會(huì)產(chǎn)生卡阻，造成尖軌不完全到位，從而使下一次回操時(shí)間被縮短。

2 高速鐵路道岔故障診斷方法

道岔轉(zhuǎn)轍機(jī)和道岔外閉鎖裝置是道岔故障多發(fā)的兩個(gè)部分，高速鐵路的道岔故障診斷具有非常重要的意義，通過(guò)對(duì)高速鐵路道岔的電流曲線(xiàn)特征和功率特征進(jìn)行分析，來(lái)了解道岔的運(yùn)行狀態(tài)，及時(shí)發(fā)現(xiàn)道岔故障并對(duì)其進(jìn)行處理。本文簡(jiǎn)要介紹了以SVM理論為依據(jù)的高速鐵路道岔故障診斷方法。

2.1 SVM理論

SVM（support vector machine）又被稱(chēng)為支持向量機(jī)，是一種機(jī)器學(xué)習(xí)方法，在回歸預(yù)測(cè)和分類(lèi)中都獲得了較好的應(yīng)用效果。可以將已標(biāo)記好的樣本輸入訓(xùn)練分類(lèi)器，如果這個(gè)訓(xùn)練樣本集線(xiàn)性可分，訓(xùn)練分類(lèi)器就會(huì)以線(xiàn)性規(guī)劃理論為依據(jù)，分開(kāi)不同類(lèi)型的樣本，并保障分開(kāi)樣本的超平面到最接近其訓(xùn)練樣本的距離之和達(dá)到最大。否則訓(xùn)練分類(lèi)器就會(huì)通過(guò)和函數(shù)，在更高維度的空間中映射樣本，使樣本線(xiàn)性可分。徑向基核函數(shù)是SVM理論中應(yīng)用最多的核函數(shù)。以常見(jiàn)的道岔故障模式為依據(jù)，本文對(duì)SVM算法進(jìn)行了相應(yīng)的改進(jìn)，主要應(yīng)用一對(duì)一法，在算法研究和驗(yàn)證中使用ibsvm提供的支持向量工具箱，使其能夠?qū)Χ喾诸?lèi)問(wèn)題進(jìn)行處理[3]。

2.2 故障診斷的具體方法

2.2.1 診斷流程

使用裝備S700IC轉(zhuǎn)轍機(jī)的高速鐵路道貧提供算法研究的數(shù)據(jù)，并對(duì)其測(cè)試樣本和轉(zhuǎn)換功率數(shù)據(jù)構(gòu)造進(jìn)行使用，與SVM機(jī)器學(xué)習(xí)方法構(gòu)造經(jīng)驗(yàn)?zāi)Ｐ拖嘟Y(jié)合，對(duì)各種工作狀態(tài)進(jìn)行識(shí)別。故障診斷的流程如圖1所示，也就是先由具有較多的高速鐵路道岔故障處理經(jīng)驗(yàn)的專(zhuān)家將其先驗(yàn)知識(shí)輸入訓(xùn)練樣本，然后使用不同的標(biāo)簽來(lái)對(duì)不同的故障模式樣本進(jìn)行標(biāo)注。因?yàn)榈啦砉β蕯?shù)據(jù)的長(zhǎng)度是不一致的，而SVM模型要求訓(xùn)練向量必須具有一定的長(zhǎng)度，因此還需要進(jìn)一步的處理原始功率數(shù)據(jù)，將其特征提取出來(lái)，并使之保持一致的長(zhǎng)度。然后應(yīng)該運(yùn)用人工嘗試的方法對(duì)核函數(shù)的類(lèi)型進(jìn)行確定，核函數(shù)的參數(shù)組合過(guò)多，要對(duì)其進(jìn)行確定可以使用優(yōu)化算法或參數(shù)選擇。在獲得了診斷模型之后就可以進(jìn)行診斷，并獲得診斷的結(jié)果。

2.2.2 數(shù)據(jù)歸一化

在訓(xùn)練模型中，不能直接應(yīng)用提取到的特征，而是應(yīng)該對(duì)其進(jìn)行歸一化，以免值范圍過(guò)大的特征在訓(xùn)練中占據(jù)的比重過(guò)大。在訓(xùn)練模式中的每個(gè)樣本都包括了多列特征變量，例如長(zhǎng)度、均值、方差、最小值、最大值等，其范圍有著較大的差距，必須對(duì)其進(jìn)行歸一化。

2.2.3 特征提取方法

常用的特征提取方法有兩種：將樣本數(shù)據(jù)點(diǎn)作為特征、將樣本數(shù)據(jù)的幾何與統(tǒng)計(jì)參數(shù)作為特征。為了對(duì)輸入向量的長(zhǎng)度相同進(jìn)行保障，可以使用原始數(shù)據(jù)構(gòu)造訓(xùn)練樣本，輸出向量的維度為最長(zhǎng)的樣本長(zhǎng)度，并對(duì)其他樣本進(jìn)行延拓?；蛘咭部梢圆扇∫粋€(gè)固定的輸入向量維度，再對(duì)其他的數(shù)據(jù)向量長(zhǎng)度進(jìn)行處理。為了對(duì)輸入至SVM模型進(jìn)行訓(xùn)練的向量的維度進(jìn)行降低，也可以將原始樣本數(shù)據(jù)的統(tǒng)計(jì)參數(shù)或者幾何參數(shù)作為訓(xùn)練向量[4]。

2.2.4 優(yōu)化SVM模型參數(shù)

在SVM模型中可以對(duì)核的數(shù)系數(shù)g和懲罰參數(shù)c進(jìn)行人工設(shè)置，這兩個(gè)參數(shù)也會(huì)影響模型的診斷性能。要優(yōu)化模型參數(shù)還要對(duì)該參數(shù)訓(xùn)練出的模型的診斷性能進(jìn)行驗(yàn)證，一般可以使用交叉驗(yàn)證的方法。在機(jī)器學(xué)習(xí)方法的參數(shù)優(yōu)化中也經(jīng)常使用網(wǎng)格搜索優(yōu)化，從而選出性能最佳的模型，將其參數(shù)組合輸出作為結(jié)果。

3 結(jié)語(yǔ)

有很多原因都會(huì)造成高速鐵路的道岔故障，而道岔故障會(huì)影響高速鐵路的正常運(yùn)行，甚至造成安全事故。傳統(tǒng)的周期修的道岔維護(hù)模式存在較多的弊端，不能保障道岔維修的質(zhì)量和效率，也不能針對(duì)道岔的故障原因來(lái)進(jìn)行有針對(duì)性的維護(hù)。本文基于SVM理論，對(duì)高速鐵路道岔故障診斷方法進(jìn)行了研究，通過(guò)建立數(shù)學(xué)模型的方式，使用曲線(xiàn)數(shù)據(jù)和支持向量機(jī)（SVM）構(gòu)造經(jīng)驗(yàn)?zāi)Ｐ?，開(kāi)發(fā)相應(yīng)的故障診斷軟件，實(shí)現(xiàn)最佳的診斷性能。

參 考 文 獻(xiàn)

[1] 李雅美，魏文軍.基于模糊神經(jīng)網(wǎng)絡(luò)的道岔故障診斷系統(tǒng)研究[J].鐵路計(jì)算機(jī)應(yīng)用，2012（01）.

[2] 王鐵軍，董昱，馬彩霞，沈成祿，崔寧寧.基于BP神經(jīng)網(wǎng)絡(luò)的道岔智能故障診斷方法[J].鐵道運(yùn)營(yíng)技術(shù)，2011（02）.

[3] 王思明，雷燁.一種基于LS-SVM的道岔控制電路故障診斷[J].蘭州交通大學(xué)學(xué)報(bào)，2010（04）.

[4] 尚志信，周宇，葉慶衛(wèi)，王曉東.基于粗糙集和BP神經(jīng)網(wǎng)絡(luò)算法的網(wǎng)絡(luò)故障診斷模型研究[J].寧波大學(xué)學(xué)報(bào)（理工版），2013（02）.