改進(jìn)GM(1，1)型軌道電路故障預(yù)測模型研究

黃斌 黃鶯

摘要：針對傳統(tǒng)電務(wù)部門對相敏軌道電路維護中所沿用的“故障修”“計劃修”在保證行車安全、提高運營效率等方面的不足，文章采用改進(jìn)GM（1，1）模型進(jìn)行軌道電路的故障預(yù)測，對GM（1，1）模型進(jìn)行滑動平均法改進(jìn)，將已知軌道電路的狀態(tài)序列送入改進(jìn)GM（1，1）模型進(jìn)行序列預(yù)測，并以實際案例進(jìn)行模型的測試，驗證了改進(jìn)GM（1，1）模型方法的可行性與有效性。

關(guān)鍵詞：相敏軌道電路;改進(jìn)GM（1，1）模型;故障預(yù)測

中圖分類號：U284.2 文獻(xiàn)標(biāo)識碼：A DOI：10.13282/j.cnki.wccst.2019.10.037

文章編號：1673-4874（2019）10-0132-03

0引言

相敏軌道電路是我國鐵路信號系統(tǒng)中應(yīng)用廣泛的重要基礎(chǔ)設(shè)備之一。當(dāng)前，鐵路電務(wù)部門對軌道電路檢修的主要方式是借助微機監(jiān)測記錄的各電壓日曲線、日報表。同時我國鐵路部門仍然沿用傳統(tǒng)的“定時修”和“故障修”策略，即在規(guī)定的時間或當(dāng)設(shè)備發(fā)生故障后才進(jìn)行檢測維護。該方法的缺點是維護效率低、故障隱患高，若處理故障不及時可能造成行車事故，影響行車效率。

針對軌道電路故障預(yù)測的主要研究有：文獻(xiàn)給出一種基于神經(jīng)網(wǎng)絡(luò)的軌道電路混合故障診斷算法，旨在通過快速的神經(jīng)網(wǎng)絡(luò)訓(xùn)練，實現(xiàn)軌道電路故障診斷的高效性。文獻(xiàn)分別針對軌道電路的故障采用智能算法進(jìn)行優(yōu)化診斷研究。

伴隨著3C（計算機、通信、控制）技術(shù)及故障預(yù)測與健康管理（Prognostic and HealthManagement，PHM）技術(shù)的發(fā)展，建立基于“狀態(tài)修”的智能維護模式，將智能化的預(yù)測技術(shù)引入軌道電路的故障分析中，對于保證列車行車的可靠性、可用性、可維護性、安全性技術(shù)意義重大。

為避免GM（1，1）模型在預(yù)測中忽略系統(tǒng)發(fā)展過程的一些必要干擾因素，影響預(yù)測精度，本文對其改進(jìn)優(yōu)化，實現(xiàn)對相敏軌道電路故障預(yù)測，旨在為電務(wù)人員掌握軌道狀態(tài)、輔助故障分析、故障處理起到指導(dǎo)作用。

1相敏軌道電路原理結(jié)構(gòu)

相敏軌道電路設(shè)備一般分為室內(nèi)和室外設(shè)備兩部分，如圖1所示。

軌道電路的主要作用是監(jiān)測軌道空閑與占用情況。若軌道上有車，列車輪對的分路作用會使接收器輸入的軌道電壓顯著降低;若軌道上無車，接收器輸入的軌道電壓相對較大。相敏軌道電路送電端將電信號通過鐵路線路傳送到接收端，信號傳輸過程如圖2所示。

2 GM（1，1）算法介紹

2.1模型

傳統(tǒng)的CM（1，1）是包含單變量的一階灰微分方程。其基本方法為：將無規(guī)則的數(shù)據(jù)進(jìn)行求和，得到規(guī)律性強的數(shù)列并重新建模，由生成的新數(shù)據(jù)再求減，得到還原模型，最后由還原模型進(jìn)行預(yù)測，具體過程如下：

第一步：獲取累加模型

設(shè)X={x（1），x。（1），…，x。（n）}為原始數(shù)據(jù)，對其進(jìn)行一次累加生成的數(shù)列為：

X={X（1），X（1）…，X（n）}（1）

第二步：重構(gòu)

對x做相鄰均值生成計算，結(jié)果為GM（1，1）模型背景值，記作z：

Z=0.5x（n）-0.5x（n-1） （2）

其中，n=2，3，…k。

則GM（1，1）的灰色微分方程為：

X（n）+ax=b （3）

第三步：建立GM（1，1）模型

對生成序列x做一階單變量微分方程擬合，得到灰色白化過程的動態(tài)模型為：

第五步：求出絕對誤差和相對誤差，最終利用該序列進(jìn)行預(yù)測。

2.2 改進(jìn)GM（1，1）模型

GM（1，1）模型預(yù)測結(jié)果數(shù)據(jù)離散程度越大，預(yù)測精度越低。一般對GM（1，1）模型的改進(jìn)主要有：改造原始數(shù)列、選取初值、改造灰色模型、改進(jìn)技術(shù)方法等。為降低數(shù)據(jù)的不平滑度，強化數(shù)據(jù)的趨勢，本文采用滑動平均法對數(shù)據(jù)緊湊平滑化處理，以提高輸出數(shù)據(jù)的擬合度。其中，對于原始序列x={x（1），x（2），…，x（n）}，n=1，2，…k，其滑動平均計算可表述為：

其中，x’（0）為緊湊平滑處理后的值。通過增加數(shù)據(jù)的權(quán)值，避免數(shù)據(jù)過度波動。

3 驗證方法

（1）相對誤差

（2）均方誤差

4 分析驗證

測試為FC終端，WIN1064位系統(tǒng)，i3處理器，MATLAB2014b。

結(jié)合2017年1月至2018年6月的接收器數(shù)據(jù)的電壓作為訓(xùn)練模型，2018年7月至2018年10月的作為測試模型，仿真模型數(shù)據(jù)來自柳州某客運站每月一次的維修測試。原始預(yù)測數(shù)據(jù)如表1所示，各種算法預(yù)測結(jié)果如表2所示。

表3通過對表2中3種預(yù)測算法性能結(jié)果進(jìn)行比對，明顯可以看出改進(jìn)GM（1，1）預(yù)測結(jié)果與實際值擬合度更高，驗證了改進(jìn)模型預(yù)測的有效性。

5 結(jié)語

相敏軌道電路是鐵路信號系統(tǒng)中重要的基礎(chǔ)設(shè)備，對其進(jìn)行故障預(yù)測的研究勢在必行。本文結(jié)合對象故障發(fā)生的隨機性與模糊性以及可獲悉的樣本較少的特點，采用改進(jìn)GM（1，1）模型對軌道電路進(jìn)行故障預(yù)測，并結(jié)合實例驗證，證明了預(yù)測模型的有效性。

本文為軌道電路提供了一種故障預(yù)測與維修的新方法。