基于文本分析的高速鐵路道岔故障分類模型研究

楊連報(bào)，沈翔，李新琴，董興芝，薛蕊，徐貴紅

（中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司，北京100081）

1 概述

道岔作為高速鐵路信號(hào)地面設(shè)備的重要組成，是列車進(jìn)出站實(shí)現(xiàn)進(jìn)路轉(zhuǎn)換的重要關(guān)鍵設(shè)備。通過(guò)對(duì)近十年來(lái)高鐵信號(hào)地面設(shè)備故障發(fā)生數(shù)量統(tǒng)計(jì)分析，道岔故障占比約為1/3，是影響高鐵行車組織和安全的重要因素。

目前，我國(guó)主要采用微機(jī)監(jiān)測(cè)系統(tǒng)實(shí)時(shí)監(jiān)測(cè)道岔動(dòng)作電流的模擬量數(shù)據(jù)和道岔狀態(tài)的開(kāi)關(guān)量數(shù)據(jù)，并由現(xiàn)場(chǎng)作業(yè)人員根據(jù)電流動(dòng)作曲線的異常來(lái)判斷道岔發(fā)生的相關(guān)故障類別進(jìn)行處置。在學(xué)術(shù)上，國(guó)內(nèi)外專家學(xué)者進(jìn)行了相關(guān)研究。文獻(xiàn)[1]提出應(yīng)用時(shí)間延遲網(wǎng)絡(luò)（Time-Delay Neural Network，TDNN），通過(guò)對(duì)道岔有關(guān)動(dòng)作電流和受力情況的分析實(shí)現(xiàn)道岔故障診斷和預(yù)測(cè)；文獻(xiàn)[2-3]采用Fisher準(zhǔn)則實(shí)現(xiàn)對(duì)道岔動(dòng)作電流的特征提取，并通過(guò)計(jì)算待測(cè)樣本和故障模式之間的灰關(guān)聯(lián)度實(shí)現(xiàn)故障診斷；文獻(xiàn)[4]通過(guò)建立模糊神經(jīng)網(wǎng)絡(luò)，輸入為特征抽取后的道岔動(dòng)作電流，輸出為各類特征向量對(duì)應(yīng)的典型故障類型，然后經(jīng)過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練并結(jié)合專家經(jīng)驗(yàn)實(shí)現(xiàn)道岔故障診斷；文獻(xiàn)[5]通過(guò)對(duì)定量的道岔動(dòng)作電流曲線的轉(zhuǎn)化為定性的趨勢(shì)片段，實(shí)現(xiàn)基于定性趨勢(shì)分析的道岔故障診斷；文獻(xiàn)[6]采用轉(zhuǎn)轍機(jī)拉力參數(shù)為訓(xùn)練數(shù)據(jù)，實(shí)現(xiàn)基于粒子群算法優(yōu)化支持向量機(jī)（PSO-SVM）的道岔故障診斷。文獻(xiàn)[7]通過(guò)建立道岔轉(zhuǎn)轍機(jī)故障分析與故障診斷監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)ZD6轉(zhuǎn)轍機(jī)多種故障識(shí)別。

與以道岔動(dòng)作電流或轉(zhuǎn)轍機(jī)拉力變化的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行道岔故障診斷方法不同，提出一種新的基于非結(jié)構(gòu)化道岔故障的文本描述和原因處置過(guò)程故障診斷方法。首先對(duì)道岔故障發(fā)生的文本描述進(jìn)行預(yù)處理和特征提取，主要包含文本停用詞去除、中文分詞、特征向量生成、道岔故障編碼等，然后通過(guò)應(yīng)用支持向量機(jī)（Support Vector Machine，SVM）實(shí)現(xiàn)道岔故障分類模型的學(xué)習(xí)，從而為現(xiàn)場(chǎng)作業(yè)人員提供一種客觀的、基于海量歷史數(shù)據(jù)的故障診斷模型。

2 高速鐵路信號(hào)設(shè)備

我國(guó)高鐵通過(guò)“引進(jìn)、消化、吸收、再創(chuàng)新”的技術(shù)路線，走出了一條通信信號(hào)系統(tǒng)快速發(fā)展的道路。目前，我國(guó)高鐵主要采用CTCS-3級(jí)列控系統(tǒng)和CTCS-2級(jí)列控系統(tǒng)保障列車安全、可靠、高效運(yùn)行。CTCS-3級(jí)列控系統(tǒng)是基于GSM-R無(wú)線通信基礎(chǔ)，實(shí)現(xiàn)車-地信息雙向傳輸，并采用無(wú)線閉塞中心（RBC）生成行車許可，采用目標(biāo)距離連續(xù)速度控制的列控系統(tǒng)；CTCS-2級(jí)列控系統(tǒng)是基于軌道電路和應(yīng)答器，傳輸列車行車許可信息，并采用目標(biāo)距離連續(xù)速度控制模式監(jiān)控列車安全運(yùn)行的列控系統(tǒng)。CTCS-3和CTCS-2級(jí)列控系統(tǒng)均包括車載設(shè)備和地面設(shè)備，兩類設(shè)備構(gòu)成如下。

（1）車載設(shè)備。我國(guó)高速鐵路列控車載設(shè)備主要包括CTCS3-300T型ATP車載設(shè)備、CTCS3-300H型ATP車載設(shè)備、CTCS3-300S型ATP車載設(shè)備、CTCS2-200C型ATP車載設(shè)備、CTCS2-200H型ATP車載設(shè)備等。其中CTCS3-300T型ATP車載設(shè)備是我國(guó)最早投入商業(yè)運(yùn)營(yíng)的CTCS-3級(jí)列控車載設(shè)備。目前已廣泛應(yīng)用在京滬、京廣、哈大、滬寧、滬杭、鄭西等高速鐵路。

（2）地面設(shè)備。我國(guó)高速鐵路信號(hào)地面設(shè)備主要包含以下4類：①信號(hào)基礎(chǔ)設(shè)備。主要包括信號(hào)機(jī)、轉(zhuǎn)轍機(jī)及其安裝裝置、軌道電路、電源、電纜電線等。②列控地面設(shè)備。主要包括列控中心（含LEU）、臨時(shí)限速服務(wù)器（TSRS）、無(wú)線閉塞中心（RBC）、應(yīng)答器等。③計(jì)算機(jī)聯(lián)鎖系統(tǒng)。④CTC/TDCS系統(tǒng)。道岔是機(jī)車車輛從一股道轉(zhuǎn)入或越過(guò)另一軌道時(shí)必不可少的線路設(shè)備，主要包含基本軌、尖軌、翼軌、轍叉心、護(hù)軌等部分，同時(shí)道岔的動(dòng)作需要轉(zhuǎn)轍機(jī)來(lái)提供動(dòng)力。道岔具有構(gòu)造復(fù)雜、養(yǎng)護(hù)維修投入大的特點(diǎn)，按功能和用途主要分為單開(kāi)道岔、對(duì)稱道岔、三開(kāi)道岔、交叉渡線、復(fù)式交分道岔5種類型。

通過(guò)對(duì)我國(guó)高鐵近十年來(lái)地面設(shè)備中的故障數(shù)量統(tǒng)計(jì)和分析，道岔故障件數(shù)居首位（故障占比39.0%）。道岔故障責(zé)任原因較多，主要包括材質(zhì)、檢修不良、尖軌卡物等。同時(shí)，根據(jù)現(xiàn)場(chǎng)數(shù)據(jù)，道岔故障率和季節(jié)有關(guān)系，極端的天氣如雨雪等對(duì)道岔的正常運(yùn)轉(zhuǎn)有較大影響（如冰雪造成道岔卡阻、季節(jié)變換導(dǎo)致鋼軌材質(zhì)的熱脹冷縮）。由于高鐵作業(yè)均在夜間，因晝夜溫差導(dǎo)致道岔適應(yīng)性調(diào)整不當(dāng)，道岔缺口動(dòng)態(tài)變化超過(guò)轉(zhuǎn)轍機(jī)的缺口變化允許范圍。

3 基于SVM的高鐵道岔故障分類

通過(guò)正則表達(dá)式進(jìn)行道岔故障文本描述數(shù)據(jù)中有關(guān)日期、時(shí)間、地點(diǎn)、特殊字符、標(biāo)點(diǎn)和英文符號(hào)的預(yù)處理，應(yīng)用融合鐵路領(lǐng)域詞典的中文分詞工具Jieba進(jìn)行分詞，并通過(guò)Word2Vec和TF-IDF分別生成特征向量，最后應(yīng)用SVM模型實(shí)現(xiàn)道岔故障的智能分類。

3.1 故障分類文本數(shù)據(jù)預(yù)處理

高鐵道岔故障文本數(shù)據(jù)記錄了道岔故障發(fā)生的時(shí)間、線路、區(qū)間和道岔故障原因及處理過(guò)程，示例數(shù)據(jù)見(jiàn)表1。

傳統(tǒng)的分類是由業(yè)務(wù)人員根據(jù)道岔故障概況和原因分析的文本描述，實(shí)現(xiàn)道岔故障分類。這種方式主要依靠業(yè)務(wù)人員對(duì)文本描述的理解和個(gè)人經(jīng)驗(yàn)進(jìn)行判斷，造成分類的不客觀、不準(zhǔn)確。同時(shí)，在應(yīng)對(duì)海量文本描述數(shù)據(jù)時(shí)，存在效率低下等問(wèn)題。通過(guò)文本分析的方式，計(jì)算機(jī)可以根據(jù)道岔故障文本的描述，實(shí)現(xiàn)道岔故障的自動(dòng)分類。

表1 高鐵道岔故障記錄文本數(shù)據(jù)示例

（1）通過(guò)定義高鐵道岔故障分類的標(biāo)準(zhǔn)，生成道岔故障分類編號(hào)，以便計(jì)算機(jī)識(shí)別（見(jiàn)表2）。

表2 高鐵道岔故障分類標(biāo)準(zhǔn)

（2）通過(guò)定義常用停用詞和標(biāo)點(diǎn)符號(hào)的詞典，如“的”“地”“但”“但是”“，”“：”等實(shí)現(xiàn)自動(dòng)過(guò)濾；并通過(guò)定義高鐵道岔故障描述相關(guān)的常見(jiàn)詞匯如：“轉(zhuǎn)轍機(jī)”“密貼檢查器”“卡阻”“定位無(wú)表示”等實(shí)現(xiàn)高鐵道岔故障文本的中文分詞，為文本特征向量表示做好準(zhǔn)備。

3.2 文本特征向量表示

針對(duì)分好的中文詞匯，文本特征向量表示最常用的方法為T(mén)F-IDF（Term Frequency-Inverse Document Frequency）和Word2Vec。TF-IDF是一種基于統(tǒng)計(jì)的常用加權(quán)方法，廣泛應(yīng)用于檢索與文本分析中［8］。Word2Vec是Google于2013年開(kāi)源的詞向量分布式表示算法［9-10］，可以在百萬(wàn)數(shù)量級(jí)的詞典和上億數(shù)據(jù)集上進(jìn)行訓(xùn)練，成為目前文本向量分布式表示的主要方法。

Word2Vec算法的實(shí)質(zhì)為一個(gè)淺層神經(jīng)網(wǎng)絡(luò)，主要包含CBoW（Continuous Bag-of-Words Model）和Skipgram模型。CBoW模型利用給定上下文的向量表示，預(yù)測(cè)目標(biāo)詞的向量表達(dá)。Skip-gram模型則是根據(jù)目標(biāo)詞的向量表示，獲得上下文的向量表示。二者均是用學(xué)習(xí)到的權(quán)重系數(shù)來(lái)表示所有詞的向量。Skip-gram模型的整體架構(gòu)見(jiàn)圖1。

圖1 Skip-gram模型整體架構(gòu)

輸入層為某個(gè)給定詞的1×N維的文本，one-hot為向量；隱含層是由V個(gè)隱含層神經(jīng)元組成，輸出層為N個(gè)Softmax輸出神經(jīng)元?dú)w一化，獲得的權(quán)重系數(shù)為每個(gè)詞的向量表示。

Skip-gram模型最終目標(biāo)是通過(guò)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)隱含層中的權(quán)重，根據(jù)給定詞one-hot詞向量預(yù)測(cè)輸出詞的概率最大。神經(jīng)網(wǎng)絡(luò)的隱含層像1個(gè)word embedding查找表，其輸出的1×V維的向量就是詞向量。主要采用Word2Vec中的Skip-gram模型生成每個(gè)中文分詞的詞向量，然后將每一條高速鐵路道岔故障記錄文本中的詞向量加權(quán)求和，表征每一條文本記錄向量。

式中：Di為某條高鐵道岔故障文本記錄的向量；m為該條記錄中分詞的數(shù)量；Wij為該記錄中每個(gè)中文分詞的向量表示。

3.3 SVM分類模型

在獲得高鐵道岔故障文本記錄的特征向量表示后，需要設(shè)計(jì)分類模型實(shí)現(xiàn)高鐵道岔故障分類，研究選擇SVM分類模型。通過(guò)構(gòu)造1個(gè)超平面f(x)，使得該函數(shù)能夠表示類別y與樣本向量x的關(guān)系。定義線性x不敏感損失函數(shù)為：

如果存在1個(gè)超平面：

其中ω∈Rn，b∈R，使得：

則稱樣本集D是ε線性近似的，f(x)為線性回歸估計(jì)函數(shù)。樣本點(diǎn){xi，yi}到超平面的距離為：

為得到最優(yōu)的超平面分類，轉(zhuǎn)換為一個(gè)優(yōu)化問(wèn)題，即使||ω||2最小。

針對(duì)非線性問(wèn)題，SVM分類模型通過(guò)非線性映射φ(x)將樣本映射為高維特征空間，并通過(guò)核函數(shù)的方式計(jì)算內(nèi)積。此時(shí)優(yōu)化問(wèn)題的目標(biāo)函數(shù)可表示為：

式中：ξi、為超平面不同分類界限的松弛變量；C為懲罰因子（C越大表示對(duì)誤差大的樣本懲罰越大，調(diào)整C可改變SVM的泛化能力）。

4 試驗(yàn)驗(yàn)證

選取2018年我國(guó)高鐵道岔故障記錄數(shù)據(jù)為試驗(yàn)數(shù)據(jù)，其中80%作為訓(xùn)練，20%作為驗(yàn)證數(shù)據(jù)集，主要采取準(zhǔn)確率（Precision）、召回率（Recall）和F-score作為模型評(píng)價(jià)和對(duì)比的指標(biāo)。

Precision計(jì)算公式為：

Recall計(jì)算公式為：

F-score計(jì)算公式為：

式中：TPi為被正確分到此類的實(shí)例個(gè)數(shù)；TNi為被正確識(shí)別不在此類的實(shí)例個(gè)數(shù)；FPi為被誤分到此類的實(shí)例個(gè)數(shù)；FNi為屬于此類但被誤分到其他類的實(shí)例個(gè)數(shù)；C為所有類別的總數(shù)。

在SVM分類模型選擇線性核函數(shù)，C=1的情況下，通過(guò)比較不同的道岔文本特征向量提取的模型表現(xiàn)如下：

（1）當(dāng)應(yīng)用TF-IDF進(jìn)行道岔故障文本特征向量提取時(shí)，在驗(yàn)證集上的總體準(zhǔn)確率達(dá)到86.4%。但對(duì)于“工務(wù)設(shè)備”“密貼檢查器”的故障樣例數(shù)據(jù)較少，分類效果不理想，二者的F1值在60%左右（見(jiàn)圖2）。

（2）當(dāng)應(yīng)用Word2Vec進(jìn)行道岔故障文本特征向量提取時(shí)，在驗(yàn)證集上的總體準(zhǔn)確率達(dá)到78.2%，對(duì)于故障樣例數(shù)據(jù)較少的“工務(wù)設(shè)備”“密貼檢查器”的分類效果不理想，二者的F1值在22%左右。對(duì)于原因不明的分類沒(méi)有較好的區(qū)分，說(shuō)明應(yīng)用Word2Vec特征提取時(shí)，效果整體不如TF-IDF的特征提取效果（見(jiàn)圖3）。

圖2 基于TF-IDF特征提取的道岔故障診斷模型訓(xùn)練結(jié)果

圖3 基于Word2Vec特征提取的道岔故障診斷模型訓(xùn)練結(jié)果

針對(duì)高鐵道岔故障樣本數(shù)據(jù)，選取的特征提取模型不一定是非常復(fù)雜的Word2Vec模型，需要結(jié)合數(shù)據(jù)特點(diǎn)選擇合適的特征提取方法；針對(duì)高鐵道岔故障樣本數(shù)據(jù)類別不平衡的問(wèn)題，可以通過(guò)自動(dòng)生成較少樣本數(shù)據(jù)的方式以及分類模型融合的方式進(jìn)行解決，此次不做深入研究。

5 結(jié)束語(yǔ)

高速鐵路道岔故障文本分類是典型的垂直行業(yè)文本分類問(wèn)題，提出基于SVM的高鐵道岔故障分類模型，彌補(bǔ)了對(duì)非結(jié)構(gòu)化道岔故障文本數(shù)據(jù)分析缺乏等問(wèn)題，避免了依靠個(gè)人經(jīng)驗(yàn)進(jìn)行道岔故障分類的弊端，為高鐵電務(wù)安全管理提供一種客觀和科學(xué)高效的技術(shù)手段，對(duì)規(guī)范高鐵道岔故障管理、提高作業(yè)標(biāo)準(zhǔn)和道岔設(shè)備運(yùn)用質(zhì)量具有重要意義。然而，在道岔故障文本數(shù)據(jù)量較少的情況下，通過(guò)TF-IDF和Word2Vec等特征工程獲得的向量表示，可為故障自動(dòng)分類提供參考?？紤]到道岔故障文本數(shù)據(jù)量較大時(shí)，傳統(tǒng)的SVM、邏輯回歸等分類器難以取得較好效果，基于深度學(xué)習(xí)方法進(jìn)行特征的自動(dòng)學(xué)習(xí)是未來(lái)的研究方向。