25Hz相敏軌道電路綜合診斷方法研究

摘? 要：文章從失效模式和故障原因2個(gè)方面，對25 Hz相敏軌道電路系統(tǒng)進(jìn)行深入分析，搭建了25 Hz軌道電路的故障預(yù)測與健康管理（PHM）體系結(jié)構(gòu);提出了數(shù)據(jù)采集、故障分區(qū)方案;憑借基于決策樹的故障診斷模型，最終輸出維修維護(hù)決策，其有助于提高25 Hz相敏軌道電路維修效率，降低維修維護(hù)成本，提高軌道電路的可靠性和可用性，為保障列車安全運(yùn)行發(fā)揮積極作用。

關(guān)鍵詞：25 Hz相敏軌道電路;數(shù)據(jù)采集;決策樹;綜合診斷

中圖分類號：U284.2? ? 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2021）18-0044-04

Abstract： This paper deeply analyzes the 25 Hz phase sensitive track circuit system from two aspects of failure mode and failure cause， builds the architecture of Prognostics and Health Management （PHM） for 25 Hz track circuit fault; proposes data acquisition and fault partition scheme; with the fault diagnosis model based on decision tree， the maintenance decision is finally output， which helps to improve the maintenance efficiency of 25 Hz phase sensitive track circuit， reduce the maintenance cost， improve the reliability and availability of track circuit， and play a positive role in ensuring the safe operation of train.

Keywords： 25 Hz phase sensitive track circuit; data acquisition; decision tree; comprehensive diagnosis

0? 引? 言

目前在國內(nèi)，25 Hz相敏軌道電路是既有線站內(nèi)軌道電路的主要制式，由于其室外設(shè)備長期暴露在開放環(huán)境下，受雨雪天氣、牽引電流工頻干擾等因素影響較大，給設(shè)備維護(hù)人員帶來了極大的挑戰(zhàn)。當(dāng)前對軌道電路的維護(hù)措施主要有3種：

（1）人工巡檢，效率低且存在極大的人身安全隱患。

（2）電務(wù)綜合檢測車，成本高且檢測周期長，不能及時(shí)反映現(xiàn)場設(shè)備狀況。

（3）信號集中監(jiān)測系統(tǒng)，雖是當(dāng)前最主要的維護(hù)輔助系統(tǒng)，但針對站內(nèi)25 Hz軌道電路，只采集了少量室內(nèi)設(shè)備電氣參數(shù)，幾乎不采集室外設(shè)備電氣參數(shù)，存在室內(nèi)設(shè)備監(jiān)測不全、室外設(shè)備監(jiān)測基本空白等不足。

通過查找相關(guān)文獻(xiàn)，研究25 Hz相敏軌道電路故障綜合診斷判別方法。文獻(xiàn)[1]提出了采用模糊神經(jīng)網(wǎng)絡(luò)的方法，建立高壓脈沖軌道電路故障預(yù)測模型，對高壓脈沖軌道電路的故障分析十分有效;文獻(xiàn)[2]提出基于定性趨勢分析理論的電氣絕緣節(jié)設(shè)備故障診斷方法，為無絕緣軌道電路的故障分析提供了重要參考;文獻(xiàn)[3]提出一種基于組合決策樹的無絕緣軌道電路診斷方法，對ZPW-2000A型軌道電路故障診斷具有較高的準(zhǔn)確率;文獻(xiàn)[4]利用組合模型對25 Hz軌道電路進(jìn)行診斷，可以克服單項(xiàng)診斷方法信息單一、診斷片面等不足，具有更好的故障診斷準(zhǔn)確度;文獻(xiàn)[5]通過粒子群參數(shù)優(yōu)化的支持向量機(jī)模型，實(shí)現(xiàn)了對ZPW-2000型軌道電路分路不良的預(yù)測;文獻(xiàn)[6-10]對25 Hz軌道電路故障診斷方法進(jìn)行了研究。

以上文獻(xiàn)對ZPW-2000型系列和高壓脈沖型軌道電路的研究較多，但尚未從故障預(yù)測與健康管理的角度對25 Hz軌道電路進(jìn)行綜合診斷。為此，提出采集25 Hz軌道電路的電氣特性數(shù)據(jù)，基于數(shù)據(jù)進(jìn)行故障定位和故障預(yù)警，最終實(shí)現(xiàn)25 Hz軌道電路健康管理的方案，以保證軌道電路的高可靠性和高安全性。

1? 25 Hz軌道電路系統(tǒng)組成

25 Hz軌道電路由送電端設(shè)備和受電端設(shè)備組成[11]，圖1為典型的25 Hz軌道電路的結(jié)構(gòu)圖。送電端設(shè)備主要由送電端軌道變壓器、限流電阻、熔斷器組成;受電端設(shè)備主要由受電端軌道變壓器、熔斷器、補(bǔ)償防護(hù)器、防護(hù)盒、25 Hz軌道電路接收器等組成。室內(nèi)送電電源經(jīng)過送電端設(shè)備到達(dá)室外，通過電纜送至鋼軌，鋼軌作為傳輸介質(zhì)，將電流送至受電端軌道接收器軌道線圈側(cè)，當(dāng)兩側(cè)的電壓和頻率達(dá)到規(guī)定要求時(shí)，軌道繼電器勵磁吸起，軌道電路處于調(diào)整狀態(tài);當(dāng)區(qū)段內(nèi)有車占用時(shí)，輪對將軌道電路短路，受電端軌道接收器失磁落下，軌道電路處于分路狀態(tài)。

2? 基于FTA的故障分析

25 Hz軌道電路具有組成元器件多、傳輸介質(zhì)復(fù)雜，易受室外環(huán)境影響等特點(diǎn)，從而導(dǎo)致故障的原因比較復(fù)雜。因此提出采用基于FTA的故障原因分析方法，分別對25 Hz軌道電路有車占用時(shí)無紅光帶顯示（即分路不良故障）和無車占用時(shí)點(diǎn)亮紅光帶（即紅光帶故障）2種典型故障現(xiàn)象進(jìn)行原因分析，如圖2所示。

通過對25 Hz軌道電路的兩種故障現(xiàn)象自上而下地分析原因，可以確定其基本的故障現(xiàn)象。如圖2（a）對分路不良故障FTA分析：首先分析是否為聯(lián)鎖采集軌道繼電器故障，如果是則確定一個(gè)故障原因;接著分析是否為軌道繼電器本身錯誤吸起，如果是也可以確定一個(gè)故障原因;再分析接收端的電平是否高于門限值，直至所有事件都分析完畢。圖2（b）對紅光帶故障FTA分析，故障原因有聯(lián)鎖采集軌道繼電器故障、防護(hù)盒、防雷補(bǔ)償器、端子連接不當(dāng)、防護(hù)盒、防雷補(bǔ)償器故障、受端鋼軌絕緣破損、斷軌、道床電阻過低等，依據(jù)故障樹可依次確定故障原因。

基于FTA的故障原因分析從定性的角度對25 Hz軌道電路進(jìn)行故障分析。為確保25 Hz軌道電路穩(wěn)定運(yùn)行，提高維修效率，設(shè)計(jì)25 Hz軌道電路健康管理系統(tǒng)。通過采集25 Hz軌道電路關(guān)鍵節(jié)點(diǎn)的參數(shù)，判斷是否存在故障，做到將故障定位至具體分區(qū)和模式，并對當(dāng)前未出現(xiàn)故障的設(shè)備進(jìn)行故障預(yù)測，最終實(shí)現(xiàn)健康管理。

3? 25 Hz軌道電路PHM體系結(jié)構(gòu)設(shè)計(jì)

預(yù)測與健康管理技術(shù)（Prognosties and Health Management， PHM）是在綜合利用現(xiàn)代信息技術(shù)、人工智能技術(shù)最新研究成果的基礎(chǔ)上，提出的一種全新的管理健康狀態(tài)的解決方案[12]。PHM包括2層含義：一是故障預(yù)測，即預(yù)先診斷部件或系統(tǒng)完成其功能的狀態(tài)，確定部件正常工作的時(shí)間長度;二是健康管理，即根據(jù)診斷、預(yù)測信息、可用資源和使用需求對維修活動做出適當(dāng)決策的能力[13，14]。一般而言，PHM系統(tǒng)主要由6個(gè)部分構(gòu)成：數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、狀態(tài)監(jiān)測、狀態(tài)評估、故障診斷和故障預(yù)測、人機(jī)接口。本文提出搭建的25 Hz軌道電路的PHM體系結(jié)構(gòu)如圖3所示。

3.1? 數(shù)據(jù)采集

通過傳感器等手段，監(jiān)測軌道電路系統(tǒng)室內(nèi)外設(shè)備電氣特性及關(guān)鍵參數(shù);采集設(shè)備所處的環(huán)境參數(shù)，如溫度、濕度等;提前獲取軌道電路系統(tǒng)的功能參數(shù)以及各部件的基本參數(shù)。

根據(jù)實(shí)際的25 Hz軌道電路元器件布置及健康管理分析需求，確定采集點(diǎn)位置，如圖1所示?！癡數(shù)字”代表采集此處的電壓，“A數(shù)字”代表采集此處的電流。具體采集位置和采集內(nèi)容如表1所示。

3.2? 狀態(tài)監(jiān)測及評估

對預(yù)處理后的數(shù)據(jù)進(jìn)行分析，通過閾值判斷、似然度比較、偏離度計(jì)算等方法，實(shí)現(xiàn)對軌道電路系統(tǒng)的狀態(tài)監(jiān)測，并評估狀態(tài)監(jiān)測的結(jié)果。如果結(jié)果偏離正常值過大，則判斷為故障;若略有偏差，但系統(tǒng)仍正常工作，則判斷為系統(tǒng)的退化狀態(tài)，由此可確定25 Hz軌道電路是處于故障狀態(tài)還是正常狀態(tài)。

3.3? 故障診斷和故障預(yù)測

若判斷為故障，通過故障診斷模塊進(jìn)行故障識別和定位;若判斷為退化狀態(tài)，則通過故障預(yù)測與健康管理模塊對其進(jìn)行趨勢分析，并制定保障策略。使用決策樹方法對采集的數(shù)據(jù)進(jìn)行分析，確定對應(yīng)的故障分區(qū)及具體的故障模式。

決策樹是一種樹形結(jié)構(gòu)，從根節(jié)點(diǎn)出發(fā)，每一個(gè)樹節(jié)點(diǎn)表示一個(gè)屬性測試，每個(gè)分支表示一個(gè)測試輸出，從根節(jié)點(diǎn)依次向下遍歷分支路徑，最終由樹的葉節(jié)點(diǎn)標(biāo)記實(shí)例類別[15]。決策樹形成的樹狀判別網(wǎng)絡(luò)結(jié)構(gòu)清晰，可解釋性較強(qiáng)。

構(gòu)建25 Hz軌道電路的決策樹網(wǎng)絡(luò)模型，首先需確定其故障分區(qū)和每個(gè)分區(qū)對應(yīng)的故障模式：

（1）故障分區(qū)。將軌道電路劃分為8個(gè)區(qū)域，具體劃分如圖1所示。每個(gè)區(qū)域又歸納了對應(yīng)的常見故障模式，如表2所示，故障代碼為F1～F16，F(xiàn)0代表系統(tǒng)正常。

（2）故障定位。如圖4所示，在根節(jié)點(diǎn)處判別系統(tǒng)狀態(tài)，正常則輸出“F0”，異常則依次向下遍歷分支，直到判別出具體故障模式（F1～F16）。其中每一個(gè)樹節(jié)點(diǎn)都可以表示為一顆決策樹，將采集的數(shù)據(jù)（V1～V5，A1～A6）作為條件屬性，通過對條件屬性的判斷，得到最終的故障診斷結(jié)果。

根據(jù)專家經(jīng)驗(yàn)，當(dāng)系統(tǒng)異常時(shí)，先判斷V4是否大于50 V，若大于該值則定位為室內(nèi)故障;若不大于該值再判斷V1是否小于200 V，如果小于200 V則為室內(nèi)故障，如果等于220±6.6 V則為室外故障。

3.4? 健康管理模型

當(dāng)判斷系統(tǒng)狀態(tài)正常的時(shí)候，進(jìn)一步對其進(jìn)行故障預(yù)測分析。結(jié)合設(shè)備生命周期內(nèi)各個(gè)階段的參數(shù)，預(yù)判設(shè)備的故障時(shí)間。在決策樹模型的基礎(chǔ)上，引入時(shí)間t參數(shù)，輸出結(jié)果為“t時(shí)間后，可能發(fā)生的故障”。

基于故障診斷結(jié)果和預(yù)測結(jié)果，輸出設(shè)備故障分析報(bào)告、設(shè)備故障預(yù)警報(bào)告，為維修維護(hù)人員的日常決策提供支持。

4? 結(jié)? 論

本文通過對25 Hz軌道電路的系統(tǒng)組成、失效模式、故障原因的分析，構(gòu)建了25 Hz相敏軌道電路的PHM體系，提出了數(shù)據(jù)采集方案，歸納了軌道電路故障分區(qū)和故障模式，采用組合決策樹進(jìn)行故障定位，并引入時(shí)間參數(shù)對設(shè)備進(jìn)行故障預(yù)測，最終將診斷和預(yù)測結(jié)果反饋給維修維護(hù)人員，為其維修維護(hù)決策提供支持?？捎行Ы档途S修保養(yǎng)費(fèi)用，縮短維修時(shí)間，提高軌道電路設(shè)備的安全性，對保障列車安全可靠運(yùn)行具有重要意義。后續(xù)健康管理模型可研究引入多維數(shù)據(jù)來進(jìn)行綜合判斷，可有效提升設(shè)備維修維護(hù)水平。

參考文獻(xiàn)：

[1] 黃贊武，魏學(xué)業(yè)，李紹斌.軌道電路故障預(yù)測與健康管理體系結(jié)構(gòu)設(shè)計(jì) [J].計(jì)算機(jī)工程，2012，38（20）：232-235.

[2] 孫上鵬，趙會兵，全宏宇，等.基于定性趨勢分析的無絕緣軌道電路電氣絕緣節(jié)設(shè)備故障診斷方法 [J].中國鐵道科學(xué)，2014，35（1）：105-113.

[3] 朱文博，王小敏.基于組合決策樹的無絕緣軌道電路故障診斷方法研究 [J].鐵道學(xué)報(bào)，2018，40（7）：74-79.

[4] 米根鎖，楊潤霞，梁利.基于組合模型的軌道電路復(fù)雜故障診斷方法研究 [J].鐵道學(xué)報(bào)，2014，36（10）：65-69.

[5] 張夢琪，趙會兵，孫上鵬.基于粒子群支持向量機(jī)的軌道電路分路不良預(yù)測方法 [J] 鐵道學(xué)報(bào)，2015，37（10）：68-74.

[6] 陸曉峰，王小敏，李光耀.基于Mamdani模糊神經(jīng)網(wǎng)絡(luò)的相敏軌道電路故障診斷方法研究 [J].鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2015，59（11）：104-109.

[7] 王剛.基于分層歸類法的25 Hz相敏軌道電路故障診斷與分析 [J].鐵路通信信號工程技術(shù)，2017，14（5）：105-107+120.

[8] 鄭云水，牛行通，康毅軍.蝙蝠算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的25 Hz相敏軌道電路故障診斷研究 [J].鐵道學(xué)報(bào)，2018，40（12）：93-100.

[9] 謝旭旭，戴勝華.基于深度學(xué)習(xí)的無絕緣軌道電路故障診斷研究 [J].鐵道學(xué)報(bào)，2020，42（6）：79-85.

[10] 董煜.基于改進(jìn)證據(jù)理論的25Hz軌道電路故障診斷方法研究 [D].蘭州：蘭州交通大學(xué)，2019.

[11] 安海君，李建清，吳保英.25Hz相敏軌道電路：第四版 [M].北京：中國鐵道出版社，2018.

[12] 孔學(xué)東，恩云飛，陸裕東.電子產(chǎn)品故障預(yù)測與健康管理 [M].北京：電子工業(yè)出版社，2013.

[13] 彭宇，劉大同，彭喜元.故障預(yù)測與健康管理技術(shù)綜述 [J].電子測量與儀器學(xué)報(bào)，2010，24（1）：1-9.

[14] 時(shí)旺，孫宇鋒，王自力，等.PHM系統(tǒng)及其故障預(yù)測模型研究 [J].火力與指揮控制，2009，34（10）：29-32+35.

[15] 徐鵬，林森.基于C4.5決策樹的流量分類方法 [J].軟件學(xué)報(bào)，2009，20（10）：2692-2704.

作者簡介：黃旭（1994—），女，漢族，陜西榆林人，工程師，碩士研究生，研究方向：鐵路信號、軌道電路。