對軌道車輛走行部安全監(jiān)測預(yù)警算法理論的分析

陸永杰

摘要：在“十三五”發(fā)展規(guī)劃綱要的支持下，我國交通基礎(chǔ)設(shè)施建設(shè)力度不斷增強，軌道交通設(shè)施在交通體系中的地位日益突出。本文主要介紹軌道車輛走行部安全監(jiān)測預(yù)警的必要性，探究軌道車輛走行部安全監(jiān)測預(yù)警算法平臺的理論基礎(chǔ)，并從關(guān)鍵技術(shù)、自學(xué)習(xí)數(shù)據(jù)庫、安全監(jiān)測預(yù)警系統(tǒng)、安全監(jiān)測預(yù)警軟件和安全監(jiān)測預(yù)警平臺調(diào)試幾個方面深入分析軌道車輛走行部安全監(jiān)測預(yù)警算法體系，旨在全面優(yōu)化軌道車輛走行部運行環(huán)境。

Abstract： With the support of the outline of the 13th Five-Year Plan， the construction of transportation infrastructure in China has been strengthened， and the status of rail transit facilities in the transportation system has become increasingly prominent. This paper mainly introduces the necessity of safety monitoring and early warning of rail vehicle running department， probes into the theoretical basis of safety monitoring and early warning algorithm platform of rail vehicle running department， and analyzes the safety monitoring and early warning algorithm system of rail vehicle running department from the key technology， self-learning database， safety monitoring and early warning system， safety monitoring and early warning software and safety monitoring and early warning platform debugging. The aim is to optimize the running environment of rail vehicle running department.

關(guān)鍵詞：軌道車輛走行部;安全監(jiān)測預(yù)警算法;自學(xué)習(xí)數(shù)據(jù)庫;人工智能技術(shù)

中圖分類號：U270.7? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）01-0170-02

0? 引言

軌道車輛走行部是軌道車輛在牽引動力作用下沿線路運行的部分，走行部的作用是保證車輛靈活、安全、平順地沿鋼軌運行和通過曲線，可靠地承受作用于車輛各種力量并傳給鋼軌，緩和車輛和鋼軌的相互沖擊，減少車輛振動，保障足夠的運行平穩(wěn)性和良好的運行質(zhì)量，使車輛具有可靠的制動機構(gòu)，為車輛提供更好的制動基礎(chǔ)。采用安全預(yù)警算法對軌道車輛走行部進行安全監(jiān)測可切實降低軌道車輛運行風險。

1? 軌道車輛走行部安全監(jiān)測預(yù)警的必要性

公開資料顯示，2019年德國、美國、俄羅斯、波蘭、法國、日本、韓國、英國的城市軌道交通運營總里程分別為3615.1千米、1331.8千米、122.9千米、1089.5千米、1082.1千米、886.8千米、861.2千米、841.6千米，2019年我國城市軌道交通運營總里程已達6730.3千米，占全球軌道交通總運營里程23.92%，排名世界第一，由此也可推知我國在世界上具有較大的軌道車輛占有比例。軌道車輛走行部是有效維護軌道車輛運行狀態(tài)，保證車輛安全平穩(wěn)運行的關(guān)鍵結(jié)構(gòu)，隨著軌道交通運行壓力的逐步提升，軌道車輛走行部的磨損比率和故障發(fā)生比率呈現(xiàn)了明顯的上升趨勢，走行部故障存在明顯的隱性化特征，傳統(tǒng)的故障檢測技術(shù)難以對故障進行全方面識別并精準定位故障位置，針對軌道車輛走行部的安全監(jiān)測預(yù)警算法可全面優(yōu)化故障識別環(huán)境和走行部維修保養(yǎng)環(huán)境，支持相關(guān)車輛維護人員全面提升風險識別意識和風險排除意識，加強軌道車輛走行部監(jiān)測和管理的現(xiàn)代化水平，充分降低故障風險。

2? 軌道車輛走行部安全監(jiān)測預(yù)警算法平臺的理論基礎(chǔ)

隨著城市化發(fā)展進程的不斷推進，軌道交通工程的建設(shè)比例呈現(xiàn)了明顯的上升趨勢，國家發(fā)改委《關(guān)于培育發(fā)展現(xiàn)代化都市圈的指導(dǎo)意見》為軌道交通工程建設(shè)提供了有力支持，基于走行部在軌道車輛體系中的重要地位，可以預(yù)見，在未來一段時間內(nèi)，軌道交通管理部門將面對更大的走行部安全監(jiān)測壓力。

相關(guān)研究表明，軌道車輛走行部安全監(jiān)測預(yù)警算法可切實提高軌道車輛走行部的監(jiān)測效率，安全監(jiān)測預(yù)警算法平臺的理論基礎(chǔ)主要為自學(xué)習(xí)安全監(jiān)測預(yù)警方法理論、自學(xué)習(xí)模糊聚類預(yù)警理論、神經(jīng)算法理論。以自學(xué)習(xí)安全預(yù)警方法理論為基礎(chǔ)，可根據(jù)軌道車輛走行部的實際運行情況、安全運行需求，搭建車輛走行部實時狀態(tài)監(jiān)測硬件模型和車輛走行部自學(xué)習(xí)狀態(tài)識別模型，支持相關(guān)人員進行軌道車輛走行部信息整合，而在自學(xué)習(xí)模糊聚類預(yù)警理論的支持下，系統(tǒng)能夠有效搭建聯(lián)合算法聚類計算體系，實現(xiàn)聯(lián)合算法模式識別，充分提高軌道車輛走行部故障信息分析質(zhì)量，就神經(jīng)算法理論而言，其主要為BP神經(jīng)網(wǎng)絡(luò)理論，具有較高的自學(xué)習(xí)特征和智能化水平，能夠根據(jù)軌道車輛走行部的實際運行需求進行安全性分析，并根據(jù)以往的故障隱患排查經(jīng)驗，實現(xiàn)故障自動化排除和自動化校驗。自學(xué)習(xí)安全監(jiān)測預(yù)警方法理論、自學(xué)習(xí)模糊聚類預(yù)警理論和神經(jīng)算法理論為軌道車輛走行部安全監(jiān)測預(yù)警算法平臺的應(yīng)用奠定了堅實基礎(chǔ)。

3? 軌道車輛走行部安全監(jiān)測預(yù)警算法體系

3.1 關(guān)鍵技術(shù)

隨著城市化建設(shè)進程的不斷推進，城市智慧交通體系得以有效健全，在交通總體規(guī)劃與決策方案的支持下，交通組織與運營管理、公共信息服務(wù)系統(tǒng)、票務(wù)與支付系統(tǒng)、設(shè)施的建設(shè)與維護、交通安全應(yīng)急、交通基礎(chǔ)設(shè)施建設(shè)、旅客與貨物和運輸工具已成城市智慧交通體系的主要構(gòu)成。在《城市公共交通“十三五”發(fā)展綱要》的支持下，城市軌道交通體系日益擴大，軌道車輛走行部安全監(jiān)測預(yù)警的重要性得以充分突出。安全監(jiān)測預(yù)警算法體系的關(guān)鍵技術(shù)主要為大數(shù)據(jù)技術(shù)和人工智能技術(shù)，其中大數(shù)據(jù)技術(shù)可覆蓋數(shù)據(jù)庫技術(shù)、數(shù)據(jù)挖掘技術(shù)和數(shù)據(jù)整合技術(shù)，而人工智能技術(shù)主要為具有自學(xué)習(xí)特征的BP神經(jīng)網(wǎng)絡(luò)技術(shù)。以大數(shù)據(jù)技術(shù)為支撐，科研人員搭建了自學(xué)習(xí)安全監(jiān)測預(yù)警方案，設(shè)置了車輛走行部實時狀態(tài)監(jiān)測硬件模型和車輛走行部自學(xué)習(xí)狀態(tài)識別模型，完成了數(shù)據(jù)庫設(shè)計、歷史特征數(shù)據(jù)庫搭建和自學(xué)習(xí)特征量選擇，充分優(yōu)化了人工智能技術(shù)的識別基礎(chǔ)。人工智能技術(shù)是軌道車輛走行部安全監(jiān)測預(yù)警體系智慧能力的來源，能夠利用自學(xué)習(xí)與模糊聚類聯(lián)合算法全面優(yōu)化模糊聚類C均值聚類基本條件及計算流程，提高軌道車輛走行部安全監(jiān)測預(yù)警信息的導(dǎo)出效率。

3.2 自學(xué)習(xí)數(shù)據(jù)庫

近年來，我國鐵路建設(shè)迎來高峰，軌道交通體系得以不斷完善，公開資料顯示德國、日本、法國、美國和俄羅斯的鐵路人口密度分別為5.24公里/萬人、2.14公里/萬人、4.54公里/萬人、7.65公里/萬人和5.97公里/萬人，我國的鐵路人口密度僅為0.94公里/萬人，與發(fā)達國家相比仍具有較大差距。目前，軌道交通系統(tǒng)主要是使用車輛在固定導(dǎo)軌上運行的交通體系，面對日益提升的運行壓力，自學(xué)習(xí)數(shù)據(jù)庫的構(gòu)建可全面提高數(shù)據(jù)整合能力和數(shù)據(jù)儲存能力，進一步加強神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)水平?？蒲腥藛T在自學(xué)習(xí)數(shù)據(jù)庫的設(shè)計中進行了歷史特征數(shù)據(jù)庫的搭建和自學(xué)習(xí)特征量的選擇，數(shù)據(jù)庫可為BP神經(jīng)網(wǎng)絡(luò)進行走行部故障診斷以及自動故障診斷策略的學(xué)習(xí)提供基礎(chǔ)。另外，與傳統(tǒng)的數(shù)據(jù)庫相比，自學(xué)型數(shù)據(jù)庫還可切實降低數(shù)據(jù)整合壓力，其自動化的數(shù)據(jù)整合能力將充分擴大數(shù)據(jù)整合范圍，提高數(shù)據(jù)整合效率，支持軌道交通管理部門將軌道車輛走行部的運行信息與正常狀態(tài)下的運行信息進行比對，繼而設(shè)置針對性維護方案，提高故障解決效率和應(yīng)急反應(yīng)速度[1]。另外，自學(xué)習(xí)數(shù)據(jù)庫充分利用了數(shù)據(jù)挖掘技術(shù)和數(shù)據(jù)分析技術(shù)的數(shù)據(jù)整合優(yōu)勢，以云計算技術(shù)的云儲存平臺為支撐，實現(xiàn)了數(shù)據(jù)信息的高度整合和安全儲存，充分提高了信息安全系數(shù)。

3.3 安全監(jiān)測預(yù)警系統(tǒng)

安全監(jiān)測預(yù)警系統(tǒng)具備優(yōu)良的數(shù)據(jù)采集能力，數(shù)據(jù)采集設(shè)備主要包括數(shù)據(jù)采集卡、功率放大器、電磁激振器、加速度傳感器、信號調(diào)理器、工控機和示波器，分別用于多通道數(shù)據(jù)通信、信號功率放大、激勵信號源、加速度信號獲取、信號濾波調(diào)理、上位機和波形信號顯示，具有較高的數(shù)據(jù)整合能力和數(shù)據(jù)分析能力[2]。與傳統(tǒng)的數(shù)據(jù)整合平臺相比，安全監(jiān)測預(yù)警系統(tǒng)能夠憑借自學(xué)習(xí)數(shù)據(jù)庫進行軌道車輛走行部的故障預(yù)警，支持軌道交通管理部門形成更為完善的應(yīng)急體系，降低軌道車輛的運行風險。

3.4 安全監(jiān)測預(yù)警軟件

安全監(jiān)測預(yù)警軟件具有多樣性信息監(jiān)測能力，可切實提高軌道車輛走行部的信息監(jiān)控水平，當軌道車輛走行部信息發(fā)生后，可通過C#信號生成程序生成數(shù)字信號，經(jīng)由NI數(shù)據(jù)卡和D/A轉(zhuǎn)換使模擬信號進入功率放大器，經(jīng)過放大后在電磁激振器的激勵下進入機械試驗臺由加速度傳感器進行處理，繼而由信號調(diào)理器對振動信號和模擬信號進行加成，并再次經(jīng)由NI數(shù)據(jù)卡進行A/D轉(zhuǎn)換，成為數(shù)字信號，在C#數(shù)據(jù)采集程序的支持下完成數(shù)據(jù)計算和數(shù)據(jù)特征提取，將數(shù)據(jù)儲存于ACCESS數(shù)據(jù)庫中，基于自學(xué)型模糊聚類預(yù)警算法模式識別和神經(jīng)網(wǎng)絡(luò)算法故障預(yù)警分析，最終導(dǎo)出自學(xué)習(xí)安全預(yù)警結(jié)果。安全預(yù)警系統(tǒng)軟件可進行軌道不平順信號獲取、激勵信號輸出以及系統(tǒng)數(shù)據(jù)庫實現(xiàn)，支持信號采集程序、自學(xué)習(xí)模糊聚類程序和神經(jīng)網(wǎng)絡(luò)算法程序的合理運行，有效優(yōu)化自學(xué)習(xí)模糊聚類樣本聚類學(xué)習(xí)程序，實時分析安全預(yù)警程序的運行狀態(tài)以及BP神經(jīng)網(wǎng)絡(luò)計算程序和實時神經(jīng)網(wǎng)絡(luò)監(jiān)測程序的運行環(huán)境。

3.5 安全監(jiān)測預(yù)警平臺調(diào)試

走行部的運行質(zhì)量將直接影響軌道車輛的運行安全，基于安全監(jiān)測預(yù)警算法的運行基礎(chǔ)和關(guān)鍵技術(shù)，應(yīng)通過平臺調(diào)試，保證其應(yīng)用有效性。調(diào)試內(nèi)容主要為信號激勵系統(tǒng)、自學(xué)習(xí)模糊聚類樣本學(xué)習(xí)測試、自學(xué)習(xí)模糊聚類實時安全預(yù)警測試、神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練過程測試和神經(jīng)網(wǎng)絡(luò)實時安全預(yù)警測試，在信號激勵系統(tǒng)調(diào)試過程中應(yīng)有效識別方波信號和變速信號，通過測試軌道位置和軌道速度，調(diào)節(jié)激勵信號的幅度以獲得最佳反饋效果，而在自學(xué)習(xí)模糊聚類樣本學(xué)習(xí)測試和實時安全預(yù)警測試中應(yīng)通過樣本計算，獲得正常樣本和故障樣本的分類指標，繼而使自學(xué)習(xí)數(shù)據(jù)庫具備完善的故障整合體系，在自學(xué)習(xí)特征參數(shù)神經(jīng)網(wǎng)絡(luò)算法測試中可通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練，分析故障狀態(tài)下數(shù)據(jù)的明顯變化，使系統(tǒng)能夠有效診斷故障信息。

4? 結(jié)論

總而言之，走行部是軌道車輛體系的重要構(gòu)成，采用安全監(jiān)測預(yù)警算法對軌道車輛走行部進行監(jiān)測管理，有助于提高車輛安全運行系數(shù)，降低運行風險。基于軌道車輛走行部安全監(jiān)測預(yù)警算法平臺的理論基礎(chǔ)，應(yīng)積極發(fā)揮相關(guān)關(guān)鍵技術(shù)在信息整合和數(shù)據(jù)分析上的作用優(yōu)勢，提高軌道車輛管理人員的危機意識和車輛維護意識，使軌道車輛具有長期安全運行基礎(chǔ)。

參考文獻：

[1]曲婉，孫帥.自動導(dǎo)向軌道系統(tǒng)車輛及其走行部分析[J].現(xiàn)代城市軌道交通，2020（09）：6-12.

[2]陳艷鑫，楊碩.軌道交通車輛走行部故障診斷系統(tǒng)研究[J].內(nèi)燃機與配件，2020（07）：155-157.

[3]丁亞琦，陳超，黃貴發(fā)，等.軌道車輛走行部振動檢測及PHM系統(tǒng)[J].城市軌道交通，2019（05）：29-32.