基于電流曲線的道岔卡阻識別算法及實現(xiàn)

陳 蕊

（國能包神鐵路集團(tuán)有限責(zé)任公司，包頭 014000）

道岔卡阻在道岔故障類別中的危險等級是相對較高的，道岔的卡阻意味著道岔無法運動至有效位置，列車傾覆的發(fā)生概率將會大幅提高，由于目前大多數(shù)岔區(qū)未安裝檢測道岔鎖閉是否結(jié)束的傳感器，因此無法采用傳感器檢測的方式對道岔卡阻第一時間進(jìn)行預(yù)警。

一個完整的轉(zhuǎn)轍機(jī)動作的電流曲線是能夠從某些視角反映道岔的移動過程的，由于道岔在各個時刻所承受的摩擦力、鋼鐵的回彈力是在變化的，因此其所需要的動力也是在不停變化的，這是引起電流曲線變化的主要原因。ZD6 轉(zhuǎn)轍機(jī)正常工作下的一個周期完整電流曲線如圖1所示。

從圖1可以明顯看出，在轉(zhuǎn)子轉(zhuǎn)速達(dá)到正常運行速度（300 ms 時刻附近）后，整個運動過程的電流維持在1100 mA 左右。當(dāng)卡阻發(fā)生后，離合器內(nèi)將發(fā)生摩擦，由于該摩擦力大于道岔搬動所需要的力，因此電動機(jī)需要消耗更多的電能來克服摩擦力，電流曲線將會上移，此時的電流曲線也被稱為摩擦電流。在卡阻持續(xù)的情況下，該摩擦電流將會持續(xù)，直到超時檢測發(fā)生或人為關(guān)斷電源。典型的卡阻電流如圖2所示。

圖1 正常的ZD6 轉(zhuǎn)轍機(jī)周期動作電流曲線Fig.1 Normal ZD6 switch machine periodic action current curve

圖2 卡阻發(fā)生時ZD6 轉(zhuǎn)轍機(jī)的電流曲線Fig.2 Current curve of ZD6 switch machine when switch block

圖2所示的情形，相對來說是一個較為理想的卡阻電流曲線，實際上由于現(xiàn)場環(huán)境復(fù)雜，強(qiáng)弱電交叉的場景較為普遍，電流曲線中出現(xiàn)噪點是不可避免的。如果僅采用閾值的方式進(jìn)行卡阻識別，那么電機(jī)啟動過程中的尖峰段的部分曲線也是符合條件的，也可能會被誤判為卡阻。隨著人工智能的發(fā)展，出現(xiàn)了大量的基于相似、故障樹的識別技術(shù)[1-12]。本文通過分析數(shù)據(jù)特征，采用了一系列成熟的算法對這些特征進(jìn)行提取，可以在有限的條件下，高質(zhì)高效地完成電流曲線的特征識別，從而進(jìn)行進(jìn)一步的分析和診斷。

1 研究思路

在開始研究之前需要特別指出的是，通過對卡阻曲線和正常曲線對比，卡阻曲線的數(shù)據(jù)量往往是正常曲線數(shù)據(jù)量的幾倍甚至十幾倍，處理的時間也將會大大延長，因此先對數(shù)據(jù)進(jìn)行小波分解和重構(gòu)[13]，采用小波降層采樣的處理方法既能降低數(shù)據(jù)量，又能保證曲線形態(tài)，從而實現(xiàn)“降維打擊”。但并非所有大數(shù)據(jù)量曲線均是卡阻曲線，因此需要在曲線形態(tài)吻合的情況下，才能進(jìn)行故障定位。

對于常見的電流曲線，將其分為啟動階段、解鎖階段、移動階段和鎖閉階段。而對于卡阻曲線，由于卡阻的發(fā)生與正常曲線之間具有明顯的交接線，因此也是可以進(jìn)行階段分割。

2 算法設(shè)計與實現(xiàn)

本研究以ZD6 的實際電流曲線為例，采用算法設(shè)計與實現(xiàn)同步進(jìn)行的方式對識別方法進(jìn)行展開說明。

2.1 小波降層采樣

小波分析的核心思想為：利用小波尺度函數(shù)對原始數(shù)據(jù)進(jìn)行階梯逼近，如式（1）所示，采用多層小波分解算法（如式（2）所示）對逼近數(shù)據(jù)進(jìn)行分解，其層分解的邏輯圖如圖3所示。對數(shù)據(jù)分層后，以圖3所示，從下往上根據(jù)所需要的數(shù)據(jù)量進(jìn)行截斷，最后對函數(shù)進(jìn)行重構(gòu)。在圖3中，越是上層其數(shù)據(jù)量越大，代表采用的尺度函數(shù)的分辨率越高。重構(gòu)采用的算式如式（3）所示：

圖3 小波多層分解示意圖Fig.3 Schematic diagram of wavelet multilayer decomposition

式中：φ 為尺度函數(shù)。

式中：

ψ 為小波函數(shù)。

式中：

本研究建議采用保留不少于3000 點的最少點數(shù)的方式進(jìn)行小波降層采樣，也就是以剛好大于3000 點的層數(shù)為截至，得到采樣數(shù)據(jù)。采用本方法對圖2數(shù)據(jù)進(jìn)行采樣，采樣后的采樣數(shù)據(jù)如圖4所示。其中兩側(cè)存在極少點的零值，這是由于降層剔除了高頻分量，而該位置的數(shù)據(jù)為斷崖式階躍變化，因此出現(xiàn)了超高頻分量被剔除，導(dǎo)致該位置數(shù)據(jù)無法中和，各端的零值點數(shù)通常是不超過5 個的。在此要說明的是，降維采樣數(shù)據(jù)的點的位置與原位置之間正比于二者數(shù)據(jù)的個數(shù)，因此可得到二者之間的點的對應(yīng)關(guān)系，換算關(guān)系如式（4）所示：

圖4 卡阻電流曲線的小波降層采樣結(jié)果Fig.4 Wavelet laydown sampling results of the switch block current curve

式中：xold為原始位置點；xnew為降層采樣后位置點；Nold為原始數(shù)據(jù)點總數(shù)；Nnew為降層采樣后數(shù)據(jù)點總數(shù)。

2.2 降噪處理

由于采樣點具有紋波的抖動特點，所以需要把這些抖動幅度進(jìn)行降低。同時在多個位置電流曲線具有“階躍”式變化，因此無法采用低通濾波方式進(jìn)行濾波（階躍信號含有所有頻率分量，低通濾波依然產(chǎn)生伴生波形），為此本研究采用求累積求和量的方法對電流曲線進(jìn)行處理，算式如式（5）所示：

2.3 高通濾波

可以看出，累積曲線發(fā)生轉(zhuǎn)折的位置即為電流曲線發(fā)生大跳躍的位置，如果對數(shù)據(jù)進(jìn)行去趨勢處理后（去除直流量），則曲線發(fā)生轉(zhuǎn)折的位置將會被放大。這里采用了Butterworth 高通濾波，其頻幅相應(yīng)曲線如圖5所示，進(jìn)行累積曲線與高通濾波后曲線如圖6所示。

圖5 Butterworth 濾波器頻幅響應(yīng)Fig.5 Frequency response of Butterworth filter

圖6 濾除直流量的累積曲線Fig.6 Cumulative curve for filtering out direct flow

2.4 區(qū)域粗分割

高通濾波后的曲線的峰值（波峰或波谷）對應(yīng)著累積曲線的拐點位置，這些拐點位置也對應(yīng)著電流曲線的階躍位置?？梢钥吹接捎跒V波的緣故，在幅度較大的尖峰附近存在伴生的小波尖峰，在數(shù)據(jù)結(jié)尾處存在一個尖峰。

本研究采用五點極值法求取峰值位置，方法如下：

某點Pi，其值大于0，且其值與左側(cè)2 個點呈遞增趨勢，與右側(cè)2 個點成遞減趨勢，且連續(xù)5 個值不能全部相等，則稱為正向極值，條件表達(dá)式為

某點Pi，其值小于0，且其值與左側(cè)2 個點呈遞減趨勢，與右側(cè)2 個點成遞增趨勢，則稱為負(fù)向極值，條件表達(dá)式為

從圖6中可見，對于為了降低中間段的紋波對駝峰提取的影響，采用KS 密度函數(shù)法對其進(jìn)行分類，如圖7所示。去除靠近x 軸范圍內(nèi)的數(shù)據(jù)，降低紋波對其駝峰求取的影響。去除0 位置的紋波的數(shù)據(jù)后，新的濾除直流量的數(shù)據(jù)如圖8所示。

圖7 KS 密度函數(shù)計算結(jié)果Fig.7 KS density function calculation results

求取圖8中的峰值后，以各峰值作為界限，即實現(xiàn)了將電流曲線以跳躍點較大的位置分段的方法。加入分段結(jié)果后的電流曲線如圖9所示。

圖8 去除紋波后的駝峰圖Fig.8 Hump diagram after ripple removal

圖9 加入分割線后的原始電流曲線Fig.9 Original current curve after adding the dividing line

在圖9中可以看到，在第一區(qū)段內(nèi)，右側(cè)的數(shù)據(jù)是存在強(qiáng)烈波動的，但是其始終圍繞著本區(qū)段內(nèi)的“主值”，實際上仔細(xì)觀察圖6中的高通曲線，對應(yīng)劇烈波動位置的尖峰是確實存在的，只是其尖峰被更明顯的尖峰“掩蓋”了。這種情況在下面步驟中是有處理的。

2.5 卡阻區(qū)段細(xì)分

為了消除初級分段造成的范圍不準(zhǔn)確，需要對初分后的區(qū)段進(jìn)行二次細(xì)分。

對大量的摩擦電流分析后，得出常規(guī)情況下摩擦電流的曲線具有的4 個規(guī)律：

（1）連續(xù)的；

（2）持續(xù)范圍較長的；

（3）紋波小；

（4）水平趨勢穩(wěn)定。

利用第（3）和第（4）條規(guī)律，本文再次采用KS密度函數(shù)對初級分割的范圍內(nèi)符合的電流值進(jìn)行分類，以初級分段求得的第一區(qū)間的數(shù)據(jù)為例如圖10所示，做KS 密度函數(shù)分布如圖11所示。

圖10 初分第一區(qū)間原始數(shù)據(jù)放大圖Fig.10 Enlarged view of original data in the first interval of initial division

從圖11可以看出，數(shù)據(jù)段形成了3 組圍繞其某主值分布的集合，也就是整段的數(shù)據(jù)被分為了3 個范圍。求得其中所有的尖峰，則可以得到每個分類區(qū)間的“主值”，找到該尖峰與其它峰之間的分界，即每個尖峰的兩側(cè)的“山谷（山坳）”位置，為了防止范圍過寬而導(dǎo)致無效數(shù)據(jù)可能被誤包含，因此建議從峰值對應(yīng)x 軸位置向左右兩側(cè)最多延伸不大于±150 mA 的范圍，這樣就得到了每個尖峰及其能控制的范圍，即得到了整個區(qū)段內(nèi)數(shù)據(jù)被分類后能覆蓋的多個（也可能是一個）數(shù)據(jù)范圍。

圖11 第一區(qū)間內(nèi)的KS 密度函數(shù)分布圖Fig.11 KS density function distribution in the first interval

將求得的分類范圍與摩擦電流范圍進(jìn)行對比，將二者之間存在包含、交叉關(guān)系的分類范圍作為重點研究對象，因為發(fā)生摩擦電流的區(qū)段內(nèi)的數(shù)據(jù)一定位于這些分類范圍內(nèi)。

經(jīng)過篩選后，通常只會有一個分類區(qū)間是符合上述條件的。為了防止發(fā)生誤判，如果發(fā)生多個區(qū)間符合條件的情況，則加入閾值判斷，即交叉范圍的比例低于某一閾值的情況則認(rèn)為該區(qū)間內(nèi)并未發(fā)生摩擦電流。

獲得有效范圍后，剔除不在該范圍內(nèi)的數(shù)據(jù)，剩余數(shù)據(jù)如圖12所示。其中“■”狀數(shù)據(jù)為篩選后的數(shù)據(jù)，線型為原始電流數(shù)據(jù)。

圖12 KS 密度函數(shù)篩選前后的電流曲線Fig.12 Current curve of KS density function before and after screening

從圖12可以看到，雖然某些部分?jǐn)?shù)據(jù)是屬于摩擦電流的范圍，但其并不是由摩擦導(dǎo)致的電流數(shù)據(jù)，因此不能構(gòu)成有效卡阻區(qū)間。由于摩擦電流是穩(wěn)定的，其總趨勢應(yīng)呈現(xiàn)出水平直線的形態(tài)，所以建議先采用線性回歸法對值的變化趨勢做出判斷，如果擬合結(jié)果的斜率是相對較大的，那么就證明本段數(shù)據(jù)并不平穩(wěn)，僅是一個穿過有效范圍內(nèi)的曲（直）線，違背了第（4）條規(guī)律：“水平趨勢穩(wěn)定”，其本質(zhì)是一個過路者。本文根據(jù)大量的算例，認(rèn)為斜率大于0.1 的情況，即便其平均值在有效范圍內(nèi)，也不屬于摩擦電流范圍。

由于摩擦電流是連續(xù)的，因此很容易通過判斷圖12中“■”點的序號是否連續(xù)，對其進(jìn)行分組。本文認(rèn)為某一分組中點數(shù)少于3 點，則該組是噪點。

對分組內(nèi)的數(shù)據(jù)做線性擬合，擬合結(jié)果與原始數(shù)據(jù)對比如圖13所示。

圖13 擬合線和原始數(shù)據(jù)的比較Fig.13 Comparison of fitting line and original data

常用的線性回歸通常采用最小二乘法計算，以方差作為最終目標(biāo)，找到能夠使得方差最小、最穩(wěn)定的一元一次多項式，本研究也采用了該方法[14]。

2.6 摩擦電流發(fā)生的判別

出現(xiàn)摩擦電流并不就代表一定發(fā)生了卡阻，卡阻發(fā)生在出現(xiàn)持續(xù)一段時間的摩擦電流后。實際在正常的情況下，在鎖閉階段也可能由于密貼調(diào)整的不完美發(fā)生一小段的摩擦電流，這種情況可以認(rèn)為是正?，F(xiàn)象。因此對于摩擦電流發(fā)生的時長要進(jìn)行確認(rèn)，本研究針對ZD6 常用的場景，認(rèn)為如果摩擦電流持續(xù)在2000 ms 以上即可認(rèn)為發(fā)生了卡阻。

本研究的全局流程如圖14所示。

圖14 全局流程Fig.14 Global flow chart

對圖1原始數(shù)據(jù)的卡阻段的識別結(jié)果如圖15所示，圖中的粗線就是識別結(jié)果。對圖1原始數(shù)據(jù)最終的分析結(jié)果如表1所示。

圖15 卡阻的識別結(jié)果Fig.15 Identification results of switch block

由表1可見，在分區(qū)段時，由于高通濾波的擾動，曲線后半段被分割成了多端，可以看到這些段之間的起終點是相互銜接的，因此對圖14的處理流程做以下修正：

表1 識別卡阻區(qū)段信息Tab.1 Identify the jammed segment information

（1）在判斷是否該連續(xù)數(shù)據(jù)為卡阻時，不再判斷“連續(xù)數(shù)據(jù)的長度>閾值”；

（2）對不考慮條件（1）的所有卡阻進(jìn)行首尾銜接識別，如果首尾是銜接的，則拼成一個新的連續(xù)數(shù)據(jù)；

（3）對步驟（2）中形成的新數(shù)據(jù)判斷“連續(xù)數(shù)據(jù)的長度>閾值”，最后得到卡阻的識別結(jié)果。

新的處理流程如圖16所示，最終識別結(jié)果如表2所示。

表2 修正后識別卡阻區(qū)段信息Tab.2 Identify the jammed segment information of after correction

圖16 修正后的流程Fig.16 Revised flow chart

可以看到組合后，只存在一個卡阻區(qū)段，該段總點數(shù)為22802 點，采樣速率為800 Hz，時長為28.5 s，可根據(jù)閾值判斷是否為卡阻，本研究推薦2 s以上的摩擦電流為卡阻導(dǎo)致，因此認(rèn)為圖1中數(shù)據(jù)發(fā)生了28.5 s 的卡阻。

3 實驗驗證

在包神鐵路萬水泉南站，對16/18# 道岔進(jìn)行卡阻模擬實驗，得到故障電流曲線如圖17所示，經(jīng)算法分析判斷，診斷出道岔發(fā)生卡阻。

圖17 道岔夾異物故障實驗電流圖Fig.17 Current diagram of turnout clip foreign body fault experiment

4 結(jié)語

本研究從實際出發(fā)，首先對道岔卡阻將會產(chǎn)生大數(shù)據(jù)量的情況，給出了小波降層采樣的處理方法。通過兩次使用KS 密度函數(shù)，對電流數(shù)據(jù)累積量的數(shù)據(jù)高通濾波后查找峰值、區(qū)段內(nèi)數(shù)據(jù)值分組進(jìn)行處理，有效地降低了由于數(shù)據(jù)波動及區(qū)段分割位置的數(shù)據(jù)階躍特征帶來的影響。

最后采用線性擬合方式，對“過路”摩擦電流進(jìn)行了剔除，大大地提高了識別的準(zhǔn)確率。同時本文提出的摩擦電流的4 個規(guī)律，對道岔卡阻的識別起到了決定性的指導(dǎo)作用。