基于混合故障字典的高速公路機(jī)電設(shè)備故障定位方法研究

張弛

(北京公科飛達(dá)交通工程發(fā)展有限公司,北京 100088)

機(jī)電設(shè)備是高速公路施工過程中的主要構(gòu)件,擔(dān)負(fù)著監(jiān)控、供水、通信等方面功能,是交通運(yùn)輸行業(yè)領(lǐng)域中的基礎(chǔ)設(shè)備。隨著我國經(jīng)濟(jì)和社會(huì)的持續(xù)發(fā)展,高速公路的施工規(guī)模日益擴(kuò)大,機(jī)電設(shè)備的應(yīng)用量也逐漸增加,機(jī)電設(shè)備的廣泛應(yīng)用在一定程度上促進(jìn)了我國高速公路建設(shè)的發(fā)展,但在運(yùn)用過程中也難免發(fā)生故障。因此,必須加強(qiáng)對(duì)機(jī)電設(shè)備故障的檢測(cè)工作,并在此基礎(chǔ)上提供針對(duì)性的診斷措施。

針對(duì)機(jī)電設(shè)備故障診斷相關(guān)問題,部分學(xué)者對(duì)此進(jìn)行了研究。徐振林等[1]采用小波變換的高速機(jī)械系統(tǒng)短路故障探測(cè)技術(shù),研究機(jī)械控制系統(tǒng)的短路故障類型,并通過小波變換獲得有關(guān)短路故障的信息,對(duì)所收集到的信息進(jìn)行歸一化處理,從而實(shí)現(xiàn)了高速機(jī)械控制系統(tǒng)的短路故障探測(cè),但此方式對(duì)機(jī)電設(shè)備的檢測(cè)精確度較低,容易發(fā)生誤檢情況。王振祥等[2]采用無線射頻傳輸?shù)母咚俟窓C(jī)電裝備的故障智能識(shí)別技術(shù),利用多維傳感器無線射頻技術(shù)實(shí)現(xiàn)高速公路機(jī)電器件的行駛狀況信息收集,根據(jù)所搜集的高速公路機(jī)電器件的狀態(tài)特性信息進(jìn)行信號(hào)建模,擬合高速公路機(jī)電器件運(yùn)行故障信息,完成對(duì)高速公路機(jī)電器件運(yùn)行故障信息的智能分析與鑒別,但此方法抗干擾能力較差,容易發(fā)生檢測(cè)失敗的情況。

故障字典通常借助于神經(jīng)網(wǎng)絡(luò)構(gòu)建,可以對(duì)一些非線性函數(shù)進(jìn)行推理,并得到推理樣本。本文借鑒傳統(tǒng)方法,提出基于混合故障字典的高速公路機(jī)電設(shè)備故障定位方法。

1 故障數(shù)據(jù)采集

本文采用多維度傳感器無線射頻識(shí)別技術(shù)建立高速公路機(jī)電設(shè)備器件故障射頻波束信息模型,對(duì)高速公路機(jī)電設(shè)備故障信息進(jìn)行收集,并錄入數(shù)據(jù)庫中。通過對(duì)信息特征的提取與分析建立高速公路機(jī)電設(shè)備故障識(shí)別模型,通過模型對(duì)高速公路機(jī)電設(shè)備進(jìn)行故障信息的識(shí)別,實(shí)現(xiàn)對(duì)故障信息的檢測(cè),獲得高速公路機(jī)電設(shè)備的故障數(shù)據(jù)樣本。其檢測(cè)到的高速公路機(jī)電設(shè)備器件故障高分辨率信息特征量為:

(1)

式中:a為高速公路機(jī)電設(shè)備發(fā)生故障時(shí)產(chǎn)生的故障數(shù)據(jù)頻率;θk為高速公路機(jī)電設(shè)備故障頻率的相位角;t為高速公路機(jī)電系統(tǒng)的振蕩信號(hào);fm為機(jī)電設(shè)備故障點(diǎn)信號(hào);k為故障系數(shù);bk為在高速公路機(jī)電系統(tǒng)的工作環(huán)境中,會(huì)出現(xiàn)故障的脈沖效應(yīng)的傳輸頻率[3-4]。

通過傳感信息集成技術(shù),實(shí)現(xiàn)高速公路機(jī)電設(shè)備的故障測(cè)量,故障信息的傳輸模式為:

bk(t)=(1+acos2πfm)t

(2)

設(shè)N為高速公路機(jī)電設(shè)備的故障特征點(diǎn)的分布數(shù)量,采用數(shù)據(jù)融合技術(shù)對(duì)高速公路機(jī)電設(shè)備故障特征進(jìn)行分割,得到故障信號(hào)的統(tǒng)計(jì)學(xué)特性:

(3)

式中:x(f)為所得到的統(tǒng)計(jì)學(xué)特性。故障模型中的調(diào)幅信息主要由2種方向的傳播信息構(gòu)成,一種是高速公路機(jī)電設(shè)備本身具有的故障信息,另一種是由高速公路機(jī)電設(shè)備發(fā)生故障時(shí)傳播的故障信息。通過上述模擬構(gòu)架,對(duì)高速公路的機(jī)電設(shè)備故障信息進(jìn)行建模,為下文開展基于混合故障字典的高速公路機(jī)電設(shè)備故障定位提供數(shù)據(jù)輸入基礎(chǔ)[5-6]。

2 故障定位

每一個(gè)高速公路機(jī)電設(shè)備故障信息數(shù)據(jù),其歸屬值只與其中的一個(gè)或幾個(gè)決策函數(shù)相關(guān),對(duì)其余決策函數(shù)來說,則不需要參與運(yùn)算。最常見的故障字典決策方式有部分冗余運(yùn)算[7-8]。從決定階段出發(fā),只要運(yùn)算全部的決策函數(shù),決策函數(shù)符號(hào)就能夠減少冗余運(yùn)算,但運(yùn)算存在很大的復(fù)雜性,為了迅速定位要估計(jì)的決策函數(shù),本文采取了兩部故障字典進(jìn)行定位[9-10]。

2.1 構(gòu)建第一部故障字典

第一部故障字典是由所有故障模式類型的數(shù)據(jù)樣本中心構(gòu)成。假定要區(qū)分為N類故障模式,且每個(gè)故障模式的訓(xùn)練樣本個(gè)數(shù)是c個(gè),則此處每個(gè)故障模式的訓(xùn)練數(shù)據(jù)樣本中心為:

(4)

式中:Cj為第j類故障模式的樣本中心;xij為第j級(jí)故障模型中的第i個(gè)訓(xùn)練樣本。使用第一部故障字典對(duì)高速公路機(jī)電設(shè)備進(jìn)行故障定位,首先求出高速公路機(jī)電設(shè)備故障信息數(shù)據(jù)與故障模式類型之間的中心距離,然后根據(jù)中心距離的值來選擇決策函數(shù),利用故障字典的決策機(jī)制對(duì)高速公路機(jī)電設(shè)備故障信息數(shù)據(jù)進(jìn)行定位[11]。通過第一部故障字典得到的故障定位通常含有模糊性,因此需要構(gòu)建第二部故障字典,對(duì)得到的模糊定位進(jìn)行精確[12]。

2.2 構(gòu)建第二部故障字典

第二部故障字典的構(gòu)造主要是通過多類別分類策略完成,內(nèi)部包括多個(gè)二元結(jié)構(gòu)分類策略器,每種分類策略器都包括支持向量和相應(yīng)的標(biāo)簽類型、拉氏系數(shù)、偏差值等[13-14]。多類別分類策略應(yīng)用圖像分析識(shí)別技術(shù),形成本文第二部故障字典,設(shè)含有n個(gè)高速公路機(jī)電設(shè)備故障模型代碼,記為L(zhǎng)0,L1,L2,…,Ln各個(gè)故障模型的樣本為v,在特殊類模型與剩余模型中間的分類策略器中配置特殊類模型的全部訓(xùn)練樣本與剩余模型的高速公路機(jī)電設(shè)備故障數(shù)據(jù)信息樣本,在分類策略器練習(xí)完成后,得到最佳決策函數(shù)的順序?yàn)镈i(i=0,1,2,…,n-1),在對(duì)全部高速公路機(jī)電設(shè)備故障信息數(shù)據(jù)樣本作出決定時(shí),則必須運(yùn)算出全部的決策函數(shù)Di(x),表示為:

(5)

式中:yik為第i個(gè)最優(yōu)決策函數(shù)的支撐矢量的分配標(biāo)記;λik為第i個(gè)支撐矢量的拉格朗日乘子;k為故障字典定理的核參數(shù);x為第一個(gè)決策函數(shù);xik為得到結(jié)果的決策函數(shù)。

完成第二部故障字典的構(gòu)建后,根據(jù)第一部故障字典的統(tǒng)計(jì)結(jié)果,結(jié)合精度分析即可對(duì)高速公路機(jī)電設(shè)備故障進(jìn)行精確定位[15]。

3 試驗(yàn)研究

為了驗(yàn)證本文提出的基于混合故障字典的高速公路機(jī)電設(shè)備故障定位方法的實(shí)際應(yīng)用效果,選取水泥混凝土路面攤鋪機(jī)的濾波器為試驗(yàn)對(duì)象,在主頻為 3.60 GHz,內(nèi)存為 8GB 的 PC 機(jī)上,使用 Python 軟件開發(fā)環(huán)境和 Open CV 開發(fā)工具下進(jìn)行仿真試驗(yàn)測(cè)試。

試驗(yàn)過程的激勵(lì)信號(hào)為2 kHz,產(chǎn)生的正弦波信號(hào)為5 V,設(shè)定10種不同情況的路面攤鋪機(jī)濾波器故障,同時(shí)選擇5個(gè)被測(cè)點(diǎn)檢測(cè)故障概率。濾波器結(jié)構(gòu)見圖1。

圖1 被測(cè)濾波器結(jié)構(gòu)

由圖1可知,高速公路機(jī)電設(shè)備濾波器內(nèi)部設(shè)置了多個(gè)運(yùn)算放大器,通過分析運(yùn)算放大器狀態(tài),能夠更好地檢測(cè)故障。圖1中的5個(gè)被測(cè)點(diǎn)檢測(cè)故障概率見表1。

表1 多值測(cè)點(diǎn)故障概率

根據(jù)故障字典檢測(cè)方法建立3個(gè)測(cè)點(diǎn),統(tǒng)計(jì)測(cè)點(diǎn)結(jié)果,將測(cè)點(diǎn)1、測(cè)點(diǎn)2和測(cè)點(diǎn)3統(tǒng)計(jì)到一起,形成故障字典。不同測(cè)點(diǎn)形成的故障字典,故障概率檢測(cè)結(jié)果見表2。

表2 最優(yōu)測(cè)點(diǎn)故障概率

由表2可知,利用混合故障字典得到的檢測(cè)方法能夠很好地檢測(cè)出內(nèi)部全部故障,檢測(cè)結(jié)果與表1結(jié)果一致,證明該檢測(cè)方法得到的結(jié)果為有效結(jié)果。本文提出的混合故障字典檢測(cè)方法通過檢測(cè)3個(gè)測(cè)點(diǎn)就能夠準(zhǔn)確地判斷故障概率,與未引入故障字典之前通過5個(gè)測(cè)點(diǎn)才能判斷故障概率的傳統(tǒng)檢測(cè)手段相比,檢測(cè)過程更加簡(jiǎn)單。由此可以證明,故障字典在保證檢測(cè)效果一致的情況下,能夠更加簡(jiǎn)單地判斷故障概率,降低檢測(cè)成本,縮短檢測(cè)時(shí)間。

為進(jìn)一步對(duì)檢測(cè)復(fù)雜度進(jìn)行分析,本文通過啟發(fā)函數(shù)對(duì)混合故障字典進(jìn)行測(cè)序檢驗(yàn),將10種檢測(cè)故障設(shè)定為f=[f1,f2,f3,f4,f5,f6,f7,f8,f9,f10],得到的序列測(cè)試試驗(yàn)結(jié)果見圖2。

圖2 序列測(cè)試試驗(yàn)結(jié)果

圖2中,T1～T5為針對(duì)混合故障字典進(jìn)行的序列測(cè)試,T、T′為故障檢測(cè)序列結(jié)果。診斷耗費(fèi)時(shí)間、診斷成本試驗(yàn)結(jié)果見表3。

表3 診斷耗費(fèi)時(shí)間試驗(yàn)結(jié)果

由表3可以發(fā)現(xiàn),引入混合故障字典后,測(cè)序復(fù)雜度更低,測(cè)序時(shí)間明顯縮小,為2～2.5 min。診斷成本較未引入之前低于50%。本文提出的故障診斷方法通過故障字典進(jìn)行檢測(cè),通過選擇測(cè)點(diǎn)來確保能夠在最短時(shí)間得到測(cè)試集,減少測(cè)試成本,降低復(fù)雜度。同時(shí)選用傳統(tǒng)的基于小波變換的高速公路機(jī)電系統(tǒng)短路故障檢測(cè)方法、基于無線射頻的高速公路機(jī)電設(shè)備運(yùn)行故障智能識(shí)別方法和本文提出的基于混合故障字典的高速公路機(jī)電設(shè)備故障定位方法進(jìn)行試驗(yàn)對(duì)比, 選用的試驗(yàn)對(duì)象機(jī)電設(shè)備電路為非線性電路,內(nèi)部包含2個(gè)整流二極管,被檢測(cè)設(shè)備線路見圖3。

圖3 被檢測(cè)設(shè)備線路

比較3種診斷方法的檢測(cè)時(shí)間、虛警率、誤檢率和漏檢率,得到的試驗(yàn)結(jié)果見圖4～圖7。

圖4 檢測(cè)時(shí)間試驗(yàn)結(jié)果

圖5 虛警率試驗(yàn)結(jié)果

圖6 誤檢率試驗(yàn)結(jié)果

圖7 漏檢率試驗(yàn)結(jié)果

從圖4可以發(fā)現(xiàn)3種診斷方法在對(duì)同一電路進(jìn)行檢測(cè)時(shí),檢測(cè)性能不同。傳統(tǒng)的基于無線射頻的高速公路機(jī)電設(shè)備運(yùn)行故障智能識(shí)別方法在檢測(cè)過程中由于需要使用決策函數(shù),因此檢測(cè)的時(shí)間較長(zhǎng),小波變換檢測(cè)方法對(duì)小波計(jì)算結(jié)果的準(zhǔn)確性十分依賴, 而本文提出的混合故障字典檢測(cè)方法在檢測(cè)過程中使用了冗余計(jì)算,能夠很好地縮小檢測(cè)時(shí)間,與傳統(tǒng)方法相比,檢測(cè)時(shí)間縮短了50%以上。

從圖5可以看出,在虛警率方面,本文提出的診斷方法和傳統(tǒng)的基于小波變換的高速公路機(jī)電系統(tǒng)短路故障檢測(cè)方法虛警率都為0,證明這兩種診斷方法的報(bào)警能力較強(qiáng),而傳統(tǒng)的基于無線射頻的高速公路機(jī)電設(shè)備運(yùn)行故障智能識(shí)別方法虛警率雖然基本為0,但是仍會(huì)出現(xiàn)誤報(bào)情況。

由于高速公路機(jī)電設(shè)備電路的復(fù)雜性,因此本文提出的診斷方法和傳統(tǒng)診斷方法都存在漏檢和誤檢,但是本文提出的混合故障字典檢測(cè)方法漏檢率和誤檢率都低于傳統(tǒng)的診斷方法,本文的診斷方法通過建立故障字典改善和提高各項(xiàng)指標(biāo),通過定位距離和信息分析提高診斷的準(zhǔn)確率,確保診斷效果。

4 結(jié)論

本文提出了基于混合故障字典的高速公路機(jī)電設(shè)備故障定位方法,通過無線射頻識(shí)別技術(shù)建立高速公路機(jī)電設(shè)備器件故障射頻波束信息模型,完成對(duì)高速公路機(jī)電設(shè)備故障數(shù)據(jù)的采集,采用故障模式類的數(shù)據(jù)中心建立第一部故障字典,利用多類別分類策略建立第二部故障字典,并采用第二部故障字典的決策機(jī)制對(duì)高速公路機(jī)電設(shè)備故障進(jìn)行定位,完成對(duì)高速公路機(jī)電設(shè)備故障的精準(zhǔn)診斷。通過試驗(yàn)結(jié)果可知,所提方法進(jìn)行高速公路機(jī)電設(shè)備故障診斷的虛警率、誤檢率和漏檢率均較低,檢測(cè)準(zhǔn)確率較高。