楊小銳,王 安,安邦軍

(西北工業(yè)大學(xué) 自動(dòng)化學(xué)院，西安 710129)

基于轉(zhuǎn)轍機(jī)牽引力和PSO-SVM的道岔故障診斷研究

楊小銳,王 安,安邦軍

(西北工業(yè)大學(xué) 自動(dòng)化學(xué)院，西安 710129)

隨著高速鐵路的快速發(fā)展，道岔故障頻發(fā)，成為一直是急需解決的重大安全問(wèn)題；首先從道岔的運(yùn)行原理出發(fā)，研究了轉(zhuǎn)轍機(jī)拉力對(duì)道岔的影響；然后進(jìn)行了轉(zhuǎn)轍機(jī)的電動(dòng)機(jī)的功率和電流參數(shù)的比較，結(jié)果表明，轉(zhuǎn)轍機(jī)拉力更能直觀反映道岔的運(yùn)行情況；最后提出了用轉(zhuǎn)轍機(jī)拉力參數(shù)實(shí)現(xiàn)基于粒子群算法優(yōu)化支持向量機(jī)(PSO-SVM)的道岔故障診斷算法；經(jīng)過(guò)對(duì)實(shí)際數(shù)據(jù)的處理，表明此種診斷方法對(duì)道岔的故障有較好的分辨能力。

道岔；故障診斷；支持向量機(jī)

0 引言

由于我國(guó)經(jīng)濟(jì)發(fā)展和資源分布的不均衡，鐵路承擔(dān)了大量的中長(zhǎng)途旅客運(yùn)輸以及長(zhǎng)距離的貨物運(yùn)輸，給人們提供了極大的方便。道岔作為鐵路線路變更的轉(zhuǎn)換設(shè)備，是線路的交合分離點(diǎn)。鐵路道岔更像是整個(gè)鐵路網(wǎng)的關(guān)節(jié)和咽喉，也是整個(gè)鐵路網(wǎng)最薄弱的環(huán)節(jié)，是鐵路事故的多發(fā)點(diǎn)。

道岔故障的隱蔽性比較強(qiáng)，復(fù)雜度高，并且長(zhǎng)期以來(lái)沒(méi)有完善的智能檢測(cè)分析和預(yù)警的系統(tǒng)。現(xiàn)階段，關(guān)于道岔設(shè)備的監(jiān)控和故障分析主要是由現(xiàn)場(chǎng)維護(hù)者完成，采用故障修和定期維修的方法。故障修是指在設(shè)備發(fā)生故障后再進(jìn)行維修，通常都伴隨著巨大的安全問(wèn)題。定期維修是指維護(hù)者按一定的周期對(duì)道岔設(shè)備的運(yùn)行狀態(tài)進(jìn)行維護(hù)，容易造成過(guò)剩維修，帶有很大的盲目性?，F(xiàn)已提出狀態(tài)修的概念，即依據(jù)道岔運(yùn)行狀態(tài)對(duì)道岔進(jìn)行維護(hù)，動(dòng)態(tài)掌握道岔的運(yùn)行特性[1-2]。

目前國(guó)內(nèi)外的諸多學(xué)者都對(duì)道岔的故障進(jìn)行了研究，研究的算法多種多樣，包括專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)的優(yōu)化、卡爾曼濾波、貝葉斯等[4-8]。選取的數(shù)據(jù)基本上是電流或者功率，但是就轉(zhuǎn)轍機(jī)搬動(dòng)道岔的運(yùn)行過(guò)程看，轉(zhuǎn)轍機(jī)牽引力能直觀的反映道岔的運(yùn)行狀態(tài)，因此，選取了拉力數(shù)據(jù)來(lái)研究。

1 道岔故障模式分析

1.1 轉(zhuǎn)轍機(jī)拉力數(shù)據(jù)獲取

從圖1中可以看出轉(zhuǎn)轍機(jī)與道岔是通過(guò)連接桿和連接銷連接的，即轉(zhuǎn)轍機(jī)提供的動(dòng)力通過(guò)連接桿和連接銷傳遞到道岔，使道岔做相應(yīng)的運(yùn)動(dòng)。因此，轉(zhuǎn)轍機(jī)的牽引力與道岔的轉(zhuǎn)換阻力是作用力與反作用力的關(guān)系，力的轉(zhuǎn)換點(diǎn)在連接銷處。若用銷式力傳感器替換連接銷，就可以測(cè)量出轉(zhuǎn)轍機(jī)牽引力的大小，這對(duì)于所有的轉(zhuǎn)轍機(jī)和道岔都是成立的。因?yàn)榱鞲衅鲗?duì)力的測(cè)量是直接的，所以測(cè)量精度取決于力傳感器本身，而且對(duì)力變化的響應(yīng)是及時(shí)的，所以拉力曲線的變化能夠?qū)崟r(shí)顯示出來(lái)。

圖1 S700K型轉(zhuǎn)轍機(jī)結(jié)構(gòu)圖

便攜式轉(zhuǎn)轍機(jī)拉力測(cè)試儀是應(yīng)用力傳感器測(cè)量道岔轉(zhuǎn)換阻力的方法。由于便攜式轉(zhuǎn)轍機(jī)拉力測(cè)試儀是目前國(guó)內(nèi)使用最多的，也是國(guó)家鐵道標(biāo)準(zhǔn)規(guī)定的道岔阻力測(cè)量?jī)x器，所以下面所用到的測(cè)試數(shù)據(jù)均是使用拉力測(cè)試儀在現(xiàn)場(chǎng)獲得。

1.2 道岔正常動(dòng)作曲線分析

《鐵路信號(hào)維護(hù)規(guī)則技術(shù)標(biāo)準(zhǔn)I》中指出，S700K型電動(dòng)轉(zhuǎn)轍機(jī)在正常情況下，其動(dòng)作時(shí)間應(yīng)小于等于6.6 s，牽引點(diǎn)的額定轉(zhuǎn)換力也是固定的。下圖是一組轉(zhuǎn)轍機(jī)在道岔無(wú)故障時(shí)的牽引力曲線。

圖2 拉力測(cè)試曲線圖(正常)

道岔轉(zhuǎn)換的主要?jiǎng)幼鬟^(guò)程分為3個(gè)階段：解鎖、轉(zhuǎn)換、鎖閉。

第一階段：解鎖。解鎖的時(shí)候，道岔剛啟動(dòng)時(shí)，需要克服較大的阻力來(lái)帶動(dòng)傳動(dòng)設(shè)備運(yùn)轉(zhuǎn)，完成轉(zhuǎn)轍機(jī)內(nèi)部的解鎖。同時(shí)，也需要推動(dòng)外鎖閉裝置完成外部解鎖。因此，轉(zhuǎn)轍機(jī)需要輸出足夠大的牽引力。解鎖快結(jié)束時(shí)的牽引力通常要大于轉(zhuǎn)換時(shí)的牽引力，并且從解鎖開(kāi)始到解鎖結(jié)束，力是呈上升趨勢(shì)的。

第二階段：轉(zhuǎn)換。在轉(zhuǎn)換過(guò)程中，轉(zhuǎn)轍機(jī)拉動(dòng)尖軌移動(dòng)，設(shè)備運(yùn)行平穩(wěn)，牽引力穩(wěn)定在一定值左右，曲線較為平緩。在這個(gè)運(yùn)行過(guò)程中，除去其他因素，牽引力應(yīng)是越小越好，因?yàn)檫@表明需要克服的外界阻力比較小。

第三階段：鎖閉。道岔尖軌或心軌轉(zhuǎn)換到指定位置后進(jìn)行鎖閉，鎖閉時(shí)要克服鎖閉裝置的阻力，因此，在鎖閉剛開(kāi)始的時(shí)候，牽引力會(huì)比轉(zhuǎn)換時(shí)要稍大一些，而后趨于0。

鎖閉后道岔控制電路切斷電源。道岔控制電路被切斷，電流曲線的值會(huì)迅速下降。又因?yàn)殒i閉狀態(tài)下接通了表示電路，而這個(gè)電路接通時(shí)，轉(zhuǎn)轍機(jī)的電源端子也是接通狀態(tài)。但是，1DQJ具有緩放特性，道岔電流不為0。

1.3 道岔故障曲線分析

道岔的故障大致分為機(jī)械故障和電氣故障，而道岔的機(jī)械故障占道岔故障總數(shù)的90%以上，并且，道岔的機(jī)械故障總是能夠?qū)е聡?yán)重的安全事故。

主要研究了機(jī)械故障中的三類故障：尖軌反彈、轉(zhuǎn)換阻力過(guò)大和多點(diǎn)牽引出力不均勻問(wèn)題。分析S700K電動(dòng)轉(zhuǎn)轍機(jī)的拉力曲線，探究其產(chǎn)生原因，并給出可能的解決辦法。

1)尖軌反彈(故障模式1)。

反彈現(xiàn)象一般發(fā)生在解鎖的時(shí)候，能聽(tīng)見(jiàn)“咣當(dāng)”一聲，尖軌會(huì)順著移動(dòng)的方向“竄動(dòng)”一下，表現(xiàn)在力曲線上就是圖3中力3。道岔是從縮回狀態(tài)往伸出狀態(tài)轉(zhuǎn)換，但是表現(xiàn)出來(lái)在解鎖階段會(huì)向縮回狀態(tài)瞬移。

圖3 拉力測(cè)試曲線圖(故障模式1)

可能的原因有：尖軌有側(cè)彎跡象，曲尖軌動(dòng)程偏小，所以在扳動(dòng)尖軌，尖軌與基本軌不能同時(shí)密貼，在再次扳動(dòng)尖軌時(shí)，尖軌容易反彈；連接桿、接頭鐵和連結(jié)銷銹蝕或螺栓過(guò)緊，形成整體框架，尖軌扳動(dòng)時(shí)轉(zhuǎn)轍不靈活；尖軌爬行等。

2)轉(zhuǎn)換阻力過(guò)大(故障模式2)。

轉(zhuǎn)換過(guò)程中的某個(gè)時(shí)間段出力較大，轉(zhuǎn)換困難，可能存在尖軌爬行，拉來(lái)曲線抖動(dòng)幅值較大。轉(zhuǎn)換阻力過(guò)大的現(xiàn)象表現(xiàn)在力曲線上就是圖4中的力2、力3。

圖4 拉力測(cè)試曲線圖(故障模式2)

可能的原因有：外鎖閉桿中心線與固定在基本軌上的鎖閉框中心線不垂直平行，鎖閉框與鎖閉桿磨卡，造成道岔轉(zhuǎn)換阻力急劇加大，使道岔不能正常轉(zhuǎn)換；道岔?xiàng)U件連接部分，如道岔尖軌爬行，道岔尖軌在天氣因素影響下由于熱脹冷縮而引起伸長(zhǎng)或縮短，這種情況下與尖軌相連的鎖閉桿位置也隨尖軌爬行而變化，導(dǎo)致轉(zhuǎn)轍機(jī)動(dòng)作桿的動(dòng)作無(wú)法順暢完成，產(chǎn)生異常阻力。

3)出力不均勻(故障模式3)。

出力不均勻現(xiàn)象表現(xiàn)在力曲線上就是圖5中力2和力3，在整個(gè)過(guò)程中有一段時(shí)間不出力。

圖5 拉力測(cè)試曲線圖(故障模式3)

可能的原因：解鎖不同步，先解鎖的走得快會(huì)拉著后解鎖的，所以先解鎖的力會(huì)大一點(diǎn)；滑床板不夠規(guī)整，因?yàn)榧廛壴谵D(zhuǎn)換過(guò)程中會(huì)落在滑床板上，整個(gè)過(guò)程都會(huì)摩擦滑床板，前后牽引點(diǎn)的滑床板不夠規(guī)整，可能造成牽引點(diǎn)出力的不均勻。

2 道岔轉(zhuǎn)轍機(jī)拉力曲線的特征表示

常用的時(shí)域特征參數(shù)分為有量綱特征參數(shù)和無(wú)量綱特征參數(shù)，主要包括：最大值、最小值、平均值、峰峰值、方差值、標(biāo)準(zhǔn)差、均方根值、峭度值、波形因子、峰值因子、峭度因子、脈沖因子和裕度因子等。除此之外，道岔的穩(wěn)態(tài)力也是很重要的指標(biāo)。穩(wěn)態(tài)力就是道岔在鎖閉的狀態(tài)下，尖軌對(duì)轉(zhuǎn)轍機(jī)施加的力，對(duì)最后轉(zhuǎn)轍機(jī)鎖閉狀態(tài)是一個(gè)很好的衡量標(biāo)準(zhǔn)。

1)最大值：表示轉(zhuǎn)轍機(jī)拉動(dòng)道岔受到的最大阻力。

2)最小值：表示轉(zhuǎn)轍機(jī)拉動(dòng)道岔受到的最小阻力。

3)平均值：能夠反映轉(zhuǎn)轍機(jī)拉力的中心趨勢(shì)。

4)峰峰值：在轉(zhuǎn)轍機(jī)拉動(dòng)道岔過(guò)程中，拉力值的波動(dòng)情況。

5)方差值：主要描述轉(zhuǎn)轍機(jī)拉力值在平均值附近的離散程度。

6)標(biāo)準(zhǔn)差：描述轉(zhuǎn)轍機(jī)拉力值在平均值附近的離散程度。

7)均方根值：描述了轉(zhuǎn)轍機(jī)拉力值的波動(dòng)情況。

8)波形因子：反映區(qū)段內(nèi)拉力信號(hào)的波動(dòng)趨勢(shì)，且與振幅無(wú)關(guān)。

9)峰值因子：反映拉力信號(hào)中是否存在沖擊信號(hào)的指標(biāo)。

10)峭度因子：對(duì)脈沖故障敏感。

11)脈沖因子：對(duì)拉力信號(hào)中的沖擊脈沖類信號(hào)敏感。

12)裕度因子：對(duì)拉力信號(hào)中的沖擊脈沖信號(hào)比較敏感，且減少了偏差差異。

13)穩(wěn)態(tài)力：衡量道岔轉(zhuǎn)換到位后的狀態(tài)。

3 基于PSO-SVM的道岔故障診斷方法

3.1 故障診斷整體流程

首先把原始數(shù)據(jù)依據(jù)一定的規(guī)則劃分成訓(xùn)練集和測(cè)試集，然后對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，包括歸一化處理和特征提取等等，再之后利用訓(xùn)練集數(shù)據(jù)對(duì)SVM模型進(jìn)行訓(xùn)練，得到最后的分類模型，再用測(cè)試集數(shù)據(jù)來(lái)測(cè)試測(cè)試集的分類，流程圖如圖6所示。

圖6 SVM模型整體流程

3.2 SVM模型建立

對(duì)于線性可分的問(wèn)題，平面H1、H2都能將兩類樣本正確的分開(kāi)，即保證經(jīng)驗(yàn)風(fēng)險(xiǎn)最小，這樣的平面有無(wú)數(shù)個(gè)，最優(yōu)分類面即離兩類樣本間隔最大的平面。

這樣最優(yōu)分類面的計(jì)算轉(zhuǎn)化為待約束的最小值問(wèn)題：

yi[(w·xi)+b]-1≥0 (i=1,2,…,n)

(1)

上式可轉(zhuǎn)化為:

(2)

依矩陣形式表示如下：

(3)

由此可得到最優(yōu)分類面如下：

(4)

對(duì)于線性不可分的問(wèn)題，SVM采用將低維空間轉(zhuǎn)化為高維空間的方法將其變成線性可分的，而將低維空間的輸入轉(zhuǎn)化為高維空間的內(nèi)積值的映射函數(shù)就稱之為核函數(shù)。V.Vapnik在引入核空間定理的同時(shí)提出，滿足Mercer條件的對(duì)稱函數(shù)都可作為核函數(shù)。

論文選用的是徑向基核函數(shù)，主要因?yàn)镽BF核函數(shù)能夠滿足Mercer條件，可對(duì)非線性可分的數(shù)據(jù)進(jìn)行分類，需設(shè)置的參數(shù)個(gè)數(shù)較少，計(jì)算起來(lái)比較穩(wěn)定[3]。

3.3 粒子群算法

因?yàn)镾VM分類結(jié)果影響比較大的因素是核函數(shù)的參數(shù)選取和懲罰因子，而粒子群算法參數(shù)少、 簡(jiǎn)單、 全局搜索能力強(qiáng)等優(yōu)點(diǎn)。

粒子群算法(PSO)是一種新興群體智能優(yōu)化技術(shù)，該算法最早是由Kennedy和Eberhart于1995年提出的，它的基本概念源于對(duì)人工生命和鳥(niǎo)群捕食行為的研究。

假設(shè)粒子群有m個(gè)粒子在一個(gè)解空間(n維空間)運(yùn)動(dòng)，粒子群為Z={Z1,Z2,…,Zm}，這m個(gè)粒子各個(gè)粒子的位置為Zi={zi1,zi2,…,zin}，每個(gè)位置都是一個(gè)解。粒子會(huì)調(diào)整自己來(lái)尋找新解，并且具有記憶性，會(huì)保留搜索到的最優(yōu)解pid和目前群體的最優(yōu)解pgd。粒子的速度為Vi={vi1,vi2,…,vin}，如果已經(jīng)找到了兩個(gè)最優(yōu)解，則粒子就更新自己。依據(jù)式(5)更新速度，依據(jù)式(6)更新位置。

vid(t+1)=wvid(t)+η1rand()(pid-zid(t))+

η2rand()(pgd-zid(t))

(5)

zid(t+1)=zid(t)+vid(t+1)

(6)

vid(t+1)為粒子在t+1次迭代中第d維上的速度。w為0時(shí)，粒子失去記憶性，失去搜索最優(yōu)解的能力，所以一般取0～1之間的隨機(jī)數(shù)。η1、η2為速度調(diào)節(jié)參數(shù)，rand()是0～1之間的隨機(jī)數(shù)。此外，還可以限制粒子速度大小，設(shè)粒子最大速度是vmax，vid(t+1)>=vmax時(shí)，令vid(t+1)=vmax，vid(t+1)<=-vmax時(shí)，vid(t+1)=-vmax。

其參數(shù)流程如圖7所示。

圖7 PSO優(yōu)化流程圖

4 結(jié)果分析

所使用的數(shù)據(jù)是來(lái)自于S700k轉(zhuǎn)轍機(jī)在全國(guó)各地不同地區(qū)的實(shí)地測(cè)量。所使用的測(cè)量?jī)x器是教研室自己研制的轉(zhuǎn)轍機(jī)拉力測(cè)試儀，并且教研室研制的這款儀器已經(jīng)在全國(guó)范圍內(nèi)得到了廣泛使用。

所使用的樣本共109個(gè)，分為四類：無(wú)故障、故障模式1、故障模式2和故障模式3，分別貼的標(biāo)簽為0、1、2、3。其中每類又分訓(xùn)練樣本和測(cè)試樣本，其詳細(xì)信息如表1所示。

表1 樣本集詳細(xì)信息

利用MATLAB的SVM工具箱，編寫(xiě)PSO-SVM算法程序，參數(shù)c和g的搜索范圍為[0.1,100]，PSO最大進(jìn)化代數(shù)100，粒子群的個(gè)數(shù)為 30, CV 折數(shù)為 4。

圖8是粒子群算法對(duì)模型進(jìn)行優(yōu)化的適應(yīng)度曲線。平均適應(yīng)度為所有粒子在每一代中平均的適應(yīng)度值，最佳適應(yīng)度曲線為粒子群中所有粒子在每一代中的最大適應(yīng)度值。從圖8中可以看到，適應(yīng)度曲線在前期收斂較快，隨后逐漸趨于平緩，最終收斂水平趨近一致，即實(shí)現(xiàn)了參數(shù)的優(yōu)化。

圖8 PSO優(yōu)化過(guò)程的適應(yīng)度曲線

圖9 PSO-SVM診斷結(jié)果

5 結(jié)論

在研究道岔運(yùn)行原理的基礎(chǔ)上，選取轉(zhuǎn)轍機(jī)拉力參數(shù)對(duì)道岔常見(jiàn)的三類故障進(jìn)行分析，選取了對(duì)故障敏感的時(shí)域特征，在建立PSO-SVM的故障診斷方法的基礎(chǔ)上，通過(guò)實(shí)際收集的數(shù)據(jù)對(duì)算法進(jìn)行了仿真驗(yàn)證，結(jié)果表明，模型最終的分類結(jié)果準(zhǔn)確率達(dá)到了100%，選用拉力數(shù)據(jù)和PSO-SVM算法對(duì)此類故障診斷具有較好的效果。

[1] 賓任祥. 鐵路運(yùn)輸安全管理概論[M]，成都：西南交通大學(xué)出版社，2002.

[2] 丁家望. 高速鐵路道岔設(shè)備維修的探索與思考[J]. 鐵道通信信號(hào), 2011, 47(5):53-55.

[3] Nelllo Cristianini,John Shawe-Taylor.支持向量機(jī)導(dǎo)論[M].北京：電子工業(yè)出版社, 2004.

[4] Atamuradov V, Camci F, Baskan S, et al. Failure diagnostics for railway point machines using expert systems[A].Diagnostics for Electric Machines, Power Electronics and Drives, 2009. SDEMPED 2009. IEEE International Symposium on[C]. IEEE, 2009: 1-5.

[5] 李雅美, 魏文軍. 基于模糊神經(jīng)網(wǎng)絡(luò)的道岔故障診斷系統(tǒng)研究[J]. 鐵路計(jì)算機(jī)應(yīng)用, 2012, 21(1): 35-39.

[6] 關(guān) 瓊. 基于 FOA-LSSVM 的高速鐵路道岔故障診斷[J]. 科技通報(bào), 2015(4):76.

[7] Eker O F, Camci F, Kumar U. SVM based diagnostics on railway turnouts[J]. International Journal of Performability Engineering, 2012, 8(3): 289.

[8] Yilboga H, Eker O F, Guclu A, et al. Failure prediction on railway turnouts using time delay neural networks[A].Computational Intelligence for Measurement Systems and Applications (CIMSA), 2010 IEEE International Conference on[C]. IEEE, 2010: 134-137.

Research on Turnout Fault Diagnosis Algorithm Based on SVM

Yang Xiaorui,Wang An,An Bangjun

(School of Automation, Northwestern Polytechnical University, Xi’an 710129，China)

With the rapid development of high-speed railway, turnout faults have been an urgent problem to be solved. Firstly, from the operation principle of turnout, the influence of traction force of switch machine on turnout is studied; then compared to the power and current parameters of the switch motor, and it was found that the switch traction can more directly reflect the operation conditions of turnouts; finally it put forward the turnout fault diagnosis algorithm based on PSO-SVM and the switch traction parameters. After the processing of the actual data, it was found that this diagnostic method had good resolving power on the turnout faults.

turnout; fault diagnosis; support vector machine

2017-01-21；

2017-02-21。

楊小銳(1989-),女，碩士研究生，河南濟(jì)源人，主要從事嵌入式計(jì)算機(jī)、儀器儀表、機(jī)器學(xué)習(xí)等領(lǐng)域方向的研究。

1671-4598(2017)07-0055-04

10.16526/j.cnki.11-4762/tp.2017.07.014

TP206

A