顧 佳，關(guān) 岳，王 偉

（中車青島四方機車車輛股份有限公司，青島 266111）

1 引言

從軸溫監(jiān)測裝置的實際工作情況來看，其故障主要包括傳感器與軸承接觸不良、防護性能差等因素，這些因素將導(dǎo)致傳感器所上傳的數(shù)據(jù)錯誤，從而使得軸溫報警系統(tǒng)的軸溫警報出現(xiàn)錯誤[1]。尤其是在惡劣環(huán)境下運行時，傳感器可能因為各種原因而上傳錯誤的信號，這時就需根據(jù)傳感器上傳的數(shù)據(jù)進行綜合邏輯分析，通過實時糾正的方式避免出現(xiàn)誤報問題[2]。

2 基于神經(jīng)網(wǎng)絡(luò)動車組軸端溫度傳感器誤報識別

2.1 目的和思路

根據(jù)列車運行時的基本數(shù)據(jù)和軸溫數(shù)據(jù)等，對列車數(shù)據(jù)進行探索和挖掘，建立軸端的傳感器誤報識別模型，依據(jù)傳感器傳來的軸溫值判斷出該傳感器是否存在誤報情況。此模型的建立主要分以下兩個方面：

（1）軸溫數(shù)據(jù)探索分析：使用相關(guān)性分析算法，找出與軸端溫度存在相關(guān)性的特征變量，進行神經(jīng)網(wǎng)絡(luò)建模；因為數(shù)據(jù)的采集是每30秒進行一次打包傳送，所以統(tǒng)計出軸端溫度30秒的變化的范圍和比例，找出軸端溫度變化的正常范圍。

（2）軸溫預(yù)測模型：根據(jù)相關(guān)性統(tǒng)計分析的結(jié)果，使用基本數(shù)據(jù)和傳感器的溫度值進行神經(jīng)網(wǎng)絡(luò)預(yù)測模型的訓(xùn)練，建立軸端的軸溫神經(jīng)網(wǎng)絡(luò)預(yù)測模型，利用該模型預(yù)測出30秒后的軸溫值，與傳感器實際傳過來的軸溫值進行對比分析，統(tǒng)計出軸端的軸溫預(yù)測模型的預(yù)測值與實際值之間誤差的分布范圍和對應(yīng)比例關(guān)系，確定軸溫預(yù)測模型的誤差閾值范圍。

根據(jù)軸溫預(yù)測模型的誤差閾值及軸溫波動的正常范圍兩個條件，綜合判斷出軸溫傳感器是否存在誤報情況。

2.2 軸溫變化統(tǒng)計分析

從數(shù)據(jù)庫中抽取包括不同車型、不同列號、不同軸端位置的一周全量軸溫數(shù)據(jù)，共計約1000萬條，使用相鄰下一包軸端的溫度值減去當前包的溫度值得到軸溫30秒變化的溫差，將溫差按照小于-7度、-6度、-5度、-4度、-3度、-2度、-1度、0度、1度、2度、3度、4度、5度、6度、大于7度進行統(tǒng)計。根據(jù)統(tǒng)計結(jié)果得出，軸端30秒溫度變化的正常區(qū)間是有一個范圍的，超過該溫差區(qū)間范圍的軸溫屬于異常溫度值。

2.3 軸溫相關(guān)性統(tǒng)計分析

使用相關(guān)性算法統(tǒng)計出制動檔位、速度、加減速度、外溫和軸端溫度相互之間的相關(guān)系數(shù)。經(jīng)過分析發(fā)現(xiàn)與軸端溫度相關(guān)性較強的是室外溫度和速度，所以針對神經(jīng)網(wǎng)絡(luò)預(yù)測模型建模，可以增加室外溫度和速度及軸溫自身的相關(guān)衍生變量。

2.4 神經(jīng)網(wǎng)絡(luò)預(yù)測模型

2.4.1 數(shù)據(jù)處理

從數(shù)據(jù)庫中抽取出一周的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，先對數(shù)據(jù)進行預(yù)處理，包括：

（1）數(shù)據(jù)過濾。（2）字符映射。（3）特征工程：增加衍生變量和連續(xù)變量，做特征工程且將其標準化。

（4）標簽化：以車型、列號、車號及軸id為key，鎖定每個軸端的溫度傳感器，將下一包的軸溫值作為模型需要訓(xùn)練預(yù)測的標簽。

2.4.2 模型建立與評估

本次所采用的是適用于分類回歸的前饋神經(jīng)網(wǎng)絡(luò)，采用三層全連接網(wǎng)絡(luò)結(jié)構(gòu)，第一層為輸入層，第二層為隱藏層，第三層為輸出層。以0.0013的學(xué)習率訓(xùn)練，以均方誤差為損失函數(shù)，使用Adam優(yōu)化器進行梯度下降的計算。并加入了dropout技術(shù)，防止模型對訓(xùn)練數(shù)據(jù)集產(chǎn)生過擬合。

生成最終軸端溫度神經(jīng)網(wǎng)絡(luò)預(yù)測模型后隨機選取5份測試數(shù)據(jù)，進行模型驗證評估，分別采用了平均絕對誤差，R2和均方誤差來測試神經(jīng)網(wǎng)絡(luò)模型的性能，其測試結(jié)果如表1：

表1

2.4.3 模型誤差閾值探索

根據(jù)一周左右的測試數(shù)據(jù)結(jié)果，按照絕對值誤差小于1度，介于1～2度，介于2～3度，介于3～4度，介于4～5度，介于5～6度，大于6度進行劃分，根據(jù)劃分區(qū)間占比可以確定神經(jīng)網(wǎng)絡(luò)預(yù)測模型的誤差閾值。

2.5 軸溫傳感器誤報識別模型

根據(jù)軸溫30秒溫差變化范圍和預(yù)測模型的誤差閾值，綜合得出軸溫傳感器誤報識別模型規(guī)則：當軸端溫度值與軸端溫度預(yù)測模型預(yù)測值的絕對誤差大于誤差閾值時，并且該軸端溫度值與前后30秒的軸溫值的溫差絕對值同時大于閾值時，則判定該值為溫度傳感器誤報所致。

[1] 王飛.CRH5型動車組軸溫檢測系統(tǒng)故障分析及處理辦法[J].科技傳播，2014，6（15）：182+163.

[2] 房兆鵬.CRH5A型動車組軸溫誤報警故障原因分析及預(yù)防措施[J].硅谷，2014，7（06）：74+43.