王瑞峰，臧浩月

(蘭州交通大學(xué)自動(dòng)化與電氣工程學(xué)院，甘肅 蘭州730070)

ZPW-2000A型無絕緣移頻自動(dòng)閉塞軌道電路極大地提高了鐵路系統(tǒng)運(yùn)行安全性與可靠性，是我國鐵路信號(hào)的重要組成部分，其運(yùn)行狀態(tài)不僅影響運(yùn)行效率，而且對(duì)于人員的安全也至關(guān)重要.據(jù)不完全統(tǒng)計(jì)，故障處理平均時(shí)間為45 min[1]，處理故障時(shí)間較長(zhǎng)且在處理過程中主觀因素影響過大，忽視了處理不確定性問題中確定性與不確定性的動(dòng)態(tài)關(guān)系.軌道電路發(fā)生故障時(shí)，不僅僅是一個(gè)故障征兆發(fā)生變化.因此，構(gòu)建故障征兆與故障因素間的聯(lián)系，結(jié)合軌道電路各征兆綜合變化情況以判斷軌道電路運(yùn)行狀態(tài)及故障類型，對(duì)提前發(fā)現(xiàn)潛在故障，確定故障類型具有重要意義.

人工智能算法在國內(nèi)外逐漸被運(yùn)用到軌道電路故障診斷中，在某些方面取得一定成效.文獻(xiàn)[2]利用BP神經(jīng)網(wǎng)絡(luò)與深度信念網(wǎng)絡(luò)相結(jié)合對(duì)軌道電路故障數(shù)據(jù)訓(xùn)練，并進(jìn)行反向調(diào)優(yōu)，實(shí)現(xiàn)軌道電路故障分類.文獻(xiàn)[3]利用長(zhǎng)短期記憶遞歸神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)軌道電路故障數(shù)據(jù)的時(shí)間和空間的依賴性依此進(jìn)行故障診斷.文獻(xiàn)[4]利用粗糙集具有處理不完備決策表的能力，去除離散決策表的冗余屬性得到約簡(jiǎn)表，在文獻(xiàn)[5]中結(jié)合決策樹C4.5算法快速訓(xùn)練約簡(jiǎn)決策表提取診斷規(guī)則，可以直接運(yùn)用于軌道電路故障診斷中.文獻(xiàn)[6]利用灰色關(guān)聯(lián)分析的改進(jìn)證據(jù)理論信息融合方法，利用軌道電路特征參數(shù)進(jìn)行軌道電路故障診斷.但由于軌道電路組成的復(fù)雜性與故障成因的多樣性，目前診斷方法僅解決軌道電路故障某一方面的問題，軌道電路現(xiàn)階段的主要問題即不確定性問題沒有得到解決[1]，難以將故障數(shù)據(jù)與故障特征集之間的關(guān)系定性表示.解決不確定性的方法中，可拓學(xué)、屬性數(shù)學(xué)需要大量統(tǒng)計(jì)數(shù)據(jù)，并屬于定量表示不確定性；灰色系統(tǒng)理論屬于定性分析不確定性問題，但是需要專家經(jīng)驗(yàn)，主觀性較強(qiáng)；模糊數(shù)學(xué)主觀性較強(qiáng)，利用隸屬函數(shù)定性分析不確定性；粗糙集利用約簡(jiǎn)函數(shù)，在分析不確定性問題上能夠做到客觀準(zhǔn)確，但是其粗糙函數(shù)不易確定，并且多數(shù)僅分析不確定性中的靜態(tài)特征，忽視不確定性問題內(nèi)部的關(guān)聯(lián)與轉(zhuǎn)換也無法從形式上表達(dá).基于上述問題，本文利用集對(duì)分析(Set Pair Analysis，SPA)[7-8]系統(tǒng)描述運(yùn)行狀態(tài)與指標(biāo)間的聯(lián)系，利用聯(lián)系數(shù)定量刻畫軌道電路故障因素的不確定性，結(jié)合隸屬函數(shù)，客觀科學(xué)地判斷軌道電路運(yùn)行狀態(tài)及故障類型.

SPA利用聯(lián)系數(shù)統(tǒng)一處理隨機(jī)、模糊、信息不完全等引起的不確定性問題.客觀承認(rèn)不確定性并從同一性、差異性、對(duì)立性3個(gè)角度分析不確定性問題，且利用集對(duì)分析討論不確定性問題時(shí)，對(duì)所研究問題的歷史數(shù)據(jù)無要求.文獻(xiàn)[9]利用SPA處理不確定性并產(chǎn)生信任分配函數(shù)，結(jié)合證據(jù)融合并對(duì)沖突證據(jù)進(jìn)行處理產(chǎn)生最終隸屬度，評(píng)估變壓器的內(nèi)絕緣狀態(tài).文獻(xiàn)[10]根據(jù)導(dǎo)彈系統(tǒng)各組成部分、單元之間相互聯(lián)系、彼此影響等特點(diǎn)，利用多元聯(lián)系數(shù)建立SPA的評(píng)估模型.文獻(xiàn)[11]利用SPA構(gòu)建數(shù)學(xué)模型，確定核電站建設(shè)項(xiàng)目總體職業(yè)健康安全風(fēng)險(xiǎn)水平的集值統(tǒng)計(jì).文獻(xiàn)[12]針對(duì)航空地面故障的隱藏性和模糊性，利用SPA建立故障征兆與類型間的合集，發(fā)現(xiàn)間歇性地面故障.目前，SPA理論尚未在軌道電路健康狀態(tài)評(píng)估及診斷中應(yīng)用.

本文通過引入SPA及隸屬函數(shù)[13-15]對(duì)軌道電路運(yùn)行狀態(tài)進(jìn)行評(píng)估并確定故障類型. 整理典型的故障類型與故障征兆之間的對(duì)應(yīng)關(guān)系，利用模糊理論中的相對(duì)劣化度和隸屬函數(shù)構(gòu)建同異反評(píng)價(jià)矩陣；結(jié)合SPA理論，確定典型故障征兆和故障類型的多元聯(lián)系度，利用熵權(quán)法結(jié)合SPA確定權(quán)重精確值，構(gòu)造運(yùn)行狀態(tài)與故障類型的多元聯(lián)系數(shù)，對(duì)差異度系數(shù)賦值后求出軌道電路運(yùn)行狀態(tài)與故障類型間的聯(lián)系數(shù)值；最后通過對(duì)比運(yùn)行狀態(tài)等級(jí)，確定當(dāng)前軌道電路健康狀態(tài)和故障診斷.

1 ZPW-2 0 0 0 A軌道電路

1.1 故障類型與征兆的確定軌道電路所處室外工作環(huán)境惡劣，故障成因復(fù)雜，不確定性因素較多.依據(jù)微機(jī)監(jiān)測(cè)數(shù)據(jù)，對(duì)電壓的波動(dòng)情況進(jìn)行軌道電路狀態(tài)檢測(cè)及故障分析，在信息獲取時(shí)有些狀態(tài)信息比較模糊，難以定量描述，不利于軌道電路的測(cè)評(píng).軌道電路目前存在的不確定性問題較大，在正常運(yùn)行過程中，軌道電路某個(gè)具體設(shè)備發(fā)生故障時(shí)，往往會(huì)有多個(gè)故障征兆出現(xiàn)，一個(gè)故障征兆必然對(duì)應(yīng)著不止一種確定的故障類型.基于此，本文利用衰耗器采集的電壓并查閱軌道電路故障診斷資料[16]、軌道電路故障時(shí)電壓變化情況選取典型的故障類型及故障征兆，如表1所示.

參照《ZPW-2000軌道電路技術(shù)標(biāo)準(zhǔn)》得出各參數(shù)標(biāo)準(zhǔn)值[16]，結(jié)合中鐵一局現(xiàn)場(chǎng)人員判斷檢測(cè)數(shù)據(jù)是否在標(biāo)準(zhǔn)范圍內(nèi)的區(qū)間數(shù)為依據(jù)，得到軌道電路故障特征參數(shù)表如表2所示.

1.2 軌道電路運(yùn)行狀態(tài)劃分通常情況下，在沒有外界強(qiáng)制干擾的情況時(shí)，設(shè)備或系統(tǒng)由良好轉(zhuǎn)變?yōu)楣收蠣顟B(tài)都是一個(gè)逐漸轉(zhuǎn)變的過程.所以，對(duì)于軌道電路故障診斷的過程中有必要了解軌道電路設(shè)備的運(yùn)行狀態(tài).《ZPW-2000A 軌道電路技術(shù)條件》[16]規(guī)定軌道電路電子設(shè)備的安全完善度等級(jí)劃分為4級(jí)，分別為健康、亞健康、異常、故障4類.表3為標(biāo)準(zhǔn)對(duì)運(yùn)行狀態(tài)的劃分及對(duì)應(yīng)的描述.

表2 故障征兆參數(shù)表Tab.2 Fault symptom parameters

表3 軌道電路運(yùn)行狀態(tài)及對(duì)應(yīng)描述Tab.3 Operation state and corresponding description of track circuit

2 軌道電路診斷模型的構(gòu)建

2.1 故障類型的聯(lián)系度的構(gòu)建將SPA引入到ZPW-2000A軌道電路中，首先確定同異反評(píng)價(jià)矩陣，基于此建立各故障類型的聯(lián)系度.

將軌道電路確定性、不確定性故障因素，故障類型記為軌道電路評(píng)估指標(biāo)，表示為U={U1,U2,···,Um}，軌道電路運(yùn)行等級(jí)為l級(jí)，記為V={V1，V2，···,Vl}，將其視為兩集對(duì)算子構(gòu)成集對(duì)H=(U，V)，并以聯(lián)系數(shù)的形式從同一性、差異性、對(duì)立性3方面分析并量化反應(yīng)聯(lián)系分量間的關(guān)系，在運(yùn)行狀態(tài)評(píng)估過程中對(duì)差異度系數(shù)進(jìn)行擴(kuò)展，構(gòu)造多元聯(lián)系數(shù).則l元聯(lián)系度可表示為

其中，r1為同一度對(duì)應(yīng)運(yùn)行等級(jí)為l1的隸屬度函數(shù)，r2，···，rl-1為差異度對(duì)應(yīng)著等級(jí)為l2，…，ll-1的隸屬度函數(shù)，rl為對(duì)立度對(duì)應(yīng)著運(yùn)行等級(jí)為ll的隸屬度函數(shù)，i1，…，il-2為差異度性系數(shù)，j為對(duì)立度系數(shù).

根據(jù)式(1)可知同異反評(píng)價(jià)矩陣R=[r1r2…rl]，故障類型m的聯(lián)系度為

其中，R m為故障類型m的同異反評(píng)價(jià)矩陣，E為同異反聯(lián)系數(shù)矩陣，wm為故障m對(duì)應(yīng)的故障征兆權(quán)重精確值.

軌道電路運(yùn)行狀態(tài)總體聯(lián)系數(shù)，如式(3)所示.

2.2 數(shù)據(jù)歸一化處理軌道電路獲取的各電壓值的數(shù)量級(jí)或者量綱不同，在某些情況下小數(shù)起到至關(guān)重要的作用，為了避免大數(shù)吞噬小數(shù)及便于共同運(yùn)算，需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理.當(dāng)設(shè)備發(fā)現(xiàn)異常時(shí)，其檢測(cè)指標(biāo)偏離正常區(qū)間，現(xiàn)利用相對(duì)劣化度的概念進(jìn)行數(shù)據(jù)統(tǒng)一處理.其相對(duì)劣化度為

2.3 隸屬函數(shù)的建立軌道電路檢修中除了對(duì)故障的檢測(cè)，狀態(tài)的檢測(cè)有助于防患于未然.由于數(shù)據(jù)信息獲取過程存在不確定性，軌道電路運(yùn)行狀態(tài)與故障征兆的對(duì)應(yīng)關(guān)系不明，等級(jí)之間存在邊界模糊不確定性，利用隸屬度函數(shù)描述各運(yùn)行狀態(tài)，并為了便于計(jì)算及分類，將其轉(zhuǎn)換為聯(lián)系數(shù)形式.運(yùn)行狀態(tài)等級(jí)與相對(duì)劣化度和聯(lián)系數(shù)的對(duì)應(yīng)關(guān)系如表4所示.通過分析故障征兆參數(shù)表2可知，主值為一個(gè)區(qū)間值，則一段區(qū)間數(shù)的隸屬度必為1，故選取主值區(qū)間較寬，且適用于定量計(jì)算的嶺型隸屬函數(shù)[15]來表示各指標(biāo)在同一評(píng)價(jià)因素上的差異，構(gòu)造指標(biāo)對(duì)應(yīng)各個(gè)運(yùn)行狀態(tài)等級(jí)的嶺型函數(shù)如圖1所示.

表4 軌道電路運(yùn)行狀態(tài)等級(jí)與劣化度和聯(lián)系數(shù)的對(duì)應(yīng)關(guān)系Tab.4 The corresponding relationship between the operationstate grade of track circuit and its deterioration degree and connection number

相對(duì)劣化度為xn時(shí)，各運(yùn)行狀態(tài)隸屬函數(shù)如式(5)～(8)所示.

(1)健康狀態(tài)時(shí)，隸屬函數(shù)為

圖1 軌道電路運(yùn)行狀態(tài)等級(jí)與相對(duì)劣化度對(duì)應(yīng)的嶺型隸屬函數(shù)圖Fig.1 Ridge membership function of track circuit running statelevels and relative deterioration degrees

2.4 不確定系數(shù)的取值在聯(lián)系數(shù)的計(jì)算過程中，為了充分考慮外部的動(dòng)態(tài)變化，i、j的取值需要依據(jù)具體情況進(jìn)行分析確定，是兩個(gè)聯(lián)系分量進(jìn)行轉(zhuǎn)換的重要工具.本文利用均分法[7]進(jìn)行差異度系數(shù)的取值，在取值區(qū)間[-1,1]上劃分3個(gè)等分區(qū)間，得到2個(gè)等分點(diǎn)對(duì)應(yīng)差異度系數(shù).對(duì)立度系數(shù)j通常為有無型對(duì)立，恒取值為-1[7].

2.5 權(quán)重的計(jì)算軌道電路設(shè)備各征兆對(duì)設(shè)備影響程度不同，各征兆以區(qū)間數(shù)形式表示，利用熵權(quán)法[17]建立權(quán)重區(qū)間數(shù)，引入聯(lián)系數(shù)從同一性、差異性、對(duì)立性3方面進(jìn)行權(quán)重值的計(jì)算，得到最終權(quán)重精確值.

最終所求得的權(quán)重精確值

2.6 診斷過程根據(jù)本文所提出的基于集對(duì)分析和隸屬函數(shù)的軌道電路故障診斷的具體步驟如下：

步驟1查找對(duì)應(yīng)標(biāo)準(zhǔn)，確定軌道電路典型故障類型及對(duì)應(yīng)故障征兆.

步驟2對(duì)采集的監(jiān)測(cè)數(shù)據(jù)如式（4）進(jìn)行歸一化處理.

步驟3確定軌道電路運(yùn)行狀態(tài)等級(jí)，由式(5)～(8)構(gòu)建各故障的隸屬度函數(shù)，最終求得聯(lián)系度表達(dá)式.

步驟 4根據(jù)表2各故障區(qū)間，利用熵權(quán)法結(jié)合集對(duì)分析確定征兆的精確權(quán)重值.

步驟5最后利用式(2)、(3)分別求出各故障類型的聯(lián)系數(shù)及軌道電路整體運(yùn)行狀態(tài)的聯(lián)系數(shù).

步驟6對(duì)聯(lián)系數(shù)中的差異度、對(duì)立度系數(shù)賦值，計(jì)算求取最終數(shù)值，參考表4對(duì)軌道當(dāng)前狀態(tài)進(jìn)行評(píng)判.當(dāng)檢測(cè)結(jié)果為異常狀態(tài)時(shí)，對(duì)比各故障類型聯(lián)系數(shù)值，判斷出故障類型.

3 算例驗(yàn)證及結(jié)果分析

為驗(yàn)證基于本文所提方法診斷下ZPW-2 000A無絕緣軌道電路故障診斷的可行性，現(xiàn)選取某電務(wù)段故障數(shù)據(jù)作為待檢樣本進(jìn)行驗(yàn)證.表1中7種故障類型及正常類型(記為F0)選取170組數(shù)據(jù)(F0為35組、F1為25組、F2為30組、F3為25組、F4為15組、F5為10組、F6為14組、F7為16組).

將表2數(shù)據(jù)歸一化處理，依據(jù)2.5節(jié)權(quán)重部分利用熵權(quán)法及集對(duì)分析計(jì)算各故障類型下對(duì)應(yīng)故障征兆的權(quán)重精確值，如表5所示.

現(xiàn)隨機(jī)選取一組樣本展示驗(yàn)證過程，首先依據(jù)式(4)將樣本進(jìn)行處理，表6為隨機(jī)選取的展示樣本檢測(cè)數(shù)值及對(duì)應(yīng)劣化度.

依據(jù)公式(5)～(8)得到故障征兆的同異反評(píng)價(jià)矩陣.

表5 故障類型對(duì)應(yīng)的故障征兆權(quán)重Tab.5 Fault symptom weight corresponding to fault type

表6 展示樣本及對(duì)應(yīng)劣化度Tab.6 Display sample and corresponding deterioration degree

同理，求得所有故障類型聯(lián)系數(shù)，并代入式(3)得出軌道電路整體運(yùn)行狀態(tài)的聯(lián)系數(shù)

依據(jù)2.4節(jié)將系數(shù)值代入整體聯(lián)系數(shù)表達(dá)式中可計(jì)算求得軌道電路運(yùn)行狀態(tài)聯(lián)系數(shù)值為-0.113，對(duì)照表4可知，軌道電路當(dāng)前所處狀態(tài)為異常狀態(tài)，需對(duì)故障類型判斷.將差異、對(duì)立度系數(shù)值分別代入7種故障類型聯(lián)系數(shù)中，經(jīng)計(jì)算μ1=0.186 9，μ2=-0.2367，μ3=-0.046 62，μ4=-0.514，μ5=0.25，μ6=-0.013，μ7=-0.057.經(jīng)比較可知μ4最小，處于故障狀態(tài)，設(shè)備必須進(jìn)行檢修；μ2、μ3處于異常狀態(tài)，征兆參數(shù)偏離值較大，設(shè)備處于不安全狀態(tài)，應(yīng)加強(qiáng)檢測(cè)，在故障前排除故障，該結(jié)果與電務(wù)段提供記錄相符.將170組樣本進(jìn)行驗(yàn)證，結(jié)果如圖2所示.

圖2 不同軌道電路故障的診斷準(zhǔn)確度Fig.2 Diagnostic accuracy of different track circuit faults

目前軌道電路處理方法繁多，僅以準(zhǔn)確率為評(píng)價(jià)指標(biāo)不夠全面，現(xiàn)以準(zhǔn)確率、精確率、查全率、F-度量4個(gè)評(píng)價(jià)指標(biāo)與文獻(xiàn)[4]進(jìn)行對(duì)比，如表7所示.

由表7可以看出，利用集對(duì)分析和隸屬函數(shù)的故障診斷方法進(jìn)行診斷時(shí)，4項(xiàng)評(píng)價(jià)指標(biāo)相較于文獻(xiàn)[4]分別提高了5.35%、10.43%、5.74%、8.27%.說明本文所提方法對(duì)于故障診斷效果較好，在實(shí)際運(yùn)行過程中，可判斷軌道電路運(yùn)行狀態(tài)，提前排查可能發(fā)生故障的設(shè)備，提高運(yùn)行效率.

4 結(jié)論

軌道電路檢測(cè)數(shù)據(jù)對(duì)于軌道電路運(yùn)行狀態(tài)評(píng)估及故障診斷至關(guān)重要，充分利用監(jiān)測(cè)數(shù)據(jù)，使影響現(xiàn)場(chǎng)的設(shè)備能夠由“故障修”向“狀態(tài)修”過渡，提高軌道電路運(yùn)行效率.本文研究可得以下結(jié)論：

(1)利用熵權(quán)法確定權(quán)重區(qū)間，結(jié)合SPA理論確定征兆權(quán)重精確值，充分利用征兆區(qū)間值，使得權(quán)重值全面客觀，為計(jì)算權(quán)重值提供新方法.

(2)將故障類型、故障征兆與運(yùn)行狀態(tài)構(gòu)成集對(duì)，以聯(lián)系數(shù)的形式建立三者之間的對(duì)應(yīng)關(guān)系，引入隸屬度函數(shù)構(gòu)建同異反評(píng)價(jià)矩陣，建立最終多元聯(lián)系數(shù)，清晰地反映狀態(tài)評(píng)估指標(biāo)與運(yùn)行狀態(tài)等級(jí)之間的對(duì)應(yīng)關(guān)系，為軌道電路狀態(tài)評(píng)估及故障診斷提供新思路.

(3)經(jīng)過最終算例驗(yàn)證及對(duì)比表明，本文所提方法在確定故障類型的同時(shí)還可檢測(cè)軌道電路運(yùn)行狀態(tài)，在設(shè)備發(fā)生故障前，加強(qiáng)監(jiān)測(cè)排查，減少故障發(fā)生率，診斷效果明顯高于其他智能算法.