基于數(shù)據(jù)驅(qū)動的軌道電路故障預(yù)測及預(yù)警方法研究*

紀(jì)玉清 歐冬秀 李永燕

(1.上海市軌道交通結(jié)構(gòu)耐久與系統(tǒng)安全重點實驗室， 201804， 上海； 2.同濟(jì)大學(xué)交通運輸工程學(xué)院， 201804， 上海； 3.上海鐵大電信科技股份有限公司， 200070， 上海∥第一作者， 博士研究生)

目前，軌道電路故障的發(fā)現(xiàn)和維修判定仍在很大程度上依賴人工經(jīng)驗，存在效率低、及時性差等問題。為此，國內(nèi)外專家進(jìn)行了大量的研究。文獻(xiàn)[1-2]分別將模糊推理原理和偏最小二乘回歸與神經(jīng)網(wǎng)絡(luò)相結(jié)合，實現(xiàn)了軌道電路的故障檢測與診斷。文獻(xiàn)[3]采用小波變換與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，建立了小波網(wǎng)絡(luò)軌道電路故障預(yù)測模型。文獻(xiàn)[4]采用模糊模式識別方法處理和分析數(shù)據(jù)，建立了ZPW-2000A軌道電路的四端網(wǎng)絡(luò)模型。

然而，上述研究始終未能充分利用軌道電路集中監(jiān)測系統(tǒng)所測得的大量歷史監(jiān)測數(shù)據(jù)。本文結(jié)合ZPW-2000A無絕緣軌道電路的工作原理和故障模式，挖掘出大量歷史監(jiān)測數(shù)據(jù)的特征，提出基于數(shù)據(jù)驅(qū)動的軌道電路故障預(yù)警方法。該方法能同時預(yù)測多個軌道電路監(jiān)測量的變化趨勢，更加全面地監(jiān)視軌道電路的運行狀態(tài)，從而實現(xiàn)軌道電路故障的預(yù)測及預(yù)警。

1 ZPW-2000A軌道電路原理及故障分析

1.1 結(jié)構(gòu)組成及工作原理

圖1為ZPW-2000A無絕緣軌道電路系統(tǒng)的設(shè)備組成。由圖1可知，ZPW-2000A無絕緣軌道電路分為主軌(主軌道電路)和小軌(調(diào)諧區(qū)短小軌道電路)。在移頻自動閉塞區(qū)段，根據(jù)運行列車占用閉塞分區(qū)的狀態(tài)，發(fā)送器產(chǎn)生相應(yīng)的移頻信號。該信號經(jīng)電纜、匹配變壓器等傳輸至鋼軌，并分別沿主軌和小軌傳輸。當(dāng)該區(qū)段無列車占用(即軌道電路處于調(diào)整狀態(tài))時，主軌信號最終傳輸至該區(qū)段的接收器，小軌信號最終傳輸至相鄰區(qū)段的接收器。當(dāng)該區(qū)段被列車占用(即軌道電路處于分路狀態(tài))時[5]，主軌信號大部分被列車的第一輪對分路并回流至發(fā)送器，其余信號最終仍傳輸至本區(qū)段的接收器。

注：Δ——全步長，其值等于軌道電路兩端距離除以補償電容總量；Δ/2——半步長；GJ——軌道繼電器；XGJ——小軌檢查輸入；XGJH——小軌檢查回線。圖1 ZPW-2000A軌道電路組成示意圖Fig.1 Schematic diagram of ZPW-2000A track circuit composition

1.2 故障分析

ZPW-2000A無絕緣軌道電路故障主要包含紅光帶(軌道繼電器故障落下)故障和分路不良(軌道繼電器故障吸起)故障。本文著重針對紅光帶故障展開分析和研究。通過鐵路信號集中監(jiān)測系統(tǒng)對發(fā)送器功出端、接收衰耗器輸入端、接收器輸入端等監(jiān)測點進(jìn)行監(jiān)測，結(jié)合監(jiān)測數(shù)據(jù)的分析，得到ZPW-2000A 軌道電路紅光帶故障包含的主要故障表現(xiàn)及各監(jiān)測量相應(yīng)的特征，如表1所示。通過表1中的對應(yīng)關(guān)系，在實現(xiàn)預(yù)測監(jiān)測量變化的基礎(chǔ)上，可進(jìn)一步實現(xiàn)紅光帶故障的預(yù)警。

表1 ZPW-2000A 軌道電路紅光帶故障表現(xiàn)與各監(jiān)測量變化的對應(yīng)關(guān)系 Tab.1 Corresponding relationship between the performance of ′red band′ fault and the changes of each monitoring variable of the ZPW-2000A track circuit

2 基于SGD(隨機梯度下降)邏輯回歸模型的趨勢預(yù)測

由監(jiān)測量數(shù)據(jù)突變而發(fā)生的紅光帶故障是無法預(yù)見的，但是對于紅光帶故障前監(jiān)測量呈現(xiàn)出的遞增/遞減趨勢是可以捕捉跟蹤的。本文采用SGD邏輯回歸模型[6]對監(jiān)測量數(shù)據(jù)的遞增/遞減趨勢進(jìn)行擬合，以預(yù)測監(jiān)測量的變化情況，并實現(xiàn)超限預(yù)警。

由于監(jiān)測數(shù)據(jù)量龐大，為提高預(yù)測效率，以軌道電路的1個調(diào)整狀態(tài)作為1個時間顆粒度。選取1個調(diào)整周期內(nèi)所有數(shù)據(jù)點的最大值作為代表值Pi(i=1,2,…,I),I是取樣時間內(nèi)所含的調(diào)整狀態(tài)數(shù)目。每10個連續(xù)的Pi值為1組樣本，將每個調(diào)整狀態(tài)下的Pi量綱一化為pi(pi∈(0,1))后作為模型的輸出。構(gòu)建10組樣本，作為模型的輸入。

圖2為采用SGD邏輯回歸模型對3個不同軌道區(qū)段主軌入電壓的預(yù)測結(jié)果。對比預(yù)測值和實際值，可得到如下結(jié)論：SGD邏輯回歸模型對監(jiān)測量的預(yù)測可適用于不同的軌道區(qū)段，且擬合結(jié)果較好、準(zhǔn)確性較高。

圖2 SGD邏輯回歸模型下不同軌道區(qū)段主軌入電壓的預(yù)測值與實際值的對比Fig.2 Comparison between the predicted value and the actual value of main rail input voltage in different track sections using the SGD logistic regression model

進(jìn)一步選取某一軌道區(qū)段，對該軌道區(qū)段的不同監(jiān)測量進(jìn)行趨勢預(yù)測，圖3為各監(jiān)測量預(yù)測值與實際監(jiān)測值對比情況。從圖3可以看出，SGD邏輯回歸模型對各監(jiān)測量均有較好的趨勢預(yù)測效果。這有利于對軌道電路多個監(jiān)測量進(jìn)行超限預(yù)測，可輔助工作人員分析軌道電路潛在的故障，并實現(xiàn)故障預(yù)警。

a) 送端分線盤電壓

3 基于趨勢預(yù)測的軌道電路故障預(yù)警

為判斷監(jiān)測量是否具有遞增或遞減的超限趨勢，本文引入預(yù)測閾值這一參數(shù)。預(yù)測閾值的選取非常重要，閾值若取太高，可能會導(dǎo)致錯過一些故障的早期征兆，從而失去預(yù)警的時效性；閾值若取太低，可能會導(dǎo)致頻繁地進(jìn)行預(yù)測建模并實施預(yù)測，從而產(chǎn)生冗余的預(yù)警信息，增加現(xiàn)場工作人員的工作量。

本文對某站轄區(qū)內(nèi)軌道電路各監(jiān)測量的監(jiān)測值超限報警數(shù)據(jù)進(jìn)行統(tǒng)計分析。在超限報警事件的歷史數(shù)據(jù)中，約有94%的報警事件發(fā)生在超限報警前的1 h內(nèi)，其監(jiān)測值落在所對應(yīng)監(jiān)測量的標(biāo)準(zhǔn)值±6.8%范圍外。為及時捕捉這些超限特征，本文設(shè)定標(biāo)準(zhǔn)值的±6.8%為預(yù)測閾值。為了防止監(jiān)測值突變超過預(yù)測閾值后頻繁觸發(fā)趨勢預(yù)測，本文規(guī)定只有在連續(xù)5 min內(nèi)所采集的監(jiān)測值(約為50～60個監(jiān)測值)均超過設(shè)定預(yù)測閾值的情況下，方可啟動趨勢預(yù)測。

以2016年7月10日某車站某軌道區(qū)段的主軌入電壓在21∶24時的超限報警為例進(jìn)行說明。該軌道電路在第43個調(diào)整狀態(tài)時，主軌入電壓超過預(yù)測閾值已持續(xù)5 min，因此啟動趨勢預(yù)測。對后續(xù)7個(第44個至第50個)調(diào)整狀態(tài)下的主軌入電壓進(jìn)行預(yù)測，并對這7個調(diào)整狀態(tài)下的其余7個監(jiān)測量同步進(jìn)行數(shù)據(jù)預(yù)測，得到的結(jié)果如表2所示。

表2 啟動趨勢預(yù)測后各調(diào)整狀態(tài)下8個監(jiān)測量的預(yù)測電壓值Tab.2 Predicted voltage values of 8 monitoring variables in each adjustment state after starting trend prediction

由表2可看出：對主軌出電壓、受端分線盤電壓、送端分線盤電壓、前方小軌入電壓和前方小軌出電壓而言，各調(diào)整狀態(tài)下的預(yù)測電壓相對比較平穩(wěn)，且均未超過報警限值。主軌入電壓、小軌入電壓和小軌出電壓則均呈現(xiàn)遞增趨勢，其中：主軌入電壓值超過了報警上限；小軌入電壓值和小軌出電壓值偏高，較接近報警上限值。由此可初步判定該軌道電路可能會在接收端分線盤至模擬網(wǎng)絡(luò)設(shè)備側(cè)出現(xiàn)故障。將該預(yù)警診斷結(jié)果提供給現(xiàn)場工作人員，提前定位可能會發(fā)生的故障，并及時采取維修行為。

4 結(jié)語

本文通過挖掘大量的歷史監(jiān)測數(shù)據(jù)特性，分析了軌道電路的各類故障模式，建立了SGD邏輯回歸模型，實現(xiàn)了對具有遞增或遞減趨勢的監(jiān)測量的預(yù)測預(yù)警。本文所建模型對不同的軌道區(qū)段和不同的監(jiān)測量均有較強的適用性。最后以某車站某段軌道電路為案例，對該軌道區(qū)段的多個監(jiān)測量同時進(jìn)行預(yù)測，分析診斷該軌道電路可能發(fā)生的故障，從而實現(xiàn)軌道電路的故障預(yù)警。本文的研究方法對提高軌道電路維修的實時性和效率具有一定的積極意義。