地鐵鋼軌損傷健康管理系統設計

袁海斌，　張春華，　范俊巍

地鐵鋼軌損傷健康管理系統設計

袁海斌1，張春華1，范俊巍2

（1.北京航空航天大學自動化科學與電氣工程學院，北京100191；2.北京市地鐵運營有限公司線路公司，北京100082）

針對城市地鐵鋼軌損傷維護預測的需要，研究建立基于超聲探測的鋼軌損傷健康管理系統及實現方法.提出基于決策分析的健康管理系統框架結構，對其中的系統數據庫、文件系統和數據結構關系進行討論.用分層設計思想定義各功能模塊，采用軟件技術和自動化數據流處理，實現主界面模塊、用戶管理模塊、線路管理模塊、線路匹配模塊等的開發與設計.系統能結合不同環境條件下的歷史數據集和實際測試數據集，實現鋼軌疲勞壽命預測.

健康管理；預測；決策支持；鋼軌損傷

作為城市公共交通骨干的地鐵系統，擔負著大量高密度乘客快速運輸的任務，其運營安全極為重要.作為地鐵車輛行駛載體的鋼軌的健康狀況，是影響地鐵運行安全的一個極為重要的方面.由于受到多種環境因素的影響，在長期運營中地鐵鋼軌會逐漸發生一些累積損傷，并在各種載荷因素的作用下不斷發展，產生漸變故障并最終超越鋼軌的載荷界限，發生斷裂等各種軌道損傷破壞.

通過對在役地鐵鋼軌及其焊縫進行周期性無損探傷，積累觀測數據并分析，研究鋼軌損傷的識別及預測，對出現損傷的鋼軌進行及時檢修、更換，是保障地鐵車輛運營安全的重要措施.因此，研究針對地鐵鋼軌損傷預測的健康管理系統，對實現地鐵鋼軌的主動維護和預測管理，從而實現地鐵軌道的自動化、智能化維護管理具有重要意義.

故障預測與健康管理能根據預測信息、可用資源和使用需求等，對維修活動做出適當決策.當前，對健康管理的研究和應用正處于廣泛而深入的階段，有不同的理論和系統應用的實現［1-2］.一般情況下，首先對系統進行模塊劃分，得到系統的監測數據，然后經過數據處理（包括預處理、特征分析等），進一步進行數據建模和分析，最終通過預測技術對各方面數據進行數據挖掘，給出系統的剩余可用壽命預測.

本文針對超聲地鐵軌道安全監控系統中對軟件技術和智能自動化的數據流處理的需求，引入智能決策支持系統（Decision Support System，DSS）模型，研究建立地鐵鋼軌損傷預測健康管理系統并實現.由于智能DSS具有良好的交互式和強大的擴展性，在不同領域均取得成功應用，尤其在人工智能技術的支持下對智能DSS的研究、開發及應用也越來越廣泛，并能有機地集成到健康管理系統作為決策模塊，實現預測維護指導功能.

1　健康管理系統框架

1.1DSS

DSS的設計與開發是個復雜的過程，涉及管理（如DSS輔助決策的層次與綜合程度）、技術（如硬件和網絡的選擇）以及行為（如人機接口和DSS對于個體和群體的潛在影響）等一系列的問題［3］.DSS是輔助決策者通過數據、模型和知識，以人機交互方式進行半結構化或非結構化決策的計算機應用系統.1980年，Sprague提出DSS系統三部件結構，即會話部件、數據部件和數據庫管理系統、模型部件和模型庫管理系統［4］.這種三部件結構明確DSS的組成，也反映DSS的關鍵技術，即數據庫管理、模型庫管理、部件接口和系統的綜合集成.

在遵循DSS設計原則的基礎上，針對健康管理系統中鋼軌損傷判斷和預測的實際特點，從整體上把握系統的設計，提出在系統設計過程中應遵循的設計原則；遵循這些設計原則進行系統的設計和開發，使得系統的功能利于使用并方便擴展.DSS框架如圖1所示.

1.2系統數據結構設計

作為以數據為輸入的系統，首先需要解決數據結構的層次設計.將整個系統數據層次分為系統數據、文件數據和結構數據，分別代表數據庫、文件和數據結構等.為將代表知識的數據清晰、明確地表達出來，采用實體-聯系方法（即E-R模型）建立知識層次的概念性數據模型，將數據層次結構轉化為數據庫系統支持的實際數據模型，即數據庫的邏輯結構.各個層次對象以數據表的形式存在，數據庫中的表格以及各表格之間的關系表明對象之間的層次關系如圖2所示.

圖1　DSS框架Fig.1　DSS framework

圖2　ER模型Fig.2　ER module

為提高系統對數據的處理速度，采用鏈表進行數據運算.鏈表是一種常見的基礎數據結構，是一種線性表.鏈表不會按照線性順序存儲數據，而是在每個節點里存放指向下一節點的指針.鏈表在進行插入操作時，可達到O⑴的復雜度，與順序表相比運行效率更快.應用鏈表結構，可有效克服數組鏈表需提前知道數據大小的缺點，更好地利用計算機內存空間，在內存動態管理上更加靈活.使用鏈表進行數據運算后，常規數組排列關聯項目的方式可能不同于這些數據項目在記憶體或磁盤上順序，數據存取往往在不同的排列順序中轉換.利用鏈表結構不需預先知道數據大小的特點，在系統啟動時依次將數據庫中各條線路的必要信息加載至鏈表即可.線路鏈表模型見圖3，圖中每條線路都屬于鏈表中的1個節點，對鏈表節點進行設置很容易實現.

圖3　線路鏈表模型Fig.3　Line linked list module

1.3系統功能模塊

分層設計是軟件開發中經常用到的方法，目前已有很多成功的設計實例，如網絡應用中的OSI 7層模型等.將系統按層次劃分，不但可以使系統層次清晰、功能明確、易于實現，而且代碼組成靈活，方便系統維護和升級.系統功能模塊劃分如圖4所示.

圖4　系統功能模塊劃分Fig.4　Function module addressed in the system

系統整體設計分為數據文件層、管理層和人機接口層等3層.最底層為數據和文件層，包括硬件采集模塊、文件系統模塊、數據庫和模型庫等；中間層為管理層，管理層的設計比較復雜，不僅擔負著數據文件層與人機接口層之間的數據通信，其自身各模塊之間也存在數據和信息的通信；人機接口層主要用于顯示各類信息以及接收人機交互指令等.

2　損傷判定和壽命預測

在實際的鋼軌健康管理系統中，對損傷的判定不僅依靠探傷設備采集的探測數據信息，而且需要將專家和維護人員對物理損傷的判斷因素考慮進去.為此，研究開發多重損傷判定的決策方法，能有效結合物理損傷和超聲數據測定，實現綜合的損傷判定.多重損傷判定模塊見圖5.

采用該判定模塊，結合探測數據判定，可顯示超聲探傷的波形文件和錄像文件，并提供DAC／AVG輔助曲線的繪制.若損傷判定信息來自波形文件，系統自動從波形文件中讀取檢測時間.在物理損傷因素參考下，系統提供典型損傷的圖片參照，可對任何一種損傷類型做出選擇，作為物理損傷輔助判定.用戶也可針對損傷圖片，查看損傷的介紹、形成原因等，同時系統提供數據庫中同類型損傷的比較，進一步提高損傷判定的準確率.

鋼軌壽命預測數據為：由線路原始統計和檢測損傷數據組成的綜合統計數據，預測模型為威布爾預測模型.預測結果經線路預測信息管理，進入線路預測信息數據庫.目前，國內外研究鋼軌損傷預測方法［5-6］有很多，而威布爾法實際應用較為廣泛.由于威布爾分布存在3個參數，準確的參數估計較為困難，本文提出一種利用下山單純形算法進行威布爾三參數估計方法，通過加載不同線路的測試數據，根據下山單純形算法進行威布爾的三參數估計，并可計算相應誤差［7］.損傷壽命預測如圖6所示.

圖5　多重損傷判定模塊Fig.5　Multiple damage decision module

圖6　損傷壽命預測Fig.6　Damage life prediction

在工程上，鋼軌重傷的累計失效率F（t）有2種表示方式：一種為無量綱，直接表示；另一種用每公里線路上鋼軌傷的重傷數，即單位為“根／km”.本文采用第1種方式.假定歷史統計數據中有n組重傷和通過總質量的數據，并假設由威布爾模型得到的第i組（i=1，2，…，n）通過總質量為ti時，計算的重傷累計失效率為F（ti），而實際統計的失效率為Fi，則目標函數f為統計失效率與計算失效率的誤差平方和，即

利用下山單純形法迭代，使得目標函數最小時的（m0，γ0，η0）即為威布爾模型三參數的最優估計.下山單純形法的結果不受初始單純形的影響，但構造合理的初始單純形有利于加快收斂速度，避免算法陷入無效的局部極值點的產生.

下山單純形法能很好地擬合鋼軌重傷威布爾分布的3個參數.在實際應用中，數據可能存在一定的偏差，操作人員需適當調整3個參數的估計值，因此系統設計威布爾三參數微調模塊.

完成下山單純形法擬合參數后，操作人員可點擊誤差分析，進入誤差分析模塊.在誤差分析界面，用戶可以直接輸入威布爾參數值，分析各數據點對應的誤差和總誤差，也可在原有計算結果的基礎上，通過滑動條進行微調.

3　結　語

針對地鐵鋼軌損傷健康管理系統需求，將決策支持技術引入，建立基于決策支持的鋼軌損傷預測維護管理功能模塊，討論系統設計和軟件功能層次開發，并建立采用下山單純形法的鋼軌損傷預測模型.該模型結合探測數據與物理損傷分析，能有效提高損傷判定的準確性，并能預測出損傷鋼軌的壽命.

系統的實際運行結果表明，所設計的健康管理系統能有效實現鋼軌損傷判定和預測管理功能.由于系統的模塊化和層次化設計，各功能模塊可靈活地嵌入到城市地鐵軌道安全監控系統中，為地鐵軌道的損傷預測及維護管理方法和思路提供參考.

［1］Kunche S，Chen C，Pecht M.A review of PHM system’s architectural frameworks［C］／／54th Meeting Soc Machinery Failure Prevention Technol.Dayton，2012.

［2］彭宇，劉大同.數據驅動故障預測和健康管理綜述［J］.儀器儀表學報，2014，35（3）：481-495.

［3］鄧蘇，張維明，黃宏斌，等.決策支持系統［M］.北京：電子工業出版社，2008.

［4］陳文偉.決策支持系統及其開發［M］.3版.北京：清華大學出版社，2008.

［5］劉亮，王文健，郭俊，等.鋼軌踏面斜裂紋擴展壽命的預測［J］.機械工程材料，2012，36（1）：26-30.

［6］習年生，周清躍.鋼軌的疲勞重傷率分布規律與疲勞壽命預測［J］.中國鐵道科學，2004，25（5）：53-56.

［7］袁海斌，張春華，范俊巍.鋼軌疲勞重傷威布爾分布的三個參數的估計方法［J］.計算機應用與軟件，2014，31（2）：256-258.

（編輯俞紅衛）

Development on Health Management System for Subway Rail Damage

YUAN Haibin1，ZHANGChunhua1，FAN Junwei2
（1.School of Automation Science and Electrical Engineering，BEIHANG University，Beijing 100191，China；2.The Line Company，Beijing Mass Transit Railway Operation Corporation，Beijing 100082，China）

Based on the need for subway rail damage maintenance and prediction，a method of rail damage health management system based on ultrasonic detection was proposed and implemented.Framework of health management system based on decision support analysis was put forward，system database，file system and data structure were discussed as well.Methodology of hierarchical level was introduced according to module definition.Modules of main interface，user management interface，line management interface，line match interface were designed and developed with the use of software technique and automated data stream processing.Historical data set and test data set was integrated with the system in order to address module description of rail defect and damage propagation，so as to achieve rail fatigue life prediction.

heal thmanagement；prediction；decisionsupport；raildamage

TP 319

A

1671-7333（2015）03-0282-04

10.3969／j.issn.1671-7333.2015.03.014

2015-01-13

國家自然科學基金資助項目（61273165）

袁海斌（1971-），男，副教授，博士，主要研究方向為診斷預測與檢測技術、計算機應用.E-mail：yuanhb＠buaa.edu.cn