簡談客專ZPW-2000A軌道電路故障診斷技術的發展

李冠楠燕 翔（1.北京全路通信信號研究設計院集團有限公司，北京 100070；2.北京市高速鐵路軌道交通運行控制系統工程技術研究中心，北京 100073）

?

簡談客專ZPW-2000A軌道電路故障診斷技術的發展

李冠楠1，2燕 翔1，2
（1.北京全路通信信號研究設計院集團有限公司，北京 100070；2.北京市高速鐵路軌道交通運行控制系統工程技術研究中心，北京 100073）

如何及時掌握客專軌道電路的運行質量，對故障情況做出及時診斷并預警，避免設備故障影響行車，是目前電務維護的重點工作之一，并受到了相關廠家及研究機構的重視。對目前已有的客專軌道電路故障診斷技術進行介紹，分析當前軌道電路故障診斷工作中存在的問題，并對未來故障診斷技術的發展方向進行探討。

軌道電路；故障診斷；智能分析

1　概述

客專ZPW-2000A軌道電路是高速鐵路列控系統中的關鍵性基礎設施，主要用于列車占用檢查、地車通訊、斷軌檢查。及時掌握軌道電路設備的運行狀態，是保障行車安全，提高行車效率的重要工作。

客專ZPW-2000A軌道電路分為室內設備與室外設備。室內設備包括發送器、接收器、衰耗冗余控制器、防雷模擬網絡盤、軌道電路通信接口單元等。室外設備主要包括調諧匹配單元、空心線圈、機械絕緣節空心線圈、站內匹配單元、補償電容、扼流變壓器、適配器等。

根據軌道電路結構，客專ZPW-2000A軌道電路分為站內與區間兩種基本結構。二者的室內設備一致，室外根據采用電氣絕緣節或是機械絕緣節配置有所不同。通常，區間采用電氣絕緣節，車站咽喉區及股道采用機械絕緣節，全線區間和站內的軌道電路載頻統一排列。由于機械絕緣節對軌道電路各區段進行了物理隔離，而電氣絕緣節-電氣絕緣節的區間軌道電路屬于無絕緣結構，二者在硬件結構及電氣特性方面均有一定差異。本文主要以區間軌道電路作為分析對象，并對相應的故障診斷技術進行探討。

客專ZPW-2000A軌道電路在高鐵線路的應用極為廣泛，且使用環境復雜。其利用鋼軌作為導線傳輸信號，且多數部件分布在鐵路線周圍，易受外界溫度、濕度等環境因素或人為干擾，常有故障發生，成為影響列控系統可靠性的關鍵因素。

目前，我國針對客專ZPW-2000A軌道電路尚未形成制式推廣的軌道電路故障診斷系統，亟需對這一問題進行系統性探索，填補相關領域的技術空白，進一步提高行車安全性和行車效率。本文對客專ZPW-2000A軌道電路故障診斷技術的發展現狀進行了總結，并對軌道電路故障診斷技術的未來發展趨勢進行了分析。

2　軌道電路故障診斷技術

客專ZPW-2000A軌道電路除發送器、接收器和通信接口單元外，其他元件大多可以等效看作是電阻、電容、電感及變壓器等模擬電子元件構成［1］。對軌道電路進行故障診斷主要有兩類方法：一類以電路模型為基礎，根據系統應用邏輯，分析軌道電路的電氣特性，從而推測故障特征；另一類方法以軌道電路運行過程中產生的狀態數據為出發點，通過數據分析的方法對故障特征進行提取，從而達到故障診斷的目的。

2.1基于電路模型的診斷經驗

在長期的軌道電路使用過程中，一線的工作人員積累了大量的故障診斷經驗［2，3］，對于常見的故障類型基本已能做到快速定位。

通過模擬電纜網絡上的測試塞孔可以對故障性質進行快速判斷，首先區分是室內設備故障還是室外設備故障［3］。當電纜側的測量值比平時的正常電壓高許多時，一般診斷為室外故障，且為開路故障；當電纜側的測量值比平時正常電壓低，或很低，而設備側的電壓測量值存在并低于正常狀態，則判斷為室外的短路故障；對于設備側和電纜側均無電壓或電壓值很小的情況，則判斷為室內設備故障。

部分室內設備，如發送器、接收器，可根據指示燈狀態對該模塊的工作質量進行判斷，并結合監測數據對故障原因進行分析。而且發送器和接收器模塊作為具有邏輯運算功能的計算子模塊，設備工作狀態異常時，軌道電路維護機也會發出相應的報警提示，幫助工作人員進行判斷。

對于衰耗器與模擬電纜網絡，則可通過模塊表面的指示燈及測試塞孔對工作狀態進行判斷，從而對電氣特性失效的故障元件進行替換。

室外設備故障的診斷則較為復雜，室外設備包含大量的補償電容、空心線圈及調諧匹配單元，易受環境因素的干擾。確認是室外設備發生故障之后，通常采用逐級測量或者甩線測試的方法對具體的故障位置進行定位。對于軌道電路室外設備故障診斷困難的問題，武漢鐵路局開發了1套ZPW-2000A移頻軌道電路室外監測系統，對室外軌旁設備的電壓電流值進行監測［4］，采集軌面電壓、調諧匹配單元逐根鋼包銅線的電流值等，為軌道電路的故障診斷提供更多的輸入信息。

這些診斷方法大都依賴于軌道電路設備的等效電路模型，通過電路分析的方法，對各元件的工作狀態做出判斷。當單個元件發生錯誤時，可通過電路分析推導出相應的信號變化特征，而多個元件出現問題時，或是故障模式較為罕見時，故障特征較為復雜，則難以依據現有經驗進行準確的快速診斷。而且上述方法多應用于故障出現后，工作人員根據診斷經驗從事相應的故障模塊定位及維修工作。由于個人經驗的局限性以及依賴性，尚未形成1套可供學習推廣的理論知識體系。

2.2基于數據的智能分析

為了擺脫診斷過程中對人的依賴以及人為標準差異造成的影響，相關研究人員從軌道電路的監測數據入手，對基于數據的自動診斷算法展開研究，而各類機器學習算法也在這一領域得到廣泛的應用。

清華大學和北京全路通信信號研究設計院集團有限公司聯合進行研究，開發了1套基于模糊推理的故障診斷系統［5］。該系統利用Simulink構建軌道電路模型，從而對軌道電路可能存在的多種模擬電路硬故障進行仿真，提取故障特征，并利用模糊推理的方法對故障模式進行判斷。

針對單一診斷方法進行故障診斷的精度偏低問題，有研究者將BP神經網絡與模糊綜合評判相結合，提出了一種基于信息融合的故障診斷方法［6］。該方法首先分別采用神經網絡與模糊綜合評判對故障診斷問題進行分析，然后利用D-S證據理論對二者的診斷結果進行決策級的融合，發揮BP神經網絡及模糊綜合評判各自的優勢，使得診斷結果較單一，方法更為可靠。

由于軌道電路系統包含多個模塊，結構較為復雜，故障模式較多，所以利用神經網絡進行求解時，會面臨輸入及輸入變量眾多，網絡結構龐大，實用性交叉的問題。對此，有學者提出了一種BP-LMPSO-GA混合算法，將復雜神經網絡分解為多個規模較小的神經網絡組態［7］。單個小規模的神經網絡分別針對軌道電路不同部位的故障進行診斷，通過對不同神經網絡的診斷結果進行綜合，進而得出最終的診斷結論。

此外，還有研究人員采用混合量化的方法，構建模糊神經網絡對軌道電路故障進行診斷［8］。該方法采用多輸入-多輸出結構的模糊神經網絡對軌道電路故障問題進行建模，結合神經網絡訓練模型的方法，發揮模糊理論處理不精確信息的能力，從而對軌道電路的運行質量做出可靠判斷。

在各種類型的軌道電路故障情況中，補償電容故障是一類較為常見的故障情況［9］。對此，有大量工作對補償電容的故障診斷問題展開了研究。補償電容用于補償鋼軌的感性阻抗，以保證信號在較長距離內進行有效傳輸。當補償電容出現故障時，軌出電壓可能出現下降或波動的現象。

針對這一問題，北京交通大學的研究人員提出了一系列基于機車信號記錄信息的補償電容故障診斷方法［10-15］。基于軌面電流與機車信號感應電壓之間的線性映射關系，這類方法著重分析補償電容故障對機車信號感應電壓幅值包絡曲線產生的影響規律，從而通過對實測包絡曲線與仿真曲線之間的差異進行分析，達到補償電容故障模式診斷的目的。為了提升診斷精度，還可利用B樣條離散二進小波變換對幅度包絡進行降噪處理［10］，并通過變換域分析，提取更為有效的補償電容的故障特征［11］。由于這類方法需要利用分路狀態進行診斷，所以需要借助動態巡檢車的捕獲數據進行判斷，仍難以做到對軌面狀態的實時監測。

針對室外信號數據測量困難的問題，已有研究人員考慮利用室內信號設備的監測數據對室外補償電容的工作狀態加以診斷［9］。然而，這種方法目前只能對單個補償電容的斷路故障進行診斷。

目前，各類機器學習的方法在軌道電路故障診斷中得到越來越廣泛的應用，如基于神經網絡、基于模糊推理、基于證據理論的診斷方法。這些方法從數據本身入手，提取相應的故障模式特征，制定故障模式的識別規則。

其中，神經網絡方法的參數可通過學習過程進行自動調整，因此對樣本的擬合程度較好，適合處理大量樣本的情況。相應引入的問題是，學習得到的知識可能并不具有明確的物理含義，而且可能出現過擬合的情況，學習過程中的可控性較差。模糊規則的分析過程中則引入了人為指導，并試圖通過模糊的方式增加算法的魯棒性，以解決確定性判斷中存在的抗干擾性較差問題。

目前，軌道電路的智能診斷技術仍處于初步的理論研究階段。由于各軌道電路區段的實際情況差異較大，不同區段的數據特性及相應的特征向量存在著較大差異，因此上述方法難以在不同區段進行推廣，尚未形成工程化應用。而且由于使用條件復雜，軌道電路參數多變，易受環境影響。如軌道電路的道床電阻，在雨天和晴天的天氣情況下，參數會出現較大差異，傳輸特性也會發生相應變化，導致用于模式判斷的故障特征也需做出相應的調整，以適應現場條件的變化。總體來說，現有的智能診斷技術，能夠進行處理的故障類型有限，而且診斷結果的魯棒性仍需提高。

3　故障診斷技術發展建議

目前，我國客專軌道電路的工作狀態分析與故障診斷，大多依靠人工操作來完成，自動化的智能診斷方法多處于理論研究階段，尚未在現場得到有效的應用與推廣。一旦軌道電路設備出現故障，仍需通過大量的人工測量進行定位，電務及設備廠商的工作人員面臨繁重的工作負擔，人員經驗不足時，更是容易對行車效率產生影響。

另一方面，監測系統對軌道電路的運行狀態進行了較為詳實的記錄，然而數據的分析工作仍需要人工完成，如定期的軌道電路曲線查看以及故障后基于監測數據的原因分析等。這樣的人工查看與分析工作大多針對異常狀態進行，軌道電路設備發生故障前的細微變化趨勢則容易被忽視掉，而且設備正常運行狀態的大量有效信息并未得到有效利用。此外，由于沿線情況復雜，各區段的軌道電路輸出特性均會存在一定差異。信號傳輸過程中，中間各節點的監測數據更是缺乏統一判斷標準，量化分析較為困難。

對于上述矛盾，可以引入信息化技術發展的最新成果，將現有診斷經驗與機器學習算法進行結合，并且從監測數據入手，實現在線數據驅動的故障診斷。

此外，還可將自動監測數據與現場人工測量數據相結合，首先根據監測數據給出初步診斷，并提示工作人員到相應的室外或室內位置進行查看或數值測量操作，避免在不相關區域進行耗時的測量工作，進而通過人工測量的反饋，做出更為細致的診斷分析，縮短故障定位時間。

4　總結

近年來，隨著客專ZPW-2000A軌道電路在全國范圍內的廣泛使用，如何及時、準確地掌握軌道電路的工作質量，保障行車安全與效率，得到了鐵路電務領域的廣泛重視，并涌現出大量的研究工作針對這一問題進行探討。如何進一步提高監測數據的可靠性與穩定性，將智能診斷技術與現有的診斷經驗相結合，構建高效、可靠的軌道電路故障診斷系統，做到及時、精確的故障診斷，探索軌道電路故障的事前預警方法，是未來技術發展的主要方向。

［1］劉琰瓊.ZPW-2000A軌道電路智能故障診斷算法應用研究［J］.鐵路通信信號工程技術，2014，11（1）：29-32.

［2］王玉蘭.ZPW-2000A型軌道電路故障分析及處理［J］.中國高新技術企業，2014（13）：94-95.

［3］郝云濤，石文強.ZPW-2000A型無絕緣移頻軌道電路室內設備故障處理［J］.鐵道通信信號，2013，49（12）：21-23.

［4］蔡紅標，張雄.ZPW-2000移頻軌道電路室外監測系統開發［J］.鐵道通信信號，2013，49（6）：16-19.

［5］陳衛征，徐曉濱，董煒，等.一種模糊區間優化三角均分的模糊規則生成方法及其在軌道電路故障診斷中的應用［C］//中國自動化學會.第23屆過程控制會議論文集，2012：1-8.

［6］李娜，董海鷹.基于D-S證據理論信息融合的軌道電路故障診斷方法研究［J］.鐵道科學與工程學報，2012，9（6）：107-112.

［7］楊世武，魏學業，范博，等.基于數據的軌道電路故障診斷的混合算法［J］.北京交通大學學報，2012，36（2）：40-46.

［8］ J.Chen，C.Roberts，P.Weston.Fault detection and diagnosis for railway track circuits using neuro-fuzzy systems［J］.Control Engineering Practice，2008（16）：585-596.

［9］ W.Dong.Fault Diagnosis for Compensating Capacitors of Jointless Track Circuit Based on Dynamic Time Warping［J］.Mathematical Problems in Engineering，2014（2）：1-13.

［10］趙林海，冉義奎，穆建成，等.基于遺傳算法的無絕緣軌道電路故障綜合診斷方法［J］.中國鐵道科學，2010，31（3）：107-114.

［11］趙林海，蔡伯根，邱寬民，等.基于HHT、DBWT的無絕緣軌道電路補償電容故障診斷［J］.鐵道學報，2011，33（3）：49-54.

［12］趙林海，穆建成.基于AOK-TFR的軌道電路故障診斷方法［J］.西南交通大學學報，2011，46（1）：84-91.

［13］趙林海，許俊杰，劉偉寧，等.基于Levenberg-Marquardt算法和廣義S-變換的無絕緣軌道電路補償電容的故障檢測［J］.控制理論與應用，2010，27（12）：1612-1617.

［14］孫上鵬，趙會兵.基于相空間重構的無絕緣軌道電路補償電容故障檢測方法［J］.鐵道學報，2012，34（10）：79-84.

［15］趙林海，畢延帥，劉偉寧，等.基于分層免疫機制的無絕緣軌道電路補償電容故障診斷系統［J］.鐵道學報，2013，35（10）：73-81.

How to have a good grasp of the operating quality of ZPW-2000A， make the fault diagnosis decision or warning in time， and decrease the traffi c delay caused by ZPW-2000A， is one of key tasks of signaling maintenance， and has been given high regard by the related research institutes and industry companies. This paper introduces the state of the art in fault diagnosis technologies for ZPW-2000A track circuits， analyzes the problems in implementing fault diagnosis， and discusses the development trend of ZPW-2000A fault diagnosis technology.

track circuit； fault diagnosis； intelligent analysis

10.3969/j.issn.1673-4440.2016.02.024

2014-07-23）

中國鐵路總公司科技研究開發計劃課題項目（2014X008-C）