THDS系統探測結果有效性識別方法的研究與實現

陳 冬 上海鐵路局車輛處

THDS系統探測結果有效性識別方法的研究與實現

陳 冬 上海鐵路局車輛處

通過對THDS系統探測出的32點波形進行特征分析，提出一種基于特征值檢測的THDS系統探測結果有效性的識別方法。該方法準確率高，顯著優于現有識別算法，對提高THDS系統熱軸兌現率及早期預警功能有明顯作用。

THDS；32點波形；特征值；識別

鐵路車輛軸溫智能探測系統（THDS），又稱為紅外線軸溫探測系統，是利用軌邊紅外線高速探頭和智能跟蹤裝置實時檢測運行車輛的軸承溫度，進行跟蹤預報，是及時發現車輛熱軸、預防熱切軸，確保鐵路運輸安全的重要設備。

1 概況

中國鐵路總公司頒發的《車輛軸溫智能探測系統（THDS）設備檢修維護管理規程》中規定，THDS設備兌現率須達到70%以上。兌現率的計算方法如下：

運行的列車經過THDS設備時，紅外探頭會連續采集車輛軸承部位左右共50 cm范圍內的溫度，實際采集值為電壓值；將采集到的連續電壓值在50 cm范圍內平均劃分為32個區域，取出每個區域的最大值，即32點電壓值；對數據32點電壓值進行歸一化處理，得到的32個0～100區間的數值，形成波形圖，表示軸溫的32點波形，稱為“32點波形”；后由程序取出“32點波形”中的電壓最大值并通過公式換算為溫度值，作為該軸承部位的最高溫度，按照熱軸預報標準進行預報。普通貨車滾動軸承32點波形圖見圖1。

在THDS系統完整的溫度計算過程中，共有三組數據輸出，分別是軸承部位連續50 cm范圍的電壓值、32點電壓值、32點電壓最大值。32點電壓值即為將軸承部位連續50 cm范圍的電壓值平均劃分為32個區域，取出每個區域的最大值，組成32點電壓值。32點電壓最大值是“32點波形”中最大的電壓值，為一個或者多個相同值。

圖1 最常見的軸承32點波形

如果對軸承附近連續50 cm范圍內的所有電壓值進行有效性識別，計算量太大，容易影響系統的實時性；若對最終的32點電壓最大值進行有效性識別，則會由于特征不明顯無法準確識別。因此一般采用對計算過程中生成的“32點波形”數據進行有效性識別，優化計算量并提高識別準確性。

由于紅外探頭在探測過程中還會受到外界因素的影響，因此作為熱軸預報依據的“32點波形”的最大值有可能不是真實軸承的溫度，若不對其進行異常檢測，則容易出現誤報熱軸的現象，降低兌現率。

2 特征值檢測步驟

為降低THDS系統熱軸誤報的數量，提高THDS設備的兌現率，需要對測溫結果的有效性進行判斷，當發現在測溫過程中存在異常干擾時，不預報熱軸或降級預報熱軸。其具體步驟如下：步驟一：選取軸承測溫值無效的訓練樣本，對所有訓練樣本數據中的32點電壓值均進行歸一化處理；步驟二：對每一個歸一化處理后的訓練樣本提取特征值，形成特征數據集；每個訓練樣本均有多個特征值，所有的特征值組成特征數據集。步驟三：利用訓練樣本的特征數據集生成并訓練32點波形有效性分類器。對全部訓練樣本提取特征值后，通過對訓練樣本特征值的分析歸納，找出能夠準確區分訓練樣本和正常樣本的有效性分類器參數。步驟四：對采集到的32點波形進行有效性判斷。具體判斷步驟為：①將采集到的32點電壓值，按著步驟一進行歸一化處理；②對歸一化后的數值，結合訓練樣本的數據；分別按步驟二中的特征值對采集到的數據進行計算，得到其特征值結果；③將特征值結果輸入到有效性分類器中進行檢測；輸出有效性識別結果，結果顯示：該特征值有效或無效，并輸出詳細的判斷依據。

為了提高有效性分類器的準確性，選用的樣本為2013年1月1日至2014年10月8日全路使用北京康拓紅外技術股份有限公司THDS設備的貨運列車所有預報熱級的軸承數據，全部樣本數據共9 952條。其中，預報強激熱的軸承數據是299條，實際由于干擾等因素影響而使最終測溫值無效的數據樣本有114條，將這114條作為訓練樣本使用，剩余的185條樣本數據稱為正常樣本。每個訓練樣本數據包括：熱級、THDS設備類型、輛序、軸位、內外探標志、車型、32點電壓最大值、32點電壓最小值、32點電壓值和天空值過高標志。通過逐一對其中的異常波形進行分析，提取特征，得到特征值（見表1）。

表1 本方法對訓練樣本的識別準確率

3 特征值的特征

（1）平頂點數：將每一個訓練樣本中的32點電壓值均進行歸一化處理后，得到的第一個最大數值點及其左右兩側連續的超過95的點數，作為平頂點數特征值。本特征值主要用來判斷以下幾種波形，他們的共同特點是最大值點比較“突出”，若軸承溫度達到一定程度，由于其金屬特性，最高溫度分布應該較為均衡，不應只在一點或一塊很小區域出現最大值。平頂點數波形圖見圖2。

圖2 平頂點數波形圖

（2）波形寬度：將每一個訓練樣本中的32點電壓值均進行歸一化處理后，得到的第一個最大數值點及其左右兩側連續超過80的點數，作為波形寬度特征值。本特征值主要用來判斷以下幾種波形，這個特征值屬于第一項的另一個特例情況，由于探測部位寬度已知（約為500 mm），不應出現只有很窄的溫度波形。波形寬度波形圖見圖3。

圖3 波形寬度波形圖

（3）飽和寬度：當訓練樣本中的32點電壓最大值超過9 990 mV但未超過10 000 mV時，將32點電壓值歸一化后，對應的第一個最大數值點及其左右兩側連續超過90的點數，作為飽和寬度特征值。本特征值主要用來判斷以下幾種波形，飽和時，說明溫度已經達到探測器的最大量程，其溫度極高，應該在可探測區域內保持溫度高的一致性，飽和部位不應只出現在很窄的區域。飽和寬度波形圖見圖4。

圖4 飽和寬度波形圖

（4）飽和時歸一化后小于20的點數：當訓練樣本中的32點電壓最大值超過9 990 mV但未超過10 000 mV時，將32點電壓值歸一化后，統計數值小于20的點數，作為飽和時歸一化后小于20的點數特征值，該特征值結果為數字。本特征值主要用來判斷以下幾種波形，一種是一條直線，表現為全部飽和，此時可能是受到陽光干擾等因素；另一種是從飽和開始呈下降趨勢，此種情況的波形成因未知。飽和時歸一化波形圖見圖5。

圖5 飽和時歸一化波形圖

（5）能量：使用歸一化后的32點數值之和；能量的結果位于0～3200之間。本特征值主要用來判斷以下幾種波形，此時軸承的能量超出了其應有的能量范圍。能量波形圖見圖6。

圖6 能量波形圖

（6）激熱電壓低標志：當熱級為激熱時，32點電壓最大值未超過-3 V時，設置訓練樣本中的激熱電壓低標志特征值為1，否則設置為0。本特征值主要用來判斷如圖7所示波形，圖7所示波形預報結果為激熱，但其電壓最大值只有-3530 mV，可能是由于環溫故障導致預報熱軸。激熱電壓低標準波形圖見圖7。

圖7 激熱電壓低標準波形圖

（7）罐車、箱車陽光干擾標志：當車型為G或X，且歸一化后前三點數值均大于80，且存在天空值高標志，且軸位為1軸或3軸時，置本標志位為1，否則置為0。本特征值主要用來判斷以下幾種波形。當車型為罐車或箱車，且在1、3軸位，由于軸承附近部位沒有遮擋，探測時探測器會探測到太陽，導致溫度異常。罐車、箱車陽光干擾波形圖見圖8。

圖8 罐車、箱車陽光干擾波形圖

4 分類器介紹

為能依據特征，將波形的正常和異常進行區分，需要針對每個特征值創建分類器（見表2）。

表2 分類器匯總表

5 實際應用情況及結論

在測試系統上，對從2015年2月至2016年2月期間的真實數據進行計算判別，對微熱級別的異常波形判別準確率為98.2%，對微熱熱級的正常波形判別準確率為99.1%，對強激熱熱級的異常波形判別準確率為100%，對強激熱熱級的正常波形判別準確率為100%。

經過訓練樣本與真實數據的測試，本文研究的基于特征值識別的THDS系統探測結果有效性識別方法準確率高，能大幅提升熱軸預報的效果，全面適應了鐵路發展的新形勢，可以更好地為鐵路運輸安全提供可靠保障。

責任編輯：王華 傅佩喜

來稿日期：2016-08-17