基于大數(shù)據(jù)分析的軌道電路故障診斷模型設(shè)計

余 飛，黃鐵兵，楊 非

（廣安職業(yè)技術(shù)學(xué)院，四川 廣安 638000）

0 引 言

軌道電路是鐵路生產(chǎn)與運(yùn)輸?shù)陌踩O(shè)備，主要是用于列車占用檢測，只有運(yùn)行穩(wěn)定并且安全指數(shù)較高的電務(wù)設(shè)備才能保證鐵路企業(yè)的運(yùn)輸質(zhì)量和運(yùn)輸效率[1]。通過軌道電路能夠直接監(jiān)測到車輛占用軌道的實(shí)時情況，以便開展后續(xù)工作。相關(guān)工作人員根據(jù)室內(nèi)的控制臺或者顯示器獲取到畫面，及時掌握車輛的位置和具體運(yùn)行情況，有利于行車安全和提高運(yùn)輸效率。我國軌道電路故障技術(shù)的發(fā)展過程主要經(jīng)歷了人工診斷、信號處理診斷階段以及人工智能診斷階段3個階段。人工診斷主要是依托技術(shù)人員的維修技術(shù)與維修經(jīng)驗(yàn)，進(jìn)行粗略的故障排查[2]。信號處理階段主要是通過信號傳感器進(jìn)行采集檢測與故障分析，但是容易受到外界干擾，導(dǎo)致無法精確判斷故障發(fā)生原因。人工智能診斷是將先進(jìn)的智能技術(shù)與人工診斷相結(jié)合，是未來一段時間內(nèi)的主要研究方向。

1 收集軌道電路故障信息

1.1 劃分故障類型

軌道電路的故障主要表現(xiàn)包括閃紅光帶、分路不良以及紅光帶。紅光帶故障主要指的是在固定的軌道區(qū)段沒有出現(xiàn)車占用的情況，但是軌道電路卻發(fā)出被車占用的信號，由于主要形式是紅色光帶，因此被叫作紅光帶故障[3]。與紅光帶故障情況相反的是分路不良故障，指的是在部分軌道區(qū)段有車占用，但實(shí)際情況中卻沒能及時反映出來，給出了無車占用的信號。而閃紅光帶故障指的是軌道區(qū)無車占用，但出現(xiàn)了短暫的紅光帶。其中，分路不良和閃紅光帶是非安全性故障，紅光帶是會影響鐵路運(yùn)輸效率的一種安全導(dǎo)向型故障。

1.2 分析故障原因

紅光帶故障出現(xiàn)的原因主要包括軌道地質(zhì)結(jié)構(gòu)的影響、鋼軌材質(zhì)腐蝕以及絕緣墊板電阻變低等。由于軌道電路設(shè)備的長時間使用但沒有及時修護(hù)，造成電路的元器件老化失效，無法保證軌道電路的信號傳輸范圍，而且人為損壞也會導(dǎo)致發(fā)生紅光帶故障[4]。此外，車輪和鋼軌磨損產(chǎn)生的碎屑一旦出現(xiàn)在軌道的絕緣節(jié)點(diǎn)附近，就會導(dǎo)致電路短路，從而出現(xiàn)紅光帶故障。造成分路不良故障的原因主要是車輪與列車軌道的接觸面結(jié)構(gòu)發(fā)生了變化。在鐵路運(yùn)輸過程中，部分地區(qū)的氣候比較潮濕，鐵軌材質(zhì)會受到空氣中的水分影響出現(xiàn)不同程度的氧化和銹蝕，導(dǎo)致軌道與車輪的接觸不良。閃紅光帶故障主要是各種類型的干擾造成的，包括電路牽引回流與諧波之間的傳導(dǎo)干擾、鄰線區(qū)段之間的干擾以及雷電天氣出現(xiàn)的電磁干擾等[5]。當(dāng)軌道電路的電源電壓不穩(wěn)定或者受列車的重量和速度影響時，都會造成軌道電路運(yùn)行出現(xiàn)故障。

2 設(shè)計基于大數(shù)據(jù)分析的軌道鐵路故障診斷模型

2.1 處理故障診斷基礎(chǔ)數(shù)據(jù)信息

通過監(jiān)測軌道電路的軌道信號，收集到大量軌道電路正常運(yùn)行狀況的監(jiān)測數(shù)據(jù)信息，將故障模式下的電路樣本數(shù)據(jù)進(jìn)行整合匯總，并且在日后的診斷過程中不斷收集更新[6]。實(shí)際工作中的軌道電路運(yùn)行環(huán)境更為復(fù)雜，故障診斷的樣本參數(shù)通常難以達(dá)到精確測量的水平[7]。在對軌道電路進(jìn)行集中監(jiān)測時，樣本數(shù)據(jù)通常在數(shù)值上存在不同程度的誤差，為了保證故障診斷結(jié)果的精確性，將均值法作為獲取和處理故障診斷數(shù)據(jù)的主要技術(shù)手段。軌道電路的輸送端口的電源和電壓直接影響著整個電路的通電運(yùn)行狀態(tài)[8]。對于處在高壓環(huán)境下，軌道電路的不對稱脈沖是在輸送端發(fā)出的電壓信號，通過將軌道電路的脈沖發(fā)送器進(jìn)行變壓器耦合，將電力輸送到鋼軌軌面。收集并處理軌道電路的歷史故障數(shù)據(jù)信息，為構(gòu)建故障診斷模型奠定數(shù)據(jù)基礎(chǔ)。

2.2 提取大數(shù)據(jù)分析技術(shù)特征

大數(shù)據(jù)分析技術(shù)作為主要的軌道電路故障診斷途徑，以云計算的方式將大量相關(guān)數(shù)據(jù)進(jìn)行集中整合并管理，在大數(shù)據(jù)平臺上進(jìn)行數(shù)據(jù)共享。針對軌道電路室外設(shè)備的相關(guān)數(shù)據(jù)，以列隊(duì)的方式進(jìn)行實(shí)時采集，并且將采集到的數(shù)據(jù)信息輸送到大數(shù)據(jù)平臺的數(shù)據(jù)接收模塊[9]。對軌道電路電力設(shè)備的數(shù)據(jù)類型進(jìn)行劃分歸類，根據(jù)不同的數(shù)據(jù)類型特征，以結(jié)構(gòu)化的形式接入物聯(lián)網(wǎng)數(shù)據(jù)處理端口[10]。針對不同的數(shù)據(jù)量，利用大數(shù)據(jù)分析技術(shù)平臺的存儲器對數(shù)據(jù)進(jìn)行儲存管理，提取軌道電路故障相關(guān)數(shù)據(jù)的交互性和并發(fā)性特征。基于軌道電路精確到秒級響應(yīng)的數(shù)據(jù)分析要求，應(yīng)用大數(shù)據(jù)分析技術(shù)進(jìn)行數(shù)據(jù)實(shí)時處理和實(shí)時清洗，采用數(shù)據(jù)復(fù)雜加工框架實(shí)現(xiàn)。在數(shù)據(jù)接收和數(shù)據(jù)加工的過程中，必須按照云計算數(shù)據(jù)處理步驟進(jìn)行數(shù)據(jù)處理和結(jié)構(gòu)轉(zhuǎn)換，主要包括車站電子設(shè)備、室外零部件以及鐵路信號維度等因素。此外，根據(jù)軌道電路故障診斷數(shù)據(jù)的復(fù)雜程度，還可以采用數(shù)據(jù)搜索引擎將故障規(guī)律與故障維修進(jìn)行匹配，實(shí)現(xiàn)軌道電路故障監(jiān)測和規(guī)律探索的目標(biāo)，為故障診斷模型構(gòu)建提供技術(shù)支撐。

2.3 構(gòu)建故障診斷模型

軌道電路模型在發(fā)生故障后，會呈現(xiàn)出復(fù)雜的非線性關(guān)系，應(yīng)用大數(shù)據(jù)分析技術(shù)的深度學(xué)習(xí)優(yōu)勢，將輸入的故障信息數(shù)據(jù)自動調(diào)整成與平臺相匹配的形式。利用大數(shù)據(jù)分析技術(shù)對非線性關(guān)系的擬合能力，進(jìn)行數(shù)據(jù)分析處理。軌道電路的隱藏層節(jié)點(diǎn)直接影響著故障診斷結(jié)果的質(zhì)量，隱藏節(jié)點(diǎn)的數(shù)量過少會導(dǎo)致故障診斷結(jié)果不夠準(zhǔn)確，數(shù)量過多導(dǎo)致模型結(jié)構(gòu)過于復(fù)雜，因此需要計算固定時間段內(nèi)軌道電路的隱藏節(jié)點(diǎn)數(shù)量，計算公式為：

式中，Q表示隱藏節(jié)點(diǎn)的數(shù)量；a表示大數(shù)據(jù)平臺接收端口的數(shù)據(jù)流量；b表示大數(shù)據(jù)平臺輸出端口的數(shù)據(jù)流量；β∈(5,15)表示數(shù)據(jù)基礎(chǔ)參數(shù)及數(shù)據(jù)的基礎(chǔ)參數(shù)取值范圍。根據(jù)計算公式可知最終隱藏節(jié)點(diǎn)的數(shù)量為11個，符合大數(shù)據(jù)分析技術(shù)的要求。處理后的故障診斷節(jié)點(diǎn)結(jié)構(gòu)如表1所示。

表1 故障診斷節(jié)點(diǎn)結(jié)構(gòu)

根據(jù)表1可知，處理后的接收端和輸出端口節(jié)點(diǎn)峰值電壓取值范圍在（-1，1）之間，挖掘軌道鐵路的隱藏節(jié)點(diǎn)，實(shí)現(xiàn)軌道鐵路故障的診斷。

3 仿真實(shí)驗(yàn)

3.1 實(shí)驗(yàn)準(zhǔn)備

設(shè)置軌道電路的仿真實(shí)驗(yàn)參數(shù)，ZC表示故障嚴(yán)重程度（Ω），具體如下。連接故障樣本數(shù)10 820個，0.5≤ZC≤2；空心線圈故障樣本數(shù)10 820個，0.25≤ZC≤1；數(shù)字電纜故障樣本數(shù)7 890個，0.75≤ZC≤1；電纜連接故障樣本數(shù)6 500個，1.5≤ZC≤3；衰耗器故障樣本數(shù)6 500個，0.5≤ZC≤1；電纜連接故障樣本數(shù)10 820個，15≤ZC≤20；空心線圈故障樣本數(shù)7 200個，10≤ZC≤50；數(shù)字電纜故障樣本數(shù)9 600個，12.5≤ZC≤60；電阻過高樣本數(shù)10 820個，1≤ZC≤50。

文中診斷模型分別與3種傳統(tǒng)故障診斷模型進(jìn)行實(shí)驗(yàn)對比，并得出實(shí)驗(yàn)結(jié)果。

3.2 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果如表2所示。

表2 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果表明，文中故障診斷模型比傳統(tǒng)故障診斷模型的精確度提高了1.156%～6.748%，因此文中鐵路軌道故障診斷模型更加有效。

4 結(jié) 論

本文通過設(shè)計基于大數(shù)據(jù)分析技術(shù)的軌道電路故障診斷模型，提高了故障診斷結(jié)果的精確度。在一定程度上推動了鐵路行業(yè)的發(fā)展，也為學(xué)術(shù)界開展相關(guān)研究奠定了理論基礎(chǔ)和實(shí)踐基礎(chǔ)。由于研究條件有限，文章在軌道電路故障的數(shù)據(jù)收集方面還不夠全面，未來將繼續(xù)完善。