基于和聲搜索算法的軌道交通供電系統故障定位

韓詠釗 周小舟 張 俞 朱宇凡 鄒德旋

（江蘇師范大學 電氣工程及自動化學院，江蘇 徐州221116）

鐵路作為一種可持續(xù)發(fā)展的陸上交通工具，有著成本低、能耗小、運輸能力大等特點。而我國地大物博、人口繁多并且資源散布不平衡，這些特點決定了鐵路在綜合交通運輸體系中的主導地位，是國民經濟的大動脈，同時也是推動國民經濟更好發(fā)展的基礎設施。隨著物聯網時代的到來，我國的鐵路運輸業(yè)也迎來了新的發(fā)展前景，在鐵路網高速持續(xù)的發(fā)展下，至2019年我國鐵路固定資產投資完成了8029 億元，全國鐵路營業(yè)里程達到了13.9 萬公里以上，其中電氣化里程達到了10.0 萬公里，電氣化率為71.9%。中國在高速鐵路運營里程、列車運行速度在建規(guī)模上一直領先于世界，成為了世界上最大的國家。

在如此大規(guī)模發(fā)展和快速運用的推動下，安全性、可靠性和可維修性一直都是國家和鐵路集團對地面軌道電路設備的三大要求。而軌道電路作為室外三大件（道岔、軌道電路、信號機）之一，是列控系統中應用范圍最廣、使用時間最長的關鍵安全設備之一，其主要組成設備包括信息發(fā)送設備、鋼軌傳輸和信息接收設備；基本原理為信息發(fā)送設備以兩根鋼軌作為導體將信息傳輸至接收設備，用以監(jiān)視列車的占用及通知列車信息。所以軌道電路在我國鐵路中被大規(guī)模的采用，它的工作性能直接影響行車安全和運輸效率，一旦其出現故障，不但影響行車、降低運輸效率，嚴重時甚至會致使安全事故的發(fā)生，危及人員的生命安全。在電氣化鐵路站場中，截止目前已有超九成的車站采用了25Hz 相敏軌道電路，其高穩(wěn)定性的工作系統、較強的抗干擾能力和相對簡單的維修處理，使其成為了電氣化鐵路站場的首選。

但是，如何對這些軌道電路進行維護、維修，使它們可以安全、高效、可靠地工作卻也是一大問題。目前25Hz 相敏軌道電路的故障診斷存在效率低、準確性不高。我國之前普遍依靠維修人員的工作經驗進行判斷與故障定位，但隨著鐵路行業(yè)的高速發(fā)展，列車的運行速度不斷提高，運行間隙也逐漸變小，之前的維修方案已經不能滿足需要了，雖然近年很多部門采用了計劃維修的辦法，即采用周期性跟換或檢修設備的狀態(tài)，但這一方法還是受到了既有經驗的束縛，可能會導致維修過度，造成不必要的損失。因此，為了縮短設備的維修時間，快速、準確地定位故障原因，及時地進行維修尤為重要，有必要建立一種智能化的故障診斷方式，快速、準確地發(fā)現設備故障原因，提高維修效率[1]。

為了解決復雜的軌道電路故障診斷問題, 將遺傳算法引入到軌道電路的故障診斷領域, 從而彌補了目前檢測方法的不足[2]；還可利用粒子群支持向量機理論建立更為有效的軌道電路故障診斷模型，實現多種故障的診斷[3]；2010 年提出組合模型的25Hz 相敏軌道電路故障診斷方法, 克服了單項診斷方法的信息單一和診斷片面等不足, 提高了故障診斷精度[4]。2010 年，國外提出了一種新的補償電容診斷方法：Dempster-Shafer 證據融合理論和人工神經網絡相結合[5]。國外還提出了一種基于RCM的維修理念。2018 年，我國針對傳統25Hz 相敏軌道電路故障診斷網絡求解時收斂速度慢、診斷精度不高的問題，提出了智能蝙蝠算法(BA)與模糊邏輯理論(FS)、神經網絡(NN)相融合的BA-FNN 模型，對25Hz 相敏軌道電路進行故障診斷。考慮到軌道電路特征參數的不確定性、模糊性,運用模糊邏輯理論對軌道電路特征參數進行模糊化預處理[6]。2019 年，提出了一種新的圖像檢測方法, 通過獲取模擬線路瓷質懸式絕緣子的紅外運行圖像,對紅外圖像進行去噪處理，將紅外圖像中的絕緣子串區(qū)域和背景區(qū)域進行有效地分割有效提取了目標區(qū)域。找出明顯能反應劣化絕緣子的紅外圖像特性, 在此基礎上將是否含有零值絕緣子定為輸出向量, 通過深度學習訓練得到零值絕緣子識別模型沒, 然后選擇合適的實驗數據利用識別模型對其進行檢測分析[7]。本文將對25Hz 相敏軌道電路的故障定位采用和聲搜索算法進行模型的建立研究，并進行軌道交通單端和多端供電系統故障定位的模擬。

1 和聲搜索算法原理

和聲搜索算法是韓國學者Z.W.Geem 等人提出的一種新型元啟發(fā)式全局搜索算法[8]，該算法是模仿人類音樂演奏過程中，樂師通過對和聲的音調不斷調整，將更優(yōu)的和聲替換掉最差的和聲，直到創(chuàng)作出和諧的給人以美感的和聲的過程，也就是和聲搜索算法的最優(yōu)化過程。

和聲搜索算法就是受到上述過程的啟發(fā)，把對和聲好壞的評價標準類比于目標函數的函數值，把樂器類比于優(yōu)化問題中的一個決策變量，把各個樂器奏出的音符的和聲類比于優(yōu)化問題的一個解向量，將樂器在可演奏的范圍隨機奏出的HMS 組和聲作為初始和聲放入和聲記憶庫內，以和聲記憶庫取值概率HMCR 在和聲記憶庫內取出一組解，或者以1-HMCR 的概率在和聲記憶庫外可能的范圍內取出一組解。然后對取出來的該組解以微調概率PAR 進行微調，若新解優(yōu)于和聲記憶庫中的最差解，則用新解替換掉最差解，否則，保持原有和聲記憶庫不變。不斷迭代，直到達到最大迭代次數Tmax。下面詳細介紹該算法的步驟。

1.1 初始化變量

HMS——和聲庫大小（Harmony Memory Size），根據實際問題中解變量的范圍構造相應的解空間，并以此產生隨機的和聲記憶庫，算法運算前需要先指定這個記憶庫的大小；

HMCR——記憶庫取值概率（Harmony Memory Considering Rate），為每次從記憶庫中取出一組解的概率；

PAR——微調概率（Pitch Adjusting Rate），對從記憶庫中取出的該組解變量進行微調的概率；

bw——微調帶寬，對該組解進行微調的調整幅度；

Tmax——調整過程重復的次數。

1.2 確定解空間

每個變量都有自己的定義域，N 對應著變量數，H 表示變量的上限，L 表示變量的下限，所有變量的取值范圍就構成了一個解空間。

1.3 初始化和聲記憶庫

根據和聲庫大小和解空間容量隨機產生初始化和聲記憶庫。

1.4 產生新解

1.4.1 先在[0,1]之間產生一個隨機數rand，并與初始化后的HMCR 數值進行比較；

1.4.2 若rand＜HMCR，在初始化后的HM（和聲記憶庫）選取一組變量，否則就在初始化的解空間中選取一組變量；

1.4.3 若該組變量是從記憶庫中得到的，即對該組變量進行微調；

1.4.4 在[0,1] 之間產生一個隨機數rand，并與初始化后的PAR 數值進行比較；

1.4.5 若rand＜PAR，即將該組變量以微調帶寬bw 進行微調，并得到一組新解，否則不進行微調。

1.5 更新解變量

計算上述得到的新解并與和聲庫中的最差解進行比較，若優(yōu)于最差解，即用新解代替差解。直到完成所有迭代，停止運算。

和聲搜索算法具有控制參數少，步驟簡單，易于實施的特點，且能針對一些優(yōu)化問題給出具體的優(yōu)化方案，因此是一種高效的優(yōu)化算法。

2 和聲搜索算法在軌道交通供電系統中的應用原理

軌道交通供電系統發(fā)生某個部位發(fā)生故障時，位于各開關處的檢測裝置可檢測到故障電流的流經（檢測裝置取1 表示流過故障電流，檢測裝置取0 表示未流過故障電流），將檢測得到的電流值與期望的電流值進行比較后，形成0-1 離散的故障報警編碼信息向上級傳遞，分析并確認故障區(qū)段。

而適應度函數則是根據接收到的檢測裝置的電流信息來分析各區(qū)段的狀態(tài)。構造如下所示適應度函數[9]：

Fit（SB）——和聲記憶庫中每個和聲向量對應的目標函數；

SB——供電系統中各區(qū)段的狀態(tài)，是由6 個區(qū)段狀態(tài)組成的行向量，取值為1 表示區(qū)段處于故障狀態(tài)，取值為0 表示區(qū)段處于正常狀態(tài)；

aij——第j 個檢測裝置測定的狀態(tài)信息，取值為1 表示第j個檢測裝置有過電流流經，取值為0 表示第j 個檢測裝置沒有過電流流經；i 表示所設和聲的總組數，即HMS 的大小；

aij（SB）——根據邏輯式推得的各檢測裝置的期望狀態(tài)；

N——檢測裝置的數量；

N'——區(qū)段的數量。

和聲搜索算法主要通過和聲記憶庫考慮、基音調整和隨機化步驟對問題解進行逐步調整。該算法每次迭代只更新一次和聲向量，通過多次迭代最終找到最優(yōu)解。公式(3)中的Fit（SB）被作為和聲搜索算法的目標函數，其值越低，和聲搜索算法所得到的檢測結果就越精確，反之亦然。

2.1軌道交通單端供電系統

圖1 軌道交通單端供電系統

根據軌道交通供電系統的原理，對圖1 進行分析。圖中圓圈內的數字代表回饋線區(qū)段的編號（下式中用bm表示對應區(qū)段的狀態(tài)信息），各個檢測裝置期望狀態(tài)函數aij（SB）由其后續(xù)的各個區(qū) 段 確 定，分 別 表 示 為ai1（SB）=b1||b2||b3||b4||b5||b6，ai2（SB）=b2||b3||b4||b5||b6，ai3（SB）=b2||b3||b4||b5||b6，ai4（SB）=b3，ai5（SB）=b4，ai6（SB）=b6和ai7（SB）=b5。

利用MATLAB 編寫基于和聲搜索算法的軌道交通供電系統故障定位程序。假設接觸網區(qū)段④和⑤發(fā)生短路故障，分別進行接收到的故障信息正常以及故障信息存在畸變兩種情況的運算。為了避免由于種群隨機產生而造成的偶然性，每種情況進行了100 次的程序運行。表1 為故障信息完整及故障信息存在畸變時得到的定位結果。

表1 單端供電系統故障定位結果1

為了避免誤差，下面再次選擇了兩種假設。

針對接觸網區(qū)段③和④發(fā)生短路故障以及區(qū)段④和⑥發(fā)生故障，分別進行接收故障信息正常及接受故障信息存在畸變兩種情況的運算。故障信息完整及故障信息存在畸變時的定位結果如表2、表3 所示。

表2 單端供電系統故障定位結果2

圖2 軌道交通多端供電系統

表3 單端供電系統故障定位結果2

根據以上故障運算結果，對于故障信息完備情況，和聲搜索算法能收斂到問題的最優(yōu)解，對于少數故障信息缺失，也能準確定位出故障區(qū)段，與實際相符。

2.2 軌道交通多端供電系統

對于多端供電系統，我們可以把它拆分成多個單端供電系統分別來考慮，每次運算只假設由一個電源供電，該電源向全網供電的流出方向即為正方向，將所有單端結果集中分析即可定位出故障區(qū)段。

與單端供電系統不同的是，多端供電系統需要考慮到故障電流aij的方向，當存在故障電流且方向與所設電流正方向一致時，取值為1，當不存在故障電流或存在故障電流但故障電流方向與所設電流正方向不一致時，取值為0。

設計28 個開關，18 個區(qū)段，根據上述過程，建立和聲記憶庫（HM），HMS=100：

其中，bin指第i 組第n 個區(qū)段的狀態(tài)（n=1，2，3…18）,bin=0指區(qū)段正常，bin=1 指區(qū)段故障。

令和聲記憶庫取值概率HMCR=0.9；音調微調概率PAR=0.3；微調帶寬bw=0.01；迭代次數Tmax=200。

假設A 端供電，網絡的正方向即為由A 指向B、C、D，當故障區(qū)段為⑥和⑨時，故障過流信息為：1 1 1 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0。

將Fnew與記憶庫中最差的Fit（SB）比較，判斷是否優(yōu)于最差的Fit（SB），若優(yōu)于則將Bnew替代Bi，劣于則保留Bi，從而得到最新的記憶庫。

根據初始化設置的迭代次數，重復迭代100 次，得到適應度最小值，那么該適應度對應的解空間得到的區(qū)段狀態(tài)就是故障區(qū)段的狀態(tài)。

經過100 次迭代計算后，發(fā)現得到的適應度的值總是非負的且值趨向于0。而適應度函數是區(qū)分群體中個體好壞的標準。這就表明，最終運算得到的解，是我們所期望的“好”解，也即最優(yōu)解。

圖3 適應度函數曲線

同理，在假定B、C、C 端供電時，也可以列出上述的各檢測裝置期望狀態(tài)函數和適應度函數。仿真結果如下。

將拆分后的單端供電的故障定位結果綜合在一起，得到故障區(qū)段為⑥和⑨，與實際情況相符。

2.3 仿真結果分析

綜合軌道交通單端供電系統和多端供電系統的仿真結果，不難發(fā)現，和聲搜索算法收斂速度快，可以對軌道交通供電系統故障區(qū)段進行快速而準確的定位。

當輸入位發(fā)生畸變時，隨著迭代次數的增加，最后仍然可以計算出正確的定位結果，這說明了該算法具有較高的容錯性。

表4 多端供電系統你故障定位結果

3 結論

本文基于和聲搜索算法的基本原理，提出了針對軌道交通供電系統故障定位的仿真模型。并且對復雜的軌道交通多端供電系統進行拆分，繁而化簡，分別討論單端供電情況下的仿真結果，再進行綜合，定位出最終的故障區(qū)段。該算法計算速度快，容錯性高，且運用實例證明了該算法的有效性。