基于改進(jìn)的DPC算法的ZDJ9轉(zhuǎn)轍機(jī)異常數(shù)據(jù)挖掘

李智宇

（北京全路通信信號研究設(shè)計(jì)院集團(tuán)有限公司，北京 100070）

1 概述

ZDJ9型轉(zhuǎn)轍機(jī)是為國內(nèi)鐵路提速的需求而研制的，具有轉(zhuǎn)換力大、效率高等特點(diǎn)。既可用于多點(diǎn)牽引分動(dòng)外鎖閉道岔的轉(zhuǎn)換，也可用于尖軌聯(lián)動(dòng)的內(nèi)鎖閉道岔轉(zhuǎn)換，一般多用于客運(yùn)專線，其缺陷與損害直接影響列車的安全可靠運(yùn)行[1]。轉(zhuǎn)轍機(jī)如果出現(xiàn)異常，很可能導(dǎo)致脫線、脫軌、追尾等重大事故，危及行車安全。目前，對轉(zhuǎn)轍機(jī)的故障診斷主要依靠維護(hù)人員的理論知識和現(xiàn)場經(jīng)驗(yàn)，故障識別時(shí)間較長、效率低且誤判、漏判現(xiàn)象時(shí)有出現(xiàn)。因此，轉(zhuǎn)轍機(jī)故障診斷具有十分重要的意義。

多年來，國內(nèi)外的學(xué)者們在轉(zhuǎn)轍機(jī)故障診斷方面進(jìn)行一些研究，但都存在各自的優(yōu)缺點(diǎn)。Eker OF等人把支持向量機(jī)方法應(yīng)用于道岔故障診斷[2]，關(guān)瓊利用果蠅優(yōu)化算法提高支持向量機(jī)方法的計(jì)算速度，完成道岔故障類型識別[3]，但是支持向量機(jī)方法并不適用于多種故障的分類。Atamuradov V等人構(gòu)建了專家系統(tǒng)，能夠識別道岔是否正常運(yùn)行以及兩種類型的故障[4]，張智等人將專家系統(tǒng)應(yīng)用于電液轉(zhuǎn)轍機(jī)故障診斷[5]。專家系統(tǒng)的局限性在于轉(zhuǎn)轍機(jī)的工作條件千差萬別，導(dǎo)致故障模式和故障原因多樣，專家經(jīng)驗(yàn)很難全面地將所有故障進(jìn)行歸納總結(jié)。與專家系統(tǒng)相比，基于神經(jīng)網(wǎng)絡(luò)的故障診斷具有學(xué)習(xí)能力，無需構(gòu)造完善的先驗(yàn)知識庫，如Chen J和李雅美等人建立了基于模糊神經(jīng)網(wǎng)絡(luò)的道岔故障識別系統(tǒng)[6-7]，但這種方法需要大量的訓(xùn)練樣本進(jìn)行學(xué)習(xí)才能獲取良好的故障診斷結(jié)果，而道岔故障類型多樣，大大延長學(xué)習(xí)時(shí)間。為提高故障診斷速度，肖蒙和王林潔等人將貝葉斯網(wǎng)絡(luò)應(yīng)用于轉(zhuǎn)轍機(jī)故障診斷，基于粗糙集約簡的思想，對屬性進(jìn)行約簡，從而簡化貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，減少算法的復(fù)雜性，提升計(jì)算速度[8-9]，這一方法的缺點(diǎn)在于需要確定適當(dāng)?shù)南闰?yàn)概率，然而先驗(yàn)概率很難確定。劉新發(fā)和李孟瀾等人將聚類分析方法用于轉(zhuǎn)轍機(jī)故障診斷，可以同時(shí)識別多種故障[10]。聚類分析為無監(jiān)督學(xué)習(xí)方法，不需要提前訓(xùn)練模型，但是現(xiàn)有的絕大部分聚類分析方法，需要提前給定分類數(shù)，對于實(shí)際工況下的數(shù)據(jù)，具體分幾類很難提前確定。

鑒于以上研究現(xiàn)狀，本文針對ZDJ9轉(zhuǎn)轍機(jī)動(dòng)作電流數(shù)據(jù)的特點(diǎn)提出一種改進(jìn)的DPC聚類分析算法來識別異常數(shù)據(jù)。本文的主要貢獻(xiàn)：1）與一些經(jīng)典的聚類分析方法（如K-means方法、基于層次的聚類分析方法、模糊聚類分析方法）相比，本文提出的算法可以自動(dòng)分類，不需要提前設(shè)定分類數(shù)目，需要提前確定的參數(shù)難度相對較小；2）與傳統(tǒng)的DPC算法相比，對于現(xiàn)場運(yùn)行的ZDJ9轉(zhuǎn)轍機(jī)動(dòng)作電流數(shù)據(jù)而言，本文提出改進(jìn)的DPC算法更容易識別異常數(shù)據(jù)，運(yùn)算速度更快；3）本文提出的DPC算法簡潔明快，能夠識別各種形狀的類簇。

2 轉(zhuǎn)轍機(jī)動(dòng)作電流曲線分析

ZDJ9型道岔的電動(dòng)機(jī)采用交流三相電源，道岔的正常轉(zhuǎn)換過程：解鎖-轉(zhuǎn)換-鎖閉，相應(yīng)的動(dòng)作電流曲線可分為：解鎖區(qū)-轉(zhuǎn)換區(qū)-鎖閉區(qū)-緩放區(qū)，如圖1所示。

圖1 ZDJ9轉(zhuǎn)轍機(jī)正常動(dòng)作電流曲線Fig.1 Normal action current curve of ZDJ9 switch machine

T1（解鎖區(qū)）：道岔啟動(dòng)電流較大，完成道岔解鎖過程。在此過程中，電機(jī)剛啟動(dòng)時(shí)，有一個(gè)很大的啟動(dòng)電流，同時(shí)產(chǎn)生較大的轉(zhuǎn)矩，道岔進(jìn)入解鎖狀態(tài)，經(jīng)齒輪組及摩擦聯(lián)結(jié)器使?jié)L珠絲向順（逆）時(shí)針方向旋轉(zhuǎn)，從而使?jié)L珠絲杠上的螺母向左（右）側(cè)運(yùn)動(dòng)，轉(zhuǎn)轍機(jī)動(dòng)作桿帶動(dòng)鎖閉桿運(yùn)動(dòng)，直到實(shí)現(xiàn)外鎖閉裝置解鎖，但尖軌不動(dòng)，此刻電機(jī)負(fù)載很小，電流曲線迅速回落，道岔進(jìn)入轉(zhuǎn)換過程。

T2（動(dòng)作區(qū)）：該時(shí)段為道岔的轉(zhuǎn)換過程。在這個(gè)過程中滾珠絲杠上的推板套繼續(xù)運(yùn)動(dòng)，從而帶動(dòng)尖軌運(yùn)動(dòng)。如果動(dòng)作電流平滑，表明轉(zhuǎn)換阻力小；如果動(dòng)作電流略微增大，表明轉(zhuǎn)換阻力大，交流轉(zhuǎn)轍機(jī)很難從電流大小判斷轉(zhuǎn)換阻力的大小。

T3（鎖閉區(qū)）：此時(shí)道岔進(jìn)入鎖閉過程。這一過程為道岔尖軌被帶動(dòng)到另一側(cè)，尖軌與基本軌密貼，內(nèi)鎖閉塊彈出，切斷動(dòng)作電路。其動(dòng)作電流曲線為尾部平滑迅速下降。

T4（緩放區(qū)）：第4時(shí)段為1DQJ（第1道岔啟動(dòng)繼電器）緩放的階段。道岔轉(zhuǎn)換完畢，速動(dòng)開關(guān)組中的接點(diǎn)轉(zhuǎn)換到規(guī)定位置，斷開啟動(dòng)電路，1DQJ自閉電路斷開進(jìn)入緩放狀態(tài)。在1DQJ緩放時(shí)間內(nèi)，啟動(dòng)電路中X1線纜仍有電流，這是由于道岔到位后自動(dòng)接點(diǎn)接通室外的表示電路，此時(shí)1DQJ還在緩放中，ZDJ9轉(zhuǎn)轍機(jī)電源380 V還在向外輸電，X1線纜經(jīng)室外表示電路溝通回路，從而產(chǎn)生電流。此時(shí)的“小臺階”長短取決于1DQJ的緩放時(shí)間，電流值大小取決于表示回路電阻，一般為0.5 A左右。

3 DPC算法轉(zhuǎn)轍機(jī)異常數(shù)據(jù)挖掘方法

3.1 數(shù)據(jù)特征提取

轉(zhuǎn)轍機(jī)一次動(dòng)作所采集的動(dòng)作電流數(shù)據(jù)點(diǎn)的個(gè)數(shù)為5 000多個(gè)，若把采集到的動(dòng)作電流數(shù)據(jù)直接作為數(shù)據(jù)集進(jìn)行分類，將加大計(jì)算復(fù)雜程度，延長計(jì)算時(shí)間。因此，首先對動(dòng)作電流數(shù)據(jù)進(jìn)行特征提取，降低數(shù)據(jù)維度。針對ZDJ9轉(zhuǎn)轍機(jī)轉(zhuǎn)換時(shí)動(dòng)作電流數(shù)據(jù)的特點(diǎn)，根據(jù)經(jīng)驗(yàn)選取初值、終值、最大值、轉(zhuǎn)換時(shí)間作為特征參數(shù)，這樣就大大降低了運(yùn)算量。

3.2 特征數(shù)據(jù)歸一化

不同的特征指標(biāo)有不同的量綱或者不同的量級，這樣的情況會(huì)影響到數(shù)據(jù)分析的結(jié)果，為了消除指標(biāo)之間的量綱影響，需要進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，以解決指標(biāo)之間的可比性。原始數(shù)據(jù)經(jīng)過歸一化處理后，各指標(biāo)處于同一數(shù)量級，適合進(jìn)行綜合對比評價(jià)。本文采用離差標(biāo)準(zhǔn)化方法，對原始數(shù)據(jù)進(jìn)行線性變換，使結(jié)果值映射到[0,1]之間，轉(zhuǎn)換函數(shù)如公式（1）所示。其中，x為原始數(shù)據(jù)，xmax為數(shù)據(jù)集中最大值，xmin為最小值，x*為歸一化后的值。

3.3 改進(jìn)的DPC算法

本文算法是在傳統(tǒng)的DPC算法基礎(chǔ)上改進(jìn)后提出的，把局部密度大的點(diǎn)作為聚類中心，可以自行得出聚類數(shù)目，適用于各種形狀的類簇。鑒于現(xiàn)場運(yùn)行的ZDJ9轉(zhuǎn)轍機(jī)動(dòng)作電流數(shù)據(jù)具有特征值集中的特點(diǎn)，認(rèn)為在數(shù)據(jù)集中，聚類中心在其所處的位置局部密度最大，它周圍圍繞著的數(shù)據(jù)點(diǎn)的局部密度均低于聚類中心自身的局部密度，且這些圍繞著局部密度較低的數(shù)據(jù)點(diǎn)距離其他的擁有高局部密度的聚類中心較遠(yuǎn)。該算法需要計(jì)算兩個(gè)量，局部密度ρi和距離δi，計(jì)算公式如公式（2）所示。

其中，dij表示第i個(gè)數(shù)據(jù)點(diǎn)和第j個(gè)數(shù)據(jù)點(diǎn)間的距離，本文使用的是歐式距離。dc為截?cái)嗑嚯x，局部密度ρi表示第i個(gè)數(shù)據(jù)點(diǎn)周圍與其距離小于dc的數(shù)據(jù)點(diǎn)個(gè)數(shù)。距離δi表示與第i個(gè)數(shù)據(jù)點(diǎn)間的距離最小的、局部密度大于它的數(shù)據(jù)點(diǎn)的距離。對于自身局部密度最大的數(shù)據(jù)點(diǎn)，同時(shí)擁有較大局部密度ρi和較大距離δi的數(shù)據(jù)點(diǎn)，就是聚類中心點(diǎn)，而對于局部密度ρi較小，距離δi卻較大的異常點(diǎn)，將其分為一類。改進(jìn)的DPC算法具體過程如表1所示。

如表1所示，改進(jìn)的DPC算法和傳統(tǒng)的DPC算法的區(qū)別在于第5步對局部密度ρi較小、距離δi較大點(diǎn)的處理。傳統(tǒng)的DPC方法將這樣的點(diǎn)分配給比它們局部密度大的最近聚類中心所在的類簇中，

表1 兩種DPC算法Tab.1 Two kinds of DPC algorithms

本文提出的算法則將所有的這些異常點(diǎn)劃分為新的一個(gè)類簇。與傳統(tǒng)的DPC算法相比，本文提出算法的優(yōu)勢：1）能夠更準(zhǔn)確的識別故障。這是由于對現(xiàn)場運(yùn)行的轉(zhuǎn)轍機(jī)，絕大部分情況下在正常運(yùn)行，所以，采集到的動(dòng)作電流數(shù)據(jù)的特征值大多聚集在聚類中心附近。而局部密度ρi較小、距離δi較大的數(shù)據(jù)點(diǎn)，往往對應(yīng)運(yùn)行異常的情況。因此，利用本文提出的算法，可以更準(zhǔn)確的識別異常數(shù)據(jù)。2）運(yùn)算速度更快。因?yàn)樗惴ㄟM(jìn)行到第5步后，利用本文提出的算法，不需要為剩余每個(gè)點(diǎn)尋找自身的類簇，因此，相比于傳統(tǒng)的DPC算法，本文提出的算法運(yùn)算速度更快。

4 實(shí)驗(yàn)驗(yàn)證及結(jié)果分析

選取中國北方某客運(yùn)站某臺ZDJ9轉(zhuǎn)轍機(jī)3 400次道岔轉(zhuǎn)換的動(dòng)作電流數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù)，來驗(yàn)證算法的可行性。

如圖2所示，為確保采集動(dòng)作電流數(shù)據(jù)的完整性，現(xiàn)場采集動(dòng)作電流數(shù)據(jù)往往從轉(zhuǎn)換前一段時(shí)間開始至轉(zhuǎn)換完成一段時(shí)間后結(jié)束，每組數(shù)據(jù)采集5 300多個(gè)電流值，所以首先需要找到每組數(shù)據(jù)的轉(zhuǎn)換起始點(diǎn)和結(jié)束點(diǎn)，提取整個(gè)轉(zhuǎn)換過程的數(shù)據(jù)，通過這種方式還找出138組傳感器調(diào)試階段采集不完整的數(shù)據(jù)，如圖3所示。

圖2 ZDJ9轉(zhuǎn)轍機(jī)現(xiàn)場采集動(dòng)作電流曲線Fig.2 Site acquired action current curve of ZDJ9 switch machine

圖3 ZDJ9轉(zhuǎn)轍機(jī)現(xiàn)場采集不完整動(dòng)作電流曲線Fig.3 Site acquired incomplete action current curve of ZDJ9 switch machine

利用前面提出的數(shù)據(jù)挖掘方法處理剩余的3 262組數(shù)據(jù)。首先對每組轉(zhuǎn)換數(shù)據(jù)分別選取初值、終值、轉(zhuǎn)換時(shí)間、最大值作為其特征值，這樣就達(dá)到了降維的目的；然后，根據(jù)公式（1）對特征數(shù)據(jù)進(jìn)行歸一化處理；最后利用改進(jìn)的DPC算法對數(shù)據(jù)進(jìn)行分類，如圖4所示，數(shù)據(jù)被分為3類。

圖4 改進(jìn)的DPC算法分類結(jié)果Fig.4 Improved DPC algorithm classification result

其中，第1類包含3 048組數(shù)據(jù)，為屬于正常數(shù)據(jù)，其動(dòng)作電流曲線如圖5所示；第2類包含213組數(shù)據(jù)，為傳感器調(diào)試初期的數(shù)據(jù)，其動(dòng)作電流曲線如圖6所示，與正常數(shù)據(jù)相比這類數(shù)據(jù)在解鎖區(qū)電流曲線沒有明顯回落；第3類只有一組數(shù)據(jù)，其動(dòng)作電流曲線如圖7所示，可以發(fā)現(xiàn)，與正常數(shù)據(jù)相比，電流最大值較大，在解鎖區(qū)電流增大和回落更明顯，轉(zhuǎn)換時(shí)間較短。

圖5 第一類動(dòng)作電流曲線Fig.5 The first type of action current curve

圖6 第二類動(dòng)作電流曲線Fig.6 The second type of action current curve

圖7 第三類動(dòng)作電流曲線Fig.7 The third type of action current curve

為與傳統(tǒng)的DPC算法進(jìn)行對比，用傳統(tǒng)的DPC算法對以上數(shù)據(jù)進(jìn)行分類，分類結(jié)果如圖8所示。可以發(fā)現(xiàn)，利用傳統(tǒng)的DPC算法，異常數(shù)據(jù)與正常數(shù)據(jù)分為一類，而利用本文提出的算法，可以更好的識別異常數(shù)據(jù)。

圖8 傳統(tǒng)DPC算法分類結(jié)果Fig.8 Traditional DPC algorithm classification result

5 結(jié)論

本文針對ZDJ9轉(zhuǎn)轍機(jī)故障診斷智能化不足的現(xiàn)狀，根據(jù)ZDJ9轉(zhuǎn)轍機(jī)動(dòng)作電流數(shù)據(jù)特點(diǎn)，提出一種改進(jìn)的DPC異常數(shù)據(jù)挖掘方法。通過利用該算法對現(xiàn)場試驗(yàn)數(shù)據(jù)的處理，實(shí)現(xiàn)了對數(shù)據(jù)的合理分類和異常數(shù)據(jù)的準(zhǔn)確識別，驗(yàn)證了該算法的可行性和有效性。但由于現(xiàn)場實(shí)際工況較為復(fù)雜，造成異常的原因存在多樣性和不確定性，故障模式與分類算法的映射關(guān)系有待進(jìn)一步研究，這也是下一步的工作研究重點(diǎn)。