基于模糊熵和非對稱貼近度的軌道電路分路不良故障預警系統*

戚呈輝 任志俊 杜小虎

（1.江南大學機械工程學院 無錫 214122）（2.江蘇省食品先進制造裝備技術重點實驗室 無錫 214122）

1 引言

隨著國內基礎建設的發展，鐵路運輸業也取得了長足的進步，列車運行速度也隨之變快。而鐵路運行的安全性關乎到越來越多的人，鐵路信號設備作為保障鐵路運行安全的重要設施，其安全穩定性顯得尤為重要。軌道電路是鐵路運行系統中檢查車輛占用情況的信號設備，自其發明以來，已經在全世界使用了一百多年［1］。但是因為軌道電路有一部分是室外設備，所以實用效果會受到氣溫、濕度、酸堿度等環境因素的制約，分路不良故障時有發生，經常會導致車輛晚點，甚至會造成車輛安全事故。因此，軌道電路分路不良是鐵路行業的重大安全隱患，必須加強其安全預警。

軌道電路故障預警已經有很多研究，Gensuo MI 等采用BP 神經網絡進行站內軌道電路分路不良預警［2］；Haigui WEN等對分路不良進行微機監測的預警［3］；張夢琪等采用粒子群算法對軌道電路故障進行預測［4］。以上研究大多使用的是最大隸屬原則判斷故障等級，存在丟失部分數據信息的缺陷，本文采用模糊熵和非對稱貼近度原則對ZPW-2000A 軌道電路分路不良進行安全預警，并通過實際案例數據進行分析驗證，為后面對軌道電路分路不良的研究提供一些參考。

2 ZPW-2000A 軌道電路分路不良介紹

2.1 工作原理

ZPW-2000A 型軌道電路分為室內和室外兩個部分［5］，其構成系統如圖1。當該區間無車時，軌道繼電器能可靠吸起，進入調整狀態；當區間有車時，軌道繼電器便可靠落下，呈分路狀態。另外，ZPW-2000A 還具有斷軌檢查功能，當軌道發生斷裂時，軌道繼電器可靠落下，呈斷軌狀態［6］。

圖1 ZPW-2000A軌道電路系統構成

2.2 分路不良介紹

具體來說，軌道電路分路不良是指在分路狀態下，區間內有列車輪對接觸到區間的兩根鋼軌，但是信號燈未顯示為紅色，控制臺未顯示該區間被占用。分路不良故障直接原因是分路電阻過高，而分路電阻受軌道電路區間鋼軌上的輪對數、輪對踏面是否有雜質、鋼軌表面有無雜質的影響。分路電阻過高會在列車占用軌道電路區間時，使本區間的軌道繼電器不能可靠落下，失去檢查是否有車輛占用的功能。

3 預警系統如何確定軌道電路分路不良故障

軌道電路分路不良故障預警系統分為數據采集層、數據分析層、人機會話層，其功能如下：

數據采集層：在軌道電路中使用傳感器等對關鍵數據進行采集，并傳入到數據庫中；

數據分析層：對數據庫中的數據庫使用模糊熵與非對稱貼近度原則進行決策，判斷故障的等級；

人機會話層：將算法決策的結果返回到頁面中，供管理員判斷。

3.1 預警指標及其可靠范圍的確定與數據采集

預警指標是指決定某區段分路狀態安全的幾個主要因素，而分路不良主要是由分路電阻過高引起。分路不良故障的發生會直接導致軌出電壓（分路殘壓）異常，所以選擇軌出電壓U作為指標之一，軌出電壓可由ZPW-2000A軌道電路自行采集。根據ZPW-2000A軌道電路的相關資料顯示以及鐵路局電務處的反饋，環境因素會直接導致軌道電路的室外設備發生故障，而其中影響最大的環境因素就是氣溫與濕度，故選取環境溫度T與環境濕度H作為預警指標。根據資料［7］顯示，在ZPW-2000A 軌道電路中，能使軌道繼電器穩定落下的軌出電壓為a，且a≤140mV(amax=140mV)，能使軌道繼電器剛好落下的軌出電壓為b，且140mV ≤b≤170mV(設定bmin=140mV,bmax=170mV) ，可靠的環境溫度為-40℃~70℃（設定Tmin=-40℃,Tmax=70℃），環境溫度的臨界值（Tl）為18℃，可靠環境濕度為Tmax≤95% ，環境濕度的臨界值為50%（Hl1）和72%（Hl2）。在MySQL 數據庫建立軌出電壓、環境溫度、環境濕度三個預警的data 數據表，其具體信息如表1。

表1 數據庫data信息

在軌道電路的室外部分安裝了溫度傳感器與濕度傳感器，將這些傳感器與無線傳輸裝置通過RS485 串口連接，再將無線傳輸器與收發軟件連接，它們之間的數據傳輸使用modbus 協議。其中無線傳輸器相當于socket 的client 端，所以收發軟件中包含了socket 的server 創建、循環接受無線傳輸器的數據并對數據進行解包處理，最后連接MySQL數據庫并發送解包后的有效數據，調試成功后傳入到MYSQL數據庫中，其流程如圖2。

圖2 傳感器無線傳輸流程圖

3.2 隸屬度矩陣的選取

設G為ZPW-2000A 軌道電路分路不良預警體系，共有3 個預警指標，對應預警指標特征值：V=[v1,v2,v3]T，其中，gl為指標i的特征值，i∈｛1，2，3｝。隸屬度函數是模糊控制的關鍵，所以模糊控制的結果取決于能否隸屬度函數的選擇。但隸屬度函數不是唯一的，本文采用直覺法評定隸屬度函數。為了避免本人的過多主觀因素，根據前人的經驗選取合適的函數作為隸屬度函數。本文參考根據經驗對其模糊識別隸屬度函數的結果并經過篩選，選取K次拋物線、三角函數作為其隸屬度函數［8~11］，各個指標的隸屬度函數如表2~4。

表2 軌出電壓/U的隸屬度函數

表3 環境溫度/T的隸屬度函數

表4 環境濕度/H的隸屬度函數

依據隸屬度函數，計算各特征值gi對應的隸屬度gij，并得出預警指標的隸屬度矩陣［12］：

式（1）中，gij為指標i的j級隸屬度值i=1，2，…，m，j=1，2，…，c（本文中m=3，c=3）。基于模糊熵確定指標權重的依據是：如果系統G只用gi一個指標得出安全等級時，通過其特征值可得gi隸屬于安全等級論域中各模糊子集的隸屬度，并獲得判斷G安全等級的決策向量，gi的模糊熵值代表決策信息的模糊不確定性。系統中，當某指標隸屬安全級別的值為1，隸屬于普通危機和高度危機的隸屬度為0時，則可以確定該系統G此時處于安全級別。當某一預警指標隸屬于安全級別、普通危機和高度危機的隸屬度相同時，則無法確定其安全等級。當有多個指標，指標的模糊熵值越大，其不確定性越大，則在決策中作用越小，應賦予較小的權重，反之，模糊熵值越小，應賦予較大權重［13］。

3.3 預警指標權重值的確定

賦權法有主觀、客觀和主客觀三種，但含主觀的賦權法不適合用在預測方面。因為主觀帶來了人為因素的影響，并不利于該系統預測方向的客觀性和真實性，所以本文采用的熵權法屬于客觀賦權法［14］。本文中，熵權法是根據各預警指標所代表的信息量的大小決定其權重值。為了滿足模糊熵的明晰、極大、分辨和對稱的特性，根據DeLuca 和Termini 的模糊熵定義［15］，計算各預警指標的模糊熵F={f1,f2,…,fm}，其中第i個指標的模糊熵值為

其中，K為歸一化常數，取值為，sij為

根據計算結果確定指標權重值，W={w1,w2,…,wm}，其中第i個指標權重值：

3.4 運用模糊非對稱貼近度進行綜合評價

其一，確定預警決策向量，將預警指標權重與隸屬度加權平均集結如下所示，其中，j=1,2,…,c。

其二，進行決策向量的非對稱貼近度集化，預警決策向量G中，若，則稱Di=(d1,…,di-1,1,di+1,…,dc)=(0,…,0,1,0,…,0) 是模糊論域設V={v1,v2,…,vc}中vi的特征模糊子集。

對G進行標準化：首先，將gi,i?Ic={1,2,…,c}排在第一位，對任意i1，i2?Ic，若|i1-i|<|i2-i|，則把gi1放在gi2的前面；若|i1-i|=|i2-i|，且i1

對Di標準化，得。計算非對稱貼近度：

安全預警等級的確定，若

則決策結果屬于vk級。綜合以上分析，繪制出基于模糊熵與非對稱貼近度的針對ZPW-2000A軌道電路分路不良故障的流程如圖3。根據以上分析過程，利用Java語言在eclipse中編寫軌道電路分路不良安全預警系統，其系統界面如圖4。所以該系統在分析一組數據時，首先判斷軌出電壓是否大于bmax，若大于bmax，則直接報警。再判斷可靠濕度和可靠溫度是否在可靠范圍內，如果不在，則直接報警，當系統發出報警時，說明其不在安全等級內，則無需顯示信號燈顏色。本系統將安全等級類模糊論域設為D={d1,d2,d3}，分別為安全級別、普通危機、重度危機，對應的信號燈顯示顏色為綠色、黃色、紅色。

圖3 系統流程圖

圖4 故障預警系統界面

4 案例分析

本文選取上海局無錫站的某一時段的數據用于驗證ZPW-2000A軌道電路的基于模糊非對稱貼近度預警系統的可靠性。取得表5 中10 組預警指標的數據，根據圖3 的流程圖，首先系統進行判斷U、H、T是否合格，第9 組數據軌出電壓U超出范圍，直接報警，第10 組數據環境濕度H超出范圍，直接報警。對于其他8組數據進行預警分析。

表5 預警指標采集

首先根據隸屬度函數計算出數據的隸屬度矩陣，再將隸屬度矩陣代入到式（2）和式（3）進行計算，得到預警指標的模糊熵，再根據計算結果與式（4）計算出預警指標權重，再與式（5）計算得非對稱貼近度，最終計算結果如表6所示。

表6 預警指標的非對稱貼近度計算結果

從以上數據可以得出：

1）第9、10組數據，超出篩選范圍，直接報警；

2）第1、3、4 組數據處于高度危機，會顯示紅燈警報；

3）第2、5、6、7、8 組數據處于安全等級，會顯示綠燈。

系統的結果界面顯示結果如圖4，與上面的計算結果一致。通過上述數據的結果顯示，并結合上海局無錫站工作人員的檢查反饋，系統的故障預警結果與軌道電路實際情況一致。

如果采用模糊熵理論與最大隸屬度原則進行決策時，第4組會顯示普通危機，第6組會顯示普通危機，這兩組的結果與非對稱貼近度判斷的結果不同，并且與實際情況不一樣，會使判斷產生誤差，所以本文采用模糊熵與非對稱貼近度原則相結合進行故障等級的決策，提高預警的準確性，保證行車的安全。

5 結語

1）針對ZPW-2000A軌道電路分路狀態的基于模糊熵理論和非對稱貼近度原則的故障預警系統，首先根據對軌道電路分路不良的影響因子確定了三個預警指標，并對其評價標準進行了劃分。本文根據其隸屬度情況建立了九個隸屬度函數，并用熵權法確定了指標權重值，最后運用模糊非對成貼近度原則對其進行綜合評估，依據結果對安全等級進行分類，使得預警更加精確。

2）傳統的軌道電路分路不良故障預警系統通常采用最大隸屬度原則，存在易丟失部分數據信息的缺陷，非對稱貼近度則可以克服這一缺點。將上海局無錫站的部分數據用上述方法進行計算分析，系統中得到的結果與現場的工作人員反饋一致，充分表現了該方法的可行性，可以對軌道電路分路不良的故障預警研究提供參考。