李雅美，魏文軍

（蘭州交通大學(xué)光電技術(shù)與智能控制教育部重點(diǎn)實(shí)驗(yàn)室，蘭州730070）

隨著鐵路建設(shè)的發(fā)展，對(duì)于信號(hào)設(shè)備的安全可靠性及行車效率的要求越來(lái)越高，道岔作為限制列車運(yùn)行速度的關(guān)鍵設(shè)備之一，必須提高其可靠性。本文提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法，它具有模糊邏輯與神經(jīng)網(wǎng)絡(luò)兩種系統(tǒng)的優(yōu)勢(shì)，不但可以確定故障類型，而且利用模糊權(quán)重的概念，能夠進(jìn)一步對(duì)故障的嚴(yán)重程度進(jìn)行判斷，提高了故障診斷的準(zhǔn)確率。

1 模糊神經(jīng)網(wǎng)絡(luò)

1.1 模糊理論與神經(jīng)網(wǎng)絡(luò)的結(jié)合

神經(jīng)網(wǎng)絡(luò)具有處理非線性知識(shí)、自學(xué)習(xí)和并行計(jì)算等方面的能力，適用于處理非結(jié)構(gòu)信息。模糊系統(tǒng)具有處理模糊信息的能力，對(duì)處理結(jié)構(gòu)低的知識(shí)更為有效。將模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合，采用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，同時(shí)具有模糊邏輯和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，既能夠處理專家知識(shí)和經(jīng)驗(yàn)，又能夠通過(guò)強(qiáng)大的自學(xué)習(xí)能力和數(shù)據(jù)處理能力增強(qiáng)系統(tǒng)的決策能力。利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，優(yōu)化模糊邏輯系統(tǒng)中的模糊規(guī)則、隸屬函數(shù)和模糊決策算法，經(jīng)過(guò)模糊化處理使得神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本更精確，加快學(xué)習(xí)速度，提高診斷精度，成為更完善的故障診斷模型。

1.2 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及學(xué)習(xí)算法

本文采用串聯(lián)型模糊神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)道岔故障診斷，網(wǎng)絡(luò)由模糊化處理和常規(guī)BP網(wǎng)絡(luò)組成，模糊處理部分的隸屬函數(shù)將輸入數(shù)據(jù)進(jìn)行模糊化處理，經(jīng)模糊化處理后的數(shù)據(jù)送給BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，輸出數(shù)據(jù)與期望的目標(biāo)輸出進(jìn)行比較，根據(jù)誤差反向調(diào)整BP網(wǎng)絡(luò)的連接權(quán)。

1.2.1 串聯(lián)型模糊神經(jīng)網(wǎng)絡(luò)組成

串聯(lián)型模糊神經(jīng)網(wǎng)絡(luò)由4層組成：

（1）第1層為輸入層，該層節(jié)點(diǎn)從外部接收輸入數(shù)據(jù)并傳送到下一層。

（2）第2層為模糊化層，該層是對(duì)輸入進(jìn)行模糊化處理，計(jì)算各輸入分量的隸屬度函數(shù)值。隸屬函數(shù)采用升半柯西分布函數(shù)。數(shù)學(xué)表達(dá)式為：

（3）第3層通過(guò)權(quán)與模糊化層的輸出相連，為BP網(wǎng)絡(luò)的隱層。

（4）第4層是輸出層，為BP網(wǎng)絡(luò)的輸出層。

1.2.2 神經(jīng)網(wǎng)絡(luò)算法改進(jìn)

由于標(biāo)準(zhǔn)BP算法存在收斂速度慢、容易陷入局部極小值等缺陷，本文采用彈性BP算法加快網(wǎng)絡(luò)的收斂速度。其傳遞函數(shù)為，簡(jiǎn)稱為S型函數(shù)。彈性BP算法的目的是消除梯度幅度的不利影響，在進(jìn)行權(quán)值的修正時(shí)，僅僅用到偏導(dǎo)的符號(hào)，而其幅值卻不影響權(quán)值的修正，權(quán)值的大小僅僅取決于與幅值無(wú)關(guān)的修正值。如果權(quán)值在相同的梯度上連續(xù)被修正，則其幅度必將增加，從而克服了梯度幅度偏導(dǎo)的不利影響，即：

式中：g(k)為第k次迭代的梯度；x(k)為權(quán)值或閾值第k次迭代的幅度修正值，其初始值△x(0)是用戶設(shè)置的；增量因子kinc和減量因子kdec也是用戶設(shè)置的。

2 道岔故障診斷系統(tǒng)的實(shí)現(xiàn)

2.1 系統(tǒng)整體設(shè)計(jì)

將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于道岔故障診斷，利用Visual C++和Matlab混合編程的方法構(gòu)造一個(gè)簡(jiǎn)單的故障診斷系統(tǒng)對(duì)道岔故障進(jìn)行診斷。本系統(tǒng)包括4個(gè)部分：樣本數(shù)據(jù)的采集，模糊化處理，BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，故障診斷界面的實(shí)現(xiàn)。故障診斷界面主要由故障數(shù)據(jù)輸入界面和診斷結(jié)果輸出界面組成。

道岔故障診斷系統(tǒng)的總體結(jié)構(gòu)如圖1。

2.2 道岔故障診斷過(guò)程

圖1 道岔故障診斷系統(tǒng)的總體結(jié)構(gòu)圖

微機(jī)監(jiān)測(cè)系統(tǒng)獲得道岔各種狀態(tài)的數(shù)據(jù)信息，經(jīng)過(guò)模糊化處理作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本輸入，當(dāng)網(wǎng)絡(luò)權(quán)值與閾值達(dá)到穩(wěn)定時(shí)即可進(jìn)行故障診斷。把訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)作為故障診斷的依據(jù)，存入數(shù)據(jù)庫(kù)，當(dāng)監(jiān)測(cè)到新的狀態(tài)數(shù)據(jù)時(shí)，首先進(jìn)行搜索，將該狀態(tài)信息與數(shù)據(jù)庫(kù)中的信息進(jìn)行對(duì)比，如果數(shù)據(jù)庫(kù)中存在此種故障類型，則直接將診斷結(jié)果輸出到診斷界面，如果不存在，則利用模糊神經(jīng)網(wǎng)絡(luò)故障診斷模塊進(jìn)行推理，得出診斷結(jié)果，并將此種故障類型存入數(shù)據(jù)庫(kù)。

2.3 軟件實(shí)現(xiàn)

采用Visual C++與Matlab混合編程完成故障診斷,Visual C++的程序作為前端客戶機(jī)，通過(guò)調(diào)用Matlab引擎在后臺(tái)與Matlab服務(wù)器建立連接，實(shí)現(xiàn)動(dòng)態(tài)通信。在Matlab中對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練仿真，以.mat文件格式保存，Visual C++通過(guò)調(diào)用Matlab神經(jīng)網(wǎng)絡(luò)工具箱的方法，調(diào)用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)故障診斷。

3 道岔故障診斷實(shí)例驗(yàn)證

3.1 道岔動(dòng)作電流曲線分析

通過(guò)對(duì)轉(zhuǎn)轍機(jī)動(dòng)作電流曲線的分析，判斷道岔轉(zhuǎn)轍機(jī)的電氣特性、時(shí)間特性和機(jī)械特性，反映道岔轉(zhuǎn)轍機(jī)的故障情況。道岔動(dòng)作電流曲線如圖2，曲線1和3為故障曲線，曲線2為正常曲線。

圖2 道岔動(dòng)作電流曲線比較圖

對(duì)正常情況與故障情況的道岔動(dòng)作電流進(jìn)行分析，當(dāng)?shù)啦韯?dòng)作電流正常時(shí)，動(dòng)作電流曲線的特點(diǎn)：

（1）在道岔啟動(dòng)的瞬間，電機(jī)啟動(dòng)電路中有較大的電流，曲線驟升，形成一個(gè)尖峰，峰值通常為6 A～10 A。若峰值過(guò)高，說(shuō)明道岔電機(jī)有匝間短路。曲線由啟動(dòng)時(shí)的高峰變?yōu)槠交€的時(shí)間不能過(guò)長(zhǎng)，一般應(yīng)在0.5 s之內(nèi)。如果這一時(shí)間延續(xù)過(guò)長(zhǎng)，說(shuō)明道岔啟動(dòng)困難。產(chǎn)生道岔啟動(dòng)困難的主要原因有道岔密貼力過(guò)大，即調(diào)整過(guò)緊；道岔尖軌反彈等。

（2）解鎖階段由于電阻增加，則動(dòng)作電流迅速減小，電流至峰值后迅速回落，弧線應(yīng)平順，若有臺(tái)階或鼓包則為道岔密貼調(diào)整過(guò)緊造成解鎖困難。

（3）01～03段平均值為轉(zhuǎn)轍機(jī)工作電流，曲線應(yīng)平滑，若電流幅值上下波動(dòng)則有如下可能：滑床板凹凸不平、碳刷與整流子面接觸不良或有污垢、電機(jī)有匝間短路。該段曲線若有大量的回零點(diǎn)，則為電機(jī)轉(zhuǎn)子斷線。

（4）03～04段為鎖閉電流，一般高于工作電流，但不應(yīng)高出0.25 A以上，若高出過(guò)多則為道岔密貼調(diào)整過(guò)緊。在03后有一段逐漸下滑的波動(dòng)段，波峰與波谷間的電流之差應(yīng)不大于0.35 A，若大于則為磨擦帶不良。

對(duì)道岔動(dòng)作電流異常曲線進(jìn)行分析，曲線1在啟動(dòng)過(guò)程中的峰值過(guò)高，超過(guò)了道岔電流額定峰值，說(shuō)明曲線1所示的道岔啟動(dòng)電路有短路或半短路情況存在。當(dāng)啟動(dòng)完畢后，曲線1由峰值迅速回落的過(guò)程中有一個(gè)緩沖階段，說(shuō)明解鎖電流大，可能存有故障。當(dāng)解鎖完畢后，曲線1遠(yuǎn)高于正常曲線，說(shuō)明動(dòng)作電流大，曲線1又突然呈上升趨勢(shì)并達(dá)到摩擦電流的高度，可能存有故障。對(duì)于曲線3，在解鎖完畢后該曲線低于額定電流，說(shuō)明該道岔可能是摩擦帶松、沾油、或固定不良；同時(shí)在該階段，該曲線不是一條平滑的曲線，即動(dòng)作電流不穩(wěn)，這有可能是啟動(dòng)電路中各接點(diǎn)有接觸不良。曲線3在鎖閉階段突然增大，可能存有故障。

3.2 故障診斷網(wǎng)絡(luò)設(shè)計(jì)

選擇道岔電流作為道岔故障診斷的特征參量，采集正常工作狀態(tài)及各種故障狀態(tài)下的適當(dāng)?shù)碾娏髦禂?shù)據(jù)，分析道岔電流曲線可以得到每種故障現(xiàn)象的故障論域，采用模糊診斷算法在監(jiān)測(cè)到的故障征兆和故障原因之間建立隸屬函數(shù)，對(duì)故障數(shù)據(jù)進(jìn)行模糊處理，將其作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，根據(jù)網(wǎng)絡(luò)輸出判斷故障的類型。

對(duì)于道岔故障，考慮故障論域Y=（yi| i=1,2,…,7），如表1。

表1 道岔故障論域Y

考慮故障征兆論域X=（xj| j=1,2,…,10），如表2。

表2 道岔故障征兆論域X

創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)，輸入層的神經(jīng)元個(gè)數(shù)為m=10，輸出層神經(jīng)元個(gè)數(shù)為n=7，隱層神經(jīng)元個(gè)數(shù)（a∈[0,10] ），隱層神經(jīng)元傳遞函數(shù)為s型正切函數(shù)tansig，輸出層神經(jīng)元傳遞函數(shù)為s型對(duì)數(shù)函數(shù)logsig，利用監(jiān)測(cè)數(shù)據(jù)創(chuàng)建網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

3.3 仿真實(shí)驗(yàn)

（1）根據(jù)模糊隸屬函數(shù)對(duì)道岔故障數(shù)據(jù)進(jìn)行處理，得到故障征兆模糊向量。

（2）將道岔故障征兆模糊向量作為神經(jīng)網(wǎng)絡(luò)的輸入樣本，與網(wǎng)絡(luò)的目標(biāo)輸出一起輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

（3）網(wǎng)絡(luò)訓(xùn)練誤差曲線，如圖3。

由誤差曲線可以看出，網(wǎng)絡(luò)訓(xùn)練誤差達(dá)到了預(yù)期目標(biāo)，最小值大約為le-6。神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)訓(xùn)練之后，對(duì)于監(jiān)測(cè)到的任意一組狀態(tài)數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)輸入都可以得出診斷結(jié)果。

通過(guò)微機(jī)監(jiān)測(cè)系統(tǒng)監(jiān)測(cè)到某一時(shí)刻的道岔啟動(dòng)電流曲線如圖4，與正常狀態(tài)下的電流曲線相比發(fā)現(xiàn)圖4出現(xiàn)異常。

圖3 網(wǎng)絡(luò)訓(xùn)練誤差曲線

圖4 道岔啟動(dòng)電流曲線

從動(dòng)作電流曲線來(lái)看(13∶28∶31)，由定位向反位轉(zhuǎn)動(dòng)時(shí)，電流曲線峰值偏小，經(jīng)過(guò)1.5 s左右，電流突變?yōu)榱?，由此可以判斷電路電阻偏大、?dòng)作電流偏小，不足使1DQJ自閉，1DQJ落下切斷動(dòng)作電路，使電流突變?yōu)榱?，控制盤面現(xiàn)象為道岔失去表示，處于四開狀態(tài)。因?yàn)榈啦頉]有表示，操作人員將道岔操縱回定位，從動(dòng)作電流曲線來(lái)看(13:29:39)，電流曲線峰值正常，在轉(zhuǎn)換過(guò)程中曲線不平緩，出現(xiàn)峰值。

對(duì)故障征兆向量進(jìn)行模糊化處理的到模糊征兆向量如表3。

表3 故障模糊向量X

將故障的模糊向量輸入神經(jīng)網(wǎng)絡(luò)，輸出結(jié)果為（0.0000，0.0000，0.0000，-0.0000，-0.0000，0.0000，1.0000），由輸出結(jié)果判斷故障類型為故障7，即道岔啟動(dòng)電路中接點(diǎn)有接觸不良故障。

道岔一旦產(chǎn)生此種故障，則表現(xiàn)為道岔轉(zhuǎn)換過(guò)程中，突然自己停轉(zhuǎn)，控制臺(tái)無(wú)表示，實(shí)際道岔在四開狀態(tài)，產(chǎn)生此種故障的原因：（1）轉(zhuǎn)轍機(jī)電氣特性不良，使動(dòng)作電流偏小，不足使1DQJ自閉；（2）1DQJ后線圈（1～2線圈）工作不良，可能為繼電器與插座接觸不良或線纜有虛接現(xiàn)象，從而使電路中電阻增大，電流減小，不能使1DQJ自閉，繼電器保持不住。道岔由反位向定位轉(zhuǎn)時(shí)道岔動(dòng)作電流突然增大，產(chǎn)生此種故障的原因是：（1）在轉(zhuǎn)換過(guò)程中出現(xiàn)卡阻，使電機(jī)出現(xiàn)短暫的半短路，電流出現(xiàn)峰值；（2）電機(jī)特性不良，線圈匝組間存在半短路狀態(tài)；（3）1DQJ后線圈電路工作狀態(tài)不良，存在虛接，瞬間的斷開接觸，使線圈出現(xiàn)較大感應(yīng)電流，與電機(jī)動(dòng)作電流重疊，出現(xiàn)較大的峰值。綜合分析得出：電機(jī)特性不良；1DQJ后線圈工作狀態(tài)不良。

對(duì)于故障嚴(yán)重程度的判斷，需要利用權(quán)重的概念來(lái)對(duì)故障征兆進(jìn)行處理，從而確定故障的程度。

道岔啟動(dòng)電路中接點(diǎn)有接觸不良故障相關(guān)的征兆是：動(dòng)作電流突然增大、動(dòng)作電流小。結(jié)合征兆權(quán)重，得到了故障單征兆及多征兆組合的樣本輸出，以此作為訓(xùn)練樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，則輸出為故障的權(quán)重值，利用其判斷故障的嚴(yán)重程度。

神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線如圖5。

圖5 網(wǎng)絡(luò)訓(xùn)練誤差曲線

由誤差曲線可以看到，網(wǎng)絡(luò)訓(xùn)練誤差達(dá)到了預(yù)期的目標(biāo)，經(jīng)過(guò)17步達(dá)到誤差最小值。

將道岔啟動(dòng)電路故障樣本經(jīng)模糊隸屬函數(shù)處理后得到故障向量如表4。

表4 道岔啟動(dòng)電路故障樣本

用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)該故障向量進(jìn)行診斷，可得到道岔啟動(dòng)電路故障的嚴(yán)重程度為0.9824。

4 結(jié)束語(yǔ)

道岔作為影響鐵路運(yùn)行效率與安全的關(guān)鍵設(shè)備,在發(fā)生故障時(shí)應(yīng)盡快找出故障原因并解決，提高其可靠性和安全性，保證列車運(yùn)行效率。本文采用的基于模糊神經(jīng)網(wǎng)絡(luò)的道岔故障診斷方法在微機(jī)監(jiān)測(cè)系統(tǒng)實(shí)時(shí)監(jiān)測(cè)道岔工作狀態(tài)的基礎(chǔ)上增加了智能故障診斷功能，對(duì)于提高道岔設(shè)備的可靠性具有重要現(xiàn)實(shí)意義。

[1] 黨建武，王陽(yáng)萍，趙庶旭. 神經(jīng)網(wǎng)絡(luò)理論[M] . 蘭州：蘭州大學(xué)出版社，2004，9.

[2] 聞新，周露，李翔，張寶偉. Matlab神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用[M] . 北京：科學(xué)出版社，2003，7.

[3] 舒剛. 人工智能方法在車站信號(hào)故障診斷中的應(yīng)用與研究[D] . 北京：北京交通大學(xué)，2008.

[4] 祝曉燕，王繼選，劉小貞，趙冉. 基于小波包特征向量彈性BP算法的故障診斷[J] . 汽輪機(jī)技術(shù)，2008（6）：437-439.

[5] 劉伯鴻，李國(guó)寧，李志強(qiáng). 基于神經(jīng)網(wǎng)絡(luò)聯(lián)鎖系統(tǒng)故障診斷專家系統(tǒng)的研究[J] . 鐵路計(jì)算機(jī)應(yīng)用，2006，15（4）：1-3.

[6] 王鐵軍. 基于神經(jīng)網(wǎng)絡(luò)的道岔智能故障診斷方法的研究[J] .西鐵科技，2010（2）：8-10.

[7] 曹宏麗，岳麗麗，楊福元.專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)在道岔控制電路故障診斷中的應(yīng)用研究[J] . 黑龍江科技信息，2010（1）：62-63.