張 龍，王海波，，張寶明，毛志華，豆玉龍

（1.西南交通大學(xué)軌道交通運(yùn)維技術(shù)與裝備四川省重點(diǎn)實(shí)驗(yàn)室，四川成都 610031；2.中國(guó)鐵建高新裝備股份有限公司，云南昆明 650200）

碎石道床在長(zhǎng)期的運(yùn)營(yíng)過程中會(huì)逐漸受到污染。當(dāng)污染達(dá)到一定程度時(shí)，就會(huì)使道床失去彈性，增大列車與線路之間的沖擊，影響列車運(yùn)行的平穩(wěn)性，并且影響道床的排水性能。當(dāng)無縫線路通過總量達(dá)到900 Mt 或普通線路通過總量達(dá)到700 Mt 時(shí)，就需要對(duì)道床進(jìn)行清篩作業(yè)［1］。道砟清篩機(jī)是最常用的鐵路線路養(yǎng)護(hù)機(jī)械，能代替人工對(duì)道床進(jìn)行周期性的大修清篩作業(yè)，恢復(fù)道床的彈性和排水性能。由于國(guó)內(nèi)早期修建鐵路時(shí)規(guī)范性不高，且在后期運(yùn)營(yíng)過程中存在部分路段養(yǎng)護(hù)不及時(shí)等情況，導(dǎo)致許多清篩機(jī)作業(yè)線路工況復(fù)雜多變。當(dāng)前清篩機(jī)施工作業(yè)普遍采用人工手動(dòng)控制，對(duì)操作人員有較高的要求。一旦操作人員在施工過程中不能根據(jù)工況變化及時(shí)調(diào)整相關(guān)工作參數(shù)，清篩機(jī)就有可能發(fā)生卡鏈、堵帶、振動(dòng)篩停振等施工故障，嚴(yán)重影響作業(yè)效率［2］。若能對(duì)清篩機(jī)進(jìn)行智能化、自動(dòng)化改造，使其能針對(duì)在施工過程中經(jīng)常遇到的幾種典型工況進(jìn)行預(yù)判，進(jìn)而及時(shí)調(diào)整相應(yīng)的工作參數(shù)進(jìn)行針對(duì)性施工，就能有效提高清篩機(jī)工作效率。

在國(guó)內(nèi)外已有的文獻(xiàn)資料中，暫無有關(guān)清篩機(jī)作業(yè)工況識(shí)別的相關(guān)研究，現(xiàn)階段對(duì)清篩機(jī)作業(yè)工況的識(shí)別仍停留在操作人員憑經(jīng)驗(yàn)判斷的階段。隨著人工智能技術(shù)蓬勃發(fā)展，針對(duì)傳統(tǒng)機(jī)械領(lǐng)域的各種智能化改造項(xiàng)目正大力開展，養(yǎng)路機(jī)械行業(yè)也從傳統(tǒng)作業(yè)模式向智能化作業(yè)模式轉(zhuǎn)變。而養(yǎng)路機(jī)械實(shí)現(xiàn)智能化作業(yè)的基礎(chǔ)和先決條件是對(duì)于作業(yè)工況的識(shí)別。因此，考慮到國(guó)內(nèi)復(fù)雜多變的道床施工現(xiàn)狀以及未來清篩機(jī)作業(yè)的智能化發(fā)展需求，進(jìn)行清篩機(jī)作業(yè)工況的識(shí)別研究具有重要的實(shí)際意義。

相比之下，其他領(lǐng)域在工況識(shí)別方面已開展了諸多研究。文獻(xiàn)［3］基于工作循環(huán)識(shí)別對(duì)液壓混合裝載機(jī)制動(dòng)控制進(jìn)行了策略研究，并基于多傳感器信息融合實(shí)現(xiàn)了對(duì)挖掘機(jī)4種常見工作模式的識(shí)別；文獻(xiàn)［4］將多重分形理論引入到工況識(shí)別研究中，實(shí)現(xiàn)了對(duì)水泥回轉(zhuǎn)窯內(nèi)部復(fù)雜工況的辨識(shí)；文獻(xiàn)［5］通過主成分分析法對(duì)原始信號(hào)進(jìn)行降維，通過遺傳算法和粒子群算法構(gòu)建了優(yōu)化初始權(quán)值的神經(jīng)網(wǎng)絡(luò)以進(jìn)行工況識(shí)別，提高了液體管道工況識(shí)別的精度；文獻(xiàn)［6］運(yùn)用DS證據(jù)理論，采用分布式結(jié)構(gòu)進(jìn)行單平臺(tái)多周期時(shí)域信息融合和多平臺(tái)空域信息融合，實(shí)現(xiàn)了雷達(dá)工作模式的判定。

綜合上述研究成果，并結(jié)合道砟清篩機(jī)現(xiàn)有傳感器的特點(diǎn)，本文進(jìn)行了基于DS 證據(jù)理論的道砟清篩機(jī)作業(yè)工況識(shí)別研究。主要思路為：首先通過采集清篩機(jī)各工作裝置的壓力傳感器信號(hào)，提取特征參數(shù)并構(gòu)建傳感器信號(hào)特征庫；然后通過預(yù)設(shè)的判定流程快速實(shí)現(xiàn)對(duì)空載工況的識(shí)別；最后基于DS 證據(jù)理論進(jìn)行多傳感器信息融合，結(jié)合分類決策規(guī)則實(shí)現(xiàn)清篩機(jī)的作業(yè)工況識(shí)別與趨勢(shì)預(yù)判。

1 清篩機(jī)傳感器信號(hào)特征庫

1.1 清篩機(jī)的幾種典型工況

清篩機(jī)主要由挖掘系統(tǒng)、篩分系統(tǒng)、污土輸送系統(tǒng)和回填輸送系統(tǒng)幾大裝置組成。施工作業(yè)時(shí)，分別由挖掘壓力傳感器、振動(dòng)篩壓力傳感器、污土帶壓力傳感器和回填帶壓力傳感器采集各裝置對(duì)應(yīng)馬達(dá)的進(jìn)出口壓力差，令所采集到的壓力差分別為PW，PZ，PD和PH，其大小反應(yīng)了各裝置負(fù)載的大小。

清篩機(jī)常見的幾種典型工況分別為空載工況KZ、一般工況YB、冒泥工況MN、板結(jié)工況BJ。當(dāng)清篩機(jī)處于空載工況KZ時(shí)，各工作裝置均未接觸道砟，液壓系統(tǒng)僅帶動(dòng)機(jī)械傳動(dòng)件空載運(yùn)行，所采集到的壓力差值取決于液壓系統(tǒng)本身以及機(jī)械效率等因素，是一定范圍內(nèi)的確定值；當(dāng)清篩機(jī)處于一般工況YB時(shí)，道砟含污量和板結(jié)程度均處于一般狀態(tài)，PW，PZ，PD較小，PH最大；當(dāng)清篩機(jī)處于冒泥工況MN時(shí)，道砟含污量最大，挖掘阻力介于一般工況和板結(jié)工況之間，PD最大，PH最小；當(dāng)清篩機(jī)處于板結(jié)工況BJ時(shí)，挖掘阻力最大，道砟含污量介于一般工況和冒泥工況之間，PW最大，PZ較大。

表1是根據(jù)《大型道砟清篩機(jī)施工作業(yè)指導(dǎo)書》給出的清篩機(jī)在幾種典型工況下作業(yè)時(shí)各裝置對(duì)應(yīng)馬達(dá)的進(jìn)出口壓力差值范圍。

表1 清篩機(jī)在幾種典型工況下各裝置馬達(dá)壓力差 MPa

1.2 清篩機(jī)傳感器信號(hào)特征庫的建立

清篩機(jī)傳感器信號(hào)特征庫是其作業(yè)工況識(shí)別的核心部分，本文將各傳感器采集到的信號(hào)進(jìn)行結(jié)構(gòu)化描述。自清篩機(jī)開始工作后，采集挖掘壓力傳感器、振動(dòng)篩壓力傳感器、污土帶壓力傳感器和回填帶壓力傳感器數(shù)據(jù)。值得注意的是，由于采集到的壓力差是波動(dòng)和突變的，因此本文經(jīng)過濾波后才將其作為工況識(shí)別依據(jù)。濾波方式為均值濾波，即以2 s 為單位求1次均值并保存1組數(shù)據(jù)，最終得到4n組參數(shù)值。n為采集的次數(shù)。

將選定的特征參數(shù)以行向量形式構(gòu)成傳感器向量，再按照時(shí)序關(guān)系排列，構(gòu)成清篩機(jī)傳感器信號(hào)特征庫矩陣W。其表達(dá)式為

2 基于DS證據(jù)理論的清篩機(jī)作業(yè)工況識(shí)別方法

2.1 DS證據(jù)理論

DS 證據(jù)理論是信息融合領(lǐng)域中最重要的處理方法之一。該理論采用可信度、擬信度區(qū)間表達(dá)證據(jù)對(duì)結(jié)論的支持程度，實(shí)現(xiàn)了在引入不確定性的同時(shí)擺脫先驗(yàn)概率的限制?；贒S 證據(jù)理論的信息融合技術(shù)已成功應(yīng)用在雷達(dá)［7-8］、一般車輛［9］、搗固車［10］等領(lǐng)域。

設(shè)Θ是一個(gè)識(shí)別框架，或稱假設(shè)空間，為構(gòu)成假設(shè)空間所有元素的集合，對(duì)應(yīng)本文即為Θ={KZ，YB，MN，BJ}。在識(shí)別框架上的基本概率分配是一個(gè)2Θ→[0，1]的函數(shù)m，稱為mass函數(shù)，m（A）在區(qū)間［0，1］上，滿足

式中，A表示某一特定事件。

在同一識(shí)別框架下對(duì)不同信度函數(shù)進(jìn)行DS 合成的規(guī)則為

式中：A1，A2，…，An表示第1～n個(gè)特定事件；k反映證據(jù)沖突的程度，其表達(dá)式為

合成結(jié)果進(jìn)一步用于分類決策。記判定工況為m（A0），對(duì)清篩機(jī)作業(yè)工況分類決策的原則為［7］

式中：α為相關(guān)系數(shù)；β為傳感器的相關(guān)分配值；θ為綜合判定系數(shù)。

本文考慮到判定目標(biāo)工況數(shù)目對(duì)DS 證據(jù)理論應(yīng)用時(shí)的影響，依據(jù)文獻(xiàn)［11］確定傳感器j對(duì)目標(biāo)工況ui的信度函數(shù)為

傳感器j不確定性θ的信度函數(shù)為

式中：Cj（ui）為傳感器j對(duì)目標(biāo)工況ui的相關(guān)系數(shù)，結(jié)合文獻(xiàn)［12］通過隸屬度函數(shù)計(jì)算得出；Nc為目標(biāo)工況數(shù)目；N為傳感器數(shù)目；Rj為傳感器j的可靠性系數(shù)；Wj為傳感器j的環(huán)境加權(quán)系數(shù)，其值域?yàn)椋?，1］；αj為Cj（ui）中的最大相關(guān)系數(shù)；βj為傳感器j的相關(guān)分配值。

βj和Rj的表達(dá)式為

2.2 清篩機(jī)作業(yè)工況識(shí)別流程

1）構(gòu)建清篩機(jī)信號(hào)特征庫

從清篩機(jī)各工作裝置壓力傳感器中獲取清篩機(jī)信號(hào)，提取信號(hào)參數(shù)并構(gòu)建清篩機(jī)信號(hào)特征庫W=

2）空載工況識(shí)別

判斷特征庫W內(nèi)參數(shù)是否滿足“KZ條件”，即是否滿足PW?［0，10］MPa，PZ?［0，15］MPa，PD?［0，9］MPa，PH?［0，9］MPa。若滿足該條件，則判定該工況為空載工況，否則進(jìn)入下一步。

3）其他工況識(shí)別

運(yùn)用DS 證據(jù)理論對(duì)各傳感器進(jìn)行多傳感器間信息融合，并根據(jù)分類決策規(guī)則，得出當(dāng)前工況判定結(jié)論。

4）完成識(shí)別

輸出滿足條件的工況作為最終判定結(jié)果，并根據(jù)當(dāng)前作業(yè)工況與預(yù)測(cè)工況的結(jié)果調(diào)整相關(guān)作業(yè)參數(shù)，繼續(xù)施工。

基于DS 證據(jù)理論的道砟清篩機(jī)作業(yè)工況識(shí)別整體流程如圖1所示。

2.3 QS650清篩機(jī)作業(yè)工況識(shí)別系統(tǒng)

QS650清篩機(jī)作業(yè)工況識(shí)別系統(tǒng)的硬件部分由布置在各裝置的壓力傳感器和人機(jī)交互界面組成，軟件部分集成了前文提到的多傳感器數(shù)據(jù)融合和DS 證據(jù)理論各公式與算法。當(dāng)系統(tǒng)處于檢測(cè)狀態(tài)時(shí)，后臺(tái)會(huì)根據(jù)各傳感器傳回的數(shù)據(jù)自動(dòng)處理并按設(shè)定算法進(jìn)行識(shí)別，結(jié)果顯示在人機(jī)交互界面上。圖2為清篩機(jī)作業(yè)工況識(shí)別人機(jī)交互界面。

圖1 清篩機(jī)作業(yè)工況識(shí)別整體流程

圖2 清篩機(jī)作業(yè)工況識(shí)別人機(jī)交互界面

3 試驗(yàn)驗(yàn)證

結(jié)合中國(guó)鐵建高新裝備股份有限公司進(jìn)行的清篩機(jī)性能測(cè)試試驗(yàn)數(shù)據(jù)［13］，選取4種不同工況，分別記為G1，G2，G3，G4，由傳感器采集開始作業(yè)后一段時(shí)間內(nèi)的5 組信號(hào)值（采集這5 組信號(hào)時(shí)在該周期內(nèi)清篩機(jī)作業(yè)工況未改變），得到清篩機(jī)傳感器信號(hào)特征庫參數(shù)PW，PZ，PD，PH的值，見表2。

根據(jù)本文提出的基于DS 證據(jù)理論的道砟清篩機(jī)作業(yè)工況流程，對(duì)表2中的4種工況G1，G2，G3，G4分別進(jìn)行工況識(shí)別判定。

首先進(jìn)行空載工況識(shí)別，通過將G1中數(shù)據(jù)與“KZ條件”對(duì)比，快速得出G1工況為空載工況KZ。然后繼續(xù)對(duì)G2，G3，G4進(jìn)行基于 DS 證據(jù)理論的工況識(shí)別，DS分類決策規(guī)則中門限設(shè)置為α= 0.2，β= 0.3。判定結(jié)果見表3，即G2為一般工況YB，G3為冒泥工況MN，G4為板結(jié)工況BJ。

表2 清篩機(jī)傳感器信號(hào)特征庫參數(shù) MPa

表3 清篩機(jī)作業(yè)工況識(shí)別

將上述結(jié)果與試驗(yàn)線路實(shí)際情況進(jìn)行對(duì)比，可知本文提出的基于DS 證據(jù)理論的道砟清篩機(jī)作業(yè)工況識(shí)別方法實(shí)現(xiàn)了對(duì)清篩機(jī)作業(yè)工況的準(zhǔn)確識(shí)別。

4 結(jié)論與展望

4.1 結(jié)論

本文從信息融合的角度出發(fā)，針對(duì)道砟清篩機(jī)作業(yè)中的幾種典型工況，提出了一種新的識(shí)別方法和判定流程。通過采集清篩機(jī)各工作裝置壓力傳感器信號(hào)，提取特征參數(shù)并構(gòu)建傳感器信號(hào)特征庫，基于DS證據(jù)理論進(jìn)行多傳感器信息融合，實(shí)現(xiàn)清篩機(jī)的作業(yè)工況識(shí)別判定。經(jīng)清篩機(jī)現(xiàn)場(chǎng)試驗(yàn)驗(yàn)證表明：該方法實(shí)現(xiàn)了對(duì)清篩作業(yè)工況的準(zhǔn)確識(shí)別，能有效代替工人進(jìn)行清篩機(jī)作業(yè)工況判定。研究成果為清篩機(jī)實(shí)現(xiàn)智能化作業(yè)提供了先決條件和理論基礎(chǔ)，具有較高的實(shí)際應(yīng)用價(jià)值。

4.2 展望

本文提出的針對(duì)清篩機(jī)作業(yè)工況的識(shí)別系統(tǒng)能根據(jù)傳感器信號(hào)特征庫進(jìn)行工況識(shí)別，但仍存在以下不足：

1）本文只是根據(jù)現(xiàn)場(chǎng)施工經(jīng)驗(yàn)將工況簡(jiǎn)單分為4大類，同一工況下傳感器值容錯(cuò)區(qū)間較大。這種分類方法雖然會(huì)降低工況識(shí)別的難度，但對(duì)下一步實(shí)施控制提出了更高的要求，如何將工況分類細(xì)化是下一步研究的重點(diǎn)。

2）在計(jì)算信度函數(shù)值時(shí)，隸屬度函數(shù)與環(huán)境加權(quán)系數(shù)值是通過結(jié)合其他領(lǐng)域已有的研究成果和清篩機(jī)實(shí)際情況由筆者自定義給出，由于先前未有該領(lǐng)域較為成熟的經(jīng)驗(yàn)，該數(shù)值有待進(jìn)一步精確化，從而提高工況識(shí)別的合理性和準(zhǔn)確性。