楊連報，沈翔，李新琴，董興芝，薛蕊，徐貴紅

（中國鐵道科學(xué)研究院集團有限公司，北京100081）

1 概述

道岔作為高速鐵路信號地面設(shè)備的重要組成，是列車進出站實現(xiàn)進路轉(zhuǎn)換的重要關(guān)鍵設(shè)備。通過對近十年來高鐵信號地面設(shè)備故障發(fā)生數(shù)量統(tǒng)計分析，道岔故障占比約為1/3，是影響高鐵行車組織和安全的重要因素。

目前，我國主要采用微機監(jiān)測系統(tǒng)實時監(jiān)測道岔動作電流的模擬量數(shù)據(jù)和道岔狀態(tài)的開關(guān)量數(shù)據(jù)，并由現(xiàn)場作業(yè)人員根據(jù)電流動作曲線的異常來判斷道岔發(fā)生的相關(guān)故障類別進行處置。在學(xué)術(shù)上，國內(nèi)外專家學(xué)者進行了相關(guān)研究。文獻[1]提出應(yīng)用時間延遲網(wǎng)絡(luò)（Time-Delay Neural Network，TDNN），通過對道岔有關(guān)動作電流和受力情況的分析實現(xiàn)道岔故障診斷和預(yù)測；文獻[2-3]采用Fisher準則實現(xiàn)對道岔動作電流的特征提取，并通過計算待測樣本和故障模式之間的灰關(guān)聯(lián)度實現(xiàn)故障診斷；文獻[4]通過建立模糊神經(jīng)網(wǎng)絡(luò)，輸入為特征抽取后的道岔動作電流，輸出為各類特征向量對應(yīng)的典型故障類型，然后經(jīng)過對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練并結(jié)合專家經(jīng)驗實現(xiàn)道岔故障診斷；文獻[5]通過對定量的道岔動作電流曲線的轉(zhuǎn)化為定性的趨勢片段，實現(xiàn)基于定性趨勢分析的道岔故障診斷；文獻[6]采用轉(zhuǎn)轍機拉力參數(shù)為訓(xùn)練數(shù)據(jù)，實現(xiàn)基于粒子群算法優(yōu)化支持向量機（PSO-SVM）的道岔故障診斷。文獻[7]通過建立道岔轉(zhuǎn)轍機故障分析與故障診斷監(jiān)測系統(tǒng)，實現(xiàn)ZD6轉(zhuǎn)轍機多種故障識別。

與以道岔動作電流或轉(zhuǎn)轍機拉力變化的結(jié)構(gòu)化數(shù)據(jù)進行道岔故障診斷方法不同，提出一種新的基于非結(jié)構(gòu)化道岔故障的文本描述和原因處置過程故障診斷方法。首先對道岔故障發(fā)生的文本描述進行預(yù)處理和特征提取，主要包含文本停用詞去除、中文分詞、特征向量生成、道岔故障編碼等，然后通過應(yīng)用支持向量機（Support Vector Machine，SVM）實現(xiàn)道岔故障分類模型的學(xué)習(xí)，從而為現(xiàn)場作業(yè)人員提供一種客觀的、基于海量歷史數(shù)據(jù)的故障診斷模型。

2 高速鐵路信號設(shè)備

我國高鐵通過“引進、消化、吸收、再創(chuàng)新”的技術(shù)路線，走出了一條通信信號系統(tǒng)快速發(fā)展的道路。目前，我國高鐵主要采用CTCS-3級列控系統(tǒng)和CTCS-2級列控系統(tǒng)保障列車安全、可靠、高效運行。CTCS-3級列控系統(tǒng)是基于GSM-R無線通信基礎(chǔ)，實現(xiàn)車-地信息雙向傳輸，并采用無線閉塞中心（RBC）生成行車許可，采用目標距離連續(xù)速度控制的列控系統(tǒng)；CTCS-2級列控系統(tǒng)是基于軌道電路和應(yīng)答器，傳輸列車行車許可信息，并采用目標距離連續(xù)速度控制模式監(jiān)控列車安全運行的列控系統(tǒng)。CTCS-3和CTCS-2級列控系統(tǒng)均包括車載設(shè)備和地面設(shè)備，兩類設(shè)備構(gòu)成如下。

（1）車載設(shè)備。我國高速鐵路列控車載設(shè)備主要包括CTCS3-300T型ATP車載設(shè)備、CTCS3-300H型ATP車載設(shè)備、CTCS3-300S型ATP車載設(shè)備、CTCS2-200C型ATP車載設(shè)備、CTCS2-200H型ATP車載設(shè)備等。其中CTCS3-300T型ATP車載設(shè)備是我國最早投入商業(yè)運營的CTCS-3級列控車載設(shè)備。目前已廣泛應(yīng)用在京滬、京廣、哈大、滬寧、滬杭、鄭西等高速鐵路。

（2）地面設(shè)備。我國高速鐵路信號地面設(shè)備主要包含以下4類：①信號基礎(chǔ)設(shè)備。主要包括信號機、轉(zhuǎn)轍機及其安裝裝置、軌道電路、電源、電纜電線等。②列控地面設(shè)備。主要包括列控中心（含LEU）、臨時限速服務(wù)器（TSRS）、無線閉塞中心（RBC）、應(yīng)答器等。③計算機聯(lián)鎖系統(tǒng)。④CTC/TDCS系統(tǒng)。道岔是機車車輛從一股道轉(zhuǎn)入或越過另一軌道時必不可少的線路設(shè)備，主要包含基本軌、尖軌、翼軌、轍叉心、護軌等部分，同時道岔的動作需要轉(zhuǎn)轍機來提供動力。道岔具有構(gòu)造復(fù)雜、養(yǎng)護維修投入大的特點，按功能和用途主要分為單開道岔、對稱道岔、三開道岔、交叉渡線、復(fù)式交分道岔5種類型。

通過對我國高鐵近十年來地面設(shè)備中的故障數(shù)量統(tǒng)計和分析，道岔故障件數(shù)居首位（故障占比39.0%）。道岔故障責(zé)任原因較多，主要包括材質(zhì)、檢修不良、尖軌卡物等。同時，根據(jù)現(xiàn)場數(shù)據(jù)，道岔故障率和季節(jié)有關(guān)系，極端的天氣如雨雪等對道岔的正常運轉(zhuǎn)有較大影響（如冰雪造成道岔卡阻、季節(jié)變換導(dǎo)致鋼軌材質(zhì)的熱脹冷縮）。由于高鐵作業(yè)均在夜間，因晝夜溫差導(dǎo)致道岔適應(yīng)性調(diào)整不當，道岔缺口動態(tài)變化超過轉(zhuǎn)轍機的缺口變化允許范圍。

3 基于SVM的高鐵道岔故障分類

通過正則表達式進行道岔故障文本描述數(shù)據(jù)中有關(guān)日期、時間、地點、特殊字符、標點和英文符號的預(yù)處理，應(yīng)用融合鐵路領(lǐng)域詞典的中文分詞工具Jieba進行分詞，并通過Word2Vec和TF-IDF分別生成特征向量，最后應(yīng)用SVM模型實現(xiàn)道岔故障的智能分類。

3.1 故障分類文本數(shù)據(jù)預(yù)處理

高鐵道岔故障文本數(shù)據(jù)記錄了道岔故障發(fā)生的時間、線路、區(qū)間和道岔故障原因及處理過程，示例數(shù)據(jù)見表1。

傳統(tǒng)的分類是由業(yè)務(wù)人員根據(jù)道岔故障概況和原因分析的文本描述，實現(xiàn)道岔故障分類。這種方式主要依靠業(yè)務(wù)人員對文本描述的理解和個人經(jīng)驗進行判斷，造成分類的不客觀、不準確。同時，在應(yīng)對海量文本描述數(shù)據(jù)時，存在效率低下等問題。通過文本分析的方式，計算機可以根據(jù)道岔故障文本的描述，實現(xiàn)道岔故障的自動分類。

表1 高鐵道岔故障記錄文本數(shù)據(jù)示例

（1）通過定義高鐵道岔故障分類的標準，生成道岔故障分類編號，以便計算機識別（見表2）。

表2 高鐵道岔故障分類標準

（2）通過定義常用停用詞和標點符號的詞典，如“的”“地”“但”“但是”“，”“：”等實現(xiàn)自動過濾；并通過定義高鐵道岔故障描述相關(guān)的常見詞匯如：“轉(zhuǎn)轍機”“密貼檢查器”“卡阻”“定位無表示”等實現(xiàn)高鐵道岔故障文本的中文分詞，為文本特征向量表示做好準備。

3.2 文本特征向量表示

針對分好的中文詞匯，文本特征向量表示最常用的方法為TF-IDF（Term Frequency-Inverse Document Frequency）和Word2Vec。TF-IDF是一種基于統(tǒng)計的常用加權(quán)方法，廣泛應(yīng)用于檢索與文本分析中［8］。Word2Vec是Google于2013年開源的詞向量分布式表示算法［9-10］，可以在百萬數(shù)量級的詞典和上億數(shù)據(jù)集上進行訓(xùn)練，成為目前文本向量分布式表示的主要方法。

Word2Vec算法的實質(zhì)為一個淺層神經(jīng)網(wǎng)絡(luò)，主要包含CBoW（Continuous Bag-of-Words Model）和Skipgram模型。CBoW模型利用給定上下文的向量表示，預(yù)測目標詞的向量表達。Skip-gram模型則是根據(jù)目標詞的向量表示，獲得上下文的向量表示。二者均是用學(xué)習(xí)到的權(quán)重系數(shù)來表示所有詞的向量。Skip-gram模型的整體架構(gòu)見圖1。

圖1 Skip-gram模型整體架構(gòu)

輸入層為某個給定詞的1×N維的文本，one-hot為向量；隱含層是由V個隱含層神經(jīng)元組成，輸出層為N個Softmax輸出神經(jīng)元歸一化，獲得的權(quán)重系數(shù)為每個詞的向量表示。

Skip-gram模型最終目標是通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)隱含層中的權(quán)重，根據(jù)給定詞one-hot詞向量預(yù)測輸出詞的概率最大。神經(jīng)網(wǎng)絡(luò)的隱含層像1個word embedding查找表，其輸出的1×V維的向量就是詞向量。主要采用Word2Vec中的Skip-gram模型生成每個中文分詞的詞向量，然后將每一條高速鐵路道岔故障記錄文本中的詞向量加權(quán)求和，表征每一條文本記錄向量。

式中：Di為某條高鐵道岔故障文本記錄的向量；m為該條記錄中分詞的數(shù)量；Wij為該記錄中每個中文分詞的向量表示。

3.3 SVM分類模型

在獲得高鐵道岔故障文本記錄的特征向量表示后，需要設(shè)計分類模型實現(xiàn)高鐵道岔故障分類，研究選擇SVM分類模型。通過構(gòu)造1個超平面f(x)，使得該函數(shù)能夠表示類別y與樣本向量x的關(guān)系。定義線性x不敏感損失函數(shù)為：

如果存在1個超平面：

其中ω∈Rn，b∈R，使得：

則稱樣本集D是ε線性近似的，f(x)為線性回歸估計函數(shù)。樣本點{xi，yi}到超平面的距離為：

為得到最優(yōu)的超平面分類，轉(zhuǎn)換為一個優(yōu)化問題，即使||ω||2最小。

針對非線性問題，SVM分類模型通過非線性映射φ(x)將樣本映射為高維特征空間，并通過核函數(shù)的方式計算內(nèi)積。此時優(yōu)化問題的目標函數(shù)可表示為：

式中：ξi、為超平面不同分類界限的松弛變量；C為懲罰因子（C越大表示對誤差大的樣本懲罰越大，調(diào)整C可改變SVM的泛化能力）。

4 試驗驗證

選取2018年我國高鐵道岔故障記錄數(shù)據(jù)為試驗數(shù)據(jù)，其中80%作為訓(xùn)練，20%作為驗證數(shù)據(jù)集，主要采取準確率（Precision）、召回率（Recall）和F-score作為模型評價和對比的指標。

Precision計算公式為：

Recall計算公式為：

F-score計算公式為：

式中：TPi為被正確分到此類的實例個數(shù)；TNi為被正確識別不在此類的實例個數(shù)；FPi為被誤分到此類的實例個數(shù)；FNi為屬于此類但被誤分到其他類的實例個數(shù)；C為所有類別的總數(shù)。

在SVM分類模型選擇線性核函數(shù)，C=1的情況下，通過比較不同的道岔文本特征向量提取的模型表現(xiàn)如下：

（1）當應(yīng)用TF-IDF進行道岔故障文本特征向量提取時，在驗證集上的總體準確率達到86.4%。但對于“工務(wù)設(shè)備”“密貼檢查器”的故障樣例數(shù)據(jù)較少，分類效果不理想，二者的F1值在60%左右（見圖2）。

（2）當應(yīng)用Word2Vec進行道岔故障文本特征向量提取時，在驗證集上的總體準確率達到78.2%，對于故障樣例數(shù)據(jù)較少的“工務(wù)設(shè)備”“密貼檢查器”的分類效果不理想，二者的F1值在22%左右。對于原因不明的分類沒有較好的區(qū)分，說明應(yīng)用Word2Vec特征提取時，效果整體不如TF-IDF的特征提取效果（見圖3）。

圖2 基于TF-IDF特征提取的道岔故障診斷模型訓(xùn)練結(jié)果

圖3 基于Word2Vec特征提取的道岔故障診斷模型訓(xùn)練結(jié)果

針對高鐵道岔故障樣本數(shù)據(jù)，選取的特征提取模型不一定是非常復(fù)雜的Word2Vec模型，需要結(jié)合數(shù)據(jù)特點選擇合適的特征提取方法；針對高鐵道岔故障樣本數(shù)據(jù)類別不平衡的問題，可以通過自動生成較少樣本數(shù)據(jù)的方式以及分類模型融合的方式進行解決，此次不做深入研究。

5 結(jié)束語

高速鐵路道岔故障文本分類是典型的垂直行業(yè)文本分類問題，提出基于SVM的高鐵道岔故障分類模型，彌補了對非結(jié)構(gòu)化道岔故障文本數(shù)據(jù)分析缺乏等問題，避免了依靠個人經(jīng)驗進行道岔故障分類的弊端，為高鐵電務(wù)安全管理提供一種客觀和科學(xué)高效的技術(shù)手段，對規(guī)范高鐵道岔故障管理、提高作業(yè)標準和道岔設(shè)備運用質(zhì)量具有重要意義。然而，在道岔故障文本數(shù)據(jù)量較少的情況下，通過TF-IDF和Word2Vec等特征工程獲得的向量表示，可為故障自動分類提供參考。考慮到道岔故障文本數(shù)據(jù)量較大時，傳統(tǒng)的SVM、邏輯回歸等分類器難以取得較好效果，基于深度學(xué)習(xí)方法進行特征的自動學(xué)習(xí)是未來的研究方向。