韓詠釗 周小舟 張 俞 朱宇凡 鄒德旋

（江蘇師范大學(xué) 電氣工程及自動(dòng)化學(xué)院，江蘇 徐州221116）

鐵路作為一種可持續(xù)發(fā)展的陸上交通工具，有著成本低、能耗小、運(yùn)輸能力大等特點(diǎn)。而我國(guó)地大物博、人口繁多并且資源散布不平衡，這些特點(diǎn)決定了鐵路在綜合交通運(yùn)輸體系中的主導(dǎo)地位，是國(guó)民經(jīng)濟(jì)的大動(dòng)脈，同時(shí)也是推動(dòng)國(guó)民經(jīng)濟(jì)更好發(fā)展的基礎(chǔ)設(shè)施。隨著物聯(lián)網(wǎng)時(shí)代的到來(lái)，我國(guó)的鐵路運(yùn)輸業(yè)也迎來(lái)了新的發(fā)展前景，在鐵路網(wǎng)高速持續(xù)的發(fā)展下，至2019年我國(guó)鐵路固定資產(chǎn)投資完成了8029 億元，全國(guó)鐵路營(yíng)業(yè)里程達(dá)到了13.9 萬(wàn)公里以上，其中電氣化里程達(dá)到了10.0 萬(wàn)公里，電氣化率為71.9%。中國(guó)在高速鐵路運(yùn)營(yíng)里程、列車(chē)運(yùn)行速度在建規(guī)模上一直領(lǐng)先于世界，成為了世界上最大的國(guó)家。

在如此大規(guī)模發(fā)展和快速運(yùn)用的推動(dòng)下，安全性、可靠性和可維修性一直都是國(guó)家和鐵路集團(tuán)對(duì)地面軌道電路設(shè)備的三大要求。而軌道電路作為室外三大件（道岔、軌道電路、信號(hào)機(jī)）之一，是列控系統(tǒng)中應(yīng)用范圍最廣、使用時(shí)間最長(zhǎng)的關(guān)鍵安全設(shè)備之一，其主要組成設(shè)備包括信息發(fā)送設(shè)備、鋼軌傳輸和信息接收設(shè)備；基本原理為信息發(fā)送設(shè)備以?xún)筛撥壸鳛閷?dǎo)體將信息傳輸至接收設(shè)備，用以監(jiān)視列車(chē)的占用及通知列車(chē)信息。所以軌道電路在我國(guó)鐵路中被大規(guī)模的采用，它的工作性能直接影響行車(chē)安全和運(yùn)輸效率，一旦其出現(xiàn)故障，不但影響行車(chē)、降低運(yùn)輸效率，嚴(yán)重時(shí)甚至?xí)率拱踩鹿实陌l(fā)生，危及人員的生命安全。在電氣化鐵路站場(chǎng)中，截止目前已有超九成的車(chē)站采用了25Hz 相敏軌道電路，其高穩(wěn)定性的工作系統(tǒng)、較強(qiáng)的抗干擾能力和相對(duì)簡(jiǎn)單的維修處理，使其成為了電氣化鐵路站場(chǎng)的首選。

但是，如何對(duì)這些軌道電路進(jìn)行維護(hù)、維修，使它們可以安全、高效、可靠地工作卻也是一大問(wèn)題。目前25Hz 相敏軌道電路的故障診斷存在效率低、準(zhǔn)確性不高。我國(guó)之前普遍依靠維修人員的工作經(jīng)驗(yàn)進(jìn)行判斷與故障定位，但隨著鐵路行業(yè)的高速發(fā)展，列車(chē)的運(yùn)行速度不斷提高，運(yùn)行間隙也逐漸變小，之前的維修方案已經(jīng)不能滿(mǎn)足需要了，雖然近年很多部門(mén)采用了計(jì)劃維修的辦法，即采用周期性跟換或檢修設(shè)備的狀態(tài)，但這一方法還是受到了既有經(jīng)驗(yàn)的束縛，可能會(huì)導(dǎo)致維修過(guò)度，造成不必要的損失。因此，為了縮短設(shè)備的維修時(shí)間，快速、準(zhǔn)確地定位故障原因，及時(shí)地進(jìn)行維修尤為重要，有必要建立一種智能化的故障診斷方式，快速、準(zhǔn)確地發(fā)現(xiàn)設(shè)備故障原因，提高維修效率[1]。

為了解決復(fù)雜的軌道電路故障診斷問(wèn)題, 將遺傳算法引入到軌道電路的故障診斷領(lǐng)域, 從而彌補(bǔ)了目前檢測(cè)方法的不足[2]；還可利用粒子群支持向量機(jī)理論建立更為有效的軌道電路故障診斷模型，實(shí)現(xiàn)多種故障的診斷[3]；2010 年提出組合模型的25Hz 相敏軌道電路故障診斷方法, 克服了單項(xiàng)診斷方法的信息單一和診斷片面等不足, 提高了故障診斷精度[4]。2010 年，國(guó)外提出了一種新的補(bǔ)償電容診斷方法：Dempster-Shafer 證據(jù)融合理論和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合[5]。國(guó)外還提出了一種基于RCM的維修理念。2018 年，我國(guó)針對(duì)傳統(tǒng)25Hz 相敏軌道電路故障診斷網(wǎng)絡(luò)求解時(shí)收斂速度慢、診斷精度不高的問(wèn)題，提出了智能蝙蝠算法(BA)與模糊邏輯理論(FS)、神經(jīng)網(wǎng)絡(luò)(NN)相融合的BA-FNN 模型，對(duì)25Hz 相敏軌道電路進(jìn)行故障診斷?？紤]到軌道電路特征參數(shù)的不確定性、模糊性,運(yùn)用模糊邏輯理論對(duì)軌道電路特征參數(shù)進(jìn)行模糊化預(yù)處理[6]。2019 年，提出了一種新的圖像檢測(cè)方法, 通過(guò)獲取模擬線(xiàn)路瓷質(zhì)懸式絕緣子的紅外運(yùn)行圖像,對(duì)紅外圖像進(jìn)行去噪處理，將紅外圖像中的絕緣子串區(qū)域和背景區(qū)域進(jìn)行有效地分割有效提取了目標(biāo)區(qū)域。找出明顯能反應(yīng)劣化絕緣子的紅外圖像特性, 在此基礎(chǔ)上將是否含有零值絕緣子定為輸出向量, 通過(guò)深度學(xué)習(xí)訓(xùn)練得到零值絕緣子識(shí)別模型沒(méi), 然后選擇合適的實(shí)驗(yàn)數(shù)據(jù)利用識(shí)別模型對(duì)其進(jìn)行檢測(cè)分析[7]。本文將對(duì)25Hz 相敏軌道電路的故障定位采用和聲搜索算法進(jìn)行模型的建立研究，并進(jìn)行軌道交通單端和多端供電系統(tǒng)故障定位的模擬。

1 和聲搜索算法原理

和聲搜索算法是韓國(guó)學(xué)者Z.W.Geem 等人提出的一種新型元啟發(fā)式全局搜索算法[8]，該算法是模仿人類(lèi)音樂(lè)演奏過(guò)程中，樂(lè)師通過(guò)對(duì)和聲的音調(diào)不斷調(diào)整，將更優(yōu)的和聲替換掉最差的和聲，直到創(chuàng)作出和諧的給人以美感的和聲的過(guò)程，也就是和聲搜索算法的最優(yōu)化過(guò)程。

和聲搜索算法就是受到上述過(guò)程的啟發(fā)，把對(duì)和聲好壞的評(píng)價(jià)標(biāo)準(zhǔn)類(lèi)比于目標(biāo)函數(shù)的函數(shù)值，把樂(lè)器類(lèi)比于優(yōu)化問(wèn)題中的一個(gè)決策變量，把各個(gè)樂(lè)器奏出的音符的和聲類(lèi)比于優(yōu)化問(wèn)題的一個(gè)解向量，將樂(lè)器在可演奏的范圍隨機(jī)奏出的HMS 組和聲作為初始和聲放入和聲記憶庫(kù)內(nèi)，以和聲記憶庫(kù)取值概率HMCR 在和聲記憶庫(kù)內(nèi)取出一組解，或者以1-HMCR 的概率在和聲記憶庫(kù)外可能的范圍內(nèi)取出一組解。然后對(duì)取出來(lái)的該組解以微調(diào)概率PAR 進(jìn)行微調(diào)，若新解優(yōu)于和聲記憶庫(kù)中的最差解，則用新解替換掉最差解，否則，保持原有和聲記憶庫(kù)不變。不斷迭代，直到達(dá)到最大迭代次數(shù)Tmax。下面詳細(xì)介紹該算法的步驟。

1.1 初始化變量

HMS——和聲庫(kù)大?。℉armony Memory Size），根據(jù)實(shí)際問(wèn)題中解變量的范圍構(gòu)造相應(yīng)的解空間，并以此產(chǎn)生隨機(jī)的和聲記憶庫(kù)，算法運(yùn)算前需要先指定這個(gè)記憶庫(kù)的大?。?/p>

HMCR——記憶庫(kù)取值概率（Harmony Memory Considering Rate），為每次從記憶庫(kù)中取出一組解的概率；

PAR——微調(diào)概率（Pitch Adjusting Rate），對(duì)從記憶庫(kù)中取出的該組解變量進(jìn)行微調(diào)的概率；

bw——微調(diào)帶寬，對(duì)該組解進(jìn)行微調(diào)的調(diào)整幅度；

Tmax——調(diào)整過(guò)程重復(fù)的次數(shù)。

1.2 確定解空間

每個(gè)變量都有自己的定義域，N 對(duì)應(yīng)著變量數(shù)，H 表示變量的上限，L 表示變量的下限，所有變量的取值范圍就構(gòu)成了一個(gè)解空間。

1.3 初始化和聲記憶庫(kù)

根據(jù)和聲庫(kù)大小和解空間容量隨機(jī)產(chǎn)生初始化和聲記憶庫(kù)。

1.4 產(chǎn)生新解

1.4.1 先在[0,1]之間產(chǎn)生一個(gè)隨機(jī)數(shù)rand，并與初始化后的HMCR 數(shù)值進(jìn)行比較；

1.4.2 若rand＜HMCR，在初始化后的HM（和聲記憶庫(kù)）選取一組變量，否則就在初始化的解空間中選取一組變量；

1.4.3 若該組變量是從記憶庫(kù)中得到的，即對(duì)該組變量進(jìn)行微調(diào)；

1.4.4 在[0,1] 之間產(chǎn)生一個(gè)隨機(jī)數(shù)rand，并與初始化后的PAR 數(shù)值進(jìn)行比較；

1.4.5 若rand＜PAR，即將該組變量以微調(diào)帶寬bw 進(jìn)行微調(diào)，并得到一組新解，否則不進(jìn)行微調(diào)。

1.5 更新解變量

計(jì)算上述得到的新解并與和聲庫(kù)中的最差解進(jìn)行比較，若優(yōu)于最差解，即用新解代替差解。直到完成所有迭代，停止運(yùn)算。

和聲搜索算法具有控制參數(shù)少，步驟簡(jiǎn)單，易于實(shí)施的特點(diǎn)，且能針對(duì)一些優(yōu)化問(wèn)題給出具體的優(yōu)化方案，因此是一種高效的優(yōu)化算法。

2 和聲搜索算法在軌道交通供電系統(tǒng)中的應(yīng)用原理

軌道交通供電系統(tǒng)發(fā)生某個(gè)部位發(fā)生故障時(shí)，位于各開(kāi)關(guān)處的檢測(cè)裝置可檢測(cè)到故障電流的流經(jīng)（檢測(cè)裝置取1 表示流過(guò)故障電流，檢測(cè)裝置取0 表示未流過(guò)故障電流），將檢測(cè)得到的電流值與期望的電流值進(jìn)行比較后，形成0-1 離散的故障報(bào)警編碼信息向上級(jí)傳遞，分析并確認(rèn)故障區(qū)段。

而適應(yīng)度函數(shù)則是根據(jù)接收到的檢測(cè)裝置的電流信息來(lái)分析各區(qū)段的狀態(tài)。構(gòu)造如下所示適應(yīng)度函數(shù)[9]：

Fit（SB）——和聲記憶庫(kù)中每個(gè)和聲向量對(duì)應(yīng)的目標(biāo)函數(shù)；

SB——供電系統(tǒng)中各區(qū)段的狀態(tài)，是由6 個(gè)區(qū)段狀態(tài)組成的行向量，取值為1 表示區(qū)段處于故障狀態(tài)，取值為0 表示區(qū)段處于正常狀態(tài)；

aij——第j 個(gè)檢測(cè)裝置測(cè)定的狀態(tài)信息，取值為1 表示第j個(gè)檢測(cè)裝置有過(guò)電流流經(jīng)，取值為0 表示第j 個(gè)檢測(cè)裝置沒(méi)有過(guò)電流流經(jīng)；i 表示所設(shè)和聲的總組數(shù)，即HMS 的大?。?/p>

aij（SB）——根據(jù)邏輯式推得的各檢測(cè)裝置的期望狀態(tài)；

N——檢測(cè)裝置的數(shù)量；

N'——區(qū)段的數(shù)量。

和聲搜索算法主要通過(guò)和聲記憶庫(kù)考慮、基音調(diào)整和隨機(jī)化步驟對(duì)問(wèn)題解進(jìn)行逐步調(diào)整。該算法每次迭代只更新一次和聲向量，通過(guò)多次迭代最終找到最優(yōu)解。公式(3)中的Fit（SB）被作為和聲搜索算法的目標(biāo)函數(shù)，其值越低，和聲搜索算法所得到的檢測(cè)結(jié)果就越精確，反之亦然。

2.1軌道交通單端供電系統(tǒng)

圖1 軌道交通單端供電系統(tǒng)

根據(jù)軌道交通供電系統(tǒng)的原理，對(duì)圖1 進(jìn)行分析。圖中圓圈內(nèi)的數(shù)字代表回饋線(xiàn)區(qū)段的編號(hào)（下式中用bm表示對(duì)應(yīng)區(qū)段的狀態(tài)信息），各個(gè)檢測(cè)裝置期望狀態(tài)函數(shù)aij（SB）由其后續(xù)的各個(gè)區(qū) 段 確 定，分 別 表 示 為ai1（SB）=b1||b2||b3||b4||b5||b6，ai2（SB）=b2||b3||b4||b5||b6，ai3（SB）=b2||b3||b4||b5||b6，ai4（SB）=b3，ai5（SB）=b4，ai6（SB）=b6和ai7（SB）=b5。

利用MATLAB 編寫(xiě)基于和聲搜索算法的軌道交通供電系統(tǒng)故障定位程序。假設(shè)接觸網(wǎng)區(qū)段④和⑤發(fā)生短路故障，分別進(jìn)行接收到的故障信息正常以及故障信息存在畸變兩種情況的運(yùn)算。為了避免由于種群隨機(jī)產(chǎn)生而造成的偶然性，每種情況進(jìn)行了100 次的程序運(yùn)行。表1 為故障信息完整及故障信息存在畸變時(shí)得到的定位結(jié)果。

表1 單端供電系統(tǒng)故障定位結(jié)果1

為了避免誤差，下面再次選擇了兩種假設(shè)。

針對(duì)接觸網(wǎng)區(qū)段③和④發(fā)生短路故障以及區(qū)段④和⑥發(fā)生故障，分別進(jìn)行接收故障信息正常及接受故障信息存在畸變兩種情況的運(yùn)算。故障信息完整及故障信息存在畸變時(shí)的定位結(jié)果如表2、表3 所示。

表2 單端供電系統(tǒng)故障定位結(jié)果2

圖2 軌道交通多端供電系統(tǒng)

表3 單端供電系統(tǒng)故障定位結(jié)果2

根據(jù)以上故障運(yùn)算結(jié)果，對(duì)于故障信息完備情況，和聲搜索算法能收斂到問(wèn)題的最優(yōu)解，對(duì)于少數(shù)故障信息缺失，也能準(zhǔn)確定位出故障區(qū)段，與實(shí)際相符。

2.2 軌道交通多端供電系統(tǒng)

對(duì)于多端供電系統(tǒng)，我們可以把它拆分成多個(gè)單端供電系統(tǒng)分別來(lái)考慮，每次運(yùn)算只假設(shè)由一個(gè)電源供電，該電源向全網(wǎng)供電的流出方向即為正方向，將所有單端結(jié)果集中分析即可定位出故障區(qū)段。

與單端供電系統(tǒng)不同的是，多端供電系統(tǒng)需要考慮到故障電流aij的方向，當(dāng)存在故障電流且方向與所設(shè)電流正方向一致時(shí)，取值為1，當(dāng)不存在故障電流或存在故障電流但故障電流方向與所設(shè)電流正方向不一致時(shí)，取值為0。

設(shè)計(jì)28 個(gè)開(kāi)關(guān)，18 個(gè)區(qū)段，根據(jù)上述過(guò)程，建立和聲記憶庫(kù)（HM），HMS=100：

其中，bin指第i 組第n 個(gè)區(qū)段的狀態(tài)（n=1，2，3…18）,bin=0指區(qū)段正常，bin=1 指區(qū)段故障。

令和聲記憶庫(kù)取值概率HMCR=0.9；音調(diào)微調(diào)概率PAR=0.3；微調(diào)帶寬bw=0.01；迭代次數(shù)Tmax=200。

假設(shè)A 端供電，網(wǎng)絡(luò)的正方向即為由A 指向B、C、D，當(dāng)故障區(qū)段為⑥和⑨時(shí)，故障過(guò)流信息為：1 1 1 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0。

將Fnew與記憶庫(kù)中最差的Fit（SB）比較，判斷是否優(yōu)于最差的Fit（SB），若優(yōu)于則將Bnew替代Bi，劣于則保留Bi，從而得到最新的記憶庫(kù)。

根據(jù)初始化設(shè)置的迭代次數(shù)，重復(fù)迭代100 次，得到適應(yīng)度最小值，那么該適應(yīng)度對(duì)應(yīng)的解空間得到的區(qū)段狀態(tài)就是故障區(qū)段的狀態(tài)。

經(jīng)過(guò)100 次迭代計(jì)算后，發(fā)現(xiàn)得到的適應(yīng)度的值總是非負(fù)的且值趨向于0。而適應(yīng)度函數(shù)是區(qū)分群體中個(gè)體好壞的標(biāo)準(zhǔn)。這就表明，最終運(yùn)算得到的解，是我們所期望的“好”解，也即最優(yōu)解。

圖3 適應(yīng)度函數(shù)曲線(xiàn)

同理，在假定B、C、C 端供電時(shí)，也可以列出上述的各檢測(cè)裝置期望狀態(tài)函數(shù)和適應(yīng)度函數(shù)。仿真結(jié)果如下。

將拆分后的單端供電的故障定位結(jié)果綜合在一起，得到故障區(qū)段為⑥和⑨，與實(shí)際情況相符。

2.3 仿真結(jié)果分析

綜合軌道交通單端供電系統(tǒng)和多端供電系統(tǒng)的仿真結(jié)果，不難發(fā)現(xiàn)，和聲搜索算法收斂速度快，可以對(duì)軌道交通供電系統(tǒng)故障區(qū)段進(jìn)行快速而準(zhǔn)確的定位。

當(dāng)輸入位發(fā)生畸變時(shí)，隨著迭代次數(shù)的增加，最后仍然可以計(jì)算出正確的定位結(jié)果，這說(shuō)明了該算法具有較高的容錯(cuò)性。

表4 多端供電系統(tǒng)你故障定位結(jié)果

3 結(jié)論

本文基于和聲搜索算法的基本原理，提出了針對(duì)軌道交通供電系統(tǒng)故障定位的仿真模型。并且對(duì)復(fù)雜的軌道交通多端供電系統(tǒng)進(jìn)行拆分，繁而化簡(jiǎn)，分別討論單端供電情況下的仿真結(jié)果，再進(jìn)行綜合，定位出最終的故障區(qū)段。該算法計(jì)算速度快，容錯(cuò)性高，且運(yùn)用實(shí)例證明了該算法的有效性。