盧青松，戴計(jì)生，詹彥豪

（株洲中車(chē)時(shí)代電氣股份有限公司，湖南 株洲 412001）

0 引言

軸箱、齒輪箱和牽引電機(jī)良好的運(yùn)行狀態(tài)對(duì)列車(chē)的行車(chē)安全至關(guān)重要。列車(chē)軸溫實(shí)時(shí)檢測(cè)系統(tǒng)通過(guò)溫度傳感器采集軸箱、齒輪箱以及牽引電機(jī)的溫度，實(shí)時(shí)記錄各傳感器溫度值；溫度檢測(cè)單元對(duì)溫度信號(hào)進(jìn)行處理后，把各個(gè)部件狀態(tài)和溫度值發(fā)送給列車(chē)網(wǎng)絡(luò)系統(tǒng)，以對(duì)部件的狀態(tài)進(jìn)行監(jiān)測(cè)。現(xiàn)有的軸溫監(jiān)測(cè)系統(tǒng)診斷策略不能準(zhǔn)確定位傳感器故障，難以現(xiàn)場(chǎng)排查故障點(diǎn)，造成人力和物力的浪費(fèi)。

為提高軸溫故障原因診斷的準(zhǔn)確度，學(xué)者們展開(kāi)了大量的研究，研究重點(diǎn)主要為故障診斷理論方法研究[1]、軸溫?cái)?shù)據(jù)處理方法研究[2-3]、軸溫系統(tǒng)可靠性[4-5]及工藝優(yōu)化研究[6]和單純的故障原因分析[7]，但未提出可有效診斷軸溫傳感器故障具體原因的方法。為此，本文基于軸溫?cái)?shù)據(jù)的相似度特性提取和多變量決策樹(shù)數(shù)據(jù)分類(lèi)，提出了一種軸溫傳感器故障診斷策略，其可準(zhǔn)確識(shí)別并區(qū)分由傳感器自身故障、線路接觸不良和外界干擾造成的軸溫傳感器故障。

1 軸溫監(jiān)測(cè)系統(tǒng)現(xiàn)狀

動(dòng)車(chē)組軸溫故障主要分為軟硬件故障和傳感器故障兩大類(lèi)。軟硬件故障主要由電源板、CPU板、MVB板和采集板等電子板卡異常導(dǎo)致，該類(lèi)故障多表現(xiàn)為通信中斷、數(shù)據(jù)丟失等顯著特征，容易被判別和排查處理。傳感器故障多表現(xiàn)為溫度數(shù)據(jù)跳變、偏差等異常現(xiàn)象。軸溫實(shí)時(shí)監(jiān)測(cè)系統(tǒng)電氣連接復(fù)雜，列車(chē)運(yùn)行狀態(tài)和運(yùn)行環(huán)境多變，諸如傳感器自身故障、線路連接不良、外界干擾等因素均會(huì)導(dǎo)致溫度監(jiān)測(cè)值異常變化，但同時(shí)也不能排除部件狀態(tài)異常導(dǎo)致溫度真實(shí)異常變化的可能性，因此現(xiàn)場(chǎng)排查難度大。

表1示出某公司生產(chǎn)的軸溫實(shí)時(shí)檢測(cè)系統(tǒng)故障統(tǒng)計(jì)情況?？梢钥吹剑?020年上半年共發(fā)生35起傳感器故障；但現(xiàn)場(chǎng)檢查后發(fā)現(xiàn)，其中20起其傳感器并無(wú)異常。為保險(xiǎn)起見(jiàn)，現(xiàn)場(chǎng)進(jìn)行了預(yù)防性更換傳感器或采集板的處理。

表1 軸溫故障統(tǒng)計(jì)Tab. 1 Statistics of shaft temperature faults

可見(jiàn)，現(xiàn)有的軸溫監(jiān)測(cè)系統(tǒng)診斷策略不能準(zhǔn)確定位傳感器故障且現(xiàn)場(chǎng)排查故障點(diǎn)困難，造成了人力和物力的浪費(fèi)。為此，本文基于數(shù)據(jù)分析基本原理及軸溫?cái)?shù)據(jù)相似度分析，提出一種軸溫傳感器故障診斷策略并設(shè)計(jì)了一款軸溫故障專(zhuān)家診斷系統(tǒng)。

2 數(shù)據(jù)分析基本原理

正常情況下，同車(chē)廂各軸的功率和轉(zhuǎn)速一致，各軸同一被測(cè)溫度的概率密度分布是相對(duì)穩(wěn)定的，均勻分布在眾數(shù)的兩側(cè)；當(dāng)某個(gè)傳感器的數(shù)據(jù)發(fā)生異常，對(duì)應(yīng)溫度值則偏離眾數(shù)。本文以眾數(shù)為參考值，通過(guò)分析每個(gè)傳感器參數(shù)實(shí)際值與參考值的差異，來(lái)研究軸溫的異常變化特征。

2.1 相似度分析原理

以同車(chē)廂各軸同一位置同一時(shí)刻的所有溫度值為數(shù)據(jù)樣本，皮爾遜經(jīng)驗(yàn)法計(jì)算樣本眾數(shù)：

評(píng)價(jià)個(gè)體差異的方法主要有距離度量法和相似度度量法。距離度量法用于衡量?jī)蓚€(gè)變量在空間上存在的距離，距離越近，兩個(gè)變量的差異越小。相似度度量法即計(jì)算兩個(gè)變量的相似程度，相似度越高，兩個(gè)變量的差異越小。

歐式距離是最常見(jiàn)的距離度量，即空間中兩點(diǎn)的直線距離。a和b兩點(diǎn)的歐式距離為

歐式距離為從0到正無(wú)窮的數(shù)，值越大，表示兩點(diǎn)越遠(yuǎn)，相似度越低。將其求倒數(shù)，相似度公式如下：

相似度度量算法中運(yùn)用最廣泛的是余弦相似度，其用兩個(gè)向量夾角的余弦值來(lái)度量它們之間的相似性。A和B兩個(gè)多維向量的夾角余弦如下：

式中：A=[A1，A2，…，An]；B=[B1，B2，…，Bn]。

若比較兩個(gè)溫度信號(hào)的相似度，則需研究溫度的瞬時(shí)相似度和區(qū)間相似度。瞬時(shí)相似度即同一時(shí)刻兩個(gè)溫度的相似度，當(dāng)溫度值處于不同數(shù)量級(jí)時(shí)，相同距離度量的相似度應(yīng)不同。圖1示出瞬時(shí)相似度模型。圖中，A1B1和A2B2的距離量度均為L(zhǎng)，但A1B1的數(shù)量級(jí)大于A2B2的，所以相似度S(A1B1)＞S(A2B2)；由于 cosθ1＞cosθ2，因此瞬時(shí)相似度可表示為

圖1 瞬時(shí)相似度模型Fig. 1 Instant similarity model

區(qū)間相似度為一段時(shí)間內(nèi)兩個(gè)溫度的相似度。區(qū)間相似度數(shù)值越大，兩個(gè)溫度的變化趨勢(shì)越一致。當(dāng)某個(gè)溫度信號(hào)出現(xiàn)個(gè)別極大值或極小值，會(huì)造成兩個(gè)溫度信號(hào)分布范圍的差別過(guò)大，相似度計(jì)算值偏小，但實(shí)際上兩個(gè)溫度的變化趨于一致。為避免這種情況的發(fā)生，計(jì)算相似度前需先將溫度信息進(jìn)行標(biāo)準(zhǔn)化處理。本文采用z-score標(biāo)準(zhǔn)化方法對(duì)區(qū)間溫度樣本進(jìn)行標(biāo)準(zhǔn)化處理，轉(zhuǎn)化公式如下：

式中：σ——樣本標(biāo)準(zhǔn)差；x——樣本原始值；x′——樣本標(biāo)準(zhǔn)化值。

將一段時(shí)間的兩個(gè)溫度看成多維空間的兩點(diǎn)a和b，其區(qū)間相似度的計(jì)算公式如下：

2.2 多變量決策樹(shù)

為研究不同軸溫傳感器故障數(shù)據(jù)的特征表現(xiàn)，需對(duì)相似度計(jì)算結(jié)果進(jìn)行分類(lèi)。決策樹(shù)方法[8-9]是在分類(lèi)、規(guī)則提取等領(lǐng)域得到廣泛應(yīng)用的一種數(shù)據(jù)分類(lèi)方法，其通過(guò)訓(xùn)練集合的學(xué)習(xí)，形成決策樹(shù)分類(lèi)模型，并對(duì)類(lèi)型未知的樣本進(jìn)行分類(lèi)。

列車(chē)軸溫受列車(chē)運(yùn)行工況、運(yùn)行環(huán)境等因素影響。軸溫相似度屬性又分為瞬時(shí)相似度和區(qū)間相似度，分類(lèi)決策需由多個(gè)特征決定。常用的單變量決策數(shù)會(huì)導(dǎo)致樹(shù)結(jié)構(gòu)變得復(fù)雜[10-11]，因此本文采用多變量的決策樹(shù)方法對(duì)數(shù)據(jù)進(jìn)行分類(lèi)。

基于粗糙集構(gòu)建的多變量決策樹(shù)是目前最常用的一種多變量決策樹(shù)方法[10-12]。決策信息表T={U，A，V，f}是一個(gè)四元組。其中，U是論域，為非空有限對(duì)象集；A為屬性的非空有限集合，A=C∪D，C是條件屬性，D是決策屬性；V=Ua∈AVa，Va為屬性a的閾值；f:U×A→V是一個(gè)信息函數(shù)，對(duì)于且x∈U，f(x,a)∈Va。表2是一個(gè)決策信息表，其中x1→xi為論域，U={x1,x2,x3, …,xi}；C1，C2，C3,…,Cj為條件屬性，C1={c11,c12,c13, …,c1i}，C2={c21,c22,c23, …,c2i}，C3={c31,c32,c33, …,c3i}, …,Cj={cj1,cj2,cj3, …,cji}；D為決策屬性，D={d1,d2,d3, …,di}。

表2 決策信息表Tab. 2 Decision information table

假設(shè)在C2屬性下的子集為U/C2= {{x1,x4}, {x2,x5}, {x3,x6}}={X1,X2,X3}，對(duì)于集合X={x2,x3,x5,x6}，存在X=X2∪X3={x2,x5}∪{x3∪x6}，則稱(chēng)X為U/C2的精確集。若集合X={x3,x5,x6}，此時(shí)集合X不能由X1,X2和X3中的任何一個(gè)或多個(gè)組成，則稱(chēng)X為U/C2的粗糙集。

3 軸溫傳感器故障診斷策略

本文以歷史軸溫傳感器故障數(shù)據(jù)為分析樣本，對(duì)軸溫?cái)?shù)據(jù)的相似度進(jìn)行分析。圖2為某列車(chē)同車(chē)廂4個(gè)軸相同位置溫度的瞬時(shí)相似度分析結(jié)果，瞬時(shí)相似度1為異常溫度數(shù)據(jù)。可以看出，正常軸溫的瞬時(shí)相似度均大于0.1，只有異常溫度的瞬時(shí)相似度會(huì)出現(xiàn)不大于0.1的情況；瞬時(shí)相似度的變化與列車(chē)運(yùn)行速度密切相關(guān)，圖中相似度不大于0.1的情況均發(fā)生在列車(chē)高速運(yùn)行期間。

圖2 瞬時(shí)相似度分析Fig. 2 Instantaneous similarity analysis

圖3示出某列車(chē)同車(chē)廂4個(gè)軸相同位置溫度的區(qū)間相似度分析結(jié)果，區(qū)間相似度1為異常溫度數(shù)據(jù)?？梢钥闯?，正常溫度的區(qū)間相似度均大于0.6，只有異常溫度的區(qū)間相似度不大于0.6，如圖中區(qū)間相似度1曲線。區(qū)間相似度的變化同樣與列車(chē)運(yùn)行速度密切相關(guān)，圖中相似度不大于0.6的情況均發(fā)生在列車(chē)高速運(yùn)行期間。

圖3 區(qū)間相似度分析Fig. 3 Interval similarity analysis

根據(jù)相似度的分布規(guī)律，設(shè)置決策系統(tǒng)的條件屬性如下：

C1={c11：列車(chē)高速運(yùn)行，c12：列車(chē)靜止/低速運(yùn)行}；

C2={c21：瞬時(shí)相似度＞0.1，c22：瞬時(shí)相似度≤0.1}；

C3={c31：區(qū)間相似度＞0.6，c32：區(qū)間相似度≤0.6}；

C4={c41：連續(xù)發(fā)生，c42：?jiǎn)未伟l(fā)生}。

設(shè)置決策系統(tǒng)的決策屬性，具體如下：

D={d1：傳感器故障，d2：接觸不良，d3：信號(hào)干擾，d4：無(wú)法判斷}

基于粗糙集理論，對(duì)軸溫傳感器故障數(shù)據(jù)的相似度特征數(shù)據(jù)進(jìn)行分類(lèi)，得到x1，x2，x3和x4四類(lèi)數(shù)據(jù)。結(jié)合故障發(fā)生的真實(shí)原因，建立了軸溫傳感器故障診斷策略，具體如表3所示。

表3 軸溫傳感器故障診斷策略Tab. 3 Fault diagnosis strategy of axle temperature sensor

4 軸溫故障專(zhuān)家診斷系統(tǒng)

本文基于已有軸溫故障診斷策略和第3節(jié)所述的軸溫傳感器故障診斷策略，設(shè)計(jì)了一款軸溫故障專(zhuān)家診斷系統(tǒng)（圖4），其通過(guò)人工或自動(dòng)導(dǎo)入軸溫故障數(shù)據(jù)，對(duì)軸溫故障進(jìn)行自動(dòng)診斷分析，并給出故障原因分析和處理指導(dǎo)措施。該系統(tǒng)適用于所有類(lèi)型軸溫故障的診斷。

圖4 軸溫故障專(zhuān)家診斷系統(tǒng)Fig. 4 Expert diagnosis system for axle temperature faults

目前動(dòng)車(chē)組采用的軸溫傳感器故障診斷策略未能細(xì)分故障原因，且診斷準(zhǔn)確率低。為驗(yàn)證所提軸溫傳感器故障診斷策略的準(zhǔn)確性，本文收集了34起已知故障原因的軸溫傳感器故障數(shù)據(jù)（不在前期分析樣本內(nèi)），并導(dǎo)入專(zhuān)家診斷系統(tǒng)進(jìn)行了測(cè)試，測(cè)試結(jié)果見(jiàn)表4?？梢钥吹?，采用該策略后，對(duì)傳感器本身故障診斷的準(zhǔn)確率達(dá)91.67%，對(duì)接觸不良/信號(hào)干擾故障診斷的準(zhǔn)確率達(dá)到80%，總體診斷準(zhǔn)確率達(dá)88.24%，診斷失誤的故障數(shù)據(jù)均表現(xiàn)出多種故障特征?，F(xiàn)有診斷策略將34起故障全部診斷為傳感器故障，準(zhǔn)確率約為70.59%，新策略診斷準(zhǔn)確率大于85%，表明該系統(tǒng)可有效對(duì)軸溫傳感器故障進(jìn)行診斷。

表4 診斷測(cè)試結(jié)果Tab. 4 Results of diagnostic test

5 結(jié)語(yǔ)

本文提出了一種基于相似度計(jì)算和多變量決策樹(shù)方法的軸溫傳感器故障診斷策略并設(shè)計(jì)了一款軸溫故障專(zhuān)家診斷系統(tǒng)。采用該故障診斷策略，可有效區(qū)分傳感器故障、線路接觸不良和外界干擾的軸溫故障，診斷測(cè)試結(jié)果準(zhǔn)確率＞85%，但對(duì)于特征復(fù)雜的傳感器故障，其識(shí)別率不高，需進(jìn)一步研究解決。利用所設(shè)計(jì)的專(zhuān)家診斷系統(tǒng)，可對(duì)軸溫故障進(jìn)行智能分析并給出故障處理措施，能有效提高故障處置效率，節(jié)省人力物力。