沈龍樂(lè)，梁維海

(1. 廣州地鐵集團(tuán)有限公司,廣州 510380； 2. 西南交通大學(xué)鐵路發(fā)展股份有限公司,成都 610031)

隨著地鐵事業(yè)在我國(guó)迅速發(fā)展，地鐵安全運(yùn)輸與設(shè)備狀態(tài)管理的矛盾日益突出。建立有效的監(jiān)控體系，做好固定設(shè)備的長(zhǎng)期監(jiān)控，特別是針對(duì)固定設(shè)備某些關(guān)鍵薄弱環(huán)節(jié)的監(jiān)控(道岔、重點(diǎn)橋梁、重點(diǎn)隧道、軟弱路基地段等)是確保地鐵安全、可靠、高效運(yùn)行的保障。

道岔包括直接與輪軌相關(guān)的可動(dòng)部件(尖軌、心軌)，是實(shí)現(xiàn)列車(chē)轉(zhuǎn)轍的關(guān)鍵部件。在道岔處，車(chē)輪過(guò)軌接觸狀態(tài)復(fù)雜，道岔軌條斷面多變、支承及約束條件復(fù)雜，岔區(qū)由多種不同類(lèi)型、不同材質(zhì)的部件組裝而成，依靠工電聯(lián)動(dòng)實(shí)現(xiàn)轉(zhuǎn)轍。由此可知，道岔是地鐵系統(tǒng)固定設(shè)備中的薄弱環(huán)節(jié)，一旦發(fā)生故障而不能及時(shí)排除，將引發(fā)災(zāi)難性的后果。

道岔鋼軌尤其是尖軌的狀態(tài)及傷損檢測(cè)是世界性難題，現(xiàn)有的解決方法包括傳統(tǒng)超聲波檢測(cè)法、激光超聲法、相控陣列超聲法、電磁超聲法、超聲導(dǎo)波法、渦電流法、漏磁檢測(cè)法、交流電場(chǎng)檢測(cè)法、光學(xué)圖像檢測(cè)法、射線(xiàn)檢測(cè)法、光導(dǎo)纖維檢測(cè)法、鐵路軌道殘余應(yīng)力測(cè)量法、輪軌相互作用檢測(cè)法、軌道電路牽引回流斷軌檢測(cè)法、壓電能量法檢測(cè)技術(shù)(基于聲發(fā)射技術(shù))等[1]。雖然方法眾多，但地鐵道岔鋼軌(尤其是尖軌)的檢測(cè)，仍然有以下困難：

(1) 受限于技術(shù)方案的應(yīng)用場(chǎng)景，很多方案不能實(shí)現(xiàn)被動(dòng)式監(jiān)測(cè)，需要利用天窗時(shí)間上道進(jìn)行“一發(fā)一收”，再進(jìn)行數(shù)據(jù)分析并出具報(bào)告。超聲導(dǎo)波法、激光超聲法、電磁超聲法等都是如此。

(2) 對(duì)傷損的分辨率普遍不高，基于振動(dòng)傳感器(加速度傳感器)和視頻類(lèi)監(jiān)測(cè)的技術(shù)方案尤其如此。這兩類(lèi)技術(shù)方案能監(jiān)測(cè)或檢測(cè)到的傷損往往是宏觀的、肉眼可見(jiàn)的傷損，而對(duì)鋼軌早期的微傷損、微裂紋、裂紋萌生和發(fā)展、核傷等無(wú)能為力。

(3) 由于鋼軌的特殊結(jié)構(gòu)以及鋼軌材料的非線(xiàn)性特性，上述方案普遍有較大范圍的盲區(qū)。

(4) 不能量化被監(jiān)測(cè)鋼軌的健康狀態(tài)，無(wú)法實(shí)現(xiàn)狀態(tài)維修以節(jié)約成本。

造成上述困難的核心原因是道岔系統(tǒng)復(fù)雜、動(dòng)態(tài)、非線(xiàn)性、多邊界的特點(diǎn)。其底層的各種傳導(dǎo)機(jī)制、映射關(guān)系復(fù)雜，因此從正向原理進(jìn)行建模然后解構(gòu)式檢測(cè)鋼軌的健康和傷損情況基本不可能實(shí)現(xiàn)。高志明等[2]對(duì)道岔檢測(cè)進(jìn)行了討論，李江華[3]對(duì)鋼軌平順性進(jìn)行了討論，但都沒(méi)有涉及鋼軌健康的檢測(cè)和診斷。香港理工大學(xué)蘇眾慶團(tuán)隊(duì)[4]提出了正向解構(gòu)式解決方案，該方案需要部署高密度的壓電傳感器，采樣頻率在20 MHz左右，但無(wú)法進(jìn)行工程實(shí)踐。

數(shù)據(jù)驅(qū)動(dòng)技術(shù)是一種專(zhuān)門(mén)針對(duì)復(fù)雜系統(tǒng)的檢測(cè)技術(shù)。不同于正向原理性解構(gòu)，其更依賴(lài)于系統(tǒng)滿(mǎn)足各種假設(shè)基礎(chǔ)上的數(shù)據(jù)挖掘技術(shù)，具體又可細(xì)分為基于統(tǒng)計(jì)信息的數(shù)據(jù)驅(qū)動(dòng)、基于信號(hào)處理技術(shù)的數(shù)據(jù)驅(qū)動(dòng)、基于人工智能技術(shù)的數(shù)據(jù)驅(qū)動(dòng)。

本文提出的地鐵道岔鋼軌健康和診斷系統(tǒng)基于數(shù)據(jù)驅(qū)動(dòng)技術(shù)，通過(guò)對(duì)地鐵運(yùn)行數(shù)據(jù)的全息采集和數(shù)據(jù)處理技術(shù)得到數(shù)據(jù)各個(gè)維度的統(tǒng)計(jì)量和變換域表征，如果觸發(fā)統(tǒng)計(jì)量特征值的突發(fā)異?；蚱脚_(tái)性躍變則報(bào)警，提示需要進(jìn)行狀態(tài)修甚至換軌。

1 道岔系統(tǒng)相關(guān)假設(shè)

在地鐵日常運(yùn)行的過(guò)程中，道岔系統(tǒng)的狀態(tài)由開(kāi)始的健康到最終的廢棄，是持續(xù)量變疊加多個(gè)質(zhì)變的過(guò)程。

地鐵道岔系統(tǒng)的運(yùn)行過(guò)程中，多次計(jì)劃修的本質(zhì)是改善道岔系統(tǒng)的健康狀態(tài)，抬高道岔鋼軌健康的量化指數(shù)。然而，多次計(jì)劃修也不可能實(shí)現(xiàn)道岔生命周期的永續(xù)，道岔鋼軌健康的量化指數(shù)整體仍會(huì)趨于下降直至廢止。地鐵道岔的狀態(tài)與成本關(guān)系如圖1所示。

圖1 地鐵道岔的狀態(tài)與成本關(guān)系

基于地鐵道岔的整個(gè)生命周期工程應(yīng)用場(chǎng)景，可知道岔系統(tǒng)類(lèi)似于很多復(fù)雜系統(tǒng)，滿(mǎn)足以下三個(gè)假設(shè)：系統(tǒng)宏觀上滿(mǎn)足線(xiàn)性系統(tǒng)假設(shè)、系統(tǒng)狀態(tài)的各項(xiàng)檢測(cè)指標(biāo)滿(mǎn)足正態(tài)分布假設(shè)、系統(tǒng)運(yùn)行在單一狀態(tài)假設(shè)。

1.1 線(xiàn)性系統(tǒng)假設(shè)

任何復(fù)雜設(shè)備都可以建模成一個(gè)系統(tǒng)，系統(tǒng)通過(guò)是否線(xiàn)性、是否時(shí)變、是否因果、是否穩(wěn)定共分為16類(lèi)大的系統(tǒng)。在工程實(shí)踐中，完全線(xiàn)性的、時(shí)不變的、因果的穩(wěn)定系統(tǒng)少之又少。然而，即使一個(gè)系統(tǒng)不是嚴(yán)格意義上的線(xiàn)性系統(tǒng)，其在某個(gè)階段往往基本上可以簡(jiǎn)化為一個(gè)線(xiàn)性模型來(lái)考慮，例如地鐵道岔鋼軌的健康狀態(tài)。

在圖1中，假設(shè)每一次故障后到下一次故障前，系統(tǒng)基本可簡(jiǎn)化為一個(gè)宏觀上的線(xiàn)性系統(tǒng)。如果這個(gè)假設(shè)成立，那么被檢測(cè)對(duì)象(地鐵道岔鋼軌)的輸出和輸入是一種強(qiáng)線(xiàn)性關(guān)系。

1.2 正態(tài)分布假設(shè)

中心極限定理是科學(xué)界最基本、最普遍的存在，也是統(tǒng)計(jì)學(xué)最基本的定理之一。大數(shù)據(jù)證明許多復(fù)雜系統(tǒng)中眾多維度的統(tǒng)計(jì)特征滿(mǎn)足中心極限定理，即統(tǒng)計(jì)的量化值符合正態(tài)分布(高斯分布)，道岔鋼軌也不例外，且此結(jié)論經(jīng)過(guò)了長(zhǎng)時(shí)間的健康鋼軌試運(yùn)行的佐證。

在地鐵的日常運(yùn)行過(guò)程中，通過(guò)對(duì)采集到的數(shù)據(jù)進(jìn)行各種數(shù)字信號(hào)處理，得到各個(gè)維度的統(tǒng)計(jì)特征和變換域表征。如各維度的統(tǒng)計(jì)量化值和變換域表征的量化值分布符合正態(tài)分布(如幅度值、信號(hào)的高低頻量化比等)，則大概率可以佐證整個(gè)道岔鋼軌處于健康狀態(tài)。相反，如發(fā)現(xiàn)某些維度的分布由一個(gè)概率密度分布轉(zhuǎn)移到另外一個(gè)概率密度分布，則大概率是鋼軌的健康狀態(tài)發(fā)生了顯著的質(zhì)的改變。

如圖1所示，可以假設(shè)在每一次故障后、下一次故障前，整個(gè)系統(tǒng)的各項(xiàng)檢測(cè)指標(biāo)的各個(gè)維度的統(tǒng)計(jì)量化值的概率密度就是正態(tài)分布。

需要額外說(shuō)明的是：當(dāng)整個(gè)道岔系統(tǒng)的某個(gè)邊界條件發(fā)生較大改變時(shí)，往往也會(huì)導(dǎo)致某些維度的統(tǒng)計(jì)指標(biāo)概率密度發(fā)生改變。這種映射關(guān)系往往需要通過(guò)長(zhǎng)時(shí)間的試運(yùn)行才得以建立，從而減少誤報(bào)警的發(fā)生。

1.3 單狀態(tài)運(yùn)行假設(shè)

由圖1可知，在每一次故障后、下一次故障前，系統(tǒng)除了可以被簡(jiǎn)化為線(xiàn)性系統(tǒng)，并假設(shè)統(tǒng)計(jì)量化值符合正態(tài)分布外，還可得出，系統(tǒng)基本上在單一狀態(tài)中(一個(gè)狀態(tài)的基礎(chǔ)上漸漸地變化)運(yùn)行?；诖丝傻贸鼋Y(jié)論：各個(gè)維度統(tǒng)計(jì)指標(biāo)的量化值往往是在一個(gè)平臺(tái)上的隨機(jī)波動(dòng)(正態(tài)分布)，當(dāng)系統(tǒng)故障后，本質(zhì)上是統(tǒng)計(jì)指標(biāo)從一個(gè)平臺(tái)躍變至另一個(gè)平臺(tái)。單一維度統(tǒng)計(jì)指標(biāo)趨勢(shì)線(xiàn)平臺(tái)躍變案例如圖2所示。

圖2中，圖(a)是一個(gè)趨勢(shì)線(xiàn)，從中可以看出該趨勢(shì)線(xiàn)有4次明顯的平臺(tái)躍變。圖(b)是對(duì)應(yīng)的報(bào)警時(shí)刻。這里的單一統(tǒng)計(jì)維度既可以是信號(hào)幅度的統(tǒng)計(jì)，也可以是信號(hào)的高低頻比率的統(tǒng)計(jì)，或其他維度的統(tǒng)計(jì)(峭度、偏度、高斯指數(shù)等)。

圖2 單一維度統(tǒng)計(jì)指標(biāo)趨勢(shì)線(xiàn)平臺(tái)躍變案例

2 量化及預(yù)警機(jī)理

對(duì)于每一次過(guò)車(chē)信號(hào)，我們可以求取信號(hào)各個(gè)維度的統(tǒng)計(jì)特征及對(duì)應(yīng)的變換域表征?；谇懊娴募僭O(shè)，則各個(gè)維度的統(tǒng)計(jì)量應(yīng)滿(mǎn)足某種規(guī)律(通過(guò)鋼軌健康狀態(tài)下的試運(yùn)行得到)，且此規(guī)律在長(zhǎng)時(shí)間軸上都成立；如其突然不成立，本質(zhì)上就是鋼軌的狀態(tài)發(fā)生了質(zhì)的改變，則極有可能是道岔系統(tǒng)的健康狀態(tài)發(fā)生了大的改變，基于此提醒報(bào)警的維修就是典型的狀態(tài)修。

2.1 統(tǒng)計(jì)信息驅(qū)動(dòng)的量化和預(yù)警

信號(hào)常見(jiàn)的統(tǒng)計(jì)維度有幅度、均值、均方根、標(biāo)準(zhǔn)差、峭度、偏度、波形因子、峰值因子、脈沖因子、高斯性度量、裕度因子等。

統(tǒng)計(jì)分布變化示意如圖3所示。如果一個(gè)信號(hào)的統(tǒng)計(jì)量，或者一個(gè)統(tǒng)計(jì)量的變換域表征，從圖3(a)的概率分布變成圖3(b)的概率分布，則可推測(cè)信號(hào)源發(fā)生了質(zhì)的改變。根據(jù)此原理，通過(guò)對(duì)地鐵道岔鋼軌檢測(cè)信號(hào)的歷史過(guò)程數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，求取以上統(tǒng)計(jì)維度的統(tǒng)計(jì)值，分析道岔的運(yùn)行狀態(tài)，如發(fā)現(xiàn)了明顯的統(tǒng)計(jì)變化，則道岔系統(tǒng)的健康狀態(tài)極有可能發(fā)生了大的改變。

圖3 統(tǒng)計(jì)分布變化示意

2.2 變換域表征驅(qū)動(dòng)的量化和預(yù)警

變換域分析的目的，在于以更簡(jiǎn)化、靈活的特征對(duì)原來(lái)的信號(hào)進(jìn)行分析。信號(hào)常見(jiàn)的變換域表征有獨(dú)立成分分析、主成分分析、小波(包)變換、傅里葉變換、經(jīng)驗(yàn)?zāi)Ｊ椒纸?、Hilbert-Huang變換、Wigner-Ville分布等。變換域分析示意如圖4所示。

圖4 變換域分析示意

主成分分析和獨(dú)立成分分析是常用的、基于多變量的統(tǒng)計(jì)分析方法，其可以更好地考慮系統(tǒng)中多變量之間的關(guān)系，適用于復(fù)雜系統(tǒng)的故障檢測(cè)預(yù)警。而傅里葉變換、小波(包)變換和經(jīng)驗(yàn)?zāi)Ｊ椒纸獾确椒▌t在頻域?qū)π盘?hào)進(jìn)行分析，通過(guò)對(duì)地鐵道岔檢測(cè)信號(hào)的變換域表征分析，監(jiān)測(cè)是否發(fā)生明顯突變。

2.3 人工智能驅(qū)動(dòng)的量化和預(yù)警

道岔系統(tǒng)是一個(gè)復(fù)雜、動(dòng)態(tài)、非線(xiàn)性、多邊界的條件系統(tǒng)。其底層的各種傳導(dǎo)機(jī)制、映射關(guān)系復(fù)雜，具有高度的不確定性和復(fù)雜性，因此傳統(tǒng)的統(tǒng)計(jì)分析方法有一定的局限性，基于人工智能的故障預(yù)警機(jī)制更有適用性。人工智能方法目前以機(jī)器學(xué)習(xí)為主流?；诖罅繑?shù)據(jù)和計(jì)算資源，機(jī)器學(xué)習(xí)以數(shù)據(jù)驅(qū)動(dòng)訓(xùn)練學(xué)習(xí)算法，從數(shù)據(jù)中提取特征，挖掘數(shù)據(jù)中的知識(shí)，從而進(jìn)行預(yù)測(cè)和判斷。人工神經(jīng)網(wǎng)絡(luò)典型結(jié)構(gòu)如圖5所示，圖中的人工神經(jīng)網(wǎng)絡(luò)采用多層結(jié)構(gòu)，自動(dòng)學(xué)習(xí)并組織簡(jiǎn)單特征，形成復(fù)雜特征，在復(fù)雜系統(tǒng)下具有良好的性能。采用人工智能驅(qū)動(dòng)自動(dòng)學(xué)習(xí)道岔健康狀態(tài)檢測(cè)的信號(hào)特征，能提高整體檢測(cè)性能。

圖5 人工神經(jīng)網(wǎng)絡(luò)典型結(jié)構(gòu)

2.4 成功案例

前文中，圖2是一個(gè)典型的基于單一維度統(tǒng)計(jì)指標(biāo)趨勢(shì)線(xiàn)平臺(tái)躍變實(shí)現(xiàn)故障報(bào)警的案例。從圖2可以看出：

(1) 報(bào)警時(shí)刻有明顯滯后，滯后多少條數(shù)據(jù)或者滯后幾天可通過(guò)算法配置。

(2) 平臺(tái)向上躍變或者向下躍變并在新平臺(tái)上平穩(wěn)運(yùn)行一段時(shí)間后(往往是幾個(gè)小時(shí))就會(huì)觸發(fā)平臺(tái)躍變報(bào)警。

(3) 躍變到新平臺(tái)后會(huì)觸發(fā)報(bào)警，但報(bào)警后不會(huì)再次報(bào)警，除非出現(xiàn)新的平臺(tái)躍變。

3 結(jié)語(yǔ)

地鐵道岔鋼軌健康檢測(cè)和診斷是確保地鐵安全運(yùn)營(yíng)的關(guān)鍵環(huán)節(jié)，但道岔系統(tǒng)的復(fù)雜性決定了無(wú)法進(jìn)行正向原理性解構(gòu)式診斷，且現(xiàn)有的監(jiān)測(cè)方法在實(shí)時(shí)性、全覆蓋、傷損分辨率、健康狀態(tài)量化等各個(gè)方面都不是很理想。本文給出一種基于數(shù)據(jù)驅(qū)動(dòng)的地鐵道岔鋼軌健康和診斷系統(tǒng)。

(1) 論證地鐵道岔滿(mǎn)足復(fù)雜系統(tǒng)普遍滿(mǎn)足的假設(shè)，并由假設(shè)推導(dǎo)出地鐵道岔系統(tǒng)運(yùn)行過(guò)程數(shù)據(jù)和狀態(tài)數(shù)據(jù)應(yīng)該滿(mǎn)足的普遍規(guī)律。試運(yùn)行數(shù)據(jù)滿(mǎn)足此規(guī)律。

(2) 討論了基于統(tǒng)計(jì)信息驅(qū)動(dòng)的量化和預(yù)警、基于變換域表征(信號(hào)處理)驅(qū)動(dòng)的量化和預(yù)警、基于人工智能(大數(shù)據(jù)挖掘)驅(qū)動(dòng)的量化和預(yù)警幾種情況，最后給出了系統(tǒng)的成功案例。

“基于數(shù)據(jù)驅(qū)動(dòng)下的地鐵道岔鋼軌健康和診斷系統(tǒng)”成功實(shí)現(xiàn)了計(jì)劃修到狀態(tài)修的轉(zhuǎn)變，節(jié)約了大量的維修成本。