翁恩澤

（國能新朔鐵路有限責(zé)任公司 大準(zhǔn)鐵路分公司，內(nèi)蒙古 鄂爾多斯 010300）

0 引 言

鐵路信號(hào)基礎(chǔ)設(shè)備包含鐵路信號(hào)機(jī)、軌道電路等，對(duì)于提升鐵路行車安全質(zhì)量、運(yùn)輸效率等都有重要作用。鐵路信號(hào)基礎(chǔ)設(shè)備的軌道電路故障主要體現(xiàn)在多個(gè)方面，例如紅光帶、分路不良等。當(dāng)故障發(fā)生后，軌道電路工作會(huì)嚴(yán)重不穩(wěn)定，容易受到電氣化區(qū)段牽引影響而嚴(yán)重干擾鐵路信號(hào)基礎(chǔ)設(shè)備的供電系統(tǒng)。

目前針對(duì)鐵路信號(hào)基礎(chǔ)設(shè)備的故障診斷技術(shù)內(nèi)容相當(dāng)豐富，屬于一門全新的綜合性科學(xué)技術(shù)，對(duì)于機(jī)械設(shè)備故障診斷工作而言作用重大。就國內(nèi)而言，目前的設(shè)備故障診斷技術(shù)系統(tǒng)中包含了基于模型的診斷技術(shù)、基于信號(hào)處理的診斷技術(shù)以及基于人工智能的診斷技術(shù)。而在這些技術(shù)方法中，結(jié)合神經(jīng)網(wǎng)絡(luò)與模糊推理等先進(jìn)技術(shù)也能實(shí)現(xiàn)對(duì)設(shè)備故障的智能化診斷[1]。

1 鐵路信號(hào)基礎(chǔ)設(shè)備的故障診斷技術(shù)實(shí)踐應(yīng)用研究

鐵路信號(hào)基礎(chǔ)設(shè)備的故障診斷技術(shù)實(shí)踐應(yīng)用內(nèi)容相當(dāng)豐富，充分運(yùn)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)以及模糊神經(jīng)網(wǎng)絡(luò)推理技術(shù)就能構(gòu)建一套完整的故障診斷技術(shù)體系，并付諸實(shí)踐應(yīng)用。

1.1 人工神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù)的實(shí)踐應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)中融入了多種網(wǎng)絡(luò)模型，其中就包括了單向多層前反饋網(wǎng)絡(luò)，同時(shí)也引進(jìn)了大量改進(jìn)模型。具體來講，例如輸入層的信號(hào)向前傳遞、誤差逆向傳播機(jī)制，需要確保形成基本網(wǎng)絡(luò)結(jié)構(gòu)圖，其中包括輸入層、隱含層以及輸出層。而在逆向傳播過程中，則需要保證誤差值控制在期望范圍內(nèi)。結(jié)合徑向基函數(shù)（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)展開訓(xùn)練仿真，其中也存在重要參數(shù)spread選擇問題。鐵道信號(hào)基礎(chǔ)設(shè)備在線監(jiān)測過程中，需要確保spread值域選擇余地足夠大，在保證基礎(chǔ)函數(shù)輸入范圍合理的基礎(chǔ)上設(shè)置間隔遞增趨勢(shì)，減小網(wǎng)絡(luò)誤差。對(duì)網(wǎng)絡(luò)誤差問題進(jìn)行進(jìn)一步分析，將其最大迭代次數(shù)控制在500，學(xué)習(xí)精度控制在0.001，spread值控制在2。在基礎(chǔ)設(shè)備在線監(jiān)測過程中，需要從網(wǎng)絡(luò)誤差層面分析隱含層節(jié)點(diǎn)數(shù)的增加或減少情況，誤差取得最小情況時(shí)的隱含層節(jié)點(diǎn)數(shù)應(yīng)該為9～10個(gè)。就現(xiàn)場實(shí)際測試過程而言，需要滿足實(shí)時(shí)性要求，確保BP網(wǎng)絡(luò)本身的訓(xùn)練時(shí)間有效延長，避免陷入極小值困局，優(yōu)化其網(wǎng)絡(luò)記憶學(xué)習(xí)能力[2]。

1.2 模糊神經(jīng)網(wǎng)絡(luò)推理故障診斷技術(shù)的實(shí)踐應(yīng)用

在利用模糊神經(jīng)網(wǎng)絡(luò)推理故障診斷技術(shù)展開鐵路信號(hào)基礎(chǔ)設(shè)備在線監(jiān)測過程中，構(gòu)建一套完整的故障識(shí)別方法機(jī)制[3]。

模糊神經(jīng)網(wǎng)絡(luò)（Fuzzy Neural Network，F(xiàn)NN）是基于模糊理論與神經(jīng)網(wǎng)絡(luò)，利用先進(jìn)經(jīng)驗(yàn)知識(shí)來處理某些不確定信息內(nèi)容，確保神經(jīng)網(wǎng)絡(luò)展開自我學(xué)習(xí)過程中彌補(bǔ)諸多不足問題。在信息處理過程中，保證多種神經(jīng)網(wǎng)絡(luò)與模糊邏輯系統(tǒng)相互結(jié)合，分析神經(jīng)網(wǎng)絡(luò)計(jì)算與學(xué)習(xí)方法，形成模糊神經(jīng)網(wǎng)絡(luò)模型算法機(jī)制[4]。創(chuàng)建基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷模型，選取模型參數(shù)內(nèi)容。根據(jù)數(shù)據(jù)采集系統(tǒng)實(shí)測情況分析調(diào)整FNN，利用FNN對(duì)軌道電路診斷選定高壓情況進(jìn)行分析，提出不對(duì)稱脈沖分析機(jī)制，確保脈沖端波峰電壓調(diào)整到位。同步調(diào)整受端波峰電壓，結(jié)合特征提取過程分析頻率網(wǎng)絡(luò)輸入?yún)?shù)，其中f為高壓不對(duì)稱脈沖特征頻率，Ut為送端波峰電壓，Ur為受端波峰電壓。鐵道信號(hào)基礎(chǔ)設(shè)備在線監(jiān)測過程中，存在鐵道鋼軌銹蝕嚴(yán)重（即出現(xiàn)A1故障）、供電電壓過高（即出現(xiàn)A2故障）、供電電壓過低（即出現(xiàn)A3故障）以及匝道電阻過低（即出現(xiàn)A4故障）等問題，F(xiàn)NN輸出參數(shù)表現(xiàn)起伏不定。結(jié)合軌道電路故障模糊神經(jīng)網(wǎng)絡(luò)診斷過程可以了解到所輸出故障隸屬度是否發(fā)生變化，結(jié)合軌道電路常見故障及其參數(shù)關(guān)系來分析制定FNN故障診斷規(guī)則表，確保規(guī)則易于理解，從而有效規(guī)避故障問題[5]。

在高壓不對(duì)稱脈沖軌道電路中，需要對(duì)鐵道信號(hào)基礎(chǔ)設(shè)備的在線監(jiān)測方法進(jìn)行調(diào)整，充分利用FNN模型展開故障診斷，確保FNN模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)完美融合，持續(xù)強(qiáng)化網(wǎng)絡(luò)模型的決策能力，為處理軌道故障問題提供諸多建議，有效提高現(xiàn)場軌道維修準(zhǔn)確率。在利用FNN網(wǎng)絡(luò)模型對(duì)高壓不對(duì)稱脈沖軌道電路故障進(jìn)行診斷的過程中，也可以嵌入鐵道信號(hào)基礎(chǔ)設(shè)備，做好在線監(jiān)測工作，有效解決故障診斷識(shí)別問題[6]。

2 鐵路信號(hào)基礎(chǔ)設(shè)備的故障診斷系統(tǒng)測試分析

在鐵路信號(hào)基礎(chǔ)設(shè)備中創(chuàng)建故障診斷系統(tǒng)，合理選擇軟件平臺(tái)LabVIEW。該軟件開發(fā)環(huán)境與編程界面友好，其中的代碼開發(fā)也相對(duì)形象直觀，可直接面向工程應(yīng)用。明確LabVIEW圖標(biāo)并創(chuàng)建應(yīng)用程序圖形化編程語言，為軟件平臺(tái)提供內(nèi)容豐富的圖形顯示軟件，采用創(chuàng)新圖形化編程技術(shù)方法，最大限度提高程序設(shè)計(jì)效率。利用ActiveX技術(shù)，結(jié)合公式節(jié)點(diǎn)、腳本節(jié)點(diǎn)等等展開分析，保證LabVIEW中文本語言混合編程技術(shù)應(yīng)用到位。創(chuàng)建動(dòng)態(tài)鏈接庫（Dynamic Link Library，DLL），分析發(fā)布源代碼ZIP文件，形成緊密的硬件集成接口連接機(jī)制。內(nèi)置LabVIEW豐富數(shù)據(jù)信息，結(jié)合函數(shù)處理與開放架構(gòu)來設(shè)置大量實(shí)例，建立使用者參考管理機(jī)制，確保數(shù)據(jù)分析與信號(hào)處理更加方便快捷[7,8]。

基于模糊神經(jīng)網(wǎng)絡(luò)創(chuàng)建診斷系統(tǒng)，保證系統(tǒng)總體思路明確。軌道電路信號(hào)采集器與S700K分析轉(zhuǎn)轍機(jī)道岔控制電路信號(hào)采集器分別與上位機(jī)軟件通過固定IP地址和端口號(hào)建立連接，然后通過以太網(wǎng)上傳數(shù)據(jù)。對(duì)于上位機(jī)而言，根據(jù)軟件需要設(shè)置良好的數(shù)據(jù)通信協(xié)議內(nèi)容，建立動(dòng)態(tài)實(shí)時(shí)獲取數(shù)據(jù)包解析處理機(jī)制，以便及時(shí)解析處理相關(guān)數(shù)據(jù)包內(nèi)容，有效獲取相應(yīng)數(shù)據(jù)并加以有效存儲(chǔ)，保證軌道電路實(shí)時(shí)數(shù)據(jù)小波特征參數(shù)提取到位。在啟動(dòng)模糊神經(jīng)網(wǎng)絡(luò)過程中，輸入A1、A2、A3、A4等具有高可信度的典型故障類型，對(duì)給出的故障內(nèi)容結(jié)果進(jìn)行分析。當(dāng)啟動(dòng)RBF神經(jīng)網(wǎng)絡(luò)后，需要輸出相應(yīng)故障類型內(nèi)容。在對(duì)系統(tǒng)進(jìn)行登錄過程中，要確認(rèn)計(jì)算機(jī)文檔內(nèi)容。對(duì)于鐵道信號(hào)基礎(chǔ)設(shè)備而言，通過故障診斷系統(tǒng)軟件可以了解故障發(fā)生類型、程度與發(fā)生成因，同時(shí)顯示故障發(fā)生過程中可能存在的高壓不對(duì)稱脈沖、脈沖特征頻率過高以及發(fā)送端波峰電壓不穩(wěn)定等問題。

結(jié)合大量文獻(xiàn)資料分析研究高壓不對(duì)稱脈沖軌道電路，明確S700K轉(zhuǎn)轍機(jī)控制電路工作原理和典型故障，為后期故障診斷奠定堅(jiān)實(shí)基礎(chǔ)[9]。采用小波變換方法對(duì)高壓不對(duì)稱脈沖軌道電路故障特征參數(shù)進(jìn)行分析并提取，結(jié)合算法合理分析處理，有效避免高壓不對(duì)稱脈沖軌道電路受沖擊干擾問題。在完成BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)調(diào)整后，需要分析鐵路道岔控制電路故障問題，做好故障診斷。通過Matlab仿真實(shí)現(xiàn)對(duì)鐵道信號(hào)基礎(chǔ)設(shè)備的智能分析和故障識(shí)別，并通過MathScript成功嵌入到LabVIEW軟件開發(fā)平臺(tái)，實(shí)現(xiàn)了故障診斷結(jié)果顯示，界面運(yùn)行流暢[10]。

3 結(jié) 論

綜上所述，鐵路信號(hào)基礎(chǔ)設(shè)備故障診斷系統(tǒng)在線測試中大量運(yùn)用到人工神經(jīng)網(wǎng)絡(luò)與模糊網(wǎng)絡(luò)推理技術(shù)方法，結(jié)合多種技術(shù)內(nèi)容展開故障實(shí)驗(yàn)分析。結(jié)合系統(tǒng)穩(wěn)定運(yùn)行需求，分析鐵道信號(hào)基礎(chǔ)設(shè)備在線監(jiān)測技術(shù)的應(yīng)用過程，最終實(shí)現(xiàn)對(duì)故障問題的有效監(jiān)測和處理。