張 輝

（無錫學(xué)院，江蘇 無錫 214000）

城市軌道交通是現(xiàn)代城市公共交通運輸中一種重要的組織方式，其運量大、準(zhǔn)點、環(huán)保等優(yōu)點得到了廣泛的認可和追捧。數(shù)據(jù)顯示，全國超過30個城市開始興建地鐵工程，電力系統(tǒng)的故障率是影響地鐵運營的關(guān)鍵因素之一。一旦電力系統(tǒng)出現(xiàn)故障，將導(dǎo)致列車無法正常運行，給城市交通和社會帶來極大的不便。因此，運營單位應(yīng)該非常重視電力系統(tǒng)的安全性，并采取有效的措施預(yù)防故障。在實際運營中，定期維護和檢修電力系統(tǒng)、制定科學(xué)的故障排查和處理措施、加強對電力系統(tǒng)相關(guān)人員的培訓(xùn)等都是提高電力系統(tǒng)安全穩(wěn)定運行的關(guān)鍵措施。只有通過有效的管理和科學(xué)的維護保養(yǎng)，才能確保電力系統(tǒng)的正常運行，進一步保障城市軌道交通的安全、便捷和高效運行[1]。

地鐵通信系統(tǒng)是保障地鐵正常有效運行的關(guān)鍵系統(tǒng)，可保障地鐵的運行安全和有效性。目前，主要采用專用數(shù)字集群通信系統(tǒng)。在國內(nèi)，TETRA是主流的通信系統(tǒng)之一，其具有行車調(diào)度、防災(zāi)調(diào)度、車輛段值班調(diào)度、停車場值班調(diào)度和維修調(diào)度等五個子系統(tǒng)，還具有指揮調(diào)度、數(shù)據(jù)傳輸和電話服務(wù)的功能。如北京地鐵運營單位在一號線上采用TETRA通信系統(tǒng)，確保了地鐵運行的順暢和安全[2]。隨著LTE-M技術(shù)在運營商網(wǎng)絡(luò)建設(shè)中逐漸成熟，以其抗干擾能力和在高速移動狀態(tài)下的穩(wěn)定性逐漸受到重視和青睞[3]。在鐵路交通領(lǐng)域，GSM-R是專門為鐵路通信設(shè)計的綜合專用數(shù)字移動通信系統(tǒng)，能滿足鐵路通信的特殊需求，包括高速行車和車站信號控制等[4,5]。這些技術(shù)的應(yīng)用，為地鐵通信系統(tǒng)的安全性和效率提升提供了有力保障，也為地鐵通信系統(tǒng)的發(fā)展提供了更廣闊的空間和更好的保障。

1 軌道交通電力電纜故障原因及分類

1.1 短路（低阻）故障

一般情況下是指電纜單相或多相對地絕緣電阻或者不同線芯之間的絕緣電阻低于幾百歐姆的故障。常見的有單相低阻接地、兩相短路接地和三相短路接地等。與高阻故障的區(qū)別就是識別起來比較方便，用低壓脈沖法即可檢測出低阻反射波。

圖1 電纜故障示意圖

1.2 開路故障

開路故障是在電纜各相不導(dǎo)電性都正常運作的時候，電纜單相或多相導(dǎo)體開路或者金屬護層斷裂的故障，也就是電纜終端部分的電壓失常，抑或是存在電壓，卻并沒有足夠的帶負載性能。開路故障通常都會和電阻接地狀況同時出現(xiàn)。當(dāng)A相時，電纜網(wǎng)絡(luò)可以被視為出現(xiàn)開路故障。

1.3 高阻故障

高阻故障出現(xiàn)的頻次通常遠高于低阻故障，大約占總電纜故障總數(shù)的80%。其通常體現(xiàn)在電纜單相或多相對地絕緣電阻或者不同線芯之間絕緣電阻低于正常值但高于幾百歐姆的狀態(tài)。對于高阻故障，業(yè)界通常建議使用脈沖電流法或脈沖電壓法對電纜展開全面測試。

1.4 閃絡(luò)性故障

相對于高阻故障，電纜絕緣電阻阻值非常高，在進行電纜耐壓試驗時發(fā)現(xiàn)，當(dāng)電壓超過某一數(shù)值時，就會造成絕緣擊穿，該故障被稱之為閃絡(luò)性故障。這類故障是高阻故障的極端形式，并不常見，偶爾會出現(xiàn)在預(yù)防性試驗中，常用脈沖電流法或脈沖電壓法中的沖閃方式進行測距。但由于這類故障常常是封閉性的，查找起來會有一些困難。

1.5 電纜主絕緣的特殊故障

這類故障常常發(fā)生在大范圍進水而受潮的電纜、中間接頭較多的低壓電纜和因加工不良或被燒焦而導(dǎo)致銅屏蔽層或電纜護層發(fā)生破損的電纜上。在用脈沖法測試故障時，會碰到?jīng)]有反射脈沖波的現(xiàn)象，所以常采用電橋法測距。

1.6 單芯高壓電纜護層故障

這類故障是由于電纜金屬護層與大地間沒進行很好的絕緣引起的，兩者之間除了金屬相外，就只有大地，而且大地的衰減系數(shù)非常大，要是使用脈沖法來測距，會影響測距效果，不會達到預(yù)期的標(biāo)準(zhǔn)，因而選取電橋法來測試這類故障。

綜上所述，針對不同的故障類型所采用的測試方法也不盡相同，如表1所示。

表1 電纜故障分類及測試方法選擇

2 基于多重神經(jīng)網(wǎng)絡(luò)的軌道交通電力電纜故障診斷方法

軌道交通電力電纜故障診斷是軌道交通維護保養(yǎng)中的重要問題。傳統(tǒng)的故障診斷方法采用淺層模型，存在欠擬合問題，難以提高診斷準(zhǔn)確性。深度自編碼網(wǎng)絡(luò)作為一種無監(jiān)督學(xué)習(xí)方法，能夠利用大量無標(biāo)簽數(shù)據(jù)進行預(yù)訓(xùn)練，從而提高模型的泛化能力和魯棒性。同時，將CNN與LSTM網(wǎng)絡(luò)相結(jié)合，可以提高特征的提取能力和時間序列建模能力。為了進一步提高準(zhǔn)確性，對傳統(tǒng)LSTM網(wǎng)絡(luò)的門結(jié)構(gòu)進行改進，形成具有多級門控的LSTM網(wǎng)絡(luò)，從而更加精細地控制信息的傳遞和遺忘。這種方法已經(jīng)被應(yīng)用于實際的軌道交通電力電纜故障診斷中，取得了不錯的效果。因此，這種方法具有很大的應(yīng)用潛力，可以提高軌道交通維護保養(yǎng)的效率和質(zhì)量。故而本文將CNN與LSTM網(wǎng)絡(luò)相結(jié)合，并對傳統(tǒng)LSTM網(wǎng)絡(luò)的門結(jié)構(gòu)進行改進，使用兩級遺忘門和兩級輸入門替代原有的遺忘門與輸入門，形成具有多級門控的LSTM網(wǎng)絡(luò)，將其與CNN相結(jié)合，建立改進的CNN-LSTM模型，提出了一種新型軌道交通電力電纜故障診斷方法，具體結(jié)構(gòu)如圖2所示。

圖2 CNN-LSTM軌道交通電力電纜故障診斷模型的流程圖

CNN-LSTM模型是指先利用CNN模型提取原始軌道交通電力電纜電信號序列的特征，然后在此基礎(chǔ)上，利用LSTM模型提取出對應(yīng)信息的時間特征并進行異常檢測和故障分類。

3 軌道交通電力電纜的故障診斷實驗

3.1 數(shù)據(jù)采集

下面對軌道交通電力電纜線路的短路故障診斷進行模型仿真驗證，模擬單相接地短路故障、兩相相間短路故障、兩相接地短路故障和三相短路故障這四種故障。為了使實驗在不同故障狀態(tài)下具有可比性，實驗過程中將仿真系統(tǒng)的基本參數(shù)，如采樣頻率、故障發(fā)生時間、故障持續(xù)時間等設(shè)為固定值。

繼而構(gòu)造樣本集，輸入數(shù)據(jù)要包含軌道交通電力電纜的各個故障特征，而輸出數(shù)據(jù)就是對應(yīng)軌道交通電力電纜的狀態(tài)參數(shù)。將提取出來的故障特征向量作為BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，輸出數(shù)據(jù)即為待訓(xùn)練網(wǎng)絡(luò)的期望輸出，本文采取二進制編碼對輸出層故障類型進行表示。

相關(guān)研究表明，神經(jīng)網(wǎng)絡(luò)的分類精度與樣本數(shù)據(jù)量的大小有很大的關(guān)系，足夠的樣本數(shù)據(jù)量會在一定程度上提高分類精度。但是過多的數(shù)據(jù)量會導(dǎo)致神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與訓(xùn)練速度不盡如人意；而過少的數(shù)據(jù)量會導(dǎo)致網(wǎng)絡(luò)訓(xùn)練不夠充分從而降低神經(jīng)網(wǎng)絡(luò)的分類精度，進而會錯誤判斷軌道交通電力電纜線路故障類型。本次實驗頻率是2kHz，在每種故障類型下設(shè)置不同的故障相、不同的故障距離，總共選取了800組數(shù)據(jù)樣本，其中80%用作訓(xùn)練樣本，20%用作測試樣本。

3.2 實驗與分析

CNN和LSTM神經(jīng)網(wǎng)絡(luò)及粒子群初始參數(shù)設(shè)置完成后，按照多重神經(jīng)網(wǎng)絡(luò)算法流程，在Matlab環(huán)境下進行仿真實驗，將訓(xùn)練好的多重神經(jīng)網(wǎng)絡(luò)對160組測試數(shù)據(jù)進行測試實驗，診斷誤差曲線如圖3所示。

圖3 多重神經(jīng)網(wǎng)絡(luò)診斷誤差曲線

可以看出，多重神經(jīng)網(wǎng)絡(luò)的故障診斷模型對于測試樣本的診斷最大誤差達到了0.5486，平均誤差達到了0.1795；對于160組測試樣本的測試，正確率達到了92.5%，但是對于AB相接地短路故障和BC相間短路故障的準(zhǔn)確率只有85%，因此基于多重神經(jīng)網(wǎng)絡(luò)的軌道交通電力電纜故障診斷模型還有待改進。

4 結(jié)束語

隨著城市軌道網(wǎng)絡(luò)規(guī)模的不斷擴大，軌道交通電力電纜被大量使用，但是在電纜施工和運行過程中存在一些不規(guī)范操作造成地埋電纜故障，需要及時加以排除，因此本文基于CNN和LSTM構(gòu)建多重軌道交通電力電纜故障類型診斷模型。本章首先介紹了神經(jīng)網(wǎng)絡(luò)的基本理論，分析了其局限性，并針對這些局限性總結(jié)了一些神經(jīng)網(wǎng)絡(luò)常用的優(yōu)化方法，為城市軌道交通電力電纜故障定位和分析提供參考?！?/p>