馬迪迪，趙靜，林亞龍，王婧雯

（合肥市軌道交通集團有限公司，合肥 230001）

引言

地鐵、高速列車等有軌設(shè)備的行駛速度逐漸提升、軌道網(wǎng)密度逐漸增大，車次數(shù)量越來越多，在此背景下，如果全自動運行的軌旁設(shè)備出現(xiàn)故障，會打亂鐵路網(wǎng)絡(luò)原始的調(diào)度計劃，產(chǎn)生一定的影響[1,2]。為了確保地鐵、高鐵等設(shè)備運行的安全性，需要度量軌旁設(shè)備的可靠性。相關(guān)方法一直是研究的重點：

葉遠(yuǎn)波[3]等首先分析了導(dǎo)致設(shè)備出現(xiàn)故障和失效的因素，將嚴(yán)重度、發(fā)生度和可檢度作為可靠性度量指標(biāo)，對設(shè)備的可靠性展開評估，該方法的可靠性度量結(jié)果與實際結(jié)果不符，存在度量精度低的問題。楊墨緣[4]等分析了設(shè)備的工作原理以及拓?fù)浣Y(jié)構(gòu)，根據(jù)分析結(jié)果劃分設(shè)備的任務(wù)剖面，在馬爾科夫過程的基礎(chǔ)上建立可靠性解析模型，以此度量設(shè)備的可靠性，該方法度量設(shè)備可靠性所需的時間較長，存在度量效率低的問題。

為了解決上述方法中存在的問題，提出多尺度特征融合下的軌旁設(shè)備可靠性度量方法。

1 基于獨立成分分析的多維信號分解、重構(gòu)與去噪處理

全自動運行信號軌旁設(shè)備的多維源信號可以包括以下內(nèi)容：

1）聲音信號：例如列車或其他交通工具的噪音或警示聲等。

2）視覺信號：例如行駛方向指示燈、停車信號燈、交通信號燈等可視化信號。

3）電子信號：例如傳感器數(shù)據(jù)、控制指令、通信信號等。

4）環(huán)境信號：例如溫度、濕度、氣壓等環(huán)境參數(shù)。

5）電力信號：例如電能消耗、供電質(zhì)量等。

不同的信號源可以提供關(guān)于設(shè)備狀態(tài)、環(huán)境條件和操作指令等多方面的信息，通過多維源信號的采集和處理，設(shè)備可以從不同的角度獲取反饋信息，使得設(shè)備可以更全面地了解和響應(yīng)實際情況。但是增加了全自動運行系統(tǒng)的復(fù)雜度和處理難度，并可能帶來更高的數(shù)據(jù)傳輸和存儲需求。對此，進行多維源信號分解與重構(gòu)。

1.1 軌旁設(shè)備的信號分解

通過將多維源信號分解為單維源信號，更靈活地對每個信號進行處理和控制。

設(shè)x(n) 表示待分解的軌旁設(shè)備信號，通過經(jīng)驗?zāi)B(tài)分解獲得設(shè)備信號的第k個IMF 分量E k(x)，采用互補完全經(jīng)驗?zāi)B(tài)分解方法分解軌旁設(shè)備信號的具體過程如下：

1）用E1(x)=x-Q(x)表示軌旁設(shè)備的第1 個IMF 分量，其中Q(x) 代表的是包絡(luò)計算[5,6]，針對信號x i(n) ，可根據(jù)下式計算第一個殘差 1r：

式中：

＜·＞—取均值。

2）根據(jù)步驟（1）計算得到的殘差 1r獲得軌旁設(shè)備信號的第一個模態(tài)IMF1=x-r1；

3）同理計算信號的第二個殘差，以此獲得軌旁設(shè)備信號的第二個模態(tài)IMF2=r1-r2；

4）按照相同的方法計算軌旁設(shè)備信號的第j個殘差rj，獲得對應(yīng)的第j個模態(tài)，重復(fù)上述過程，直至獲得軌旁設(shè)備信號的全部IMFs。

1.2 信號重構(gòu)

采用獨立成分分析方法對上述分解得到的IMF 展開獨立分析與重構(gòu)，以此獲得軌旁設(shè)備的多維源信號。

此時，即使其中某個信號出現(xiàn)故障或干擾，其他信號仍然能夠正常工作。

不同的應(yīng)用場景和設(shè)備可能對信號有不同的處理需求，因此進行多維信號重構(gòu)可以根據(jù)具體的應(yīng)用場景，提取或抑制某些特定的信號源，提高信號的可理解性、滿足特定的處理需求。

1.3 基于模糊熵的復(fù)合信號去噪

通過下述過程計算軌旁設(shè)備多維源信號對應(yīng)的模糊熵：

1）給定軌旁設(shè)備的N維復(fù)合信號Y=[y1,y2, …,yN]；

式中：

m≤N- 2—相空間的維數(shù)。

3）設(shè)代表的是相空間Yi與Yj之間存在的最大絕對距離，其計算公式如下：

4）構(gòu)建模糊隸屬函數(shù)A(Y)：

式中：

r代表的是相似容限度。利用函數(shù)A(Y) 計算矢量之間的相似度：

5）設(shè)置函數(shù)φm(r)，其表達式如下：

將復(fù)雜的多維源信號分解成更簡單的單維源信號后，更好地理解信號的特征和含義，利用函數(shù)φm(r)計算軌旁設(shè)備各維源信號的模糊熵F(m,r,N)：

設(shè)定下述模糊熵閾值判據(jù)：

式中：

1＜k≤N/2，β(k)—升序排序公式（7）計算得到的模糊熵后，其中的第k個模糊熵值。根據(jù)公式（8）對設(shè)備多維源信號展開判斷，排在前k個熵值對應(yīng)的各維源信號屬于有用信號，剩余信號屬于高頻噪聲，將其剔除，完成軌旁設(shè)備信號的去噪處理。

去噪后的多維源信號可以為全自動運行信號軌旁設(shè)備可靠性度量提供多方面的信息和智能化的決策支持。

2 可靠性度量方法設(shè)計

去噪后的多維源信號可以在不同環(huán)境條件下保持穩(wěn)定，但是對于某些運行狀態(tài)要求較高的軌旁設(shè)備，如列車自動監(jiān)控系統(tǒng)，軌旁設(shè)備可靠性度量信號解讀的不確定性擴大，對此，需要通過多尺度特征融合，計算軌旁設(shè)備特征序列，消除量綱對可靠性度量結(jié)果產(chǎn)生的影響，即設(shè)計完成基于灰色關(guān)聯(lián)度的可靠性度量方法。

2.1 去噪后設(shè)備信號的多尺度特征提取和融合處理

多尺度特征融合下的全自動運行信號軌旁設(shè)備可靠性度量方法將去噪后的軌旁設(shè)備信號輸入卷積神經(jīng)網(wǎng)絡(luò)中，以此完成信號特征的提取與融合。

將軌旁設(shè)備信號輸入網(wǎng)絡(luò)的輸入層中，其次利用卷積層局部卷積處理軌旁設(shè)備信號[9,10]，輸出信號特征：

式中：

y—卷積層的輸出，即學(xué)習(xí)到的軌旁設(shè)備信號特征；

ω—權(quán)重矩陣；

x—輸入的軌旁設(shè)備信號；

b—卷積核對應(yīng)的偏置；

*—卷積操作；

g(·) —激活函數(shù)。

在池化層中對軌旁設(shè)備信號特征y展開全局平均池化處理，以此降低特征維度。將降維后的特征輸入網(wǎng)絡(luò)的批標(biāo)準(zhǔn)化層中，對特征展開歸一化處理：

式中：

yn—特征的歸一化結(jié)果；

η、β—尺度位移參數(shù)；

將歸一化處理后的軌旁設(shè)備信號特征yn輸入全連接層，利用Softmax 函數(shù)對特征展開融合處理：

式中：

g(yi)—軌旁信號的多尺度特征融合結(jié)果；

Nc—分類總數(shù)[11,12]。

2.2 基于灰色關(guān)聯(lián)度的可靠性度量

多尺度特征融合下的全自動運行信號軌旁設(shè)備可靠性度量方法采用灰色關(guān)聯(lián)分析方法完成設(shè)備的可靠性度量。

根據(jù)2.1 節(jié)的特征融合結(jié)果建立軌旁設(shè)備信號的特征序列0Y，結(jié)合軌旁設(shè)備的歷史運行數(shù)據(jù)和狀態(tài)建立參考模式特征集Y={Ys|s=1,2, …,S}，其中S代表的是軌旁設(shè)備總運行狀態(tài)[13,14]。

灰色關(guān)聯(lián)分析方法通過計算軌旁設(shè)備特征序列0Y與Y={Yx|s=1,2, …,S}中參考狀態(tài)之間的灰色關(guān)聯(lián)度κ(Y0,Ys)，根據(jù)計算結(jié)果判斷軌旁設(shè)備屬于哪類運行狀態(tài)，以此實現(xiàn)設(shè)備的可靠性度量。

用[y(1),y(2), …,y(q), …,y(Q)表示軌旁設(shè)備的特征序列，其中y(q) 代表的是軌旁設(shè)備特征序列中存在的第q維特征，Q代表的是特征序列對應(yīng)的維度。

為了消除量綱對可靠性度量結(jié)果產(chǎn)生的影響，采用極差最大化變換對y(q) 展開量化處理：

式中：

經(jīng)量化處理后獲得的軌旁設(shè)備信號特征序列表示為Y0=[y0(1),y0(2), …,y0(q), …,y0(Q)]，設(shè)置關(guān)聯(lián)系數(shù)κ0,s(q)，其計算公式如下：

式中：

|y0(q)-y s(q)|—y0(q)與y s(q)的絕對差值；

ι—灰色關(guān)聯(lián)度的分辨系數(shù)；

根據(jù)公式（14）的計算結(jié)果，判斷軌旁設(shè)備的運行狀態(tài)，完成設(shè)備的可靠性度量。

可靠性度量各項參數(shù)和指標(biāo)后，可以了解全自動運行信號軌旁設(shè)備是否正常運行、存在故障或處于異常狀態(tài)，便于及時采取故障恢復(fù)和糾正措施。

3 實驗與分析

為了驗證多尺度特征融合下的全自動運行信號軌旁設(shè)備可靠性度量方法的整體有效性，需要對其展開相關(guān)測試。

實驗所用全自動運行信號軌旁設(shè)備及運行信號，如圖1 所示。

分析圖1 可知，全自動運行信號軌旁設(shè)備及實驗環(huán)境包括：

1）軌道交通正線線路，包括正線、停車線、折返線、聯(lián)絡(luò)線、出入段轉(zhuǎn)換軌、保護區(qū)段等；

2）各種線路的長度、坡度、平曲線半徑、豎曲線半徑、線路限速等；

3）軌道交通車輛段、停車場線路，包括機車車庫、洗車庫、列檢庫、維修庫、牽出線等；

4）車輛，包括各級牽引、制動曲線、車輛編組、構(gòu)造速度等；

5）運營時刻表和排班計劃；

6）各類信號設(shè)備和信號系統(tǒng)；

7）牽引供電系統(tǒng)。

原始軌旁設(shè)備信號中存在大量的噪聲，不利于信號特征提取，現(xiàn)采用多尺度特征融合下的全自動運行信號軌旁設(shè)備可靠性度量方法對其展開去噪處理，結(jié)果如圖2 所示。

圖2 信號去噪結(jié)果

由圖2 可知，采用所提方法展開去噪可有效消除信號中存在的高頻分量，體現(xiàn)出信號的細(xì)節(jié)特征，表明所提方法具有良好的去噪性能。

引入波形相似系數(shù)NCC對所提方法的去噪效果展開評價，NCC在區(qū)間[0，1]內(nèi)取值，NCC越大，表明去噪效果越好：

式中：

s(i) —原始軌旁設(shè)備信號；

y(i) —去噪后的設(shè)備信號，

N—信號數(shù)量。

通過計算，所提方法的NCC高達0.92，表明經(jīng)過所提方法去噪后，信號中的細(xì)節(jié)信息得以保留，驗證了所提方法具有良好的去噪效果。

采用多尺度特征融合下的全自動運行信號軌旁設(shè)備可靠性度量方法、文獻[3]方法和文獻[4]方法展開設(shè)備可靠性度量測試，利用F1 指標(biāo)評價上述方法的度量精度：

式中：

P—精確率；

R—召回率；

TP—度量正確的正樣本數(shù)；

FP—度量錯誤的負(fù)樣本數(shù)；

FN—度量錯誤的正樣本數(shù)。

分析圖3 可知，在設(shè)備可靠性度量測試中，所提方法的F1 指標(biāo)值遠(yuǎn)高于文獻[3]方法和文獻[4]方法，表明所提方法在度量過程中具有較高的精確率和召回率，因為所提方法在設(shè)備可靠性度量之前，分解了設(shè)備信號，消除信號中存在的高頻噪聲，確保度量結(jié)果不受到噪聲的干擾，提高了所提方法的度量精度。

圖3 不同方法的F1 指標(biāo)

選取10 個軌旁設(shè)備，采用所提方法、文獻[3]方法和文獻[4]方法對其展開可靠性度量，對比三種方法所用的時間，結(jié)果如表1 所示。

表1 度量時間

根據(jù)表1 中的數(shù)據(jù)可知，所提方法可在短時間內(nèi)完成相同數(shù)量設(shè)備的可靠性度量，表明所提方法具有較高的度量效率。

4 結(jié)束語

針對目前設(shè)備可靠性度量方法存在的度量精度低和效率低的問題，提出多尺度特征融合下的全自動運行信號軌旁設(shè)備可靠性度量方法，采用互補完全經(jīng)驗?zāi)B(tài)分解方法將復(fù)雜的多維源信號分解成更簡單的單維源信號，重構(gòu)軌旁設(shè)備信號的相空間，去噪處理軌旁設(shè)備信號，通過多尺度特征融合，計算軌旁設(shè)備特征序列，計及參考狀態(tài)之間的灰色關(guān)聯(lián)度，改進多尺度特征融合過程，可靠性度量各項參數(shù)和指標(biāo)，判斷軌旁設(shè)備的運行狀態(tài)，在信號去噪、度量精度和度量效率等方面表現(xiàn)出良好的性能。