地铁钢轨损伤健康管理系统设计

袁海斌，　张春华，　范俊巍

地铁钢轨损伤健康管理系统设计

袁海斌1，张春华1，范俊巍2

（1.北京航空航天大学自动化科学与电气工程学院，北京100191；2.北京市地铁运营有限公司线路公司，北京100082）

针对城市地铁钢轨损伤维护预测的需要，研究建立基于超声探测的钢轨损伤健康管理系统及实现方法.提出基于决策分析的健康管理系统框架结构，对其中的系统数据库、文件系统和数据结构关系进行讨论.用分层设计思想定义各功能模块，采用软件技术和自动化数据流处理，实现主界面模块、用户管理模块、线路管理模块、线路匹配模块等的开发与设计.系统能结合不同环境条件下的历史数据集和实际测试数据集，实现钢轨疲劳寿命预测.

健康管理；预测；决策支持；钢轨损伤

作为城市公共交通骨干的地铁系统，担负着大量高密度乘客快速运输的任务，其运营安全极为重要.作为地铁车辆行驶载体的钢轨的健康状况，是影响地铁运行安全的一个极为重要的方面.由于受到多种环境因素的影响，在长期运营中地铁钢轨会逐渐发生一些累积损伤，并在各种载荷因素的作用下不断发展，产生渐变故障并最终超越钢轨的载荷界限，发生断裂等各种轨道损伤破坏.

通过对在役地铁钢轨及其焊缝进行周期性无损探伤，积累观测数据并分析，研究钢轨损伤的识别及预测，对出现损伤的钢轨进行及时检修、更换，是保障地铁车辆运营安全的重要措施.因此，研究针对地铁钢轨损伤预测的健康管理系统，对实现地铁钢轨的主动维护和预测管理，从而实现地铁轨道的自动化、智能化维护管理具有重要意义.

故障预测与健康管理能根据预测信息、可用资源和使用需求等，对维修活动做出适当决策.当前，对健康管理的研究和应用正处于广泛而深入的阶段，有不同的理论和系统应用的实现［1-2］.一般情况下，首先对系统进行模块划分，得到系统的监测数据，然后经过数据处理（包括预处理、特征分析等），进一步进行数据建模和分析，最终通过预测技术对各方面数据进行数据挖掘，给出系统的剩余可用寿命预测.

本文针对超声地铁轨道安全监控系统中对软件技术和智能自动化的数据流处理的需求，引入智能决策支持系统（Decision Support System，DSS）模型，研究建立地铁钢轨损伤预测健康管理系统并实现.由于智能DSS具有良好的交互式和强大的扩展性，在不同领域均取得成功应用，尤其在人工智能技术的支持下对智能DSS的研究、开发及应用也越来越广泛，并能有机地集成到健康管理系统作为决策模块，实现预测维护指导功能.

1　健康管理系统框架

1.1DSS

DSS的设计与开发是个复杂的过程，涉及管理（如DSS辅助决策的层次与综合程度）、技术（如硬件和网络的选择）以及行为（如人机接口和DSS对于个体和群体的潜在影响）等一系列的问题［3］.DSS是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统.1980年，Sprague提出DSS系统三部件结构，即会话部件、数据部件和数据库管理系统、模型部件和模型库管理系统［4］.这种三部件结构明确DSS的组成，也反映DSS的关键技术，即数据库管理、模型库管理、部件接口和系统的综合集成.

在遵循DSS设计原则的基础上，针对健康管理系统中钢轨损伤判断和预测的实际特点，从整体上把握系统的设计，提出在系统设计过程中应遵循的设计原则；遵循这些设计原则进行系统的设计和开发，使得系统的功能利于使用并方便扩展.DSS框架如图1所示.

1.2系统数据结构设计

作为以数据为输入的系统，首先需要解决数据结构的层次设计.将整个系统数据层次分为系统数据、文件数据和结构数据，分别代表数据库、文件和数据结构等.为将代表知识的数据清晰、明确地表达出来，采用实体-联系方法（即E-R模型）建立知识层次的概念性数据模型，将数据层次结构转化为数据库系统支持的实际数据模型，即数据库的逻辑结构.各个层次对象以数据表的形式存在，数据库中的表格以及各表格之间的关系表明对象之间的层次关系如图2所示.

图1　DSS框架Fig.1　DSS framework

图2　ER模型Fig.2　ER module

为提高系统对数据的处理速度，采用链表进行数据运算.链表是一种常见的基础数据结构，是一种线性表.链表不会按照线性顺序存储数据，而是在每个节点里存放指向下一节点的指针.链表在进行插入操作时，可达到O⑴的复杂度，与顺序表相比运行效率更快.应用链表结构，可有效克服数组链表需提前知道数据大小的缺点，更好地利用计算机内存空间，在内存动态管理上更加灵活.使用链表进行数据运算后，常规数组排列关联项目的方式可能不同于这些数据项目在记忆体或磁盘上顺序，数据存取往往在不同的排列顺序中转换.利用链表结构不需预先知道数据大小的特点，在系统启动时依次将数据库中各条线路的必要信息加载至链表即可.线路链表模型见图3，图中每条线路都属于链表中的1个节点，对链表节点进行设置很容易实现.

图3　线路链表模型Fig.3　Line linked list module

1.3系统功能模块

分层设计是软件开发中经常用到的方法，目前已有很多成功的设计实例，如网络应用中的OSI 7层模型等.将系统按层次划分，不但可以使系统层次清晰、功能明确、易于实现，而且代码组成灵活，方便系统维护和升级.系统功能模块划分如图4所示.

图4　系统功能模块划分Fig.4　Function module addressed in the system

系统整体设计分为数据文件层、管理层和人机接口层等3层.最底层为数据和文件层，包括硬件采集模块、文件系统模块、数据库和模型库等；中间层为管理层，管理层的设计比较复杂，不仅担负着数据文件层与人机接口层之间的数据通信，其自身各模块之间也存在数据和信息的通信；人机接口层主要用于显示各类信息以及接收人机交互指令等.

2　损伤判定和寿命预测

在实际的钢轨健康管理系统中，对损伤的判定不仅依靠探伤设备采集的探测数据信息，而且需要将专家和维护人员对物理损伤的判断因素考虑进去.为此，研究开发多重损伤判定的决策方法，能有效结合物理损伤和超声数据测定，实现综合的损伤判定.多重损伤判定模块见图5.

采用该判定模块，结合探测数据判定，可显示超声探伤的波形文件和录像文件，并提供DAC／AVG辅助曲线的绘制.若损伤判定信息来自波形文件，系统自动从波形文件中读取检测时间.在物理损伤因素参考下，系统提供典型损伤的图片参照，可对任何一种损伤类型做出选择，作为物理损伤辅助判定.用户也可针对损伤图片，查看损伤的介绍、形成原因等，同时系统提供数据库中同类型损伤的比较，进一步提高损伤判定的准确率.

钢轨寿命预测数据为：由线路原始统计和检测损伤数据组成的综合统计数据，预测模型为威布尔预测模型.预测结果经线路预测信息管理，进入线路预测信息数据库.目前，国内外研究钢轨损伤预测方法［5-6］有很多，而威布尔法实际应用较为广泛.由于威布尔分布存在3个参数，准确的参数估计较为困难，本文提出一种利用下山单纯形算法进行威布尔三参数估计方法，通过加载不同线路的测试数据，根据下山单纯形算法进行威布尔的三参数估计，并可计算相应误差［7］.损伤寿命预测如图6所示.

图5　多重损伤判定模块Fig.5　Multiple damage decision module

图6　损伤寿命预测Fig.6　Damage life prediction

在工程上，钢轨重伤的累计失效率F（t）有2种表示方式：一种为无量纲，直接表示；另一种用每公里线路上钢轨伤的重伤数，即单位为“根／km”.本文采用第1种方式.假定历史统计数据中有n组重伤和通过总质量的数据，并假设由威布尔模型得到的第i组（i=1，2，…，n）通过总质量为ti时，计算的重伤累计失效率为F（ti），而实际统计的失效率为Fi，则目标函数f为统计失效率与计算失效率的误差平方和，即

利用下山单纯形法迭代，使得目标函数最小时的（m0，γ0，η0）即为威布尔模型三参数的最优估计.下山单纯形法的结果不受初始单纯形的影响，但构造合理的初始单纯形有利于加快收敛速度，避免算法陷入无效的局部极值点的产生.

下山单纯形法能很好地拟合钢轨重伤威布尔分布的3个参数.在实际应用中，数据可能存在一定的偏差，操作人员需适当调整3个参数的估计值，因此系统设计威布尔三参数微调模块.

完成下山单纯形法拟合参数后，操作人员可点击误差分析，进入误差分析模块.在误差分析界面，用户可以直接输入威布尔参数值，分析各数据点对应的误差和总误差，也可在原有计算结果的基础上，通过滑动条进行微调.

3　结　语

针对地铁钢轨损伤健康管理系统需求，将决策支持技术引入，建立基于决策支持的钢轨损伤预测维护管理功能模块，讨论系统设计和软件功能层次开发，并建立采用下山单纯形法的钢轨损伤预测模型.该模型结合探测数据与物理损伤分析，能有效提高损伤判定的准确性，并能预测出损伤钢轨的寿命.

系统的实际运行结果表明，所设计的健康管理系统能有效实现钢轨损伤判定和预测管理功能.由于系统的模块化和层次化设计，各功能模块可灵活地嵌入到城市地铁轨道安全监控系统中，为地铁轨道的损伤预测及维护管理方法和思路提供参考.

［1］Kunche S，Chen C，Pecht M.A review of PHM system’s architectural frameworks［C］／／54th Meeting Soc Machinery Failure Prevention Technol.Dayton，2012.

［2］彭宇，刘大同.数据驱动故障预测和健康管理综述［J］.仪器仪表学报，2014，35（3）：481-495.

［3］邓苏，张维明，黄宏斌，等.决策支持系统［M］.北京：电子工业出版社，2008.

［4］陈文伟.决策支持系统及其开发［M］.3版.北京：清华大学出版社，2008.

［5］刘亮，王文健，郭俊，等.钢轨踏面斜裂纹扩展寿命的预测［J］.机械工程材料，2012，36（1）：26-30.

［6］习年生，周清跃.钢轨的疲劳重伤率分布规律与疲劳寿命预测［J］.中国铁道科学，2004，25（5）：53-56.

［7］袁海斌，张春华，范俊巍.钢轨疲劳重伤威布尔分布的三个参数的估计方法［J］.计算机应用与软件，2014，31（2）：256-258.

（编辑俞红卫）

Development on Health Management System for Subway Rail Damage

YUAN Haibin1，ZHANGChunhua1，FAN Junwei2
（1.School of Automation Science and Electrical Engineering，BEIHANG University，Beijing 100191，China；2.The Line Company，Beijing Mass Transit Railway Operation Corporation，Beijing 100082，China）

Based on the need for subway rail damage maintenance and prediction，a method of rail damage health management system based on ultrasonic detection was proposed and implemented.Framework of health management system based on decision support analysis was put forward，system database，file system and data structure were discussed as well.Methodology of hierarchical level was introduced according to module definition.Modules of main interface，user management interface，line management interface，line match interface were designed and developed with the use of software technique and automated data stream processing.Historical data set and test data set was integrated with the system in order to address module description of rail defect and damage propagation，so as to achieve rail fatigue life prediction.

heal thmanagement；prediction；decisionsupport；raildamage

TP 319

A

1671-7333（2015）03-0282-04

10.3969／j.issn.1671-7333.2015.03.014

2015-01-13

国家自然科学基金资助项目（61273165）

袁海斌（1971-），男，副教授，博士，主要研究方向为诊断预测与检测技术、计算机应用.E-mail：yuanhb＠buaa.edu.cn