基于大数据技术的轨道电路室外设备PHM研究

李 斌

（佳讯飞鸿（北京）智能科技研究院有限公司，北京 100044）

1 轨道电路室外设备运维现状

截止2018 年年底，中国高铁运营里程达到2.9 万km 以上，电气化里程达到9.2 万km，电气化率70%。在列车控制系统中，轨道电路起到关键作用，成为关键性的基础设施。轨道电路是由钢轨线路和钢轨绝缘构成的电路，主要用于列车自动和连续的占用检查、列车控制系统的地车通讯、钢轨的断轨检查，以保证行车安全的设备。轨道电路分为室内设备与室外设备，室外设备主要包括：补偿电容、扼流变压器、调谐匹配单元、空心线圈、机械绝缘节、匹配单元等。室外设备由于远离车站和信号工区，且多数器件和部件分布在铁路线周围，所以对其养护和维修的效率低，故障处置时延较长，而且其工况环境复杂，易受温度、湿度、振动、气压等环境因素和不确定性人为因素影响，常有故障发生，成为影响列车控制系统安全可靠工作的关键因素。

当前国内铁路电务专业对于典型的轨道电路故障，仍然没有很有效的解决办法，部分故障的报警和预警机制尚未建立。如：伴随着大功率电力机车的应用，造成接触网网流不断增大，经过轨道电路扼流变压器的回归电流相应的也越来越大，造成的电化干扰也在不断的增强，致使牵引电流入侵轨道电路设备的干扰量也越来越大，极易造成轨道电路继电器误动作，出现“闪红光带”情况。监测检测手段更多依靠的是传统的仪器仪表，以及一线运维工作人员的现场经验和既有故障数据。规范性不强，智能化不足，以及问题库和专家库建设不完善，造成无法形成统一、高效的轨道电路养护维修体系。当前亟需对轨道电路室外设备故障诊断预测和健康管理领域进行系统性探索和研究，一方面填补轨道电路监测检测领域的技术空白，另一方面将新ICT 技术和轨道电路运维工作进一步融合，从而提高铁路行车安全性和运维的效率。

2 轨道电路故障诊断预测和健康管理关键技术

2.1 PHM技术

故障诊断预测与健康管理（Prognostics and Health Management，PHM），是综合利用新ICT 技术（如先进的传感器技术、云计算技术、大数据技术、人工智能技术等）的研究成果而提出的一种全新的管理设备实时工作状态和健康状态的解决方案。PHM 包含两方面的内容，故障诊断预测是指根据系统现在或历史工作状态数据，预测性地诊断部件或系统，完成其功能的状态(未来的健康状态)，包括确定部件或者系统的剩余寿命或正常工作的时间长度；健康是指与期望的正常性能状态相比较的性能下降或偏差程度，健康管理是根据诊断/预测信息、可用维修资源和使用要求对维修活动做出适当决策的能力。

PHM 系统一般应具备故障监测、故障隔离、故障诊断、故障预测、健康管理和寿命追踪等功能，PHM 要素如图1 所示。对于复杂装备和系统，PHM 应能实现不同层次、不同级别的综合诊断、预测和健康管理。

图1 PHM要素图Fig.1 PHM element diagram

PHM 广泛应用于各个领域，具体到铁路轨道电路室外设备，PHM 指的是：利用轨道电路工作过程中产生的各类工作状态数据，如：电流（工作电流、励磁电流、损耗电流）、电压（压升压降），磁化阻抗；电容偏差等和各类工况数据，如：温度、湿度、气压、振动、振动加速度、位移加速度等，经过信号处理，多模传输，数据采集、处理、分析等大数据处理方法，实现对轨道电路室外设备复杂系统的设备监控和健康管理，从而进行预警预测和管理的系统性工程。PHM 技术将设备的监控和健康管理，从传统的“故障”管理转变为“预测”和“衰退”管理，通过预测性养护维修，实现设备的零故障和持续可靠的运行。

2.2 基于传统电路模型和监测大数据的智能分析技术

轨道电路室外设备的工作原理，基本基于传统的电路模型，其中多数器件、部件和元件可以等效看作是电阻、电容、电感及变压器等模拟电子元件构成。在轨道电路室外设备使用和运维的过程中，一线的运维人员积累了大量的故障诊断经验和故障问题库，对于常见的故障类型和典型故障，基本已能做到快速、准确的定位。针对轨道电路故障定位，常用的方法包括：以电路模型为基础，根据系统应用逻辑，分析轨道电路的电气特性，从而推测故障特征；以轨道电路运行过程中产生的状态数据为出发点，通过数据分析的方法对故障特征进行提取，达到故障诊断的目的。

室外设备故障的诊断则较为复杂，室外设备容易受到钢轨、电缆、补偿电容、道床电阻和环境因素的影响和干扰。当运维人员首先确认是室外设备发生故障后，通常采用逐级测量或者甩线测试的方法对具体的故障位置进行定位。操作过程中，对于人的依赖以及人为标准差异，运维经验的差异和工器具的差异造成了对于过程的不同分析路径和故障原因的不同判定结果。

由于轨道电路室外设备包含多种设备和系统模块，结构多为机电结构，且较为复杂，故障模式繁多，所以利用神经网络进行求解时，会面临输入变量众多，网络结构庞大，经验值、估值数据、实际管理规范交叉的问题。此方案从集中监测系统的监测数据和轨道电路的自身监测系统的数据着手，对基于数据的自动诊断算法展开研究，采用混合量化的方法，构建模糊神经网络对轨道电路故障进行诊断分析。

在进行参数权重自动分配和参数调优时，采用模糊聚类分析算法和粗糙集理论算法相结合，既考虑到采集到的室外设备的工作状态和工况信息之间的不同特征，数据之间的关联关系以及相似性，通过建立模糊相似关系对采集到的数据进行分类、汇总。又考虑到现场采集数据时同步产生的噪声数据，既往维修数据以及现场人员的运维经验，在数据处理时，需要进行区间划分和层次划分，需要忽略掉部分实际采集到的工作状态数据和工况数据。因此两种算法的结合，来进行多因素，多参数问题的定量分析和定性分析，是十分必要的和有益的探索。

将既往运维经验数据、既往设备工作状态数据、故障数据、检修维护数据等进行梳理统计，并结合采集到的实时工作状态数据和工况数据，采用模糊聚类分析的方法进行若干类别的划分，计算各参数的权重，最后利用各因素所含信息量相对大小，进行归一化来进行权重自动分配。

3 基于大数据技术的轨道电路室外设备PHM平台

3.1 整体架构

PHM 平台整体技术架构分为3 层：应用层：故障诊断预测、设备健康管理、资源管理、辅助决策；信息基础设施：云计算平台、大数据平台、物联网平台、微服务；感知传输层：传感器、采集电路、传输模块、物联网网关。PHM 平台整体架构如图2 所示。

3.2 分层设计思路

3.2.1 采集层

1）传感器

轨道电路室外设备主要包括：补偿电容、扼流变压器、调谐匹配单元、空心线圈、机械绝缘节、匹配单元等，通过在不同的设备、器件、部件内部或者近旁增设诸如：位移传感器、振动传感器、霍尔传感器、温湿度传感器、加速度传感器等，来采集其工作状态数据和工况数据，完成感知层面的全要素数据的采集工作。

2）采集电路

在轨道电路室外设备内部和近旁，搭建新的采集电路，基于电桥检测原理通过AD 转换器实现对多点传感器的模拟数据采集，经AD 转换后的数字信号接入网关。

图2 PHM平台整体架构Fig.2 Overall architecture of PHM platform

3）物联网网关

物联网网关实现数字信号的接入，网关总体设计以ARM 处理器为硬件基础平台，以嵌入式LINUX操作系统为软件开发平台。开发功能包括硬件接口设计、软件驱动开发、网关协议开发，WEB 端开发等。技术架构如图3 所示。

4）传输模块

传输模块，支持无线接入运营商2G/3G/4G 网络；支持无线接入铁路专用移动通信GSM-R 和LTE-R 网络；支持接收物联网网关数据并进行数据转发；支持设备管理配置，日志记录，告警上报。

3.2.2 平台层

图3 网关技术架构Fig.3 Gateway technical architecture

1）物联网平台

物联网平台的设计是基于对轨道电路室外设备所布设传感器的连接状态，采集的数据及其上报的设备工作状态、工况数据、故障事件、报警等时序数据的处理、存储与展现。根据轨道电路的应用场景，底层传感器数据接入物联网平台主要是非直连方式，即由物联网网关负责与物联网平台之间连接的建立和维护、认证和鉴权，传感器以有线方式与网关进行交互，以实现消息的发送和命令的接收。

物联网平台的逻辑架构如图4 所示。

图4 物联网平台逻辑架构Fig.4 Logic architechure of IoT platform

物联网平台的详细设计如下。

采用基于MQTT Broker 的设备连接管理机制。

运用物联网传感器准标准协议MQTT 协议解决传感器接入和数据传输的QoS 保证。采用MQTT Broker 集群的方式来解决广域轨道电路设备中传感器的并发接入和通信的需求。

时序数据的分布式处理和存储机制。

利用Storm 和Spark Streaming 对流数据强大的分析处理能力和天然的支持分布式扩展的属性来处理轨道电路室外设备大量传感器数据。

2）大数据平台

大数据平台作为软件服务部署在云计算平台上，提供数据的集中整合、集中管理和统一接入，有效实现数据共享。并在数据统一接入和数据整合基础上，平台提供数据分析处理以及数据可视化的能力。

大数据平台的层次设计分为以下部分。

a.数据采集接入层设计

对于轨道电路室外设备的数据，采用基于队列的实时采集接入方式，经由物联网平台的消息服务，将采集数据接入大数据平台的采集接入层。大数据采集接入服务与物联网平台的消息服务之间通过分布式队列服务Kafka 实现数据流转，根据后阶段数据处理的需要，可以将Kafka数据分流到存储引擎NoSQL 型数据库HBase， 以 便后续的清洗加工处理、ETL 处理等。作为接入层数据，为支持某些查询业务要求，需要对原始接入数据按一定存储周期要求做保留。原则上，在采集接入测，不做任何数据的聚合操作，保证接入段的高效和可靠。

b.数据存储层设计

根据轨道电路设备数据的特征，数据以结构化为主，将经由物联网平台的消息服务接入数据，采用大数据平台中结构化数据存储引擎进行数据存储管理。根据数据量、交互性和实时性支持以及并发性支持等因素，可以将处理场景分为离线、在线、主题分析3 类场景。

c.大数据处理层设计

根据处理的实时性要求，将处理分成批处理、实时流处理；根据处理层次，将处理分成清洗处理、数据分析加工处理（包括多维分析）、数据在线分析和复杂查询处理，以及包括深度学习在内的数据挖掘、机器学习处理等。

批处理具有处理时间长、处理量大的特点，作为轨道电路室外设备的可预测维护、健康分析应用，基于对各类设备传回参数，按照各维度的汇总统计分析是一个典型应用场景。采用的技术有Hive、Spark SQL、MPP 数据库以及基于Mapreduce 的Java 或者Pig 脚本等；实时处理，对于秒级响应的实时处理分析和实时数据清洗场景，采用Spark Streaming 框架实现，其底层基于Spark 框架，可接受Kafka、MQTT 队列传回的数据，对队列数据实现Map、Reduce、Join、Window 等各类实时流式加工处理。

数据清洗，在数据接收完成，对数据进行加工分析和数据挖掘之前，需要按照指定业务规则对数据进行清洗、转换和过滤工作。该层处理适合采用MapReduce、Hive 技术实现这一阶段处理。对于实时清洗处理场景，采用Spark Streaming 实现；数据加工和多维分析阶段的处理，主要根据车站、区间、设备、器件、部件、设备类型、时间、人员、信号、状态等维度，对清洗后结构化数据做多维统计和分析。

除了上述所说的大数据分析和数据挖掘处理场景外，还包括基于专家经验的专家系统。根据所表达知识的复杂程度，可以采用图数据库、知识图谱及相应引擎进行知识的存储、加工、查询和处理。采用基于传统的关系数据库的关系描述方法，将专家系统事先定义的故障规则用关系二维表来表现，并通过关联运算实现规则的匹配，达到故障预测和故障原因探索的目的。

3.3 健康管理功能概述

3.3.1 健康状态评估

结合设备履历，维修记录，故障记录等形成以设备状态数据库为基础，按照设备标准编码进行查询检索、通过对设备的运行时长、运行环境、维修次数、故障类型、产品批次等信息进行建模挖掘，形成设备健康状态评估体系，通过0 ～100 的分数区间表示设备健康状态，并根据打分提出维修时间、维修部位的建议，以实现设备“预测修”目标。

3.3.2 设备健康状态综合管理

提供全局视角的设备状态综合统计功能，提供多维分析功能，包括设备按管辖地域的维修次数排行、维修部位、使用时长排行、产品批次的故障率统计、故障分类统计等。

此外与设备状态管理相关其他功能还包括：设备运用情况分析；设备故障趋势分析；设备状态评价预警；设备性能分析；设备趋势分析；环境分析（温度、湿度等）；设备超期预警等。作为系统还提供设备资产相关的主数据管理功能，包括：产品型号主数据管理和查询；生产企业主数据管理和查询；机构类字典管理和查询；设备故障字典管理和查询等。

轨道电路室外设备状态预测应用系统主要针对各种室外设备常见故障，通过物联网采集数据按照事先专家系统注册的故障检验规则、参数阈值条件，在实际量测值和故障特征参数之间进行对比和匹配，实现故障预测和故障原因确定的效果。

围绕专家系统上述应用，系统所需实现的具体功能如下。

1）设备故障预测规则注册、更新和删除。

2）设备故障参数阈值描述注册、更新和删除。

故障规则定义了规则与参数之间的相关关系，而设备故障参数描述了针对一个规则下的各个参数如何判断故障的异常性的阈值比较公式，参数异常性主要按照阈值来判断，根据故障和设备的不同，阈值的判断规则不尽相同，需要用户根据实际需要进行阈值判断模式的选择，并指定相关阈值描述参数。

系统提供以下4 种参数阈值描述。

第一类阈值指标：存在单一阈值，判断参数指标大于或者小于或者等于所设定的阈值门限。

第二类阈值指标：存在阈值的上限、下限，判断参数指标在上限、下限所设定的阈值之间。

第三类阈值指标：针对某一基准值，设定上下偏差区间，判断参数指标在偏差区间内。

第四类阈值指标：针对平均值，设定上下限偏离百分比，判断参数指标在偏差范围内。

3）设备故障规则匹配参数映射关系录入、更新和删除。

系统在进行故障原因判断和故障预测时，需要将实际采集的量测数值与上述事先输入到专家系统规则下参数做一一对比和匹配，基于目前采集得到的量测数值做出故障判断。为实现这种实测值与规则参数之间的一一匹配，专家人员或者管理人员能够通过专家系统的映射关系输入功能事先定义实测数值表内各个字段与规则参数之间的映射关系。

4）设备故障原因确认。

5）设备故障预测。

4 结束语

通过对于轨道电路室外设备运维现状的分析，针对特定的问题，提出当前铁路行业电务专业对于监测检测领域一种新颖的设备故障诊断预测和健康管理方法，通过对PHM 平台的整体架构，设计思路，以及对物联网平台和大数据平台设计理念的详细阐述，提出构建一种安全、高效、智能的轨道电路室外设备故障诊断预测和健康管理平台。通过现场部署此套平台可以有效的辅助电务运维人员高质量完成运维工作，研究并探索轨道电路室外设备“预测修”的新模式，为后续电务专业运维模式转型提供坚实的基础。后续工作中，需要在前端传感器技术、后端数据挖掘，数据关联分析，数据呈现上继续开展深入的研究，同时还需要横向了解“工电供”专业融合的需求以及多专业，多工种的结合部的设备健康管理。