多故障环境下的铁路通信中断馈线自动化处理技术

杨玉修

（中铁第一勘察设计院集团有限公司，西安 710043）

引言

我国铁路交通和城市轨道在近几十年来得到快速发展，其自动化发展水平已经世界领先[1]。在铁路交通智能化发展过程中中，铁路通信已经成为信息传输和信息处理的重要枢纽，但是因为铁路通信线路杂乱繁多，具有一定的复杂性，容易出现通信中断的现象，导致线路发生馈线中断故障[2]，为了使铁路通信设备能够在铁路运行的过程中可以正常工作，需要对多故障复杂环境下的铁路通信中断馈线进行有效处理。关于这个问题，相关学者也提出了一些行之有效的方法。

李一雷[3]等人提出船舶通信定位信号短时中断插值预测模型构建方法，该方法首先对通信信号的中断插值预测缺点进行描述，分析出通信信号发生短时中断故障是随机的，通过对通信信号中断故障数据进行采集，将其看作成一种时间序列数据，利用粒子群算法优化支持向量机对这些数据进行建模，完成对通信中断故障的预测，该方法没有对通信中断信号进行故障检测，导致没有获取出现故障的主要因素，存在铁路通信中断馈线接线准确率低的问题。

孙亚非[4]等人提出基于感知学习算法的地铁通信故障研究方法，该方法利用感知学习算法解析了列车中的大数据，通过AP时间状态曲线图对列车中的运行状态进行统计，同时以可视化形式展现出来，并将地铁公司提供的真实数据对通信故障预测方法进行验证，最终实现对地铁通信故障的研究，该方法没有采用DSSA方法对铁路通信中断进行故障检测，导致对多个铁路通信中断馈线出现故障的原因不够明确，存在电磁干扰预测准确率低的问题。

左光[5]等人提出类X-37B升力体再入飞行通信特性中断研究方法，该方法将飞行器再入到通信飞行测量数据中，并对通信特性和通信方法进行校验，对飞行器开展了等离子体鞘套数值仿真，从中分析出通信电磁波衰减特性，采用高频段电磁波Ka波段通信方式对通信中断现象进行解决，实现铁路通信的处理，该方法没有检测铁路通信多个中断故障，存在铁路通信故障漏报率多的问题。

以上方法在多故障环境下，存在诸多问题。为了解决上述方法中存在的问题，提出多个故障环境下的铁路通信中断馈线自动化处理技术方法。

1 铁路通信中断馈线建模与故障检测

1.1 铁路通信中断馈线能量泄露特征分析

从电力能量角度上看，铁路通信主要通过配电系统对电能进行分配和传输[6]，其中包括电源、断路器、母线、馈线等重要设备，除此之外还需要多个传感器对铁路通信中的电流电压监测。

根据分配的电能传输，获取与电能传输相同的网络：

1）设置G为铁路通信的配电网络，该网络通过若干个传感器组成一个区域，这个区域也是铁路通信能量网络中的任意节点，传感器就是铁路通信能量网络中节点的边，其中节点与节点间相互输送的能量就是边的权值。若确定了能量流动的方向，也就确定了边的方向，这样就可以获取G所对应的铁路通信能量网络G*。

有限非空节点集合V和边集合E组建成能量网络G*，即有项加权图，其中G*=（V，E）。若V={v1，v2，…，vn}是节点的集合，那么vi，vj∈E时，就是有项加权图G*中有序对（i，j）的边，定义为eij。

此时节点vi输送能量到节点vj，那么它的方程定义为：。式中，描述的是传输的能量，在t时刻节点i和节点j输送电能的过程中产生的功率就用表示。d为传感器的采样周期，主要用来确定t0到t1的时间长度。

式中：

铁路通信配电网及其能量网络主要由一个单电源和若干段馈线构成[7]，使用两个传感器对铁路通信配电网进行分割，划分成3个区域，并与能量网络中的3个节点相互对应，如图1所示。

铁路通信网络AG的矩阵表达式为：

通过步骤（1），可以把铁路通信能量网络中的节点作为传感器划分的区域。在铁路通信能量网络中的任意节点就是ivV∀ ∈ ，它的输入总能量在特定的时间内就是，而就是它的输出能量。按照能量守恒定律，，以此减少电能在传输过程中产生的损耗，但是差值不能超过损耗的上界，即：

式中，在节点iv中能量的损失上界用iε来描述。

根据上述规则，各个节点在图1中的节点能量平衡方程就是：

图1 铁路通信简易能量网络和电源配电网

2）在铁路通信能量网络中，还存有从其它地方来源的能量，也就是节点能量注入；同时也有其余能量输出，被称作节点能量泄露。

通常来说，铁路通信电源中对地短路或相间短路也会对节点造成影响，出现能量泄露的情况，也就是能量在传输过程中没有正常的输送路径[8]。

1.2 多故障环境下铁路通信中断故障检测

在得到泄露特征的基础上，采用DSSA方法对铁路通信网络进行故障检测[9]。DSSA方法具有在线监控阶段和离线建模阶段两部分。

1）离线建模阶段

①X∈Rn×m的训练集中，各个故障样本xi都可以在X内找到k个近邻。

③在距离空间中，id是样本，w描述的是窗口宽度，i描述的是样本序号，那么一阶统计量均值(µi)为：

二阶统计量方差(vi)定义为：

高阶统计量偏斜度skewnessi定义为：

高阶统计量峰度kurtosisi用方程定义为：

采用移动窗口技术对式（6）、式（7）、式（8）、式（9）进行不同阶次的各个窗口子集统计量计算。

④si=[µiviskewnessikurtosisi]统计量样本空间可以在距离空间中取得样本id的主要表达形式is，完成距离空间D∈Rn×k到统计量样本空间S∈Rn-w+1×4k的转换。

⑤统计量样本空间可以采用PCA分析方法解析，主要提取空间内的主成分，从而获取复合矩阵[10]。

2）在线监控阶段

①为newx新样本在故障训练集X中找寻k个近邻。

②样本xnew在=dik-djk和di=进行计算，从而获取距离空间内的表达式newd。

③第一个窗口中缺失的故障数据子集需要通过wl-个正常样本填补，利用移动窗口技术对新样本进行运算，并获得监控统计量值news。

④计算news，对比统计量2T和SPE的控制限，判断整个过程中是否有故障发生。

⑤假如没有故障发生，就需要把移动窗口前移一个样本，进行下一次监控；假如存在故障，就会自动发出警报。

2 铁路通信中断馈线自动化处理

2.1 故障定位

1）铁路通信中断故障定位

当铁路通信线路出现故障时，若故障电流被检测到，就发送“1”作为信号，若没有检测到故障电流，可以发送“0”信号，由铁路通信主站对这些信号进行接收，并离散接收的信号，所以需要判断出现故障的区间，对其进行定位。

采用改进的二进制灰狼优化算法对铁路通信中断馈线进行故障定位，在该算法中，维数就是馈线的总数目、个体位置就是馈线目前的状态，也就是“0”或“1”。通过反复迭代，使用适应度函数评价灰狼个体位置的好坏，达到及时对灰狼的全局最优位置和个体位置进行更新的目的。在算法中，狼群的最优位置就是铁路通信馈线的实际状态，因此获取最优位置后，就可以对故障位置进行判断。

2）适应度函数

铁路通信中断馈线的实际状态信息与实际上传的故障信息误差小，因此适应度函数如下定义：

式中：

N—故障指示器的数量；

SB—设备状态，通过“1”表示发生故障，“0”表示设备状态正常；

Ij—第j个故障指示器中的故障电流信息；

µ—故障诊断权重系数，即µ∈ [ 0 ,1]，要想适应度函数的解准确性高，适应度函数值就要小。

3）铁路通信中断馈线自动化处理流程

①设置G为狼群维数，并在铁路通信馈线中对狼群的维数进行确定，此时N为狼群个体数，它的最大迭代数由T表示。

②对种群进行初始化，并对N个G维的狼群进行随机生产，即X1,X2,… ,XG，同时用“0”和“1”对灰狼的个体进行组成。

③通过式（11）计算灰狼个体的适应度值，取得最小适应度函数，并对其进行排序，对最优适应度值及其对应位置进行实时记录。

④灰狼最优个体位置由Xα、Xβ和Xδ进行记录。

⑤当t≤T时，(t=1,2,… ,n)，

式中：

P—扰动概率；

T—最大迭代次数；

G—维度。

计算后若随机数3rP≥ ，那么灰狼个体位置可以根据方程X(t+ 1) = (ω1X1+ω2X2+ω3X3)/3计算，

式中：

ω—ω狼；

X1、X2、X3—灰狼个体的位置；

若3rP＜ ，可以通过式子（12）对灰狼个体位置进行更新。

式中：

f(M(t+ 1))—第t+1代对个体M进行扰动；

f(X(t+ 1))—灰狼个体X的目标函数值。

⑥对参数收敛因子A、摆动因子常数C进行更新。

⑦当达到最大迭代次数T时，该算法结束，并获取全局最优位置。

通过对铁路通信故障位置进行定位，从中获取馈线目前的状态，确定了铁路通信中断馈线适应度函数，采用改进的二进制灰狼算法对铁路中断馈线进行处理，并记录适应度函数的最优位置，完成对铁路通信中段馈线的故障处理，实现铁路通信中断馈线自动化处理。

此时它的算法流程如图2所示。

图2 铁路通信中段馈线处理流程图

3 实验与分析

为了验证多个故障环境下的铁路通信中断馈线自动化处理技术方法的整体有效性，需要对多个故障环境下的铁路通信中断馈线进行测试。

采用多个故障环境下的铁路通信中断馈线自动化技术方法（方法1）、电网运维大数据背景下的继电保护通信系统故障定位方法（方法2）和基于感知学习算法的地铁通信故障研究方法（方法3）进行有效测试。

对铁路通信中断馈线进行处理后，需要对线路末端进行接线，采用三个方法分别对接线的结果进行对比测试，接线的准确率越高说明铁路通信馈线处理的越好，具体测试如图3所示。

分析图3中的数据可知，分别对方法1、方法2和方法3进行5次接线测试，并将接线的结果进行对比，方法1在第一次测试时，它的准确率就要高于方法2和方法3，在接下来的测试中方法1接线的波动轨迹也呈直线上升，可见方法1的接线准确率要优于方法2和方法3。

图3 铁路通信馈线接线准确率测试

综上所述，方法1的接线准确率最高，是因为方法1采用DSSA方法对铁路通信进行故障检测，从中获取了故障因素，提升了馈线接线的精准度，达到接线准确率高的效果。

铁路通信馈线在运行过程中会受到电磁干扰，采用方法1、方法2和方法3检测电磁干扰值，并将检测值与实际值对比，如表1所示。

本实验共进行10次测试，根据表1中的数据发现，方法1在噪声干扰下，测量结果与实际结果最接近，表明方法1的电磁干扰值要优于方法2和方法3。方法2在测量期间，电磁干扰值不够稳定，并且在三个方法中与实际结果的误差最大，说明方法2的电磁干扰检测效果差。

表1 实际电磁干扰值与测量电磁干扰值对比测试

通过方法1、方法2和方法3对铁路通信故障漏报检测情况进行测试，测试结果如图4所示。

图4中，共进行10次检测，方法1在测试过程中故障漏报率要低于方法2和方法3，方法3的轨迹波动在检测过程中持平稳上升状态，而方法2的波动速度过快，并且在第6次测试时故障漏报率超过方法3，说明方法2的故障漏报率要高于方法1和方法3。

图4 不同方法的故障漏报率测试

下面根据铁路通信故障漏报检测的基础上，对铁路通信馈线接线误报个数进行测试，具体测试结果如图5所示。

由图5可知，共对铁路通信中断馈线进行50次检测，发现方法1不论经过多少次检测实验，误报个数始终在1次，而方法2和方法3在检测次数逐渐升高后，误报个数也随之上升，但是方法3要高于方法1和方法2。综上所述，方法1的铁路通信中断馈线误报个数要低于方法2和方法3。

图5 铁路通信中断馈线误报个数

4 结束语

由于铁路环境中通信馈线居多，导致铁路容易出现通信中断的现象，为了使铁路通信能够正常使用，需要处理多个故障环境下的铁路通信中断的问题，为此提出多个故障环境下的铁路通信中断馈线自动化处理技术方法。经研究发现，传统的铁路通信中断馈线存在接线准确率差、电磁干扰值检测准确率低、故障漏报率多、铁路通信馈线接线误报个数多的问题。根据上述问题，提出多个故障环境下的铁路通信中断馈线自动化处理技术方法，首先对铁路通信中断馈线进行建模，建模后进行故障检测，从中得到故障因素，并对馈线进行处理，进而实现馈线自动化处理，提升了该方法的有效性，为以后的铁路通信设备提供了重要的基础。