铁道信号基础设备在线监测方法研究

2022-11-27翁恩泽

通信电源技术 2022年4期

翁恩泽

（国能新朔铁路有限责任公司大准铁路分公司，内蒙古鄂尔多斯 010300）

0 引言

铁路信号基础设备包含铁路信号机、轨道电路等，对于提升铁路行车安全质量、运输效率等都有重要作用。铁路信号基础设备的轨道电路故障主要体现在多个方面，例如红光带、分路不良等。当故障发生后，轨道电路工作会严重不稳定，容易受到电气化区段牵引影响而严重干扰铁路信号基础设备的供电系统。

目前针对铁路信号基础设备的故障诊断技术内容相当丰富，属于一门全新的综合性科学技术，对于机械设备故障诊断工作而言作用重大。就国内而言，目前的设备故障诊断技术系统中包含了基于模型的诊断技术、基于信号处理的诊断技术以及基于人工智能的诊断技术。而在这些技术方法中，结合神经网络与模糊推理等先进技术也能实现对设备故障的智能化诊断[1]。

1 铁路信号基础设备的故障诊断技术实践应用研究

铁路信号基础设备的故障诊断技术实践应用内容相当丰富，充分运用人工神经网络技术以及模糊神经网络推理技术就能构建一套完整的故障诊断技术体系，并付诸实践应用。

1.1 人工神经网络故障诊断技术的实践应用

人工神经网络中融入了多种网络模型，其中就包括了单向多层前反馈网络，同时也引进了大量改进模型。具体来讲，例如输入层的信号向前传递、误差逆向传播机制，需要确保形成基本网络结构图，其中包括输入层、隐含层以及输出层。而在逆向传播过程中，则需要保证误差值控制在期望范围内。结合径向基函数（Radial Basis Function，RBF）神经网络展开训练仿真，其中也存在重要参数spread选择问题。铁道信号基础设备在线监测过程中，需要确保spread值域选择余地足够大，在保证基础函数输入范围合理的基础上设置间隔递增趋势，减小网络误差。对网络误差问题进行进一步分析，将其最大迭代次数控制在500，学习精度控制在0.001，spread值控制在2。在基础设备在线监测过程中，需要从网络误差层面分析隐含层节点数的增加或减少情况，误差取得最小情况时的隐含层节点数应该为9～10个。就现场实际测试过程而言，需要满足实时性要求，确保BP网络本身的训练时间有效延长，避免陷入极小值困局，优化其网络记忆学习能力[2]。

1.2 模糊神经网络推理故障诊断技术的实践应用

在利用模糊神经网络推理故障诊断技术展开铁路信号基础设备在线监测过程中，构建一套完整的故障识别方法机制[3]。

模糊神经网络（Fuzzy Neural Network，FNN）是基于模糊理论与神经网络，利用先进经验知识来处理某些不确定信息内容，确保神经网络展开自我学习过程中弥补诸多不足问题。在信息处理过程中，保证多种神经网络与模糊逻辑系统相互结合，分析神经网络计算与学习方法，形成模糊神经网络模型算法机制[4]。创建基于模糊神经网络的故障诊断模型，选取模型参数内容。根据数据采集系统实测情况分析调整FNN，利用FNN对轨道电路诊断选定高压情况进行分析，提出不对称脉冲分析机制，确保脉冲端波峰电压调整到位。同步调整受端波峰电压，结合特征提取过程分析频率网络输入参数，其中f为高压不对称脉冲特征频率，Ut为送端波峰电压，Ur为受端波峰电压。铁道信号基础设备在线监测过程中，存在铁道钢轨锈蚀严重（即出现A1故障）、供电电压过高（即出现A2故障）、供电电压过低（即出现A3故障）以及匝道电阻过低（即出现A4故障）等问题，FNN输出参数表现起伏不定。结合轨道电路故障模糊神经网络诊断过程可以了解到所输出故障隶属度是否发生变化，结合轨道电路常见故障及其参数关系来分析制定FNN故障诊断规则表，确保规则易于理解，从而有效规避故障问题[5]。

在高压不对称脉冲轨道电路中，需要对铁道信号基础设备的在线监测方法进行调整，充分利用FNN模型展开故障诊断，确保FNN模糊系统与神经网络完美融合，持续强化网络模型的决策能力，为处理轨道故障问题提供诸多建议，有效提高现场轨道维修准确率。在利用FNN网络模型对高压不对称脉冲轨道电路故障进行诊断的过程中，也可以嵌入铁道信号基础设备，做好在线监测工作，有效解决故障诊断识别问题[6]。

2 铁路信号基础设备的故障诊断系统测试分析

在铁路信号基础设备中创建故障诊断系统，合理选择软件平台LabVIEW。该软件开发环境与编程界面友好，其中的代码开发也相对形象直观，可直接面向工程应用。明确LabVIEW图标并创建应用程序图形化编程语言，为软件平台提供内容丰富的图形显示软件，采用创新图形化编程技术方法，最大限度提高程序设计效率。利用ActiveX技术，结合公式节点、脚本节点等等展开分析，保证LabVIEW中文本语言混合编程技术应用到位。创建动态链接库（Dynamic Link Library，DLL），分析发布源代码ZIP文件，形成紧密的硬件集成接口连接机制。内置LabVIEW丰富数据信息，结合函数处理与开放架构来设置大量实例，建立使用者参考管理机制，确保数据分析与信号处理更加方便快捷[7,8]。

基于模糊神经网络创建诊断系统，保证系统总体思路明确。轨道电路信号采集器与S700K分析转辙机道岔控制电路信号采集器分别与上位机软件通过固定IP地址和端口号建立连接，然后通过以太网上传数据。对于上位机而言，根据软件需要设置良好的数据通信协议内容，建立动态实时获取数据包解析处理机制，以便及时解析处理相关数据包内容，有效获取相应数据并加以有效存储，保证轨道电路实时数据小波特征参数提取到位。在启动模糊神经网络过程中，输入A1、A2、A3、A4等具有高可信度的典型故障类型，对给出的故障内容结果进行分析。当启动RBF神经网络后，需要输出相应故障类型内容。在对系统进行登录过程中，要确认计算机文档内容。对于铁道信号基础设备而言，通过故障诊断系统软件可以了解故障发生类型、程度与发生成因，同时显示故障发生过程中可能存在的高压不对称脉冲、脉冲特征频率过高以及发送端波峰电压不稳定等问题。

结合大量文献资料分析研究高压不对称脉冲轨道电路，明确S700K转辙机控制电路工作原理和典型故障，为后期故障诊断奠定坚实基础[9]。采用小波变换方法对高压不对称脉冲轨道电路故障特征参数进行分析并提取，结合算法合理分析处理，有效避免高压不对称脉冲轨道电路受冲击干扰问题。在完成BP神经网络与RBF神经网络调整后，需要分析铁路道岔控制电路故障问题，做好故障诊断。通过Matlab仿真实现对铁道信号基础设备的智能分析和故障识别，并通过MathScript成功嵌入到LabVIEW软件开发平台，实现了故障诊断结果显示，界面运行流畅[10]。