CN110011864A - 一种高速铁路接触网安全状态监测方法 - Google Patents
一种高速铁路接触网安全状态监测方法 Download PDFInfo
- Publication number
- CN110011864A CN110011864A CN201910397563.1A CN201910397563A CN110011864A CN 110011864 A CN110011864 A CN 110011864A CN 201910397563 A CN201910397563 A CN 201910397563A CN 110011864 A CN110011864 A CN 110011864A
- Authority
- CN
- China
- Prior art keywords
- value
- falling mound
- data
- monitoring
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000007257 malfunction Effects 0.000 claims abstract description 42
- 238000009434 installation Methods 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 11
- 230000007246 mechanism Effects 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000008030 elimination Effects 0.000 abstract description 3
- 238000003379 elimination reaction Methods 0.000 abstract description 3
- 230000036541 health Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003137 locomotive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Machines For Laying And Maintaining Railways (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种高速铁路接触网安全状态监测方法,属于高速铁路基础设施维护与健康管理领域。通过在接触网补偿装置坠砣上安装数据采集传感器,将现场的实时数据连续不断地进行采集,然后将传感器采集到的数据实时传送到物联网管理平台。然后对数据进行分析,根据历史告警数据建立故障模型,最后,利用故障模型形成的数据库,对当前告警数据进行匹配,实现对接触网安全状态的诊断和预测。使得工作人员无需进入现场进行故障排查,通过远程的监控,以及构建故障模型的方式实现对接触网安全状态的诊断,提升了接触网状态监测的时效性、稳定性、安全性、可靠性和精度性,降低了人工成本。对提高铁路运维智能化、自动化、集中化管理等有重要的意义。
Description
技术领域
本发明涉及高速铁路基础设施维护与健康管理领域,尤其涉及一种高速铁路接触网安全状态监测方法。
背景技术
我国高速铁路网建设日益庞大,铁路基础设施的使用和维护面临重要的挑战。接触网为高速铁路基础设施中非常重要的设备,是沿铁路线上空架设的向电力机车供电的输电线路,高铁列车运行所仰赖的电流就是通过机车上端的接触网来输送的。接触网一旦停电,或列车电弓与接触网接触不良,对列车的供电便产生影响,而且接触网没有设置备用设备。因此,接触网的安全问题直接影响着铁路的正常运营。
目前,我国高速铁路接触网安全状态主要根据综合检测车的数据来进行人工监测,并结合人工巡检等方式排除潜在故障,这种检测方式缺乏时效性,并且耗费人力,随着我国高速铁路网的建设,大量的人工现有的巡检方式不仅无法满足监测精度要求并且工作效率非常低,无法适应高速铁路的持续发展和智能化发展的需要。
发明内容
本发明的目的在于提供一种高速铁路接触网安全状态监测方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种高速铁路接触网安全状态预测方法,包括如下步骤:
S1,实时监测获取连续时刻的坠砣B值和温度数据,并发送至监控中心;
S2,根据监测得到的坠砣B值和温度数据,判断坠砣状态是否异常,如果是,则告警并产生告警数据;
S3,利用历史告警数据构建故障模型库,
S4,将当前告警数据与故障模型库进行模型匹配,得到接触网安全状态预测结果。
优选地,S1中,坠砣B值的测量选取激光测距传感器。
优选地,S1中,坠砣温度的测量选取数字输出IC温度传感器。
优选地,S1中,所述坠砣B值和温度数据的监测时间粒度为小时,所述监测数据正常情况下,其传输至监控中心的周期小于等于四小时,所述监测数据异常情况下,其实时传输至监控中心。
优选地,S2具体为,将监测得到的坠砣B值与坠砣B值标准范围进行对比,判断坠砣状态是否异常,如果监测得到的坠砣B值在标准范围内,则正常,否则异常并产生坠砣状态告警,同时监测得到的该时刻的坠砣B值和温度数据均作为告警数据并发送至监控中心。
优选地,所述坠砣的告警情况包括:
,无告警;
或 ,提示告警;
,严重告警;
其中,为安装曲线标准值,为监测得到的坠砣B值。
优选地,S3中,所述故障模型按照如下方法进行构建:
S301,根据坠砣安装曲线,得到坠砣B值与温度之间的线性关系;
S302,根据坠砣B值与温度之间的线性关系,当温度随时间变化为正弦函数时,得到在不同的故障情况下,坠砣B值随时间的变化规律:
当出现断线故障时,B值瞬间减小到某一值,且一直保持该值不变;
当出现卡滞故障时, B值保持当前值不变;
当出现零部件脱落故障时,B值瞬时减小后又恢复至正常变化;
S303,根据所述坠砣B值随时间的变化规律,构建故障模型。
优选地,所述坠砣安装曲线如下式所示
其中,为补偿装置可以设置的最小B值,为补偿装置的传动系数,为中心锚结与补偿器之间的距离,为接触线、承力索的线胀系数,为最高温度,且这些参数均为常数。
优选地,S303具体为:
假设第时刻无故障,第时刻的温度为,B值为;计算与前一时刻的温差和B值变化量如下:
利用温度和B值变化关系可以得到以下故障模型:
正常情况下:
当时,;
当时,且保持不变
当时,且保持不变
当出现故障时则必有:,此处的为时的值;
出现断线故障时:
若 故障概率为
又 故障概率为 若 故障概率为
又 故障概率为 若 故障概率为
……
其中
出现卡滞故障时:
若, 故障概率为
又 , 故障概率为
又 , 故障概率为
又 , 故障概率为
……
其中,
出现零部件脱落故障时:
若,且 故障概率为
又 故障概率为
又 故障概率为
又 故障概率为
……
其中,
以上概率值、、、……的具体取值由历史监测数据进行统计分析得到,统计公式如下:
其中,表示在此种情况下发生此故障的次数;
表示发生此种情况的次数。
本发明的有益效果是:本发明提供的高速铁路接触网安全状态监测方法,通过在接触网补偿装置坠砣上安装高精度的测距传感器和高精度的温度传感器,将现场的实时数据连续不断地进行采集,然后通过物联网技术将传感器采集到的数据实时传送到物联网管理平台的数据库。然后对数据进行析,根据历史告警数据建立故障模型,最后,利用故障模型形成的数据库,对当前告警数据进行匹配,实现对接触网安全状态的诊断和预测。从而使得工作人员无需进入现场进行故障排查,而能够通过远程的监控,并通过学习构建故障模型的方式实现对接触网安全状态的诊断,有效的提升了坠砣状态监测的时效性,大量减少了人工人力的浪费。同时该方法具有高稳定性、高安全性、高可靠性、高精度性、无线传输、免维护等特点,性价比高,在我国全力建设智慧铁路的时代背景下,对提高铁路运维智能化、自动化、集中化管理等方面有极其重要的意义。
附图说明
图1是本发明提供的高速铁路接触网安全状态预测方法流程示意图;
图2是本发明提供的高速铁路接触网安全状态监测装置结构示意图;
图3是本发明提供的软件平台架构示意图;
图4是坠砣安装曲线图;
图5是出现断线故障时,B值随温度的变化曲线图;
图6是出现卡滞故障时,B值随温度的变化曲线图;
图7是出现零部件脱落故障时,B值随温度的变化曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明提供了一种高速铁路接触网安全状态预测方法,包括如下步骤:
S1,实时监测获取连续时刻的坠砣B值和温度数据,并发送至监控中心;
S2,根据监测得到的坠砣B值和温度数据,判断坠砣状态是否异常,如果是,则告警并产生告警数据;
S3,利用历史告警数据构建故障模型库,
S4,将当前告警数据与故障模型库进行模型匹配,得到接触网安全状态预测结果。
现有技术中,接触网检测方法主要依靠于人工测量和动检车,缺乏实时性,并且耗时耗力。接触网补偿装置对维持接触网承力索和接触线的稳定具有重要作用,本发明实施例中,将物联网技术应用于接触网补偿装置的状态监测中,实时监测接触网补偿装置状态,主要是通过对接触网补偿装置的指标进行监测,并判断监测数据是否正常,如果异常,则发出告警,并将该监测数据作为告警数据,根据该告警数据建立故障模型,最后,利用故障模型形成的数据库,对当前告警数据进行匹配,实现对接触网安全状态的预测。
在实际实现过程中,可以通过在补偿装置的坠砣上安装高精度的测距传感器和温度传感器,将现场的实时数据持续地进行采集,然后通过物联网技术用无线传输形式将传感器采集到的数据传输至物联网管理平台进行解析、清洗,并将处理完毕的有效数据存入到数据库中,利用大数据技术对数据进行智能分析,在平台中进行结果展示,从而实现对设施的实时监控和故障预警。
补偿装置在线监测及故障诊断系统由传感器采集设备、网络传输设备、软件平台三大部分组成,其硬件架构可如图2所示。
传感采集设备模块主要由传感器、通信模组、MCU、电路及其外壳组成,负责采集接触网补偿装置的B值和温度值。这些无线传感终端都属于低功耗设备,可设置设备采集信息的频率和上传频率,最大程度的保证传感器待机时间。
网络传输设备主要将传感采集设备采集到的数据传输至数据平台。采用铁路GSM-R网络进行数据传输,相较于传统网络,GSM-R的优势是在铁路沿线实现了全面覆盖,可以将铁路既有GSM-R网络有效利用起来。GSM-R网的另一优势是可以更平滑的与铁路数据网进行数据交互,很好地保障了数据的安全性。
软件平台由数据解析、存储,数据分析,可视化展示三个部分组成,其软件平台架构可如图3所示。该平台将无线终端采集的数据进行解析、分类处理与存储,并进行数据分析,将结果在软件平台界面进行可视化展示。
由于高铁接触网处于复杂多变的环境中,对其在线监测系统的硬件和软件功能要求相对较多,其基本系统功能要求如下:
硬件设计方面需要考虑现场安装条件,硬件检测设备需要耐高温防水等,且体积不宜过大,应便于安装和操作。同时需要考虑对铁路运营安全是否有不利影响。
软件设计方面需要考虑是否符合铁路要求设计规范,数据安全是否能够得到保障,数据分析是否高效、全面,阈值告警门限设置是否合理等。
本发明实施例的S1中,坠砣B值的测量可以选取激光测距传感器,坠砣温度的测量可以选取数字输出IC温度传感器。
传感设备是整个系统的核心组成,只有传感设备具有精确的测量效果和高度的可靠安全性,监测系统的结果才可靠有效,后续基于监测数据的故障诊断才具有参考价值和重要的作用。因此,在接触网补偿装置温度监测和B值监测中,传感器的选型十分重要。
其中,温度传感器产品种类繁多,主要类型可以分为四种:电阻式、热敏电阻器、热电偶及数字输出IC温度传感器。表1是对四种类型传感器的优缺点比较。
表1 四种类型温度传感器优缺点比较
分析表1各种温度传感器的优缺点可知,铂电阻式温度传感器实现低功耗难度大,并且成本相对较高;热敏电阻式传感器成本虽然低廉但精度不高,提高精度必须以成本为代价,实现低功耗难度较大;数字输出IC温度传感器在满足基本测温需求的基础上能够实现低功耗和阈值报警,并且成本相对低廉,性价比最高。铁路接触网补偿装置受到各种条件因素的影响,现场环境复杂,可用的温度传感器必须保证良好的适应性、高度的安全性和一定的精确性。为尽可能地保证使用寿命,传感器要满足低功耗的要求。根据以上对比结果,对铁路补偿装置温度的测量选取数字输出IC温度传感器。
目前常见的测距传感器类型可以分为三种:超声波传感器、激光传感器和红外传感器。表4为常见测距传感器优缺点比较。
表2 常见测距传感器优缺点比较
分析表2各种测距传感器的优缺点可知,超声波传感器抗干扰能力差,容易受到风速和温度的影响;激光传感器测距精确、不受光电的影响,成本较高;红外传感器精度高速度快但是容易受到光照影响,成本较高。高铁接触网补偿装置处于室外环境,容易受到大风、雨雪、强烈日照等自然条件的影响,因此测距传感器应具备较强的抗干扰能力。根据以上对比结果,本发明实施例中,对铁路补偿装置B值的测量选取激光测距传感器。
本发明的一个优选实施例中,S1中,所述坠砣B值和温度数据的监测时间粒度为小时,所述监测数据正常情况下,其传输至监控中心的周期小于等于四小时,所述监测数据异常情况下,其实时传输至监控中心。
本实施例中,需要持续地监测及获取铁路基础设施的指标数据。为了能够实现以上功能,这些数据需要能够体现出持续的周期性变化,并且可以根据变化周期为小时、天、月等不同的时间粒度反映历史变化趋势。因此需要对设施的指标在时间维度上进行持续采集,但由于网络和供电的限制,采集的数据不采用实时回传的方式,而是在监测设备中缓存积累到一定程度再全部回传。
基于以上要求,本发明中,对数据的监测粒度及回传周期采用如下操作方式:
监测粒度:监测粒度是指两次数据采集间的时间间隔。监测粒度的选取需要能够体现出来设施细粒度的变化情况,假设关注的指标数据粒度是1mm,那么需要获取在指标变化为1mm内的时间粒度的反馈数据。
回传周期:回传周期是指,两次数据回传间的时间间隔。基于功耗及网络考虑,采集的数据需要在现场检测设备上进行缓存,达到一定程度进行一次性回传,以降低网络消耗,节省供电。同时,为了能够满足数据监测、故障告警、故障诊断等要求,持续回传的监测数据在一个回传周期内不能发生较大的变化,以及为了能及时获取设备的运行状态,传输周期最大不能大于四个小时。但是,为了保证故障告警的实时性,当出现异常的告警数据时不进入缓存而是直接实时回传。也就是说当实时监测到B值超限时,需要实时回传坠砣告警数据,以便于第一时间获取异常状态。
在本发明的一个优选实施例中,S2具体可以为,将监测得到的坠砣B值与坠砣B值标准范围进行对比,判断坠砣状态是否异常,如果监测得到的坠砣B值在标准范围内,则正常,否则异常并产生坠砣状态告警,同时监测得到的该时刻的坠砣B值和温度数据均作为告警数据并发送至监控中心。
具体的,所述坠砣的告警情况可以包括:
,无告警;
或 ,提示告警;
,严重告警;
其中,为安装曲线标准值,为监测得到的坠砣B值。
在具体实施过程中,可以根据铁道部《接触网运行检修规程》(铁运[2007]69号)文件中相关规定,得知接触网补偿装置B值的主要指标如下(以下单位均为毫米):
为安装曲线标准值,为安全值,为限界值。
由以上规定可以设置在线监测实时告警的阈值(如表3所示),得到以下的坠砣告警情况:
实时监测情况良好,无告警;
或 B值超出安全值,需要及时关注,提示告警;
B值低于限定值,需要及时调整处理,严重告警。
表3 B值在线监测实时告警阈值
本发明实施例中,监测到的坠砣指标B值出现异常时,则将同时刻监测得到的B值和温度数据均作为告警数据,同时发送至数据管理平台,在数据管理平台中,通过构建故障模型库的方法进行故障诊断。具体的,首先对历史监测数据进行数据清洗后进行分析,根据数据特征构建故障模型,并将模型加入到故障模型库中。然后,对于当前监测得到的在线数据,经过清洗后将数据特征与故障模型库进行匹配,得到诊断预测结果。
本发明的一个优选实施例中,S3中,所述故障模型可以按照如下方法进行构建:
S301,根据坠砣安装曲线,得到坠砣B值与温度之间的线性关系,其中,坠砣安装曲线具体可如4所示;
S302,根据坠砣B值与温度之间的线性关系,当温度随时间变化为正弦函数时,得到在不同的故障情况下,坠砣B值随时间的变化规律:
当出现断线故障时,B值瞬间减小到某一值,且一直保持该值不变,该变化规律具体可如图5所示;
当出现卡滞故障时, B值保持当前值不变,该变化规律具体可如图6所示;
当出现零部件脱落故障时,B值瞬时减小后又恢复至正常变化,该变化规律具体可如图7所示;
S303,根据所述坠砣B值随时间的变化规律,构建故障模型。
所述坠砣安装曲线如下式所示
其中,为补偿装置可以设置的最小B值,为补偿装置的传动系数,为中心锚结与补偿器之间的距离,为接触线、承力索的线胀系数,为最高温度,且这些参数均为常数。
S303具体为:
假设第时刻无故障,第时刻的温度为,B值为;计算与前一时刻的温差和B值变化量如下:
利用温度和B值变化关系可以得到以下故障模型:
正常情况下:
当时,;
当时,且保持不变
当时,且保持不变
当出现故障时则必有:,此处的为时的值;
出现断线故障时:
若 故障概率为
又 故障概率为 若 故障概率为
又 故障概率为 若 故障概率为
……
其中
出现卡滞故障时:
若, 故障概率为
又 , 故障概率为
又 , 故障概率为
又 , 故障概率为
……
其中,
出现零部件脱落故障时:
若,且 故障概率为
又 故障概率为
又 故障概率为
又 故障概率为
……
其中,
以上概率值、、、……的具体取值由历史监测数据进行统计分析得到,统计公式如下:
其中,表示在此种情况下发生此故障的次数;
表示发生此种情况的次数。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:本发明通过在接触网补偿装置坠砣上安装高精度的测距传感器和高精度的温度传感器,将现场的实时数据连续不断地进行采集,然后通过物联网技术将传感器采集到的数据实时传送到物联网管理平台的数据库。然后对数据进行析,根据历史告警数据建立故障模型,最后,利用故障模型形成的数据库,对当前告警数据进行匹配,实现对接触网安全状态的诊断和预测。从而使得工作人员无需进入现场进行故障排查,而能够通过远程的监控,并通过学习构建故障模型的方式实现对接触网安全状态的诊断,有效的提升了坠砣状态监测的时效性,大量减少了人工人力的浪费。同时该方法具有高稳定性、高安全性、高可靠性、高精度性、无线传输、免维护等特点,性价比高,在我国全力建设智慧铁路的时代背景下,对提高铁路运维智能化、自动化、集中化管理等方面有极其重要的意义。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (9)
1.一种高速铁路接触网安全状态预测方法,其特征在于,包括如下步骤:
S1,实时监测获取连续时刻的坠砣B值和温度数据,并发送至监控中心;
S2,根据监测得到的坠砣B值和温度数据,判断坠砣状态是否异常,如果是,则告警并产生告警数据;
S3,利用历史告警数据构建故障模型库,
S4,将当前告警数据与故障模型库进行模型匹配,得到接触网安全状态预测结果。
2.根据权利要求1所述的高速铁路接触网安全状态预测方法,其特征在于,S1中,坠砣B值的测量选取激光测距传感器。
3.根据权利要求1所述的高速铁路接触网安全状态预测方法,其特征在于,S1中,坠砣温度的测量选取数字输出IC温度传感器。
4.根据权利要求1所述的高速铁路接触网安全状态预测方法,其特征在于,S1中,所述坠砣B值和温度数据的监测时间粒度为小时,所述监测数据正常情况下,其传输至监控中心的周期小于等于四小时,所述监测数据异常情况下,其实时传输至监控中心。
5.根据权利要求1所述的高速铁路接触网安全状态预测方法,其特征在于,S2具体为,将监测得到的坠砣B值与坠砣B值标准范围进行对比,判断坠砣状态是否异常,如果监测得到的坠砣B值在标准范围内,则正常,否则异常并产生坠砣状态告警,同时监测得到的该时刻的坠砣B值和温度数据均作为告警数据并发送至监控中心。
6.根据权利要求5所述的高速铁路接触网安全状态预测方法,其特征在于,所述坠砣的告警情况包括:
,无告警;
或 ,提示告警;
,严重告警;
其中,为安装曲线标准值,为监测得到的坠砣B值。
7.根据权利要求1所述的高速铁路接触网安全状态预测方法,其特征在于,S3中,所述故障模型按照如下方法进行构建:
S301,根据坠砣安装曲线,得到坠砣B值与温度之间的线性关系;
S302,根据坠砣B值与温度之间的线性关系,当温度随时间变化为正弦函数时,得到在不同的故障情况下,坠砣B值随时间的变化规律:
当出现断线故障时,B值瞬间减小到某一值,且一直保持该值不变;
当出现卡滞故障时, B值保持当前值不变;
当出现零部件脱落故障时,B值瞬时减小后又恢复至正常变化;
S303,根据所述坠砣B值随时间的变化规律,构建故障模型。
8.根据权利要求7所述的高速铁路接触网安全状态预测方法,其特征在于,所述坠砣安装曲线如下式所示
其中,为补偿装置可以设置的最小B值,为补偿装置的传动系数,为中心锚结与补偿器之间的距离,为接触线、承力索的线胀系数,为最高温度,且这些参数均为常数。
9.根据权利要求7所述的高速铁路接触网安全状态预测方法,其特征在于,S303具体为:
假设第时刻无故障,第时刻的温度为,B值为;计算与前一时刻的温差和B值变化量如下:
利用温度和B值变化关系可以得到以下故障模型:
正常情况下:
当时,;
当时,且保持不变
当时,且保持不变
当出现故障时则必有:,此处的为时的值;
出现断线故障时:
若 故障概率为
又 故障概率为 若 故障概率为
又 故障概率为 若 故障概率为
……
其中
出现卡滞故障时:
若, 故障概率为
又 , 故障概率为
又 , 故障概率为
又 , 故障概率为
……
其中,
出现零部件脱落故障时:
若,且 故障概率为
又 故障概率为
又 故障概率为
又 故障概率为
……
其中,
以上概率值、、、……的具体取值由历史监测数据进行统计分析得到,统计公式如下:
其中,表示在此种情况下发生此故障的次数;
表示发生此种情况的次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910397563.1A CN110011864B (zh) | 2019-05-17 | 2019-05-17 | 一种高速铁路接触网安全状态监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910397563.1A CN110011864B (zh) | 2019-05-17 | 2019-05-17 | 一种高速铁路接触网安全状态监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110011864A true CN110011864A (zh) | 2019-07-12 |
CN110011864B CN110011864B (zh) | 2023-12-01 |
Family
ID=67176968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910397563.1A Active CN110011864B (zh) | 2019-05-17 | 2019-05-17 | 一种高速铁路接触网安全状态监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110011864B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652395A (zh) * | 2020-06-12 | 2020-09-11 | 成都国铁电气设备有限公司 | 一种高速铁路接触网设备健康评估方法 |
CN111896044A (zh) * | 2020-06-09 | 2020-11-06 | 山东信通电子股份有限公司 | 一种铁路接触网补偿装置的监测方法及设备 |
CN113075481A (zh) * | 2021-03-29 | 2021-07-06 | 李路 | 接触网补偿装置状态监测及预警方法 |
CN113320445A (zh) * | 2020-02-28 | 2021-08-31 | 中铁二院工程集团有限责任公司 | 一种接触网在线监测及隐患、故障智能判别预警系统 |
CN116337154A (zh) * | 2023-03-27 | 2023-06-27 | 成都铁路科创有限责任公司 | 一种接触网健康状态监测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101907868A (zh) * | 2010-08-05 | 2010-12-08 | 暨南大学珠海学院 | 牵引供电系统智能故障诊断方法及其系统 |
CN102721373A (zh) * | 2012-06-26 | 2012-10-10 | 西安金源电气股份有限公司 | 一种电气化铁路接触网覆冰在线监测系统 |
CN104534989A (zh) * | 2015-01-04 | 2015-04-22 | 同济大学 | 高铁接触网线索空间几何状态参数检测方法 |
CN205523763U (zh) * | 2016-01-26 | 2016-08-31 | 王旭 | 一种智能高速电气化铁路接触网系统 |
CN107161035A (zh) * | 2017-06-02 | 2017-09-15 | 成都素寺图科技有限公司 | 一种监控接触网补偿坠坨高度变化的方法及系统 |
CN107415775A (zh) * | 2017-09-05 | 2017-12-01 | 中铁第勘察设计院集团有限公司 | 接触网系统坠砣位置监测装置 |
RU2681779C1 (ru) * | 2018-05-30 | 2019-03-12 | Открытое Акционерное Общество "Российские Железные Дороги" | Система для контроля и диагностики инфраструктуры высокоскоростного железнодорожного транспорта |
-
2019
- 2019-05-17 CN CN201910397563.1A patent/CN110011864B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101907868A (zh) * | 2010-08-05 | 2010-12-08 | 暨南大学珠海学院 | 牵引供电系统智能故障诊断方法及其系统 |
CN102721373A (zh) * | 2012-06-26 | 2012-10-10 | 西安金源电气股份有限公司 | 一种电气化铁路接触网覆冰在线监测系统 |
CN104534989A (zh) * | 2015-01-04 | 2015-04-22 | 同济大学 | 高铁接触网线索空间几何状态参数检测方法 |
CN205523763U (zh) * | 2016-01-26 | 2016-08-31 | 王旭 | 一种智能高速电气化铁路接触网系统 |
CN107161035A (zh) * | 2017-06-02 | 2017-09-15 | 成都素寺图科技有限公司 | 一种监控接触网补偿坠坨高度变化的方法及系统 |
CN107415775A (zh) * | 2017-09-05 | 2017-12-01 | 中铁第勘察设计院集团有限公司 | 接触网系统坠砣位置监测装置 |
RU2681779C1 (ru) * | 2018-05-30 | 2019-03-12 | Открытое Акционерное Общество "Российские Железные Дороги" | Система для контроля и диагностики инфраструктуры высокоскоростного железнодорожного транспорта |
Non-Patent Citations (4)
Title |
---|
KEHONG LYU; JING QIU; ZAIZHONG ZHOU; GUANJUN LIU: "Helicopter electrical connector intermittent fault diagnosis technology based on contact damage model and vibration stress analysis", IEEE * |
张天高,李春龙,刘誌航: "基于PHM系统的接触网全寿命周期管理研究", 电气化铁道, pages 2 - 2 * |
李志成;欧志新;娄智;: "轨道交通接触网故障检测与诊断案例数据库分析", 枣庄学院学报, no. 02 * |
陈志涛;: "高寒铁路电气化接触网补偿器b值研究", 哈尔滨铁道科技, no. 03 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113320445A (zh) * | 2020-02-28 | 2021-08-31 | 中铁二院工程集团有限责任公司 | 一种接触网在线监测及隐患、故障智能判别预警系统 |
CN113320445B (zh) * | 2020-02-28 | 2022-12-30 | 中铁二院工程集团有限责任公司 | 一种接触网在线监测及隐患、故障智能判别预警系统 |
CN111896044A (zh) * | 2020-06-09 | 2020-11-06 | 山东信通电子股份有限公司 | 一种铁路接触网补偿装置的监测方法及设备 |
CN111652395A (zh) * | 2020-06-12 | 2020-09-11 | 成都国铁电气设备有限公司 | 一种高速铁路接触网设备健康评估方法 |
CN113075481A (zh) * | 2021-03-29 | 2021-07-06 | 李路 | 接触网补偿装置状态监测及预警方法 |
CN116337154A (zh) * | 2023-03-27 | 2023-06-27 | 成都铁路科创有限责任公司 | 一种接触网健康状态监测方法及系统 |
CN116337154B (zh) * | 2023-03-27 | 2024-04-19 | 成都铁路科创有限责任公司 | 一种接触网健康状态监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110011864B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110011864A (zh) | 一种高速铁路接触网安全状态监测方法 | |
CN102721373B (zh) | 一种电气化铁路接触网覆冰在线监测系统 | |
CN103107597B (zh) | 一种电力配网箱式变压器环境参数在线监测系统 | |
CN101661076B (zh) | 绝缘子污秽度检测方法 | |
CN102589612B (zh) | 电气化铁路接触网线夹过热故障智能诊断方法及在线监测系统 | |
CN109032099A (zh) | 工程机械总装生产线在线感知系统 | |
CN109724646A (zh) | 一种配电网开关柜电缆接头监控方法、服务器及系统 | |
CN111190375B (zh) | 一种用于水电站设备的智能监控系统与监控方法 | |
CN106949930A (zh) | 基于自主电源和网络的接触网及供电设备监测系统与方法 | |
CN114069856B (zh) | 电动汽车充电设施远程监测系统及方法 | |
CN109857075A (zh) | 基于移动终端的水资源监控平台运行维护管理系统 | |
CN209676004U (zh) | 一种输配电线路安全运行的无线监控探测器及系统 | |
CN110336379A (zh) | 基于物联网的变电站在线监测系统及终端设备 | |
CN113177646B (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
CN103368261A (zh) | 变电站用在线监测和巡检系统 | |
CN112485503B (zh) | 一种基于大数据处理的杂散电流测量系统及方法 | |
CN208572446U (zh) | 基于物联网的电缆井运行状态在线监测装置 | |
CN109491339A (zh) | 一种基于大数据的变电站设备运行状态预警系统 | |
CN110986791A (zh) | 电气化铁路接触网补偿装置ab值在线测量系统及测量方法 | |
CN109980782A (zh) | 一种输配电线路安全运行的无线监控探测器及系统 | |
CN114142614A (zh) | 一种基于sd-wan网络的高速公路配电房智能运维管理系统 | |
CN211121641U (zh) | 高压无源无线温度在线监测系统 | |
CN205300803U (zh) | 电缆金属层测温系统 | |
CN115297302B (zh) | 一种铁路变电所无人化系统 | |
CN103323119A (zh) | 一种变电站高压开关柜在线测温系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |