CN111721324A - 一种基于加速度信号的接触网吊弦断裂检测方法 - Google Patents

Abstract

本发明涉及一种基于加速度信号的接触网吊弦断裂检测方法。通过在1200m高铁试验段承力索和接触线上安装5组传感器，采集脉动风和受电弓同时作用下跨中吊弦断裂和未断裂两种工况下的加速度信号数据；对其进行EEMD分解，选择主要的本征模函数，计算其能量熵、平均熵和奇异熵特征；然后建立吊弦断裂检测的EEMD‑L1/2‑LR模型，应用阈值迭代算法求解，得到可以判断吊弦是否断裂的两个关键变量：承力索跨中垂直加速度能量熵、承力索跨中水平加速度平均熵，以及判别函数F

基于此，本发明提出了一种基于加速度传感器的吊弦断裂检测的简便方法，其具体操作过程如图所示。试验表明在脉动风和受电弓同时作用下，吊弦断裂检出精度高达97.25%。本方法为接触网系统吊弦快速检修提供了技术保障。

Description

一种基于加速度信号的接触网吊弦断裂检测方法

技术领域

本发明涉及工程信号处理领域，具体涉及一种基于加速度信号的接触网吊弦断裂检测方法。

背景技术

接触网和受电弓构成的弓网系统是影响电力机车稳定受流的重要因素，直接关系着列车的运行安全。接触网沿线露天架设，长期受环境、气候等自然因素以及车辆受电弓的冲击作用，容易引起牵引供电系统发生故障。吊弦作为接触网承力索与定位接触线的“支架”，是接触线、承力索间振动的传递者。在高铁运营中，吊弦在应力作用下发生断裂的事故时有发生。因此利用高铁接触网6C系统传感器采集的加速度信号数据，建立故障诊断模型，实现对接触网运行状况检测，尤其是吊弦断裂的检测非常必要。

高铁接触网6C系统可以采集接触线和承力索的加速度信号，但是如何利用这些加速度信号进行吊弦断裂或不受力等异常情况的检测，是一项未解决的难题。

发明内容

本发明的目的是提供一种基于加速度信号的接触网吊弦断裂检测方法，对接触网采样点加速度信号进行EEMD分解、提取其熵特征，建立对吊弦断裂检测的判别函数，通过所得到的判别函数对高铁接触网吊弦断裂进行故障检测。具体地，其技术方案如下：

基于加速度信号的接触网吊弦断裂检测方法，其特征在于：

所述方法包括：

在接触网跨中吊弦接触线处安装5个加速度传感器；

采集脉动风和受电弓同时作用下跨中吊弦断裂和未断裂两种工况下的水平和垂直加速度信号数据；

对其进行EEMD分解，选择主要的本征模函数，计算其能量熵、平均熵和奇异熵特征；

然后建立吊弦断裂检测的EEMD-L1/2-LR模型，应用阈值迭代算法求解，得到可以判断吊弦是否断裂的两个关键变量：承力索跨中垂直加速度能量熵、承力索跨中水平加速度平均熵，以及判别函数F(x)＝sign(-18.58x₁+14.86x₂+0.9083)；

最后使用所得的判别函数进行吊弦异常检测。

步骤1：加速度传感器安装：

在长度为1200m的接触网试验段，共有21跨，每跨长度为50米，在第11跨接触线和承力索上安装5个传感器：

1#加速度传感器：承力索上支持点1内侧1m处；

2#加速度传感器：承力索上支持点2内侧1m处；

3#加速度传感器：承力索上跨中位置；

4#加速度传感器：接触线上跨中第5吊弦处；

5#加速度传感器：接触线上跨中第9吊弦处。

步骤2：加速度信号数据的采集：

为获取1#～5#检测点的加速度，在列车以250km/h的速度行驶时，以277Hz的频率，采集受电弓和脉动风同时作用下，吊弦无断裂和跨中位置吊弦断裂两种工况下的5个加速度传感器的水平和垂直信号数据；每种工况下各采集K组数据，如K＝200；传感器获取的加速度信号数据，通过NB-IoT网络发送到服务器端。

步骤3：加速度信号的能量熵、平均熵和奇异熵特征的计算：

各加速度信号经过EEMD分解，形成本征函数IMF，计算各IMF与原始信号的皮氏积矩相关系数r，按照r>0.1选取1#-5#传感器的10个加速度信号的前1-6的IMF分量，计算其IMF能量熵、IMF奇异熵、IMF平均熵共30个特征。

步骤4：吊弦断裂检测的EEMD-L1/2-LR模型求解：

为了得到吊弦断裂判别函数，基于步骤3的30个特征数据，建立如下EEMD-L1/2-LR优化模型：

其中

x＝(x₁,x₂,…,x_p)，p＝30,N＝400为样本个数，x_i＝(x_i1,x_i2,…,x_ip)为第i个样本的属性向量，y_i为样本x_i的标号，取值为-1或1，分别代表样本x_i发生吊弦断裂和未发生吊弦断裂，w＝(w₀,w₁,x₂,…,w_N)为待求未知向量，λ＞0为正则化常数

对EEMD-L1/2-LR模型应用阈值迭代算法求解，将脉动风和受电弓同时作用的情形所对应的特征数据集随机无放回抽取70％作为训练集，其余30％作为测试集，分别有280个样本和120个样本；在EEMD-L1/2-LR正则化模型利用阈值迭代算法求解时，分别取稀疏度k＝1,2,...,30,将所得的吊弦断裂检测模型

应用到具有60个正类和60个负类的测试集；按照以上方法，经过10次求解，对w_j取平均值，发现k＝2时，识别精度最高，达到97.25％；分类线性函数系数中承力索跨中垂直加速度能量熵、承力索跨中水平加速度平均熵对应的系数绝对值分别为-18.5860和14.8621，w₀＝0.9083,其他系数绝对值均小于0.001,可以忽略；为便于表达，记吊弦断裂检测判别函数F(x)＝sign(-18.58x₁+14.86x₂+0.9083)。

步骤5：利用吊弦断裂检测判别函数进行吊弦断裂检测：

步骤5.1：在受电弓和脉动风同时作用下，采集承力索跨中加速度传感器的垂直加速度和水平加速度信号数据；

步骤5.2：对采集的加速度信号数据进行EEMD分解，获取6个IMF有效分量，计算承力索跨中传感器的垂直加速度和水平加速度信号能量熵x₁和平均熵x₂，计算F(x)＝sign(-18.58x₁+14.86x₂+0.9083)；如果F(x)＝1，判定为吊弦未断裂，如果F(x)＝-1，判定吊弦发生了断裂。

本发明具有以下优点：

本发明在高铁接触网系统每跨安装5个加速度传感器，对传感器采集的水平和垂向减速度信号进行EMMD特征提取，计算每个减速度信号的能量熵、平均熵和奇异熵，然后建立EEMD-L1/2-LR优化模型，模型求解发现仅承力索跨中垂向加速度能量熵、承力索跨中水平加速度平均熵特征为吊弦断裂检测的显著特征。基于此，本发明提出了一种非常简便易行的吊弦断裂检测方法：只需要在跨中承力索跨位置安装一个传感器，计算其垂向加速度能量熵和水平加速度平均熵特征，应用一个简单的线性判别函数就可准确检测吊弦是否断裂。本方法在脉动风和受电弓同时作用下吊弦断裂检测的精度可达97.25％，可以及时检测接触网系统吊弦发生断裂故障，为接触网系统吊弦快速检修提供了技术保障，从而提高吊弦维护、维修工作效率，降低其维护成本。

附图说明

图1为本发明实现过程的总体框架。

图2为接触网加速度传感器安装位置示意图。

图3吊弦断裂检测过程流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行进一步说明。

图1为本发明为得到吊弦断裂检测的判别函数进行实验的总体框架。具体步骤如下：

步骤1：安装加速度传感器。

在长度为1200m的接触网试验段，共有21跨，每跨长度为50米，在第11跨接触线和承力索上安装5个传感器，加速度传感器的安装位置如图2所示：

1#加速度传感器：承力索上支持点1内侧1m处；

2#加速度传感器：承力索上支持点2内侧1m处；

3#加速度传感器：承力索上跨中位置；

4#加速度传感器：接触线上跨中第5吊弦处；

5#加速度传感器：接触线上跨中第9吊弦处。

步骤2：采集加速度信号数据。

为获取1#～5#检测点的加速度，在列车以250km/h的速度行驶时，以277Hz的频率，采集受电弓和脉动风同时作用下，吊弦无断裂和跨中位置吊弦断裂两种工况下的5个加速度传感器的信号数据，获取了400组数据，其中包括两种工况各200组。每次采集4800个数据点。5个加速度传感器包括垂直和水平方向加速度。

步骤3：计算加速度信号的能量熵、平均熵和奇异熵特征。

各加速度信号经过EEMD分解，形成本征函数IMF，计算各IMF与原始信号的皮氏积矩相关系数r，取r>0.1的6个有效的IMF分量。即选取1#-5#传感器的10个加速度信号的前1-6的IMF分量，计算其IMF能量熵、IMF奇异熵、IMF平均熵共30个特征。

步骤4：吊弦断裂检测的EEMD-L1/2-LR模型求解。

为了得到吊弦断裂判别函数，基于步骤3的30个特征数据，建立如下EEMD-L1/2-LR优化模型：

其中

x＝(x₁,x₂,…,x_p)，p＝30,N＝400为样本个数，x_i＝(x_i1,x_i2,…,x_ip)为第i个样本的属性向量，y_i为样本x_i的标号，取值为-1或1，分别代表样本x_i发生吊弦断裂和未发生吊弦断裂，w＝(w₀,w₁,x₂,…,w_N)为待求未知向量，λ＞0为正则化常数

对EEMD-L1/2-LR模型应用阈值迭代算法求解，将脉动风和受电弓同时作用的情形所对应的特征数据集70％作为训练集，30％作为测试集，分别有280个样本和120个样本。在L1/2-LR正则化模型利用阈值迭代算法求解时，分别取稀疏度k＝1,2,...,30,将所得的吊弦断裂检测模型

应用到具有60个正类和60个负类的测试集。按照以上方法，经过10次求解，对w_j取平均值，发现k＝2时，识别精度最高，达到97.25％。此时得到的分类判别函数系数中承力索跨中垂向加速度能量熵、承力索跨中水平加速度平均熵对应的系数绝对值分别为-18.5860和14.8621，w₀＝0.91,其他系数绝对值均小于0.001,可以忽略。为便于表达，记吊弦断裂检测判别函数F(x)＝sign(-18.58x₁+14.86x₂+0.91)。

步骤5：利用吊弦断裂检测判别函数进行吊弦断裂检测的过程。

步骤5.1：采集承力索跨中传感器的垂直加速度和水平加速度信号数据；

步骤5.2：对采集的加速度信号数据进行EEMD分解，获取6个IMF有效分量，计算承力索跨中传感器的垂向加速度和水平加速度信号能量熵x₁和平均熵x₂，计算F(x)＝sign(-18.58x₁+14.86x₂+0.9083)。如果F(x)＝1，认为吊弦未断裂，如果F(x)＝-1，可以判定吊弦发生了断裂。

本发明的内容不限于实施例，本领域普通技术人员通过阅读本发明说明书而对本发明技术方案采取的任何等效的变换，均为本发明的权利要求所涵盖。

Claims (6)

1.基于加速度信号的接触网吊弦断裂检测方法，其特征在于：

所述方法包括：

在接触网跨中吊弦接触线处安装5个加速度传感器；

采集脉动风和受电弓同时作用下跨中吊弦断裂和未断裂两种工况下的水平和垂直加速度信号数据；

对其进行EEMD分解，选择主要的本征模函数，计算其能量熵、平均熵和奇异熵特征；

然后建立吊弦断裂检测的EEMD-L1/2-LR模型，应用阈值迭代算法求解，得到可以判断吊弦是否断裂的两个关键变量：承力索跨中垂直加速度能量熵、承力索跨中水平加速度平均熵，以及判别函数F(x)＝sign(-18.58x₁+14.86x₂+0.9083)；

最后使用所得的判别函数进行吊弦异常检测。

2.根据权利要求1所述的基于加速度信号的接触网吊弦断裂检测方法，其特征在于：

步骤1：加速度传感器安装：

在长度为1200m的接触网试验段，共有21跨，每跨长度为50米，在第11跨接触线和承力索上安装5个传感器：

1#加速度传感器：承力索上支持点1内侧1m处；

2#加速度传感器：承力索上支持点2内侧1m处；

3#加速度传感器：承力索上跨中位置；

4#加速度传感器：接触线上跨中第5吊弦处；

5#加速度传感器：接触线上跨中第9吊弦处。

3.根据权利要求2所述的基于加速度信号的接触网吊弦断裂检测方法，其特征在于：

步骤2：加速度信号数据的采集：

为获取1#～5#检测点的加速度，在列车以250km/h的速度行驶时，以277Hz的频率，采集受电弓和脉动风同时作用下，吊弦无断裂和跨中位置吊弦断裂两种工况下的5个加速度传感器的水平和垂直信号数据；每种工况下各采集K组数据，如K＝200；传感器获取的加速度信号数据，通过NB-IoT网络发送到服务器端。

4.根据权利要求3所述的基于加速度信号的接触网吊弦断裂检测方法，其特征在于：

步骤3：加速度信号的能量熵、平均熵和奇异熵特征的计算：

各加速度信号经过EEMD分解，形成本征函数IMF，计算各IMF与原始信号的皮氏积矩相关系数r，按照r>0.1选取1#-5#传感器的10个加速度信号的前1-6的IMF分量，计算其IMF能量熵、IMF奇异熵、IMF平均熵共30个特征。

5.根据权利要求4所述的基于加速度信号的接触网吊弦断裂检测方法，其特征在于：

步骤4：吊弦断裂检测的EEMD-L1/2-LR模型求解：

为了得到吊弦断裂判别函数，基于步骤3的30个特征数据，建立如下EEMD-L1/2-LR优化模型：

其中

x＝(x₁,x₂,…,x_p)，p＝30,N＝400为样本个数，x_i＝(x_i1,x_i2,…,x_ip)为第i个样本的属性向量，y_i为样本x_i的标号，取值为-1或1，分别代表样本x_i发生吊弦断裂和未发生吊弦断裂，w＝(w₀,w₁,x₂,…,w_N)为待求未知向量，λ＞0为正则化常数；

对EEMD-L1/2-LR模型应用阈值迭代算法求解，将脉动风和受电弓同时作用的情形所对应的特征数据集随机无放回抽取70％作为训练集，其余30％作为测试集，分别有280个样本和120个样本；在EEMD-L1/2-LR正则化模型利用阈值迭代算法求解时，分别取稀疏度k＝1,2,...,30,将所得的吊弦断裂检测模型

应用到具有60个正类和60个负类的测试集；按照以上方法，经过10次求解，对w_j取平均值，发现k＝2时，识别精度最高，达到97.25％；分类线性函数系数中承力索跨中垂直加速度能量熵、承力索跨中水平加速度平均熵对应的系数绝对值分别为-18.5860和14.8621，w₀＝0.9083,其他系数绝对值均小于0.001,可以忽略；为便于表达，记吊弦断裂检测判别函数F(x)＝sign(-18.58x₁+14.86x₂+0.9083)。

6.根据权利要求5所述的基于加速度信号的接触网吊弦断裂检测方法，其特征在于：

步骤5：利用吊弦断裂检测判别函数进行吊弦断裂检测：

步骤5.1：在受电弓和脉动风同时作用下，采集承力索跨中加速度传感器的垂直加速度和水平加速度信号数据；

步骤5.2：对采集的加速度信号数据进行EEMD分解，获取6个IMF有效分量，计算承力索跨中传感器的垂直加速度和水平加速度信号能量熵x₁和平均熵x₂，计算F(x)＝sign(-18.58x₁+14.86x₂+0.9083)；如果F(x)＝1，判定为吊弦未断裂，如果F(x)＝-1，判定吊弦发生了断裂。

Images