CN112434979A - 道岔系统健康评估方法 - Google Patents

Abstract

本发明公开了一种道岔系统健康评估方法，包括：得到处于正常状态道岔系统的时域统计指标数据矩阵；对所述时域统计指标数据矩阵进行主成分分析，得到主成分向量和变换矩阵；根据得到的时域统计指标数据矩阵和主成分向量计算处于正常状态道岔系统的马氏距离，将其分位数作为道岔系统安全运行的健康阈值；得到处于未知状态道岔系统的时域统计指标；根据得到的时域统计指标和变换矩阵计算处于未知状态道岔系统的马氏距离；将处于未知状态道岔系统的马氏距离与健康阈值进行比较，如果超过了健康阈值，则判定对道岔系统采取维修维护措施，否则不采取维修维护措施。本发明能够准确表征道岔系统当前状态的健康水平，对道岔系统的状态维修形成支撑作用。

Description

道岔系统健康评估方法

技术领域

本发明涉及轨道交通技术领域，尤其涉及一种道岔系统健康评估方法。

背景技术

截至2020年，我国基本建成布局合理、覆盖广泛、高效便捷、功能完善的铁路网、高铁网和轨道交通网络，并与其他交通方式实现有机衔接和深度融合。其中，我国铁路网规模和质量达到世界领先，全国铁路营业里程超过15万公里，其中高铁超过3万公里，覆盖80％以上的大城市，我国城市轨道交通里程超过7000公里。道岔系统用于道岔的转换、锁闭以及道岔所处位置和状态的监督，是实现道岔转换和行车安全的关键设备。

我国许多高速/普通铁路和城市轨道交通线路及站点较早采用了西门子S700K作为道岔转辙设备，这保障了道岔系统在较高可靠性水平运行。随着S700K道岔系统运营时间和动作次数增加，其机械机电性能表现出退化趋势，故障率也呈现不断上升趋势，常会导致道岔的误动作、不动作以及不完全动作，降低了轨道交通的运营效率，扰乱了行车秩序，甚至可能引发行车安全事故。早期投入的S700K道岔系统数量庞大且结构复杂，这些设备智能化程度较低，大多没有振动、电流、压力等状态监测功能，设备使用年限也多数超过了设备供应商质保和维修服务期限，完全依靠传统的事后维修、预防性维修会给轨道运营单位维修部门带来巨大工作量。为此，轨道运营单位通常采用技术改造升级方式，采集道岔设备相关监控数据，据此开展故障检测、故障诊断等工作，这有助于维修工程师进行快速故障定位和排故，提高事后维修效率。

但长期、高频度运行会导致S700K道岔系统出现微小、渐进的性能变化，需要经过一定动作次数之后才能进一步发展到故障状态，采用已有的故障检测与诊断方法难以准确表征当前状态的健康水平，对状态维修形成的支撑作用较为有限。因此，面向S700K道岔系统技术升级需求，急需研发一套基于状态检测数据的道岔系统健康评估方法，支撑S700K道岔系统状态维修工作的实施。

发明内容

本发明针对现有技术中存在的问题，提供一种道岔系统健康评估方法，能够准确表征道岔系统当前状态的健康水平，对道岔系统的状态维修形成支撑作用。

本发明实施方式提供一种道岔系统健康评估方法，包括以下步骤：步骤S1：获取道岔系统的功率数据；步骤S2：根据道岔系统的5个动作过程，将所述功率数据分割为5个功率数据片段；步骤S3：针对每一个功率数据片段，分别计算n个统计指标，得到5n个时域统计指标；步骤S4：针对处于正常状态的道岔系统，重复进行多次所述步骤S1-S3，得到处于正常状态道岔系统的时域统计指标数据矩阵；步骤S5：对所述时域统计指标数据矩阵进行主成分分析，得到主成分向量和变换矩阵；步骤S6：根据步骤S4中得到的时域统计指标数据矩阵和步骤S5中得到的主成分向量计算处于正常状态道岔系统的马氏距离，将其分位数作为道岔系统安全运行的健康阈值MD^*；步骤S7:针对处于未知状态的道岔系统，进行所述步骤S1-S3，得到处于未知状态道岔系统的时域统计指标；步骤S8：根据步骤S7中得到的时域统计指标和步骤S5中得到的变换矩阵计算处于未知状态道岔系统的马氏距离MD₀；步骤S9：将处于未知状态道岔系统的马氏距离MD₀与道岔系统安全运行的健康阈值MD^*进行比较，如果处于未知状态道岔系统的马氏距离MD₀超过了道岔系统安全运行的健康阈值MD^*，则判定对道岔系统采取维修维护措施，否则不采取维修维护措施。

优选地，在所述步骤S5中，求得所述时域统计指标数据矩阵每一列的均值和标准差，对所述时域统计指标数据矩阵进行归一化处理，得到归一化数据矩阵，求解该归一化数据矩阵的协方差矩阵，对该协方差矩阵进行矩阵奇异值分解得到对角特征矩阵，选取对角特征矩阵中的特征向量，将所述时域统计指标数据矩阵投影到选取的特征向量上，得到主成分向量和变换矩阵。

优选地，所述选取对角特征矩阵中的特征向量包括：将对角特征矩阵中的各特征值λ₁,λ₂,...,λ_5n进行由大到小排序，计算特征值比重占比P_i＝λ_i/(λ₁+λ₂+...+λ_5n),i＝1,2,...,5n,选择最小的s使得选取最小的s使得P₁+P₂+...+P_s≥Thr,并且选取对应的特征向量u₁，u₂,...,u_s，其中，Thr表示特征值比重占比的门限值。

优选地，所述选取对角特征矩阵中的特征向量包括：将对角特征矩阵中的各特征值进行由大到小排序，选取与前两个特征值对应的特征向量。

优选地，在所述步骤S6中，将步骤S5中得到的主成分向量进行归一化处理得到归一化的数据矩阵单元，根据该归一化的数据矩阵单元计算马氏距离MD_k,k＝1,2,...,m，m为步骤S4中的重复次数，以直方图形式对MD_k,k＝1,2,...,m进行统计，并计算双侧或单侧的分位数，记该分位数为MD^*，作为道岔系统安全运行的健康阈值。

优选地，在所述步骤S8中，根据步骤S7中得到的时域统计指标和步骤S5中得到的变换矩阵，得到处于未知状态道岔系统的主成分向量；利用步骤S5中得到的均值和标准差对处于未知状态道岔系统的主成分向量进行归一化处理，计算处于未知状态道岔系统的马氏距离MD₀。

优选地，所述步骤S2中的的5个动作过程包括：启动、解锁、转换、锁闭和表示。

优选地，所述步骤S3中的统计指标包括峰峰值、均方根、方差、峰值因子、峭度和偏斜度。

本发明实施方式还提供一种计算机程序产品，其被设置用于执行上述任一项所述的方法。

本发明实施方式还提供一种计算机可读存储介质，具有上述的计算机程序产品。

本发明实施方式的道岔系统健康评估方法能够准确表征道岔系统当前状态的健康水平，对道岔系统的状态维修形成支撑作用。

附图说明

下面，将结合附图对本发明的优选实施方式进行进一步详细的说明，其中：

图1为本发明一种实施方式的道岔系统健康评估方法的流程图；

图2为本发明一种实施方式的道岔系统功率数据分割示意图。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。

本发明面向西门子公司S700K道岔系统智能监测与健康评估技术升级需求，基于部署在工作环境较好的控制室的功率监控数据，首先根据道岔系统的动作过程进行数据分割并统计时域特征指标，然后采用主成分分析方法提取信号主要特征，进一步采用马氏距离方法建立了S700K道岔系统健康评估模型，最后对处于未知状态的道岔系统进行健康评估。根据该方法，可以获知道岔系统当前健康状态，表征道岔系统性能状态微小、渐进的变化，为道岔系统状态维修提供决策依据，一定程度上降低道岔系统故障发生风险，减少轨道交通运营单位的维修资源。

本发明的实施方式提供一种道岔系统健康评估方法，图1为本发明一种实施方式的道岔系统健康评估方法的流程图。如图1所示，本发明实施方式的道岔系统健康评估方法包括以下步骤S1-S9。

首先，在步骤S1中，获取道岔系统的功率数据。本发明实施方式可以在工作环境较好的控制室对S700K道岔系统进行监控，获取功率数据。

在S700K道岔系统处于健康状态条件下，收集第i次动作过程产生的功率数据，记为P(i,j),其中，i为取1,2,…,m的整数，m表示S700K在正常状态下的动作次数，j＝1,2,3,…,ti，ti为第i次动作过程的功率采样点个数。S700K道岔系统具有五个动作过程，即启动、解锁、转换、锁闭和表示。在正常情况下，S700K上述五个动作过程时间总计大约6.6秒，如果采样频率为10Hz，即每秒钟采样10次，这时ti的大小大约为66秒。m取值一般是大于1000的正整数以获得较好建模效果。

在步骤S2中，进行功率数据分割，具体地，根据S700K道岔系统的5个动作过程，即启动、解锁、转换、锁闭和表示，将功率数据分割为相应5个数据片段。图2为本发明一种实施方式的道岔系统功率数据分割示意图。其中，启动过程指的是电动机通电后，电动机开始转动，通过齿轮组减速，传递给摩擦连接器，再带动滚珠丝杠移动的过程；解锁过程指的是电动机启动之后，S700K电动转辙机的外锁闭装置开始解锁的过程；转换过程指的是动作杆带动尖轨移动的过程；锁闭过程指的是在转换到位之后，外加密贴力将尖轨与基本轨进行固定和锁闭的过程；表示过程指的是显示道岔是否正常转换到位以及道岔开通位置信息的过程。

功率数据分割方法如下：

启动过程：P(i,1:j_i,1)

解锁过程：P(i,j_i,1+1:j_i,1+j_i,2)

转换过程：P(i,j_i,1+j_i,2+1:j_i,1+j_i,2+j_i,3)

锁闭过程：P(i,j_i,1+j_i,2+j_i,3+1:j_i,1+j_i,2+j_i,3+j_i,4)

表示过程：P(i,j_i,1+j_i,2+j_i,3+j_i,4+1:j_i,1+j_i,2+j_i,3+j_i,4+j_i,5)

其中，ti＝j_i,1+j_i,2+j_i,3+j_i,4+j_i,5

在步骤S3中，计算功率数据的时域统计指标。具体地，针对每一个功率数据片段，分别计算Index₁，Index₂，…，Index_n等n个统计指标，例如峰峰值、均方根、方差、峰值因子、峭度和偏斜度等，因此得到5n个时域统计指标，记为I(i,5n)。

在步骤S4中，针对处于正常状态的道岔系统，多次重复上述步骤S1-S3，得到处于正常状态道岔系统的时域统计指标数据矩阵。

在本实施方式中，例如将上述步骤S1-S3重复共进行m次，收集道岔系统的功率数据并计算时域统计指标，得到初始的时域统计指标数据矩阵I(1:m,1:5n)。I(1:m,1:5n)具有5n个特征变量，因特征变量之间存在相关性，需要进一步压缩相关特征并减少冗余信息。

为此，在步骤S5中，对所述时域统计指标数据矩阵进行主成分分析，得到主成分向量和变换矩阵。该步骤S5是进行功率数据的特征提取，在步骤S5中，求得所述时域统计指标数据矩阵每一列的均值和标准差，对所述时域统计指标数据矩阵进行归一化处理，得到归一化数据矩阵，求解该归一化数据矩阵的协方差矩阵，对该协方差矩阵进行矩阵奇异值分解得到对角特征矩阵，选取对角特征矩阵中的特征值对应的特征向量，将所述时域统计指标数据矩阵投影到选取的特征向量上，得到主成分向量。

在该步骤中，首先求得初始数据矩阵每一列的均值μ_j和标准差σ_j，对初始数据矩阵I(1:m,1:5n)进行归一化处理，得到归一化的数据矩阵I^*(1:m,1:5n):

其中，I^*(i,j),i＝1,2,...,m,j＝1,2,...,5n为归一化后的时域统计指标数据矩阵，I(i,j),i＝1,2,...,m,j＝1,2,...,5n为初始的时域统计指标数据矩阵。

求解归一化的数据矩阵的协方差矩阵C_5n×5n：

C_5n×5n＝Cov(I^*)

根据协方差矩阵C_5n×5n的正定性质，对其进行矩阵奇异值分解得到

C_5n×5n＝UDU^-1

其中，D为对角特征矩阵，每一个对角元均为协方差矩阵C_5n×5n的特征值，记为λ₁,λ₂,...,λ_5n，矩阵U＝(u₁ u₂ ... u_5n)的列向量u_i,i＝1,2,...,5n为协方差矩阵C_5n×5n对应特征λ_i,i＝1,2,...,5n的特征向量。对特征值λ₁,λ₂,...,λ_5n进行由大到小排序，不失一般性，D矩阵对角元已经具有由大到小进行排序的特点。计算特征值比重占比P_i＝λ_i/(λ₁+λ₂+...+λ_5n),i＝1,2,...,5n。选择最小的s使得

P₁+P₂+...+P_s≥Thr

同时选出对应的特征向量u₁，u₂,...,u_s。其中，Thr表示在功率数据特征提取过程中协方差矩阵的特征值比重占比的门限值，通常可以选择70％、80％、85％、90％或95％，s称为主特征的个数。还有一种普遍做法是选择前两个特征值λ₁,λ₂及对应的特征向量u₁，u₂。

将时域统计指标数据矩阵I投影到选取的特征向量上，得到主成分向量I_pca:

I_pca＝I(u₁ u₂ ... u_s)

其中，I(u₁ u₂ ... u_s)表示矩阵I与矩阵(u₁ u₂ ... u_s)的乘积，表示的是时域统计指标数据矩阵I经过变换矩阵(u₁ u₂ ... u_s)得到主成分向量I_pca。

在步骤S6中，根据步骤S4中得到的时域统计指标数据矩阵和步骤S5中得到的主成分向量计算处于正常状态道岔系统的马氏距离，将其分位数作为道岔系统安全运行的健康阈值。

该步骤S6是计算处于正常状态道岔系统的马氏距离，具体地，将步骤S5中得到的主成分向量I_pca数据进行归一化处理，I_pca(i,j),i＝1,2,...,m,j＝1,2,...,s表示矩阵I_pca的数据单元，m为上述数据收集的次数，s为上述主特征的个数。令

其中，

是归一化后的数据矩阵单元，μ_pca,j和σ_pca,j定义如下：

计算矩阵：

其中，T表示矩阵的转置，

C表示样本

的协方差矩阵。

计算马氏距离：

以直方图形式对MD_k,k＝1,2,...,m进行统计，并计算双侧或单侧的四分位数、十分位数等分位数，记该分位数为MD^*，并作为道岔系统安全运行的健康阈值。

在步骤S7中，针对处于未知状态的道岔系统，进行所述步骤S1-S3，得到处于未知状态道岔系统的时域统计指标。在该步骤中，收集处于未知状态的道岔系统某次动作过程功率数据，分别按照步骤S2和步骤S3的做法对功率数据进行分割处理、时域统计指标计算，从而得到未知状态道岔系统的时域统计指标

在步骤S8中，根据步骤S7中得到的时域统计指标和步骤S5中得到的变换矩阵计算处于未知状态道岔系统的马氏距离。

具体地，根据步骤S7中得到的时域统计指标

和步骤S5中得到的变换矩阵，得到未知状态道岔系统的主成分向量

利用步骤S5中得到的均值μ_pca,j和标准差σ_pca,j对

进行归一化处理，得到

计算处于未知状态的道岔系统的马氏距离：

在步骤S9中，进行道岔系统状态维修决策：将处于未知状态的道岔系统的马氏距离MD₀与道岔系统安全运行的健康阈值MD^*进行比较，如果MD₀超过了道岔系统安全运行的健康阈值MD^*，则判定对道岔系统采取维修维护措施，否则不采取维修维护措施。

如上所述，本发明实施方式的道岔系统健康评估方法面向S700K道岔系统的状态监测与健康评估技术升级需求，建立基于马氏距离的健康评估方法，根据该方法可以获知道岔系统当前健康状态，表征道岔系统性能状态微小、渐进的变化，在道岔系统发生故障前进行预警，为道岔系统状态维修提供决策依据，一定程度上降低因道岔系统故障发生安全风险，减少轨道交通运营单位的维修资源。

本发明实施方式还提供一种计算机程序产品，其被设置用于执行本发明实施方式的道岔系统健康评估方法。另外，本发明实施方式还提供一种具有该计算机程序产品的计算机可读存储介质。

以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。

Claims (10)

1.一种道岔系统健康评估方法，其特征在于，包括以下步骤：

步骤S1：获取道岔系统的功率数据；

步骤S2：根据道岔系统的5个动作过程，将所述功率数据分割为5个功率数据片段；

步骤S3：针对每一个功率数据片段，分别计算n个统计指标，得到5n个时域统计指标；

步骤S4：针对处于正常状态的道岔系统，重复进行多次所述步骤S1-S3，得到处于正常状态道岔系统的时域统计指标数据矩阵；

步骤S5：对所述时域统计指标数据矩阵进行主成分分析，得到主成分向量和变换矩阵；

步骤S6：根据步骤S4中得到的时域统计指标数据矩阵和步骤S5中得到的主成分向量计算处于正常状态道岔系统的马氏距离，将其分位数作为道岔系统安全运行的健康阈值MD^*；

步骤S7:针对处于未知状态的道岔系统，进行所述步骤S1-S3，得到处于未知状态道岔系统的时域统计指标；

步骤S8：根据步骤S7中得到的时域统计指标和步骤S5中得到的变换矩阵计算处于未知状态道岔系统的马氏距离MD₀；

步骤S9：将处于未知状态道岔系统的马氏距离MD₀与道岔系统安全运行的健康阈值MD^*进行比较，如果处于未知状态道岔系统的马氏距离MD₀超过了道岔系统安全运行的健康阈值MD^*，则判定对道岔系统采取维修维护措施，否则不采取维修维护措施。

2.根据权利要求1所述的方法，其特征在于，在所述步骤S5中，

求得所述时域统计指标数据矩阵每一列的均值和标准差，对所述时域统计指标数据矩阵进行归一化处理，得到归一化数据矩阵，求解该归一化数据矩阵的协方差矩阵，对该协方差矩阵进行矩阵奇异值分解得到对角特征矩阵，选取对角特征矩阵中的特征向量，将所述时域统计指标数据矩阵投影到选取的特征向量上，得到主成分向量和变换矩阵。

3.根据权利要求2所述的方法，其特征在于，所述选取对角特征矩阵中的特征向量包括：

将对角特征矩阵中的各特征值λ₁,λ₂,...,λ_5n进行由大到小排序，计算特征值比重占比P_i＝λ_i/(λ₁+λ₂+...+λ_5n),i＝1,2,...,5n,选择最小的s使得选取最小的s使得P₁+P₂+...+P_s≥Thr,并且选取对应的特征向量u₁，u₂,...,u_s，其中，Thr表示特征值比重占比的门限值。

4.根据权利要求2所述的方法，其特征在于，所述选取对角特征矩阵中的特征向量包括：将对角特征矩阵中的各特征值进行由大到小排序，选取与前两个特征值对应的特征向量。

5.根据权利要求1-4中任一项所述的方法，其特征在于，在所述步骤S6中，

将步骤S5中得到的主成分向量进行归一化处理得到归一化的数据矩阵单元，根据该归一化的数据矩阵单元计算马氏距离MD_k,k＝1,2,...,m，m为步骤S4中的重复次数，以直方图形式对MD_k,k＝1,2,...,m进行统计，并计算双侧或单侧的分位数，记该分位数为MD^*，作为道岔系统安全运行的健康阈值。

6.根据权利要求1-5中任一项所述的方法，其特征在于，在所述步骤S8中，

根据步骤S7中得到的时域统计指标和步骤S5中得到的变换矩阵，得到处于未知状态道岔系统的主成分向量；

利用步骤S5中得到的均值和标准差对处于未知状态道岔系统的主成分向量进行归一化处理，计算处于未知状态道岔系统的马氏距离MD₀。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述步骤S2中的的5个动作过程包括：启动、解锁、转换、锁闭和表示。

8.根据权利要求1-7中任一项所述的方法，其特征在于，所述步骤S3中的统计指标包括峰峰值、均方根、方差、峰值因子、峭度和偏斜度。

9.一种计算机程序产品，其被设置用于执行根据权利要求1-8中任一项所述的方法。

10.一种计算机可读存储介质，具有根据权利要求9所述的计算机程序产品。

Images