CN115390076A - 重载铁路隧道多棘轮补偿装置ab值在线监测装置及方法 - Google Patents

Abstract

本发明提供一种重载铁路隧道多棘轮补偿装置ab值在线监测装置及方法，装置包括：边缘计算处理中心、超声波传感器和温度传感器；所述边缘计算处理中心，与所述超声波传感器和所述温度传感器通信连接；本发明能实现监测区域内多个补偿装置的实时监测，通过h值的测量方式间距计算出棘轮补偿装置的a、b值，采用线性回归的方式结合温度传感器进行数据拟合和判错，并通过多个超声波传感器传回来的结构化数据进行横向和纵向对比，并定期生成补偿装置的运行工况的结构化数据，保存到本地并上传至指挥中心后台，通过LCD进行预警，现场巡检人员通过查看现场LCD运行工况预警提示，提高对补偿装置的细致检测，达到预防为主，防检结合的目标。

Description

重载铁路隧道多棘轮补偿装置ab值在线监测装置及方法

技术领域

本发明属于重载铁路工务检修技术领域，具体涉及一种重载铁路隧道多棘轮补偿装置ab值在线监测装置及方法。

背景技术

目前电气化重载铁路隧道棘轮补偿装置，主要检测方式为人工巡检方式。人工巡检的作业流程为：作业准备，完成安全措施，检查测量棘轮补偿装置ab值，调整，质量验收，办理收工手续，填写记录。

人工巡检方式，存在检测周期长，工作量大，检测效率低，检测质量与巡检人员的精神状态息息相关等特点。由于重载铁路行驶列车和行驶大轴重货车，具有行车密度和运量特大的特点，从而加速棘轮补偿装置的老化，人工巡检不能准确检测到故障的问题。

发明内容

针对现有技术存在的缺陷，本发明提供一种重载铁路隧道多棘轮补偿装置ab值在线监测装置及方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种重载铁路隧道多棘轮补偿装置ab值在线监测装置，包括：边缘计算处理中心、超声波传感器和温度传感器；

以所述边缘计算处理中心的位置为中心，在距离所述边缘计算处理中心的设定距离的监测区域中，共设置n个棘轮补偿装置；每个棘轮补偿装置安装两个超声波传感器，因此，一共安装2n个超声波传感器；在该监测区域设置1个所述温度传感器；

所述边缘计算处理中心，与所述超声波传感器和所述温度传感器通信连接；

其中，每个棘轮补偿装置，采用以下方式安装两个超声波传感器：

每个棘轮补偿装置，包括接触线用坠砣和承力索用坠砣；在所述接触线用坠砣的上方，固定安装一个所述超声波传感器，称为接触线用超声波传感器，通过所述接触线用超声波传感器，测量所述接触线用超声波传感器的安装位置到所述接触线用坠砣的上表面的距离h1，通过距离h1，反算棘轮补偿装置的接触线ab值；在所述承力索用坠砣的上方，固定安装一个所述超声波传感器，称为承力索用超声波传感器，通过所述承力索用超声波传感器，测量所述承力索用超声波传感器的安装位置到所述承力索用坠砣的上表面的距离h2，通过距离h2，反算棘轮补偿装置的承力索ab值。

优选的，接触线用超声波传感器相对于接触线用坠砣的初始安装位置，与承力索用超声波传感器相对于承力索用坠砣的初始安装位置的确定方式相同，统一表述为：超声波传感器相对于对应的坠砣的初始安装位置为：

坠砣的上端面为圆形，直径为D，圆心为O点；距离圆心O为1/4*D的位置记为点A，在点A正上方位置，距离点A为h的位置为超声波传感器最佳安装位置，h的确定方法为：

h＝(D/2)/(2*tan(α/2))

其中：α为超声波传感器的波速角。

本发明还提供一种重载铁路隧道多棘轮补偿装置ab值在线监测装置的方法，包括以下步骤：

步骤1，边缘计算处理中心采用总线拓扑结构，与其监测区域的超声波传感器和温度传感器通信，在每个采样时刻t，获得各个超声波传感器监测到的实时距离值h(t)和温度传感器监测到的实时温度值u(t)；

具体的，对于2n个超声波传感器，表示为：超声波传感器C₁,超声波传感器C₂,...,超声波传感器C_2n；

在某个采样时刻t，获得超声波传感器C₁监测到的实时距离值h₁(t)，超声波传感器C₂监测到的实时距离值h₂(t),...,超声波传感器C_2n监测到的实时距离值h_2n(t)；

其中，超声波传感器C_i监测到的实时距离值h_i(t)，是指：如果超声波传感器C_i为接触线用超声波传感器，则实时距离值h_i(t)是指：超声波传感器C_i的安装位置到其所监测的接触线用坠砣的上表面的距离；如果超声波传感器C_i为承力索用超声波传感器，，则实时距离值h_i(t)是指：超声波传感器C_i的安装位置到其所监测的承力索用超声波传感器的上表面的距离；因此，统称为：超声波传感器C_i的安装位置到其所监测的坠砣的上表面的距离；

步骤2，边缘计算处理中心采用以下方式，对接收到的每个采样时刻t的每个超声波传感器C_i的实时距离值h_i(t)进行分析计算，得到该采样时刻t时补偿装置的a_i(t)值和b_i(t)值：

b_i(t)＝b_i(0)-(h_i(t)-h_i(0))

a_i(t)＝a_i(0)+(h_i(t)-h_i(0))

其中：

h_i(0)代表初始安装时，超声波传感器C_i到所监测的坠砣上表面的距离，为已知固定值；

a_i(0)代表初始安装时，棘轮中心点到坠砣上表面的距离，为已知固定值；

b_i(0)代表初始安装时，坠砣下表面到基础轨面的距离，为已知固定值；

b_i(t)代表采样时刻t时，计算得到的超声波传感器C_i到所监测的坠砣上表面的距离，称为实时b值；

a_i(t)代表采样时刻t时，计算得到的棘轮中心点到坠砣上表面的距离，称为实时a值；

步骤3，边缘计算处理中心对得到的每个采样时刻t的每个补偿装置的a_i(t)值和b_i(t)值进行综合分析，判断补偿装置的运行状态。

优选的，步骤1中，边缘计算处理中心采用总线拓扑结构，与其监测区域的超声波传感器和温度传感器通信，具体为：

步骤1.1，将2n个超声波传感器和1个温度传感器，统称为监测传感器；

边缘计算处理中心初始化每个监测传感器的传感器ID，并通过占用掉电不丢失的flash空间存储各个监测传感器的传感器ID；

其中：对于2n+1个监测传感器，按照与边缘计算处理中心的距离，初始化各个监测传感器的传感器ID，即：各个监测传感器的传感器ID，按照与边缘计算处理中心距离由近到远的顺序，形成连续递增序列；

步骤1.2，每个监测传感器自身配置有拨码电路，通过拨码电路配置该监测传感器的传感器ID，使其与边缘计算处理中心存储的对应监测传感器的传感器ID相同；

步骤1.3，链路状态检测过程：

步骤1.3.1，边缘计算处理中心广播链路状态检测帧，对于总线上的每个监测传感器，当接收到该链路状态检测帧后，采用以下函数计算延时应答时间time:

time＝f(传感器ID)

即：对于某个监测传感器，其延时应答时间time与自身的传感器ID相关，由于各个监测传感器的传感器ID各不相同，因此，各个监测传感器的延时应答时间time不相同，进而保证各个监测传感器不会同时向链路发送消息，避免链路冲突和堵塞；

步骤1.3.2，然后，从监测传感器接收到链路状态检测帧开始，经过延时应答时间time，该监测传感器向边缘计算处理中心返回链路状态应答帧；

步骤1.3.3，对于边缘计算处理中心，从其广播链路状态检测帧开始，经过设定时间，判断接收到链路状态应答帧的数量，如果接收到链路状态应答帧的数量，小于设定阈值，则表明链路状态异常，边缘计算处理中心向各个监测传感器广播设备异常复位帧，在经过设定时间间隔后，再返回步骤1.3.1；如果接收到链路状态应答帧的数量大于等于设定阈值，则表明链路状态正常，执行步骤1.4；

步骤1.4，边缘计算处理中心采用轮询方式，获得各个监测传感器的监测值的过程：

步骤1.4.1，令j＝1；

步骤1.4.2，边缘计算处理中心向第j个监测传感器发送监测值请求帧，并开始等待第j个监测传感器的应答帧；

如果在设定时间间隔内，边缘计算处理中心接收到第j个监测传感器上传的监测值应答帧，则边缘计算处理中心存储该监测值应答帧；然后，执行步骤1.4.3；如果在设定时间间隔内，边缘计算处理中心未接收到第j个监测传感器上传的监测值应答帧，则边缘计算处理中心记录缺失一次应答，然后执行步骤1.4.3；

步骤1.4.3，判断j是否等于2n+1，如果是，执行步骤1.4.4，否则，令j＝j+1，返回步骤1.4.2；

步骤1.4.4，完成一次轮询，统次本次轮询时应答缺失数量，判断应答缺失数量是否达到设定缺失数量阈值，如果没有，则进行下一次轮询；如果有，则执行步骤4.4.5；

步骤1.4.5，执行步骤1.3的链路状态检测过程，直到链路状态正常，再进行下一次轮询。

优选的，还包括：

每隔设定时间长度，边缘计算处理中心广播数据全召帧；每个接收到数据全召帧的监测传感器，按延时应答时间time，分时上报自身监测到的监测值。

优选的，步骤3具体为：

实时b值和实时a值的分析方法相同，对于实时a值，采用以下方法判断补偿装置的运行状态：

步骤3.1，从监测起始时刻开始，按时间间隔划分为多个监测阶段，表示为：第1个监测阶段,第2个监测阶段，以此类推；

步骤3.2，在第1个监测阶段，采用以下方法，计算得到变化系数k₁：

步骤3.2.1，在第1个监测阶段，假设共有u个采样时刻，分别为：t₁₁，t₁₂,…,t_1u；各个采样时刻得到的实时a值分别为：a₁₁，a₁₂,…,a_1u；各个采样时刻得到的实时温度值分别为：T₁₁，T₁₂,…,T_1u；

步骤3.2.2，以ΔT为横坐标，以实时a值为纵坐标，建立坐标系；其中，ΔT为各个采样时刻采集到的实时温度值，与T₁₁的差值；

将各个采样时刻的实时温度值和实时a值形成的二维点表示在坐标系中，共有u个二维点；

将第1个二维点和第2个二维点进行线性回归拟合，得到拟合直线的斜率k₁；

将第1个二维点,第2个二维点和第3个二维点进行线性回归拟合，得到拟合直线的斜率k₂；

依此类推

将第1个二维点,第2个二维点，直到第u个二维点进行线性回归拟合，得到拟合直线的斜率k_u-1；

对斜率k₁，斜率k₂,…,斜率k_u-1取平均值，得到第1个监测阶段的变化系数k₁；

步骤3.3，第2个监测阶段的状态识别判断：

步骤3.3.1，在第2个监测阶段，仍然有u个采样时刻，分别为：t₂₁，t₂₂,…,t_2u；对应的实时a值分别为：a₂₁，a₂₂,…,a_2u；对应的实时温度值分别为：T₂₁，T₂₂,…,T_2u；

步骤3.3.2，通过第1个监测阶段的变化系数k₁，计算每个采样时刻对应的a值参考值，分别为：Wa₂₁，Wa₂₂,…,Wa_2u，计算公式为：

Wa₂₁＝a_1u+k₁(T₂₁-T_1u)

Wa₂₂＝a_1u+k₁(T₂₂-T_1u)

……

Wa_2u＝a_1u+k₁(T_2u-T_1u)

步骤3.3.3，如果当前为采样时刻t₂₁，则计算得到a值参考值Wa₂₁，判断a值参考值Wa₂₁和实时a值a₂₁的差值，是否超过阈值，如果超过，则报警，否则不报警；

如果当前为采样时刻t₂₂，则计算得到a值参考值Wa₂₂，判断a值参考值Wa₂₂和实时a值a₂₂的差值，是否超过阈值，如果超过，则报警，否则不报警；

依此类推，实现在每个采样时刻的实时a值偏离对应a值参考值的判断，进而判断状态是否异常；

步骤3.3.4，采用下式，计算实时a值偏离对应a值参考值的均方差MSE：

MSE＝{(a₂₁-Wa₂₁)²+(a₂₂-Wa₂₂)²+…+(a_2u-Wa_2u)²}/u

如果均方差MSE小于设定阈值，则变化系数k₁不更新，继续进行第3个监测阶段的状态检测识别；否则，以第2个监测阶段监测到的实时温度值和实时a值为二维点，计算得到新的变化系数，并用新的变化系数更新变化系数k₁，再继续进行第3个监测阶段的状态检测识别。

本发明提供的重载铁路隧道多棘轮补偿装置ab值在线监测装置及方法具有以下优点：

本发明提供一种重载铁路隧道多棘轮补偿装置ab值在线监测装置及方法，能实现监测区域内多个补偿装置的实时监测，通过h值的测量方式间距计算出棘轮补偿装置的a、b值，采用线性回归的方式结合温度传感器进行数据拟合和判错，并通过多个超声波传感器传回来的结构化数据进行横向和纵向对比，并定期生成补偿装置的运行工况的结构化数据，保存到本地并上传至指挥中心后台，通过LCD进行预警，现场巡检人员通过查看现场LCD运行工况预警提示，提高对补偿装置的细致检测，达到预防为主，防检结合的目标。

附图说明

图1为本发明提供的重载铁路隧道多棘轮补偿装置ab值在线监测装置的整体架构图；

图2为本发明提供的重载铁路隧道棘轮补偿装置的结构图；

图3为本发明提供的重载铁路隧道棘轮补偿装置的坠砣的结构图；

图4为本发明提供的超声波传感器相对于坠砣的安装方式图；

图5为本发明提供的超声波传感器相对于坠砣的安装位置的原理图；

图6为本发明提供的超声波传感器相对于坠砣的安装位置的俯视原理图；

图7为本发明提供的承力索ab值和超声波传感器监测到的实时距离值的关系图。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，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例仅用以解释本发明，并不用于限定本发明。

本发明提供一种重载铁路隧道多棘轮补偿装置ab值在线监测装置及方法，利用通信技术、嵌入式技术、线性回归拟合算法等技术，实现面向重载铁路隧道多棘轮补偿装置ab值在线监测，装置部署后，能实现方圆400米内的多个补偿装置的实时监测，例如，4个补偿装置的实时监测，超声波传感器通过从下往下的安装监测方式，避免落灰。通过h值的测量方式间距计算出棘轮补偿装置的a、b值，采用线性回归的方式结合温度传感器进行数据拟合和判错，并通过多个超声波传感器传回来的结构化数据进行横向和纵向对比，并定期生成补偿装置的运行工况的结构化数据，保存到本地并上传至指挥中心后台，通过LCD进行预警，现场巡检人员通过查看现场LCD运行工况预警提示，提高对补偿装置的细致检测，达到预防为主，防检结合的目标。

系统现场部署后，可实现巡检人员在现场时，实时掌握多个补偿装置的异常状态(卡滞、断线)，通过LCD实时了解补偿装置的伸缩距离数据，并结合检修的建议对补偿装置进行调整。结合有线以太网技术，实现7*24小时对补偿装置数据的监测，当出现异常状态时(卡滞、断线)，装置主动报警；当运行工况与另外3个出现偏差过大时，装置主动预警。在指挥中心后台实时监测补偿装置的a,b值，保证接触网的稳定运营。

具体的，本发明研究开发一套重载铁路隧道多棘轮补偿装置ab值在线监测装置，收发一体的超声波传感器向坠砣上表面发射机械波，然后通过接收到坠砣表面反射回来的机械波，据此获得坠砣上表面到超声波传感器的距离，再通过计算公式间接获得补偿装置伸缩移动的距离，即a值和b值；边缘计算处理中心通过线性回归的方式拟合数据，判断多个连续数据的合理性，提高检测的可靠性；边缘计算处理中心通过横向和纵向的数据比较，计算出补偿装置的运行工况趋势，结合运行工况情况并对异常工况发出预警。

本发明提供一种重载铁路隧道多棘轮补偿装置ab值在线监测装置，参考图1，包括：边缘计算处理中心、超声波传感器和温度传感器；

所述边缘计算处理中心的位置为中心，在距离所述边缘计算处理中心的设定距离的监测区域中，共设置n个棘轮补偿装置；每个棘轮补偿装置安装两个超声波传感器，因此，一共安装2n个超声波传感器；在该监测区域设置1个所述温度传感器；

边缘计算处理中心内部采用手拉手的总线拓扑结构，超声波传感器通过T型支撑件，固定于隧道壁，超声波收发面垂直于坠砣的表面。

所述边缘计算处理中心，与所述超声波传感器和所述温度传感器通信连接；作为一种具体实现方式，边缘计算处理中心通过现场总线RS485与超声波传感器和温度传感器通信连接，在边缘计算处理中心内部实现手拉手的硬件连接方式，阻抗匹配的方式，达到总线传输距离的最大化，实现400米铁路隧道上行和下行的补偿装置的检测。

如图2和图3所示，为棘轮补偿装置的结构图，电气化铁路重载铁路隧道棘轮补偿装置上下行一般是对称安装，上行和下行位置相差100米以内。一个棘轮补偿装置分别有承锚和线锚两部分。如图1，1.重型锚臂；2.重型锚臂；3.动滑轮及支架；4.定滑轮及支架；5.补偿绳；6.线夹；7.坠砣限制杆；8代表承力索，9代表接触线；10.接触线用坠砣；11.承力索用坠砣；12.坠砣杆。

其中，如图4所示，每个棘轮补偿装置，采用以下方式安装两个超声波传感器：

每个棘轮补偿装置，包括接触线用坠砣和承力索用坠砣；在所述接触线用坠砣的上方，固定安装一个所述超声波传感器，称为接触线用超声波传感器，通过所述接触线用超声波传感器，测量所述接触线用超声波传感器的安装位置到所述接触线用坠砣的上表面的距离h1，通过距离h1，反算棘轮补偿装置的接触线ab值；在所述承力索用坠砣的上方，固定安装一个所述超声波传感器，称为承力索用超声波传感器，通过所述承力索用超声波传感器，测量所述承力索用超声波传感器的安装位置到所述承力索用坠砣的上表面的距离h2，通过距离h2，反算棘轮补偿装置的承力索ab值。

作为一种具体实现方式，参考图4、图5和图6，接触线用超声波传感器相对于接触线用坠砣的初始安装位置，与承力索用超声波传感器相对于承力索用坠砣的初始安装位置的确定方式相同，统一表述为：超声波传感器相对于对应的坠砣的初始安装位置为：

坠砣的上端面为圆形，直径为D，圆心为O点；距离圆心O为1/4*D的位置记为点A，在点A正上方位置，距离点A为h的位置为超声波传感器最佳安装位置，h的确定方法为：

h＝(D/2)/(2*tan(α/2))

其中：α为超声波传感器的波速角。

例如，以边缘计算处理中心的位置为中心，400米的圆中，部署4个超声波传感器，超声波传感器通过向坠砣发射超声波，通过TOF的原理计算实时距离。h＝340*t/2，(t为超声波发出信号和接收信号的时间差)。

超声波的波速角类锥形α＝5°，标准的坠砣D为18cm，可得最佳安装距离h＝206.13cm。此最佳安装距离，可提高超声波传感器检测精度。采用本发明提供的超声波传感器的安装方式，具有以下优点：1)坠陀中心点连接的牵引线，与超声波传感器向下发射的锥形的超声波波束不接触，因此，牵引线不会对超声波传感器的测距产生干扰。实际中，如果超声波传感器安装在最佳安装位置，在后续测距过程中，会由于收缩而造成超声波传感器和坠砣表面间距离的缩小，因此，超声波传感器在坠砣表面的投影区域变小，此时，牵引线仍然不会对超声波传感器的测距产生干扰。

本发明中，如图1所示，边缘计算处理中心由MCU、拨码开关电路、看门狗电路、现场通信总线电路、LCD电路、电源隔离电路、运行工况预警指示电路、电源转换电路、后台通信电路构成。边缘计算处理中心监测数据，并计算卡滞警报、断线警报、运行工况异常预警。

本发明还提供一种重载铁路隧道多棘轮补偿装置ab值在线监测装置的方法，包括以下步骤：

步骤1，边缘计算处理中心采用总线拓扑结构，与其监测区域的超声波传感器和温度传感器通信，在每个采样时刻t，获得各个超声波传感器监测到的实时距离值h(t)和温度传感器监测到的实时温度值u(t)；

具体的，对于2n个超声波传感器，表示为：超声波传感器C₁,超声波传感器C₂,...,超声波传感器C_2n；

在某个采样时刻t，获得超声波传感器C₁监测到的实时距离值h₁(t)，超声波传感器C₂监测到的实时距离值h₂(t),...,超声波传感器C_2n监测到的实时距离值h_2n(t)；

其中，超声波传感器C_i监测到的实时距离值h_i(t)，是指：如果超声波传感器C_i为接触线用超声波传感器，则实时距离值h_i(t)是指：超声波传感器C_i的安装位置到其所监测的接触线用坠砣的上表面的距离；如果超声波传感器C_i为承力索用超声波传感器，，则实时距离值h_i(t)是指：超声波传感器C_i的安装位置到其所监测的承力索用超声波传感器的上表面的距离；因此，统称为：超声波传感器C_i的安装位置到其所监测的坠砣的上表面的距离；

本步骤中，边缘计算处理中心采用总线拓扑结构，与其监测区域的超声波传感器和温度传感器通信，具体为：

步骤1.1，将2n个超声波传感器和1个温度传感器，统称为监测传感器；

边缘计算处理中心初始化每个监测传感器的传感器ID，并通过占用掉电不丢失的flash空间存储各个监测传感器的传感器ID；

其中：对于2n+1个监测传感器，按照与边缘计算处理中心的距离，初始化各个监测传感器的传感器ID，即：各个监测传感器的传感器ID，按照与边缘计算处理中心距离由近到远的顺序，形成连续递增序列；

步骤1.2，每个监测传感器自身配置有拨码电路，通过拨码电路配置该监测传感器的传感器ID，使其与边缘计算处理中心存储的对应监测传感器的传感器ID相同；

步骤1.3，链路状态检测过程：

步骤1.3.1，边缘计算处理中心广播链路状态检测帧，对于总线上的每个监测传感器，当接收到该链路状态检测帧后，采用以下函数计算延时应答时间time:

time＝f(传感器ID)

即：对于某个监测传感器，其延时应答时间time与自身的传感器ID相关，由于各个监测传感器的传感器ID各不相同，因此，各个监测传感器的延时应答时间time不相同，进而保证各个监测传感器不会同时向链路发送消息，避免链路冲突和堵塞；

步骤1.3.2，然后，从监测传感器接收到链路状态检测帧开始，经过延时应答时间time，该监测传感器向边缘计算处理中心返回链路状态应答帧；

步骤1.3.3，对于边缘计算处理中心，从其广播链路状态检测帧开始，经过设定时间，判断接收到链路状态应答帧的数量，如果接收到链路状态应答帧的数量，小于设定阈值，则表明链路状态异常，边缘计算处理中心向各个监测传感器广播设备异常复位帧，在经过设定时间间隔后，再返回步骤1.3.1；如果接收到链路状态应答帧的数量大于等于设定阈值，则表明链路状态正常，执行步骤1.4；

步骤1.4，边缘计算处理中心采用轮询方式，获得各个监测传感器的监测值的过程：

步骤1.4.1，令j＝1；

步骤1.4.2，边缘计算处理中心向第j个监测传感器发送监测值请求帧，并开始等待第j个监测传感器的应答帧；

如果在设定时间间隔内，边缘计算处理中心接收到第j个监测传感器上传的监测值应答帧，则边缘计算处理中心存储该监测值应答帧；然后，执行步骤1.4.3；如果在设定时间间隔内，边缘计算处理中心未接收到第j个监测传感器上传的监测值应答帧，则边缘计算处理中心记录缺失一次应答，然后执行步骤1.4.3；

步骤1.4.3，判断j是否等于2n+1，如果是，执行步骤1.4.4，否则，令j＝j+1，返回步骤1.4.2；

步骤1.4.4，完成一次轮询，统次本次轮询时应答缺失数量，判断应答缺失数量是否达到设定缺失数量阈值，如果没有，则进行下一次轮询；如果有，则执行步骤4.4.5；

步骤1.4.5，执行步骤1.3的链路状态检测过程，直到链路状态正常，再进行下一次轮询。

还包括：

每隔设定时间长度，边缘计算处理中心广播数据全召帧；每个接收到数据全召帧的监测传感器，按延时应答时间time，分时上报自身监测到的监测值。

步骤2，结合图7，边缘计算处理中心采用以下方式，对接收到的每个采样时刻t的每个超声波传感器C_i的实时距离值h_i(t)进行分析计算，得到该采样时刻t时补偿装置的a_i(t)值和b_i(t)值：

b_i(t)＝b_i(0)-(h_i(t)-h_i(0))

a_i(t)＝a_i(0)+(h_i(t)-h_i(0))

其中：

h_i(0)代表初始安装时，超声波传感器C_i到所监测的坠砣上表面的距离，为已知固定值；

a_i(0)代表初始安装时，棘轮中心点到坠砣上表面的距离，为已知固定值；

b_i(0)代表初始安装时，坠砣下表面到基础轨面的距离，为已知固定值；

b_i(t)代表采样时刻t时，计算得到的超声波传感器C_i到所监测的坠砣上表面的距离，称为实时b值；

a_i(t)代表采样时刻t时，计算得到的棘轮中心点到坠砣上表面的距离，称为实时a值；

步骤3，边缘计算处理中心对得到的每个采样时刻t的每个补偿装置的a_i(t)值和b_i(t)值进行综合分析，判断补偿装置的运行状态。

步骤3具体为：

实时b值和实时a值的分析方法相同，对于实时a值，采用以下方法判断补偿装置的运行状态：

步骤3.1，从监测起始时刻开始，按时间间隔划分为多个监测阶段，表示为：第1个监测阶段,第2个监测阶段，以此类推；

步骤3.2，在第1个监测阶段，采用以下方法，计算得到变化系数k₁：

步骤3.2.1，在第1个监测阶段，假设共有u个采样时刻，分别为：t₁₁，t₁₂,…,t_1u；各个采样时刻得到的实时a值分别为：a₁₁，a₁₂,…,a_1u；各个采样时刻得到的实时温度值分别为：T₁₁，T₁₂,…,T_1u；

步骤3.2.2，以ΔT为横坐标，以实时a值为纵坐标，建立坐标系；其中，ΔT为各个采样时刻采集到的实时温度值，与T₁₁的差值；

将各个采样时刻的实时温度值和实时a值形成的二维点表示在坐标系中，共有u个二维点；

将第1个二维点和第2个二维点进行线性回归拟合，得到拟合直线的斜率k₁；

将第1个二维点,第2个二维点和第3个二维点进行线性回归拟合，得到拟合直线的斜率k₂；

依此类推

将第1个二维点,第2个二维点，直到第u个二维点进行线性回归拟合，得到拟合直线的斜率k_u-1；

对斜率k₁，斜率k₂,…,斜率k_u-1取平均值，得到第1个监测阶段的变化系数k₁；

步骤3.3，第2个监测阶段的状态识别判断：

步骤3.3.1，在第2个监测阶段，仍然有u个采样时刻，分别为：t₂₁，t₂₂,…,t_2u；对应的实时a值分别为：a₂₁，a₂₂,…,a_2u；对应的实时温度值分别为：T₂₁，T₂₂,…,T_2u；

步骤3.3.2，通过第1个监测阶段的变化系数k₁，计算每个采样时刻对应的a值参考值，分别为：Wa₂₁，Wa₂₂,…,Wa_2u，计算公式为：

Wa₂₁＝a_1u+k₁(T₂₁-T_1u)

Wa₂₂＝a_1u+k₁(T₂₂-T_1u)

……

Wa_2u＝a_1u+k₁(T_2u-T_1u)

步骤3.3.3，如果当前为采样时刻t₂₁，则计算得到a值参考值Wa₂₁，判断a值参考值Wa₂₁和实时a值a₂₁的差值，是否超过阈值，如果超过，则报警，否则不报警；

如果当前为采样时刻t₂₂，则计算得到a值参考值Wa₂₂，判断a值参考值Wa₂₂和实时a值a₂₂的差值，是否超过阈值，如果超过，则报警，否则不报警；

依此类推，实现在每个采样时刻的实时a值偏离对应a值参考值的判断，进而判断状态是否异常；

步骤3.3.4，采用下式，计算实时a值偏离对应a值参考值的均方差MSE：

MSE＝{(a₂₁-Wa₂₁)²+(a₂₂-Wa₂₂)²+…+(a_2u-Wa_2u)²}/u

如果均方差MSE小于设定阈值，则变化系数k₁不更新，继续进行第3个监测阶段的状态检测识别；否则，以第2个监测阶段监测到的实时温度值和实时a值为二维点，计算得到新的变化系数，并用新的变化系数更新变化系数k₁，再继续进行第3个监测阶段的状态检测识别。

实际应用中，还边缘计算处理中心还可进行以下补偿装置的运行状态的判断：

(1)灵活设定的实时卡滞状态判断：

基于接触线或承力索的导线受到牵引电流的焦耳热的影响，导致比环境温度要高的特性，通过设定接触线或承力索的卡滞阈值S1、卡滞判断时长S2、温度变化率S3进行卡滞判断，当采集的温度变化率超过设定的温度变化率，并且，在设定的时长S2内，线锚和承锚伸缩值未达到S1值时，将产生卡滞报警。

(2)灵活设定的实时断线状态判断：

通过设定接触线或承力索断线阈值、断线时长，当在很小的时间段内，发生了超过承力索断线阈值的伸缩值时，将产生断线报警。

(3)结合运行工况趋势统计，对运行工况进行预警：

每天数据池内存储的实时b值为：24*60*60*2＝172800个字节的数据，每天对数据池内的实时b值进行统计分析，计算获取b值的最大值、最小值、方差、平均值；并设置两级阈值，分别为：一级阈值、二级阈值。

当最大值、最小值、方差、平均值超出对应设定的一级、二级阈值时，通知后台指挥中心及装置工况阈值指示闪烁，二级工况报警，每1秒闪烁2次；一级工况预警，每1秒闪烁5次。

本发明提供的重载铁路隧道多棘轮补偿装置ab值在线监测装置及方法具有以下优点：

本发明提供一种重载铁路隧道多棘轮补偿装置ab值在线监测装置及方法，能实现监测区域内多个补偿装置的实时监测，通过h值的测量方式间距计算出棘轮补偿装置的a、b值，采用线性回归的方式结合温度传感器进行数据拟合和判错，并通过多个超声波传感器传回来的结构化数据进行横向和纵向对比，并定期生成补偿装置的运行工况的结构化数据，保存到本地并上传至指挥中心后台，通过LCD进行预警，现场巡检人员通过查看现场LCD运行工况预警提示，提高对补偿装置的细致检测，达到预防为主，防检结合的目标。

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 (6)

1.一种重载铁路隧道多棘轮补偿装置ab值在线监测装置，其特征在于，包括：边缘计算处理中心、超声波传感器和温度传感器；

以所述边缘计算处理中心的位置为中心，在距离所述边缘计算处理中心的设定距离的监测区域中，共设置n个棘轮补偿装置；每个棘轮补偿装置安装两个超声波传感器，因此，一共安装2n个超声波传感器；在该监测区域设置1个所述温度传感器；

所述边缘计算处理中心，与所述超声波传感器和所述温度传感器通信连接；

其中，每个棘轮补偿装置，采用以下方式安装两个超声波传感器：

每个棘轮补偿装置，包括接触线用坠砣和承力索用坠砣；在所述接触线用坠砣的上方，固定安装一个所述超声波传感器，称为接触线用超声波传感器，通过所述接触线用超声波传感器，测量所述接触线用超声波传感器的安装位置到所述接触线用坠砣的上表面的距离h1，通过距离h1，反算棘轮补偿装置的接触线ab值；在所述承力索用坠砣的上方，固定安装一个所述超声波传感器，称为承力索用超声波传感器，通过所述承力索用超声波传感器，测量所述承力索用超声波传感器的安装位置到所述承力索用坠砣的上表面的距离h2，通过距离h2，反算棘轮补偿装置的承力索ab值。

2.根据权利要求1所述的重载铁路隧道多棘轮补偿装置ab值在线监测装置，其特征在于，接触线用超声波传感器相对于接触线用坠砣的初始安装位置，与承力索用超声波传感器相对于承力索用坠砣的初始安装位置的确定方式相同，统一表述为：超声波传感器相对于对应的坠砣的初始安装位置为：

坠砣的上端面为圆形，直径为D，圆心为O点；距离圆心O为1/4*D的位置记为点A，在点A正上方位置，距离点A为h的位置为超声波传感器最佳安装位置，h的确定方法为：

h＝(D/2)/(2*tan(α/2))

其中：α为超声波传感器的波速角。

3.一种权利要求1-2任一项所述的重载铁路隧道多棘轮补偿装置ab值在线监测装置的方法，其特征在于，包括以下步骤：

步骤1，边缘计算处理中心采用总线拓扑结构，与其监测区域的超声波传感器和温度传感器通信，在每个采样时刻t，获得各个超声波传感器监测到的实时距离值h(t)和温度传感器监测到的实时温度值u(t)；

具体的，对于2n个超声波传感器，表示为：超声波传感器C₁,超声波传感器C₂,...,超声波传感器C_2n；

在某个采样时刻t，获得超声波传感器C₁监测到的实时距离值h₁(t)，超声波传感器C₂监测到的实时距离值h₂(t),...,超声波传感器C_2n监测到的实时距离值h_2n(t)；

其中，超声波传感器C_i监测到的实时距离值h_i(t)，是指：如果超声波传感器C_i为接触线用超声波传感器，则实时距离值h_i(t)是指：超声波传感器C_i的安装位置到其所监测的接触线用坠砣的上表面的距离；如果超声波传感器C_i为承力索用超声波传感器，，则实时距离值h_i(t)是指：超声波传感器C_i的安装位置到其所监测的承力索用超声波传感器的上表面的距离；因此，统称为：超声波传感器C_i的安装位置到其所监测的坠砣的上表面的距离；

步骤2，边缘计算处理中心采用以下方式，对接收到的每个采样时刻t的每个超声波传感器C_i的实时距离值h_i(t)进行分析计算，得到该采样时刻t时补偿装置的a_i(t)值和b_i(t)值：

b_i(t)＝b_i(0)-(h_i(t)-h_i(0))

a_i(t)＝a_i(0)+(h_i(t)-h_i(0))

其中：

h_i(0)代表初始安装时，超声波传感器C_i到所监测的坠砣上表面的距离，为已知固定值；

a_i(0)代表初始安装时，棘轮中心点到坠砣上表面的距离，为已知固定值；

b_i(0)代表初始安装时，坠砣下表面到基础轨面的距离，为已知固定值；

b_i(t)代表采样时刻t时，计算得到的超声波传感器C_i到所监测的坠砣上表面的距离，称为实时b值；

a_i(t)代表采样时刻t时，计算得到的棘轮中心点到坠砣上表面的距离，称为实时a值；

步骤3，边缘计算处理中心对得到的每个采样时刻t的每个补偿装置的a_i(t)值和b_i(t)值进行综合分析，判断补偿装置的运行状态。

4.根据权利要求3所述的重载铁路隧道多棘轮补偿装置ab值在线监测装置的方法，其特征在于，步骤1中，边缘计算处理中心采用总线拓扑结构，与其监测区域的超声波传感器和温度传感器通信，具体为：

步骤1.1，将2n个超声波传感器和1个温度传感器，统称为监测传感器；

边缘计算处理中心初始化每个监测传感器的传感器ID，并通过占用掉电不丢失的flash空间存储各个监测传感器的传感器ID；

其中：对于2n+1个监测传感器，按照与边缘计算处理中心的距离，初始化各个监测传感器的传感器ID，即：各个监测传感器的传感器ID，按照与边缘计算处理中心距离由近到远的顺序，形成连续递增序列；

步骤1.2，每个监测传感器自身配置有拨码电路，通过拨码电路配置该监测传感器的传感器ID，使其与边缘计算处理中心存储的对应监测传感器的传感器ID相同；

步骤1.3，链路状态检测过程：

步骤1.3.1，边缘计算处理中心广播链路状态检测帧，对于总线上的每个监测传感器，当接收到该链路状态检测帧后，采用以下函数计算延时应答时间time:

time＝f(传感器ID)

即：对于某个监测传感器，其延时应答时间time与自身的传感器ID相关，由于各个监测传感器的传感器ID各不相同，因此，各个监测传感器的延时应答时间time不相同，进而保证各个监测传感器不会同时向链路发送消息，避免链路冲突和堵塞；

步骤1.3.2，然后，从监测传感器接收到链路状态检测帧开始，经过延时应答时间time，该监测传感器向边缘计算处理中心返回链路状态应答帧；

步骤1.3.3，对于边缘计算处理中心，从其广播链路状态检测帧开始，经过设定时间，判断接收到链路状态应答帧的数量，如果接收到链路状态应答帧的数量，小于设定阈值，则表明链路状态异常，边缘计算处理中心向各个监测传感器广播设备异常复位帧，在经过设定时间间隔后，再返回步骤1.3.1；如果接收到链路状态应答帧的数量大于等于设定阈值，则表明链路状态正常，执行步骤1.4；

步骤1.4，边缘计算处理中心采用轮询方式，获得各个监测传感器的监测值的过程：

步骤1.4.1，令j＝1；

步骤1.4.2，边缘计算处理中心向第j个监测传感器发送监测值请求帧，并开始等待第j个监测传感器的应答帧；

如果在设定时间间隔内，边缘计算处理中心接收到第j个监测传感器上传的监测值应答帧，则边缘计算处理中心存储该监测值应答帧；然后，执行步骤1.4.3；如果在设定时间间隔内，边缘计算处理中心未接收到第j个监测传感器上传的监测值应答帧，则边缘计算处理中心记录缺失一次应答，然后执行步骤1.4.3；

步骤1.4.3，判断j是否等于2n+1，如果是，执行步骤1.4.4，否则，令j＝j+1，返回步骤1.4.2；

步骤1.4.4，完成一次轮询，统次本次轮询时应答缺失数量，判断应答缺失数量是否达到设定缺失数量阈值，如果没有，则进行下一次轮询；如果有，则执行步骤4.4.5；

步骤1.4.5，执行步骤1.3的链路状态检测过程，直到链路状态正常，再进行下一次轮询。

5.根据权利要求4所述的重载铁路隧道多棘轮补偿装置ab值在线监测装置的方法，其特征在于，还包括：

每隔设定时间长度，边缘计算处理中心广播数据全召帧；每个接收到数据全召帧的监测传感器，按延时应答时间time，分时上报自身监测到的监测值。

6.根据权利要求3所述的重载铁路隧道多棘轮补偿装置ab值在线监测装置的方法，其特征在于，步骤3具体为：

实时b值和实时a值的分析方法相同，对于实时a值，采用以下方法判断补偿装置的运行状态：

步骤3.1，从监测起始时刻开始，按时间间隔划分为多个监测阶段，表示为：第1个监测阶段,第2个监测阶段，以此类推；

步骤3.2，在第1个监测阶段，采用以下方法，计算得到变化系数k₁：

步骤3.2.1，在第1个监测阶段，假设共有u个采样时刻，分别为：t₁₁，t₁₂,…,t_1u；各个采样时刻得到的实时a值分别为：a₁₁，a₁₂,…,a_1u；各个采样时刻得到的实时温度值分别为：T₁₁，T₁₂,…,T_1u；

步骤3.2.2，以ΔT为横坐标，以实时a值为纵坐标，建立坐标系；其中，ΔT为各个采样时刻采集到的实时温度值，与T₁₁的差值；

将各个采样时刻的实时温度值和实时a值形成的二维点表示在坐标系中，共有u个二维点；

将第1个二维点和第2个二维点进行线性回归拟合，得到拟合直线的斜率k₁；

将第1个二维点,第2个二维点和第3个二维点进行线性回归拟合，得到拟合直线的斜率k₂；

依此类推

将第1个二维点,第2个二维点，直到第u个二维点进行线性回归拟合，得到拟合直线的斜率k_u-1；

对斜率k₁，斜率k₂,…,斜率k_u-1取平均值，得到第1个监测阶段的变化系数k₁；

步骤3.3，第2个监测阶段的状态识别判断：

步骤3.3.1，在第2个监测阶段，仍然有u个采样时刻，分别为：t₂₁，t₂₂,…,t_2u；对应的实时a值分别为：a₂₁，a₂₂,…,a_2u；对应的实时温度值分别为：T₂₁，T₂₂,…,T_2u；

步骤3.3.2，通过第1个监测阶段的变化系数k₁，计算每个采样时刻对应的a值参考值，分别为：Wa₂₁，Wa₂₂,…,Wa_2u，计算公式为：

Wa₂₁＝a_1u+k₁(T₂₁-T_1u)

Wa₂₂＝a_1u+k₁(T₂₂-T_1u)

……

Wa_2u＝a_1u+k₁(T_2u-T_1u)

步骤3.3.3，如果当前为采样时刻t₂₁，则计算得到a值参考值Wa₂₁，判断a值参考值Wa₂₁和实时a值a₂₁的差值，是否超过阈值，如果超过，则报警，否则不报警；

如果当前为采样时刻t₂₂，则计算得到a值参考值Wa₂₂，判断a值参考值Wa₂₂和实时a值a₂₂的差值，是否超过阈值，如果超过，则报警，否则不报警；

依此类推，实现在每个采样时刻的实时a值偏离对应a值参考值的判断，进而判断状态是否异常；

步骤3.3.4，采用下式，计算实时a值偏离对应a值参考值的均方差MSE：

MSE＝{(a₂₁-Wa₂₁)²+(a₂₂-Wa₂₂)²+…+(a_2u-Wa_2u)²}/u

如果均方差MSE小于设定阈值，则变化系数k₁不更新，继续进行第3个监测阶段的状态检测识别；否则，以第2个监测阶段监测到的实时温度值和实时a值为二维点，计算得到新的变化系数，并用新的变化系数更新变化系数k₁，再继续进行第3个监测阶段的状态检测识别。

Images