ZPW-2000轨道电路故障诊断算法应用研究

doi:10.16265/j.cnki.issn1003-3033.2022.06.2336

中国安全科学学报 ›› 2022, Vol. 32 ›› Issue (6): 53-59.doi: 10.16265/j.cnki.issn1003-3033.2022.06.2336

ZPW-2000轨道电路故障诊断算法应用研究

李刚¹^,²^,³(), 卢佩玲²^,³^,^**(), 杨勇²^,³

1 中国铁道科学研究院研究生部,北京 100081
2 中国铁道科学研究院集团有限公司通信信号研究所,北京 100081
3 国家铁路智能运输系统工程技术研究中心,北京 100081

收稿日期:2022-01-13 修回日期:2022-04-10 出版日期:2022-06-28 发布日期:2022-12-28
通讯作者: 卢佩玲
作者简介:
李刚 (1974—),男,黑龙江齐齐哈尔人,博士,研究员,主要从事铁路信号监测技术研究工作。E-mail: lgsmy@139.com。
卢佩玲,研究员
杨勇,副研究员
基金资助:
国家自然科学基金资助(U1734211); 中国国家铁路集团有限公司科技研究开发计划系统性重大课题(P2021G053); 中国铁道科学研究院集团有限公司科研开发计划重大项目(2020YJ133)

Research on application of ZPW-2000 fault diagnosis algorithm for track circuits

LI Gang¹^,²^,³(), LU Peiling²^,³^,^**(), YANG Yong²^,³

1 Graduate Department, China Academy of Railway Sciences, Beijing 100081, China
2 Signal & Communication Research Institute, China Academy of Railway Sciences Co., Ltd., Beijing 100081, China
3 National Railway Intelligent Transportation System Engineering and Technology Research Center, Beijing 100081, China

Received:2022-01-13 Revised:2022-04-10 Online:2022-06-28 Published:2022-12-28
Contact: LU Peiling

摘要/Abstract

摘要：

为预防铁路安全事件的发生,设计ZPW-2000轨道电路故障诊断系统的总体结构,明确4大组成部分,包括数据预处理、数据分析、数据服务及数据应用。首先,通过改进的旋转门转换(SDT)算法对轨道电路电气特性数据进行数据压缩;其次,分段线性拟合轨道电路不同状态下的模拟量数据,计算得到特征值;最后,通过密度聚类的特征提取方法诊断轨道电路故障,并通过系统验证9种常见轨道电路故障。结果表明:改进的SDT算法可以有效对轨道电路电气特性数据进行数据压缩,压缩后的数据经过分段拟合后可以有效提取特征值,应用密度聚类算法可以生成诊断模型,提升轨道电路故障诊断的准确性,从而提高信号设备维护效率和维护水平。

关键词: ZPW-2000, 轨道电路, 故障诊断, 旋转门转换(SDT)算法, 密度聚类

Abstract:

In order to prevent railway accidents, overall structure of ZPW-2000 track circuit fault diagnosis system was designed, and four major components were clarified, including data pre-processing, data analysis, data service and data application. Firstly, electrical characteristics data of track circuits were compressed by improved revolving gate algorithm. Then, piecewise linear fitting was carried out for analog data in different states of the circuits, and eigenvalues were calculated. Finally, circuit faults were diagnosed by feature extraction method of density clustering, and 9 common ones were identified. The results show that the improved SDT can effectively compress electrical characteristics data of track circuits, eigenvalues of compressed data can be effectively extracted after segmental fitting, and furthermore, density clustering algorithm can be used to generate an effective diagnostic model. Improving fault diagnosis accuracy can help increase maintenance efficiency and capability of signal equipment.

Key words: ZPW-2000, track circuit, fault diagnosis, spinning door transformation(SDT)algorithm, density clustering

李刚, 卢佩玲, 杨勇. ZPW-2000轨道电路故障诊断算法应用研究[J]. 中国安全科学学报, 2022, 32(6): 53-59.

LI Gang, LU Peiling, YANG Yong. Research on application of ZPW-2000 fault diagnosis algorithm for track circuits[J]. China Safety Science Journal, 2022, 32(6): 53-59.

图/表 7

图1

图2

图3

表1

图4

图5

表2

参考文献 14

[1]	新时代交通强国铁路先行规划纲要[N]. 人民铁道, 2020-08-13(2).
[2]	陈星, 董昱. 基于模糊认知图模型的轨道电路故障诊断[J]. 铁道科学与工程学报, 2017, 14(9):1983-1989.
	CHEN Xing, DONG Yu. Track circuit fault diagnosis based on fuzzy cognitive map model[J]. Journal of Railway Science and Engineering, 2017, 14(9):1983-1989.
[3]	WANG Zicheng, ZHANG Yadong, GUO Jin, et al. Application of multifractal detrended fluctuation analysis in fault diagnosis for a railway track circuit[J]. Transactions Hong Kong Institution of Engineers, 2018, 25(1):44-55.
[4]	张友鹏, 祁欢, 赵斌. 轨道电路分路态检测方法研究[J]. 铁道学报, 2017, 39(1):70-75.
	ZHANG Youpeng, QI Huan, ZHAO Bin. Research on method for detection of shunt state of track circuits[J]. Journal of China Railway Society, 2017, 39(1):70-75.
[5]	陈志煌, 刘国恒, 王莹莹, 等. 基于动态贝叶斯网络的水下连接器故障诊断[J]. 中国安全科学学报, 2020, 30(5):81-87. doi: 10.16265/j.cnki.issn1003-3033.2020.05.013
	CHEN Zhihuang, LIU Guoheng, WANG Yingying, et al. Fault diagnosis of subsea collet connector based on dynamic Bayesian network[J]. China Safety Science Journal, 2020, 30(5):81-87. doi: 10.16265/j.cnki.issn1003-3033.2020.05.013
[6]	杜奕, 卢德唐, 李道伦, 等. 一种快速的时间序列线性拟合算法[J]. 中国科学技术大学学报, 2007, 41(3):310-314.
	DU Yi, LU Detang, LI Daolun, et al. Fast time series fitting in linear time[J]. Journal of University of Science and Technology of China, 2007, 41(3):310-314.
[7]	田垅, 刘宗田. 最小二乘法分段直线拟合[J]. 计算机科学, 2012, 39(增1):482-484.
	TIAN Long, LIU Zongtian. Least-squares method piecewise linear fitting[J]. Computer Science, 2012, 39(S1):482-484.
[8]	吕游, 刘吉臻, 赵文杰, 等. 基于分段曲线拟合的稳态检测方法[J]. 仪器仪表学报, 2012, 33(1):194-200.
	LYU You, LIU Jizhen, ZHAO Wenjie, et al. Steady-state detecting method based on piecewise curve fitting[J]. Chinese Journal of Scientific Instrument, 2012, 33(1):194-200.
[9]	刘霞, 王运锋. 基于最小二乘法的自动分段多项式曲线拟合方法研究[J]. 科学技术与工程, 2014, 14(3):55-58.
	LIU Xia, WANG Yunfeng. Reasearch of automatically piecewise polynomial curve-fitting method base on least-square principle[J]. Science Technology and Engineering, 2014, 14(3):55-58.
[10]	杨慧敏, 石琴, 陈一锴, 等. 基于混合聚类的农村公路单车事故影响因素分析[J]. 中国安全科学学报, 2020, 30(8):129-136. doi: 10.16265/j.cnki.issn1003-3033.2020.08.019
	YANG Huimin, SHI Qin, CHEN Yikai, et al. Influencing factors for single vehicle accidents on rural highways based on hybrid clustering approach[J]. China Safety Science Journal, 2020, 30 (8):129-136. doi: 10.16265/j.cnki.issn1003-3033.2020.08.019
[11]	伍育红. 聚类算法综述[J]. 计算机科学, 2015, 42(增1):491-499.
	WU Yuhong. Overview on clustering algorithms[J]. Computer Science, 2015, 42(S1):491-499.
[12]	MA Lina. An improved and heuristic-based iterative DBSCAN clustering algorithm[C]. 2021 IEEE 5^th Advanced Information Technology, Electronic and Automation Control Conference (IAEAC), 2021:2709-2713.
[13]	谢旭旭, 戴胜华. 基于深度学习的无绝缘轨道电路故障诊断研究[J]. 铁道学报, 2020, 42(6):79-85.
	XIE Xuxu, DAI Shenghua. Fault diagnosis of jointless track circuit based on deep learning[J]. Journal of China Railway Society, 2020, 42(6):79-85.
[14]	朱文博, 王小敏. 基于组合决策树的无绝缘轨道电路故障诊断方法研究[J]. 铁道学报, 2018, 40(7):74-79.
	ZHU Wenbo, WANG Xiaomin. Research on fault diagnosis of railway jointless track circuit based on combinatorial decision tree[J]. Journal of China Railway Society, 2018, 40(7):74-79.

序号	故障位置	故障名称	故障描述
F1	室内送端	发送器特性不良故障	功出电流总体正常,功出电压出现小幅下降趋势
F2		发送器与模拟网格盘之间开路故障	功出电压正常,功出电流出现归0
F3		送端模拟网络盘(开路、短路)故障	功出电压出现下降,功出电流出现上升趋势
F4	室外送端	送端室外电缆开路故障	功出电压与功出电流均出现上升趋势
F5	室外送端	送端补偿电容不良故障	接收入口主轨电压与接收入口小轨电压均出现小幅下降趋势
F6	室外受端	受端补偿电容不良故障	接收入口主轨电压出现小幅下降趋势,接收入口小轨电压出现小幅上升趋势
F7		受端调谐单元故障	接收入口主轨电压和接收入口小轨电压二者出现波动及下降趋势
F8		受端等阻线至分线盘间开路故障	接收入口主轨电压和接收入口小轨电压二者均不归0
F9	室内受端	受端衰耗器至模拟网络盘故障	电缆侧主轨电压和设备侧主轨电压出现上升趋势

故障序号	送端		受端
故障序号	功出电压	功出电流	电缆侧主轨电压	设备侧主轨电压	接收入口主轨电压	接收入口小轨电压
F1	小幅下降	正常	—	—	—	—
F2	正常	回0	—	—	—	—
F3	下降	上升	—	—	—	—
F4	上升	上升	—	—	—	—
F5	—	—	—	—	小幅下降	小幅下降
F6	—	—	—	—	小幅下降	小幅上升
F7	—	—	—	—	波动、下降	波动、下降
F8	—	—	—	—	不回0	不回0
F9	—	—	上升	上升	—	—

[1]	林海香, 卢冉, 陆人杰, 李新琴, 赵正祥, 白万胜. 融合BiLSTM-CBA组合模型的高铁车载设备故障诊断[J]. 中国安全科学学报, 2022, 32(6): 79-86.
[2]	余伟, 王志鹏, 刘硕, 何刚. 多级精细模型下的电机匝间短路故障诊断[J]. 中国安全科学学报, 2022, 32(6): 95-102.
[3]	邢玉龙, 王剑, 上官伟, 彭聪, 朱林富. 面向海量不平衡数据的轨道电路故障诊断方法[J]. 中国安全科学学报, 2022, 32(5): 112-118.
[4]	古莹奎, 刘平, 林忠海, 邱光琦. 基于Kurtogram与DSCN的滚动轴承故障诊断方法[J]. 中国安全科学学报, 2021, 31(6): 99-105.
[5]	陈志煌, 刘国恒, 王莹莹, 朱春丽, 单荐, 翟小东. 基于动态贝叶斯网络的水下连接器故障诊断[J]. 中国安全科学学报, 2020, 30(5): 81-87.
[6]	余敬芝, 燕飞, 牛儒. 基于Petri网的形式化安全分析方法^*[J]. 中国安全科学学报, 2019, 29(S2): 138-143.
[7]	王斌，施祖建，匡蕾. 基于改进KFDA和RW v-SVM的化工生产系统故障快速诊断[J]. 中国安全科学学报, 2013, 23(8): 84-.
[8]	宋志雄，朱红岗，李星星. 基于案例推理的大型养路机械故障诊断系统[J]. 中国安全科学学报, 2012, 22(12): 41-.
[9]	曹惠玲，赵明，曲春刚，薛鹏. 可靠性数据在民机故障诊断中的应用研究[J]. 中国安全科学学报, 2011, 21(10): 95-.
[10]	马成正，王洪德. 基于FMEA与RBF神经网络的LPG汽车罐车储罐系统故障诊断[J]. 中国安全科学学报, 2011, 21(1): 99-.
[11]	梁文，陶振文，黄超，马勇，刘显明，付萍萍，杨济海. 光纤电力通信系统故障诊断方法及应用实践[J]. 中国安全科学学报, 2008, 18(4): 104-.
[12]	岳文辉，肖兴明，唐果宁. 图像识别技术及其在机械零件无损检测中的应用[J]. 中国安全科学学报, 2007, 17(3): 156-.
[13]	邵辉，赵庆贤，李燕. 关联维数在机械设备故障诊断中的应用研究[J]. 中国安全科学学报, 2006, 16(3): 129-.
[14]	刘仁生. 齿轮的振动故障研究[J]. 中国安全科学学报, 2005, 15(2): 13-.
[15]	王俊峰，汪希时，赵会兵. 青藏铁路列车运行控制系统的安全性分析[J]. 中国安全科学学报, 2001, 11(5): 52-.

ZPW-2000轨道电路故障诊断算法应用研究

Research on application of ZPW-2000 fault diagnosis algorithm for track circuits

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 14

相关文章 15

编辑推荐

Metrics

本文评价