基于ReliefF-Ada...无绝缘轨道电路故障诊断模型_刘瑞丹.pdf
《基于ReliefF-Ada...无绝缘轨道电路故障诊断模型_刘瑞丹.pdf》由会员分享,可在线阅读,更多相关《基于ReliefF-Ada...无绝缘轨道电路故障诊断模型_刘瑞丹.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 42 卷第 3 期2023 年 6 月兰州交通大学学报Journal of Lanzhou Jiaotong UniversityVol 42 No 3Jun 2023收稿日期:2022-12-29学报网址:https:/lztx cbpt cnki net基金项目:国家自然科学基金(61763023);甘肃省科技计划项目(重点研发计划)(20YF8GA037)作者简介:刘瑞丹(1996 ),女,河北邯郸人,硕士研究生,主要研究方向为轨道电路故障诊断。E-mail:2072687320 qq com文章编号:1001-4373(2023)03-0061-07DOI:10 3969/j is
2、sn 1001-4373 2023 03 009基于 eliefF-Adaboost 的无绝缘轨道电路故障诊断模型刘瑞丹,董昱(兰州交通大学 自动化与电气工程学院,兰州730070)摘要:现阶段对 ZPW-2000A 型无绝缘轨道电路的故障判别方式主要是对微机监测数据进行人工分析,但这种方式存在主观性强、判别效率低等问题。为解决上述问题,提出了 eliefF-Adaboost 故障诊断模型对轨道电路进行故障识别。首先,通过分析轨道电路工作原理,初步选取 10 个特征参数;然后,利用 eliefF 算法得到各个特征参数的权重,并按照权重由大到小依次输入到 Adaboost 故障分类器中,筛选出对
3、轨道电路故障诊断最有效的特征参数;最后,将其再次输入到 Adaboost 故障分类器中完成故障识别。仿真结果表明:eliefF-Adaboost 模型故障诊断准确率为 9667%,相较于无特征参数筛选的 Adaboost 模型提升了 2 50%。该模型有效提升了 ZPW-2000A 型无绝缘轨道电路的故障诊断性能。关键词:故障诊断;ZPW-2000A 无绝缘轨道电路;eliefF 算法;Adaboost 算法中图分类号:U284 28文献标志码:AFault Diagnosis Model of Jointless Track Circuit Based on eliefF-AdaboostL
4、IU ui-dan,DONG Yu(School of Automation and Electrical Engineering,Lanzhou Jiaotong University,Lanzhou 730070,China)Abstract:At the present stage,the main way of fault identification for ZPW-2000A jointless track circuitis to manually analyze the microcomputer monitoring data,which has the problems o
5、f strong subjectivityand low identification efficiency To solve the these problems,eliefF-Adaboost fault diagnosis model isproposed for track circuit fault identification Firstly,10 characteristic parameters are preliminarily select-ed by analyzing the working principle of track circuit Then,the eli
6、efF algorithm is used to obtain theweight of each feature parameter then input into Adaboost fault classifier in descending order of weightThe most effective feature parameters for fault diagnosis of track circuit are screened out Finally,they areinput again into the Adaboost fault classifier to com
7、plete fault identification Simulation results show that:the accuracy of fault diagnosis of eliefF-Adaboost model is 96 67%,which is 2 50%higher than that ofAdaboost model without feature parameter screening,which can effectively improve the fault diagnosis per-formance of ZPW-2000A jointless track c
8、ircuitKey words:fault diagnosis;ZPW-2000A jointless track circuit;eliefF algorithm;Adaboost algorithm轨道电路对保证列车的运行安全发挥着极其重要的作用,其能够检测线路状态、传递行车信息以及监督区间占用情况1。截至 2022 年 9 月底,全国铁路营业里程达 15 3 万 km,高速铁路运营里程超过兰州交通大学学报第 42 卷4 万 km。随着我国铁路运营里程不断增加,众多新技术应用到了铁路信号系统中,我国列车运行控制系统从 CTCS-0 系统逐渐发展至 CTCS-3 系统,ZPW-2000A 型
9、无绝缘轨道电路是 CTCS-2 系统和 CTCS-3系统的重要组成部分2,但由于 ZPW-2000A 型无绝缘轨道电路结构复杂且部分设备处于室外,因而易发生故障。为解决目前现场对轨道电路故障处理时间长、判别效率低以及工作人员劳动强度大等一系列问题,国内外学者将智能诊断算法应用到了轨道电路故障诊断中。现阶段分类算法在轨道电路故障诊断中应用越来越普遍,并取得了丰富的成果。文献 3利用粗糙集(rough set,S)算法为各子网络提取特征,再将C45 决策树融入各子网来提取诊断规则,实现了轨道电路故障诊断。文献 4 利用深度置信网络挖掘了故障数据的内部特征,并在此基础上结合反向传播神经网络(back
10、-propagation neural network,BPNN)分类器,实现了无绝缘轨道电路故障诊断。文献 5 利用 S 算法对存在冗余特征参数的故障数据进行了特征提取,并将特征提取后的数据输入到模糊认知图(fuzzy cognitive map,FCM)诊断模型中,进而实现了轨道电路的故障识别。文献 6 首先利用主成分分析(principal component analysis,PCA)算法进行特征参数提取,然后利用模拟退火(simulatedannealing,SA)算法和粒子群优化(particle swarm op-timization,PSO)算法对最小二乘支持向量机算法进行改进
11、,提高了诊断精度。文献 7将长短期记忆(long short-term memory,LSTM)神经网络模型应用到轨道电路故障诊断中,通过考虑来自同一地理区域内的多个轨道电路信号,并根据其空间和时间依赖性生成诊断模型。文献 8 利用灰色理论和专家系统对轨道电路常见的几种故障类型进行了故障预测。现有的轨道电路故障诊断研究大多将特征参数筛选与故障识别两部分单独完成,在特征参数筛选时未考虑分类器准确率的变化情况,这使得可以增加准确率的特征参数可能会被剔除,导致准确率变低。针对这一现状,本文提出 eliefF-Adaboost 模型对无绝缘轨道电路进行故障诊断。该模型在轨道电路故障诊断时将特征参数筛选
12、和故障分类 2 个过程进行结合,在得到最优特征子集的同时也保证了故障分类器的准确率。1ZPW-2000A 无绝缘轨道电路1 1轨道电路工作原理随着铁路交通的快速发展,交通安全已成为人们关注的焦点。ZPW-2000A 轨道电路可以向列车传递行车信息9,其主要由室内设备和室外设备组成10。室内设备发送器产生的移频信号具有精度高和稳定性强的特点,该移频信号通过主轨道电路和小轨道电路传输至本区段接收器和列车运行前方相邻区段接收器进行处理,其中:经小轨道电路传输至列车运行前方相邻区段接收器进行处理完成的信号以小轨道状态条件(小轨 XG,小轨回 XGH)形式反馈至本区段轨道电路接收器;本区段轨道电路接收器
13、将接收到的信号进行判断,无误后动作本区段轨道继电器(GJ),轨道继电器的吸起和落下分别对应轨道电路的空闲和占用。图 1 为 ZPW-2000A 轨道电路结构图。1 2轨道电路故障分析描述轨道电路故障主要有 2 种方式:一是根据故障现象进行描述,无车占用时轨道电路出现红光带现象,有车占用时轨道电路出现分路不良现象;二是根据电压的变化进行描述,当设备发生故障时,会引起相应的电压在标准值范围之外波动。各设备电压的标准值参考 ZPW-2000A 轨道电路技术规范11。本文通过分析各设备工作原理和电压特性并结合现场维修人员在故障判别时选取的主要测试参数12,初步选取了 10 个特征参数,见表 1。ZPW
14、-2000A 无绝缘轨道电路有多个信息采集点,对选取的 10 个特征参数采集点在图 1 中进行了标注。根据现场提供的轨道电路故障数据资料并结合前人对轨道电路故障诊断的研究2-6,得到了常见的故障类型以及对应的故障描述(见表 2),归一化处理后部分故障数据见表 3。由于轨道电路系统构成复杂,当只有一种设备发生故障时,往往会引起多个电压在标准值范围之外波动,当某单一电压不在标准范围之内也有可能对应多种故障类型13。例如,当接收端调谐区发生故障时会引起包含轨出 1 电压在内的至少 4 种电压发生不同形式的变化,当轨出1 电压出现异常时可能会产生的故障类型有发送器故障和主轨道故障等14-16。26第
15、3 期刘瑞丹等:基于 eliefF-Adaboost 的无绝缘轨道电路故障诊断模型图 1ZPW-2000A 型轨道电路构成Fig 1ZPW-2000A track circuit composition表 1特征参数及其标准值Tab 1Characteristic parameters and standard values符号特征参数标准值U1/mV主轨入电压170U2/mV小轨入电压42U3/mV轨出 1 电压240U4/mV轨出 2 电压 100,300U5/VGJ 电压20U6/VXG 电压20U7/V小轨检 XGJ 电压20U8/V发送功出电压 73,178U9/V发送电源电压 23
16、 5,24 5U10/V电缆模拟网络盘设备侧电压 73,1782基于 eliefF 算法筛选特征参数2 1eliefF 算法eliefF 是一种常见的特征参数筛选算法17,其对每个特征参数的分类能力进行重要性评估,具有计算复杂度低和通用性能佳的优点。eliefF 算法的原理是对每个特征参数赋予权重,依据每个特征参数在同类样本和异类样本的划分能力评估特征参数与类别的关联程度。某一特征参数对故障分类贡献度越高,则赋予该特征参数的权重越大;反之,赋予该特征参数的权重越小。对于多分类问题,eliefF 算法的解决思路为:1)在训练集 S 中随机抽取 1 个样本0;2)在训练集 S 中随机抽取 k 个样
17、本 H1 Hk(与0同类别);3)在训练集 S 中随机抽取 k 个样本 M1(C)Mk(C)(与 0不同类别);4)根据权重公式计算特征参数的权重;5)重复前 3 步 m 次,并更新特征参数的权重。权重公式18 如式(1)所示。W(T)=W(T)1mkkj=1Xdiff(T,0,Hj)+1mkCC(0)p(C)1 p(C(0)kj=1Xdiff(T,0,Mj(C()(1)式中:T 为某一特征参数;W(T)为特征参数 T 的权重,初始值为 0;m 为循环次数;Xdiff(T,0,Hj)表示同种故障类别的 2 个样本在特征参数 T 上的差;C(0)是样本 0的类别;p(C)是类别 C 所占的比例;
18、Xdiff(T,0,Mj(C)表示不同故障类别的 2 个样本在特征参数 T 上的差。36兰州交通大学学报第 42 卷表 2ZPW-2000A 轨道电路常见故障类型Tab 2Common faults of ZPW-2000A track circuit序号故障类型主要故障描述1正常轨道电路各设备正常工作2发送器故障24 V 电源正常,发送功出电压异常,轨出 1 电压降低3主轨道故障主轨入电压降低,轨出 1 电压降低4接收端调谐区故障主轨入电压降低,小轨入电压降低,轨出 1 电压降低,轨出 2 电压降低5衰耗盒故障轨出 1 电压异常,轨出 2 电压异常,XG 电压降低6接收器故障轨道继电器电压有
19、较大幅度波动表 3归一化后的部分故障数据Tab 3Part of the normalized fault data数据编号U1/mVU2/mVU3/mVU4/mVU5/VU6/VU7/VU8/VU9/VU10/V故障类型10 7130 6830 8800 6930 9930 9770 9810 9110 8000 905120 3160 7260 2970 6270 4140 9810 2660 0260 8000 033230 0220 7100 0190 6890 4070 9770 9810 9110 7000 906340 3340 2240 3200 1850 3190 3360
20、9810 9090 8000 897450 6130 7150 0020 2350 3920 3500 9810 9230 8000 930560 7010 6920 8790 6950 0110 9770 9810 9310 7000 90762 2故障诊断模型最优特征子集确定方法在筛选特征参数时,通常需人为设定 1 个阈值,将计算出的每个特征参数权重与阈值进行比较,并把大于阈值的特征参数组成系统故障识别的最优特征子集。这种方式在选择阈值时具有主观性并且与分类器脱节,因而,本文在特征参数筛选时,采用一种与分类器相联系的顺序前向选择判定方法19。该方法首先将特征参数按照权重大小由高到低进行排序
21、;然后将权重最大的特征参数输入到 Adaboost故障分类器中,获得初始的故障分类准确率;随后依次将下一个权重稍低的特征参数与前面输入的特征参数构成新的输入特征集;接着将其输入到故障分类器中,并计算相应的故障分类准确率(每添加 1个新的特征参数,计算 1 次故障分类准确率,直到10 个特征参数依次加入完毕);若加入某个特征参数后故障分类准确率下降,则剔除该特征参数。采用这种方法去除冗余的特征参数,在得到最优特征子集的同时也保证了故障分类器的准确率。将得到的最优特征子集作为故障分类器的输入数据进行轨道电路故障诊断。eliefF 算法具有不确定性,每次的计算结果可能会略有不同,因此,本文中每个特征
22、参数的权重采用多次运算后所获得的平均值。3基于 Adaboost 算法进行故障诊断3 1Adaboost 算法Adaboost 算法可应用于大多数分类问题 20。Ada-boost 算法是目前最具有代表性的一种提升算法,该算法采用多个弱分类器联合训练,弱分类器结构简单,不易过拟合,保证了整体的泛化能力 21。Adaboost 算法整体思路是:每次训练1 个弱分类器,依照该弱分类器的分类结果为其赋予相应的分类权重,同时增加在训练过程中被分类错误的样本权重,减少在训练过程中被分类正确的样本权重 22,使得分类错误的样本在下一次训练时获得更多的注意;利用权重更新后的训练样本完成对下一个弱分类器的构建
23、;当训练的弱分类器数量达到设定值时完成弱分类器构建工作,并将获得的弱分类器集合看作为 1 个强分类器;在强分类器中,弱分类器的权重与分类错误率负相关。3 2Adaboost 故障分类器训练流程Adaboost 故障分类器训练流程框图如图 2 所示,构建步骤如下:1)利用最优特征子集完成对 Adaboost 故障分类器的训练。为每个训练样本(x1,y1),(x2,y2),(xt,yn)赋予相同的初始权重,xt为特征参数,yn为该训练样本的故障类型,使用向量 D 表示组成的训练样本集权重。2)利用训练样本集对弱分类器(使用单层决策树作为弱分类器 Wj)进行训练,得到弱分类器对训练样本集的分类错误率
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 ReliefF Ada 绝缘 轨道电路 故障诊断 模型 刘瑞丹
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。