当前位置:文档之家› 轨道电路故障预测与健康管理体系结构设计_黄赞武

轨道电路故障预测与健康管理体系结构设计_黄赞武

———————————— 基金项目:中央高校基本科研业务费专项基金资助项目(2009YJS014)
[1]
作者简介:黄赞武(1973-),男,讲师、博士研究生,主研方向:故障诊断,预测技术;魏学业,教授、博士;李绍斌,讲师、硕士 收稿日期:2011-12-29 修回日期:2012-02-26 E-mail:zwhuang@
状态监测 阈值判断 似然度比较 偏离度计算 特征信息提取 状态评估 多特征融合 征兆辨识 故障预测 故障趋势分析 设备保障决策 设备质量评估 故障诊断 故障识别 故障定位 健康管理 保养计划决策 故障因果图 故障统计分析
康管理 (health management)。故障预测是指根据系统现在 或历史性能状态预测性地诊断系统未来的工作状态。健康 管理是根据诊断和预测信息、设备使用要求、可用维修资 源对维修工作做出合理的决策。 通过 PHM 技术,应该达到如下的目标 [4]:(1)提供系 统失效告警; (2) 提供视情维护能力; (3) 指导设备评估和
1
概述
轨道电路是铁路信号系统中最重要的和关键的基础
原因仍需依靠人工经验分析判断。 近年来已提出了更科学的维修体制,即以状态为基础 的预测维修体制 (Condition Based Predictive Maintenance, CBPM)[2],这种维修体制以故障预报技术为基础,实时监 测系统的状态,当预测到即将发生故障时,就立即进行检 修,这就能够确保系统不会发生大的故障,同时还克服了 维修过剩的缺点,是一种视情维修机制。故障预测与健康 管理 (PHM)是实现视情维修的核心技术基础, PHM 代表了 一种维护方法和维护策略的转变,实现了从基于传感器信 息的诊断向基于智能系统的预测的转变,从而为在准确的 时间对准确的部件进行准确的维护提供了技术保障。 故障预测与 PHM 技术首先在美国军方得到应用 [3] , 本文将 PHM 技术引入到轨道电路的维修保养中,并以高 压不对称脉冲轨道电路为例,对轨道电路的故障类型进行 分析,结合轨道电路的特性提出了适用于轨道电路 PHM 的技术体系结构,采用模糊神经网络技术建立了故障预测 模型,并对其进行了仿真验证。
3
3.1
轨道电路 PHM 的实施案例
高压不对称脉冲轨道电路简介 高压不对称脉冲轨道电路 (HVAP) 通过在轨面周期地
图2
轨道电路 PHM 系统工作流程
施加脉冲高压,电击穿轨面不良导电层,有效降低轮对与 轨面的接触电阻,达到轨道电路分路目的,解决分路不良 故障。高压不对称脉冲轨道电路通过周期性触发电容充放 电,产生最高达 500 V 的脉冲电压信号,通过变压器施加 到钢轨上后瞬间功率可达 10 000 W(100 V∙100 A), 其峰头 的宽度为几个毫秒,脉冲循环频率为 3.25 Hz、 3.50 Hz、 3.75 Hz、 4 Hz 4 种。 高压不对称脉冲轨道电路采用是一种多特征的信号, 其特征包含频率、电压峰值、波头波尾比、尖脉冲的频谱。 具体参数如表 1 所示。
黄赞武,魏学业,李绍斌
(北京交通大学电子信息工程学院,北京 100044) 摘 要:针对现有轨道电路实行故障维修和计划维修的缺陷,提出一种以状态为基础的设备故障预测维修机制。设计故障预测与健康管理 (PHM)体系结构与工作流程,采用模糊神经网络的方法,建立一种高压不对称脉冲轨道电路故障预测模型。选定 2 个输入参数和 4 个故障 输出参数,输出参数利用故障可信度描述,根据专家知识和现场经验形成模糊推理规则表。通过仿真实验验证了 PHM 体系结构是有效的。 关键词:轨道电路;故障诊断;故障预测;健康管理;模糊神经网络
轨道电路 电源系统 发送系统 接收系统 轨道变压器 传输系统 环境信息 传 感 器 数 据 采 集 接 口 多传感器融合 数据采集 数据处理 数据去噪滤波
剩余寿命评估
图1
轨道电路 PHM 体系结构
轨道电路 PHM 系统的工作流程如图 2 所示。
征信息提取,多特征融合。高压不对称脉冲轨道电路的特 征参数有多个,某些故障的征兆可能与其中的几个特征参 数有关,所以要综合各种影响因素来判断故障的趋势,将 特征参数进行融合。在数据处理模块中,其核心问题是滤 波算法和融合技术。 (3) 状态监测模块通过对数据处理模块结果的进一步 分析,进行状态评估和征兆辨识,为故障诊断和故障预测 提供直接证据。 如果 (4)在故障处理模块中包含故障诊断和故障预测, 状态监测模块监测出了系统的故障,则通过故障诊断模型 进行故障识别和故障定位,如果只是状态出现偏差,则通 过故障预测模块进行故障趋势分析并制定保障策略。 (5)健康管理模块包含:保养计划决策,故障因果图, 故障统计分析,设备质量评估,设备剩余寿命评估等。根 据设备的故障类型和故障频率对设备进行健康状况管理。
第 38 卷
第 20 期
黄赞武,魏学业,李绍斌:轨道电路故障预测与健康管理体系结构设计
233
2
轨道电路 PHM 体系结构设计
PHM 包含两方面的内容:故障预测 (prognostics)和健
ቤተ መጻሕፍቲ ባይዱ
系统分析; (4) 提高系统可用性; (5) 降低设备全寿命维护 成本; (6)减少间歇性故障。 PHM 采用开放式分层体系推理结构,其核心是利用 先进传感器的集成,借助各种算法和智能模型来监控、预 测和管理系统的健康状况 [5-7] 。轨道电路的故障预测与健 康管理 (PHM) 的体系结构如图 1 所示。主要由数据采集、 数据处理、状态监测、故障诊断、故障预测和健康管理等 部分组成。
Architecture Design of Fault Prognostics and Health Management for Track Circuit
HUANG Zan-wu, WEI Xue-ye, LI Shao-bin
(School of Electronics and Information Engineering, Beijing Jiaotong University, Beijing 100044, China) 【Abstract】The track circuit performs the strategy of fault and planned maintenance until now. In order to overcome the defect of this strategy, this paper presents a state-based mechanism for predictive maintenance of equipment, and designs a kind of architecture and workflow for Prognostics and Health Management(PHM) technology. A PHM system for High-voltage Asymmetric Pulse(HVAP) track circuit is designed based on fuzzy neural network, and two input parameters and four output typical faults are set in this system, the output faults are described with credibility, and the fuzzy inference rule table is gotten according to the expert knowledge and the experience from field. Computer simulation results show that the architecture of PHM is effective. 【Key words】track circuit; fault diagnosis; fault prognostics; health management; fuzzy neural network DOI: 10.3969/j.issn.1000-3428.2012.20.060
设备之一,轨道电路的性能直接影响运输效率和行车安 全,轨道电路的故障,轻则影响行车,降低运输效率,重 则导致安全事故,造成财产损失并危及人员生命。长期以 来,由于缺乏对设备运行进行准确的状态判断和健康分 析,轨道电路实行故障维修或计划维修的维修保养策略。 为提高我国铁路信号系统设备的维修保养水平,从 20 世纪 90 年代开始,铁道部有关部门先后组织研制了 TJWX-I 型和 TJWX-2000 型微机监测系统 。如今大部分 电气集中车站都采用计算机监测系统,实现了对车站信号 设备状态的实时监测,已基本实现把拥有现代技术的传感 器、现场总线、计算机网络通信、数据库及软件工程融为 一体,并通过监测与记录信号设备的主要运行状态,为电 务部门掌握设备的当前状态和进行事故分析提供了基本 科学依据。但由于该系统尚缺乏完善的状态监测与故障诊 断于一体的综合功能,使得很多复杂设备故障和行车事故
波头和波尾峰值通过时域处理得到。表 2 为在现场测试得 到的一组 200 V 电压档、 3.25 Hz 频率时某区段在调整状 态时的测量数据。
GJ 参数 电压 /V 状态
高压不对称脉冲轨道电路参数测试数据
送端 /V 236.00 − 82.00 3.26 受端 /V 240.00 − 75.00 3.26 接收器 /V 206.00 − 69.00 3.26 30.2/27.4 ↑
3.3
基于模糊神经网络的故障预测模型 在故障诊断和预测领域,模糊神经网络 (FNN) 代表了
234
表1
特征参数 频率 电压峰值 波头波尾比 尖脉冲频谱

高压不对称脉冲轨道电路特征参数
参数值 3.25 Hz~3.50 Hz 3.75 Hz~4.00 Hz 200 V~300 V 400 V~500 V 4~1 0~3 000 Hz 参数作用 相邻区段配置为不同的频率, 实现绝缘破损的防护
相关主题