第17卷第2期2011年4月Vol.17No.2April2011
铁道运营技术
RailwayOperationTechnology
（兰州交通大学自动化与电气工程学院，1.硕士研究生；2.教授，甘肃兰州730070；3.广州铁路集团公司怀化电务段，助理工程师，湖南怀化418000）
基于BP神经网络的道岔智能故障诊断方法王铁军1，董昱2，马彩霞3，沈成禄1，崔宁宁1
摘要：为将神经网络技术运用在铁路道岔故障诊断领域，提出了以神经网络技术为基准，针对道岔常见的3个故障类分别建立3个子神经网络，并总体组建成一个并行神经网络系统的道岔智能故障诊断方法，以帮助维修人员快捷、准确、自动地诊断出故障原因，降低故障处理时间，提高运行效率。关键词：道岔智能故障诊断；BP神经网络；道岔监测系统；网络模型中图分类号：U284.91文献标识码：A文章编号：1006-8686（2011）02-0004-04
目前，我国高速铁路营运里程达到7055km，沪杭高铁试运行最高时速达到416.6km。更高的列车运行速度，对铁路关键设备——道岔提出了更高的要求。目前，我国的道岔监测设备主要是微机监测系统和某铁路研究设计院正在研发并已上道实验的道岔监测系统。这2个系统现都只提供道岔各组成设备的在线监测信息和故障报警，缺少对设备的智能故障诊断功能。道岔设备的各种故障征兆参数之间关系复杂并且非线性。传统的故障诊断方法对于非线性关系，数学模型较难建立并且诊断结果不够理想。而BP神经网络则具有很好的非线性映射、自学习能力和对环境的自适应能力等特点，能较好满足道岔故障诊断领域的要求。为了指导维修工作，对道岔设备状态修提供完善的技术支持，智能故障诊断，已成为道岔监测设备的重中之重〔1〕。因此，在道岔监测系统提供的数据基础上，提出一种基于BP神经网络的道岔智能故障诊断方法。该方法可用来估计故障的发展程度和区分故障的类型，指导维修工作。1人工神经网络概述1.1人工神经网络定义人工神经网络是受生物神经网络的启发构造而成，它是在对生物神经网络认识的基础上，把分子和细胞技术所达到的微观层次与行为研究所达到的系统层次结合起来，以数学和物理方法以及信息处理的角度对人脑神经网络进行抽象，并建立某种简化模型，称为人工神经网络ANN〔2〕。其中误差反传网络（BP网络）是常用的一种。
1.2人工神经网络工作原理ANN由简单的神经元（信息处理单元）互联组成，能接受并处理信息。虽然单个神经元只能进行十分简单的信息处理，但多个神经元连接而成的网络却具有强大的计算能力。网络的信息处理是由处理单元之间的相互作用实现。改变神经元之间的连接方式和连接强度就可以改变神经网络的计算效果，知识与信息的存储，则表现为处理单元之间分布式的物理联系〔2〕。BP网络是一种多层前馈神经网络。它由3层
神经元构成，分别为输入层、隐含层和输出层。输入层神经元节点个数等于采集数据的特征向量维数，输出层神经元节点数取决于所需要的类别数。根据BP网络隐含层设计的经验，隐含层单元数目可根据
需要和对神经网络结构的优化而设置。
1.3人工神经网络特点神经网络是一门高度综合的交叉学科，它涉及到神经生理科学、数理科学、信息科学和计算机科学等众多学科领域。其特点如下：1）分布式存储。其具有良好的容错性与联想记
忆功能。神经网络记忆的信息是存储在神经元之间的权值中。个别神经元和权值的损坏不会对信息特征造成太大影响，这使得网络具有良好的容错性。2）相对于专家系统的知识获取“瓶颈”问题，神
经网络可以通过训练和学习来获得网络的权值与结4基于BP神经网络的道岔智能故障诊断方法构，呈现出很强的自学习能力和对环境的自适应能力。3）诊断耗时少。神经网络将领域专家的启发式知识和经验分布存储于神经元的互连中，不做成专门的知识库，在线诊断时，不再像专家系统和模糊控制那样进行规则的匹配搜索，从而大大减少诊断耗时。1.4并行BP神经网络系统并行BP网络是通过多个BP子神经网络对多个特征值分类，每个子神经网络诊断一类故障，结构如图1所示。有多少类故障，就有多少个子网络与之对应。其优点是每个子网络结构相对来说比较简单，训练迅速，而且子网络间互不影响，尤其是当有新的故障发生时，只需要简单地增加一个训练好的子网络，即可识别新故障，而不用像单子网络一样全部重新学习，这样就大大提高网络的扩展能力和学习能力。子网络1特征故障1故障2故障3图1并行神经网络示意图子网络2子网络32智能故障诊断方法的可行性由于神经网络有如上特点，在道岔现场复杂的环境下，运用BP神经网络诊断故障的方法具有切实的可行性。2.1满足诊断道岔设备故障的现场需求BP神经网络的非线性映射能力和自学习能力，能较好地处理道岔设备的运行状态与其各种故障征兆参数之间的复杂关系。其良好的鲁棒性、实时性，能较好地满足道岔对可靠性、安全性和实时性的要求。2.2解决信息融合的不匹配问题道岔监测系统采用的传感器属于异类多传感器类。由于此类各传感器时间或空间不同步、测量维数不匹配和测量数据差距过大等问题，导致各属性层融合达不到理想效果。而运用BP神经网络可以有效避免以上问题，使各传感器信息在公共数据空间内进行融合，在多故障诊断中可得到较好的置信度〔3〕。2.3学习样本充足神经网络没有任何规则，它通过大量样本对网络进行多次训练来改变网络中的连接权值，只有通过多次训练才能达到理想的效果。因此，充足的学习样本是训练神经网络的关键。而道岔监测系统可以提供完善的状态监测信息，使系统训练样本充足，确保了对BP神经网络模型的可靠训练〔1〕。
3道岔智能故障诊断的实现根据现场维修人员对道岔设备故障积累的宝贵经验，把道岔的典型故障分为3类：道岔密贴不良、道岔转换故障、道岔电路故障。采用并行BP神经网络建立网络模型，每类故障建立1个子神经网络模型，第三个子神经网络中另建立3个次级子神经网络，总体组建成一个并行BP神经网络的信息融合系统。各子网络均采用改进BP算法以加快收敛速度，最后采用设置双阈值的方
法进行故障前预警和故障后诊断。诊断步骤如下：首先从道岔监测系统中获取道岔监测数据，对数据进行特征提取后通过诊断模块得出诊断结果。如果遇到新故障，则通过学习模块对相应子网络进行重新训练以完善诊断模块。如图2所示。
监测数据特征提取诊断模块学习模块
诊断结果新故障图2道岔智能故障诊断步骤示意图以VisualC++和MATLAB作为实现故障诊断的工具软件。用户交互界面由VisualC++开发完成，在与MATLAB进行数据交换后，使用MATLAB神经网络工具箱进行后台运算处理〔4〕。
3.1道岔密贴不良故障类诊断道岔密贴不良是道岔最为常见的故障。据统计，在武广客专联调联试阶段，密贴不良故障占总故障的18.7%。尖轨密贴必须保证4mm不锁闭、2mm锁闭要求，否则可能导致道岔不能正常锁闭或列车颠覆等重大事故。3.1.1道岔密贴不良故障原因根据维修人员多年
的现场经验，密贴不良常由道岔不方正、尖轨爬行、轨距变化、外锁闭调整不良、缺口不合格5种故障原因导致。当整体道床振动过大时将导致基础螺栓松5第17卷第2期2011年4月Vol.17No.2April2011
铁道运营技术
RailwayOperationTechnology
动，进而导致道岔不方正造成卡阻。尖轨爬行、轨距变化等原因多由于道床不良引起，应积极开展道岔的工电联合整治。而外锁闭调整不良和缺口变化则属电务维修人员调整不当，维修质量不高等人为原因。3.1.2道岔密贴不良故障诊断方法我国某设计院目前正在开发研制道岔监测系统，其所监测的7种电务参数可以从各方面反映出密贴不良的原因。由此，可以选用密贴量、尖轨开口量、转换力、振动加速度、轨温、轨距、缺口监测数据等7种状态数据，进行特征提取并归一化处理后作为神经网络的输入端，以5种密贴不良原因作为输出端，进行故障诊断。当发现影响密贴不良的新故障原因时，可以通过网络学习模块增加输出节点并对连接权值和阈值进行重新训练和学习，以满足诊断要求。3.2道岔转换故障类诊断道岔转换故障是在道岔转换阶段无法正常转动、道岔转换阻力过大、转换不到位造成四开状态以及道岔转换后没有表示等故障。道岔转换故障性质恶劣，将严重影响线路正常运营。3.2.1道岔转换故障原因通过对各时间段道岔动作电流分析，可以诊断出如下6种常见故障原因：电机匝间短路、碳刷与整流子接触不良、尖轨转换障碍、电机转子断线、继电器接点接触不良、自动开闭器动作不灵活。其中转换障碍由根部阻力过大、滑床板缺油、夹异物、吊板、故障电流过小等原因形成，需要电务人员现场核实。3.2.2道岔转换故障诊断方法道岔动作电流曲线，蕴涵了道岔转换过程中丰富的机械特性和电气特性。可对故障动作电流进行多角度分析，并与道岔平时的正常动作电流曲线相对比，寻找出故障曲线反应出的故障信息，得到故障原因。单机牵引正常动作电流曲线如图3所示：电机启动时曲线骤升，形成一个尖峰，峰顶值通常为6~10A。若峰值过高，说明道岔电机有匝间短路。电流至峰点后迅速回落，弧线应平顺。若有台阶或鼓包则为道岔密贴调整过紧造成解脱困难。回落后的曲线基本呈水平状，前部略微向下，后部略微向上。区段前部应平滑，若电流幅值上下抖动则有如下可能：滑床板凹凸不平、炭刷与整流子面接触不良或有污垢、电机有匝间短路。若有大量的回零点，则为电机转子断线。略微向上的曲线后部为锁闭电流，若过高则可能为道岔密贴调整过紧，转辙机锁闭困难。随后曲线迅速下降再逐渐为零，此时段为自动开闭器转换时间和1DQJ缓放时间，时间若过长则可能是自动开闭器动作不灵活等原因。10.09.48.88.17.56.96.35.65.04.43.83.12.51.91.30.60.00001020304
时间/s
电流/A
图3单机牵引正常道岔动作电流曲线本文以一种反应自动开闭器动作不灵活的电流曲线为例进行说明，如图4所示。图中道岔机械锁闭时，道岔锁闭电流曲线延时（由图中03-06s时间段内电流曲线体现）。故此类故障的产生原因多由自动开闭器的拐轴、自动开闭速动爪轴或连接板轴动作不灵活产生，可通过往各轴上注变压器油来解决。10.09.48.88.17.56.96.35.65.04.43.83.12.51.91.30.60.00001020304
时间/s
电流/A
图4自动开闭器不灵活故障电流曲线由于道岔的动作电流是单元输入，因此，通过对正常动作电流和各故障动作电流以时间序列进行采样，特征提取后作为训练样本，对BP神经网络进行训练和学习。这可以较准确地对此类故障进行智能诊断，为维修人员提供技术参考。
3.3道岔电路故障类的诊断随着铁路列车运行速度的逐年提升，国内干线多数道岔转动装置采用分动外锁闭转辙机。分动外锁闭道岔控制电路主要分为3个部分：室内控制电路、道岔动作电路和道岔表示电路。下面以采用三相交流转辙机S700K道岔为例加以说明。3.3.1道岔电路故障原因S700K道岔控制电路故