本發(fā)明涉及鐵路道岔狀態(tài)檢測領(lǐng)域，特別是一種基于dwt和c-svm的道岔故障診斷方法。

背景技術(shù)：

道岔連接不同軌道并通常安裝在兩股或者多股軌道之間。。由于受到自身復(fù)雜機械結(jié)構(gòu)和執(zhí)行機構(gòu)的制約，道岔各部分的機械強度一般低于線路上的設(shè)備，因此機械結(jié)構(gòu)容易發(fā)生疲勞變化，引發(fā)道岔尖軌和基本軌之間間隙過大的情況，從而導(dǎo)致列車發(fā)生擠岔甚至脫軌事故。與此同時，道岔一般安裝于室外，其工作環(huán)境受天氣因素影響較大，如大風(fēng)天氣可導(dǎo)致道岔尖軌與基本軌之間堵塞雜物從而卡阻，雨雪天氣使得滑床板受到異常阻力從而影響道岔轉(zhuǎn)換，這些都有可能成為列車行車安全的潛在隱患。

目前，各大鐵路仍然依靠傳統(tǒng)的定期預(yù)防性檢測和人工計劃檢修來完成道岔設(shè)備運行狀態(tài)的檢測，因此現(xiàn)場維修工人無法第一時間發(fā)現(xiàn)產(chǎn)生故障的道岔，此外人工檢測對檢修人員的經(jīng)驗要求較高，常發(fā)生新員工因經(jīng)驗不足誤診斷的情況。為了解決這個問題，目前一些鐵路線路上安裝有道岔設(shè)備微機監(jiān)測設(shè)備，該設(shè)備能夠根據(jù)采集道岔動作的電流和轉(zhuǎn)換力等信號，并在設(shè)備中集成了基于閾值判斷的故障診斷軟件來實現(xiàn)故障報警。但是，道岔現(xiàn)場復(fù)雜和惡劣的運行工作環(huán)境使得微機監(jiān)測設(shè)備中預(yù)設(shè)的閾值在道岔工作一段時間后就失去參考價值，此外，這些閾值一般也是由維護專家設(shè)置，專家經(jīng)驗的模糊性也使得其總結(jié)的閾值規(guī)則無法長期起作用并且得到有效推廣。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種成本低、工程實施簡單方便的基于dwt和c-svm的道岔故障診斷方法，實現(xiàn)對道岔的故障識別。

實現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種基于dwt和c-svm的道岔故障診斷方法，包括以下步驟：

步驟1，確定要診斷的道岔類型，選擇一個同類型的道岔，并在選定的道岔上安裝電流變送器；

步驟2，在該道岔上模擬出多個故障模式，并分別采集每種故障模式下的電流運轉(zhuǎn)信號20～30組；

步驟3，在被診斷的道岔上安裝電流變送器，采集被診斷道岔的電流運轉(zhuǎn)信號5-10組；

步驟4，對模擬故障電流運轉(zhuǎn)信號和實測電流運轉(zhuǎn)信號進行離散小波變換即dwt，并進行歸一化處理；

步驟5，將處理后的模擬故障電流運轉(zhuǎn)信號輸入到非線性軟間隔支持向量機即c-svm分類模型中進行訓(xùn)練，并進行參數(shù)尋優(yōu)；

步驟6，將處理后的實測信號輸入到訓(xùn)練完成的c-svm分類模型，進行最后的故障識別。

進一步地，步驟2所述故障模式包括解鎖困難、轉(zhuǎn)換臺階阻力、轉(zhuǎn)換鋸齒阻力和鎖閉困難。

進一步地，步驟4所述的離散小波變換中選用的小波基函數(shù)為haar小波，haar小波的具體表達式為：

式中，ψ為haar小波，t表示時間。

進一步地，步驟4所述的歸一化處理，采用線性歸一，線性歸一的具體公式如下：

式中，xnorm為歸一化之后的信號值，xmax為最大信號值，xmin為最小信號值，x為歸一化之前的信號值。

進一步地，步驟5所述的c-svm分類模型選擇rbf核函數(shù)k，具體公式如下：

式中，xi表示輸入向量，x表示映射向量，σ²表示輸入向量方差。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點是：(1)成本低，避免了微機監(jiān)測系統(tǒng)的運行、維護成本；(2)電流變送器安裝簡單方便，且能適應(yīng)現(xiàn)場惡劣的工作環(huán)境；(3)診斷結(jié)果可信度較高，能夠為道岔的檢修提供有效的指導(dǎo)。

附圖說明

圖1為本發(fā)明基于dwt和c-svm的道岔故障診斷方法的流程圖。

圖2為本發(fā)明中傳感器安裝示意圖，其中(a)為正視圖，(b)為俯視穿線圖，(c)為俯視圖。

圖3為實施例中道岔5種狀態(tài)下的電流運轉(zhuǎn)信號圖，其中為(a)無故障狀態(tài)下的電流運轉(zhuǎn)信號圖，(b)為故障1的電流運轉(zhuǎn)信號圖，(c)為故障2的電流運轉(zhuǎn)信號圖，(d)為故障3的電流運轉(zhuǎn)信號圖，(e)為故障4的電流運轉(zhuǎn)信號圖。

圖4為實施例中道岔5種狀態(tài)下的特征信號圖，其中為(a)無故障狀態(tài)下的特征信號圖，(b)為故障1的特征信號圖，(c)為故障2的特征信號圖，(d)為故障3的特征信號圖，(e)為故障4的特征信號圖。

圖5為實施例中道岔5種狀態(tài)下的歸一特征信號圖，其中為(a)無故障狀態(tài)下的歸一特征信號圖，(b)為故障1的歸一特征信號圖，(c)為故障2的歸一特征信號圖，(d)為故障3的歸一特征信號圖，(e)為故障4的歸一特征信號圖。

圖6為實施例中道岔故障診斷結(jié)果圖。

具體實施方式

下面結(jié)合附圖及具體實施例對本發(fā)明作進一步詳細說明。

結(jié)合圖1，本發(fā)明基于dwt和c-svm的道岔故障診斷方法，包含以下步驟：

步驟1，確定要診斷的道岔類型，選擇一個同類型的道岔，并在選定的道岔上安裝電流變送器；

步驟2，在該道岔上模擬出多個故障模式，并分別采集每種故障模式下的電流運轉(zhuǎn)信號20～30組；所述故障模式包括解鎖困難、轉(zhuǎn)換臺階阻力、轉(zhuǎn)換鋸齒阻力和鎖閉困難；

步驟3，在被診斷的道岔上安裝電流變送器，采集被診斷道岔的電流運轉(zhuǎn)信號5-10組；

步驟4，對模擬故障電流運轉(zhuǎn)信號和實測電流運轉(zhuǎn)信號進行離散小波變換(dwt,discretewavelettransform)，并進行歸一化處理；

所述的離散小波變換中選用的小波基函數(shù)為haar小波，haar小波的具體表達式為：

式中，ψ為haar小波，t表示時間。

所述的歸一化處理，采用線性歸一，線性歸一的具體公式如下：

式中，xnorm為歸一化之后的信號值，xmax為最大信號值，xmin為最小信號值，x為歸一化之前的信號值。

步驟5，將處理后的模擬故障電流運轉(zhuǎn)信號輸入到非線性軟間隔支持向量機(c-svm,c-supportvectormachine)分類模型中進行訓(xùn)練，并進行參數(shù)尋優(yōu)；

所述的c-svm分類模型選擇rbf核函數(shù)k，具體公式如下：

式中，xi表示輸入向量，x表示映射向量，σ²表示輸入向量方差。

步驟6，將處理后的實測信號輸入到訓(xùn)練完成的c-svm分類模型，進行最后的故障識別。

下面結(jié)合具體實施例，對本發(fā)明作進一步詳細說明。

實施例1

本實施例重點對某地鐵公司線路鋪設(shè)的某zd6-a型道岔進行故障診斷，并在統(tǒng)計該類型道岔的歷史故障數(shù)據(jù)之后，將診斷的故障類型設(shè)定為四個，分別為故障1(解鎖困難)、故障2(轉(zhuǎn)換臺階阻力)、故障3(轉(zhuǎn)換鋸齒阻力)和故障4(鎖閉困難)。

為了采集能夠訓(xùn)練c-svm模型的故障運轉(zhuǎn)信號，在該地鐵公司線路上隨機選擇一個zd6-a型道岔并安裝華控興業(yè)生產(chǎn)的hk-d4i型電流變送器，如圖2所示，其中(a)為正視圖，(b)為俯視穿線圖，(c)為俯視圖；其次讓檢修工程師在該道岔上模擬出上述四種故障，分別采集每種故障狀態(tài)下的電流運轉(zhuǎn)信號各30組，采集頻率設(shè)置為5k，采樣時間為4s?？紤]到被診斷道岔有可能未出現(xiàn)任何故障，故同樣采集該道岔在無故障狀態(tài)下的電流運轉(zhuǎn)信號30組。采集到的5種狀態(tài)下的電流運轉(zhuǎn)信號如圖3所示，其中為(a)無故障狀態(tài)下的電流運轉(zhuǎn)信號圖，(b)為故障1的電流運轉(zhuǎn)信號圖，(c)為故障2的電流運轉(zhuǎn)信號圖，(d)為故障3的電流運轉(zhuǎn)信號圖，(e)為故障4的電流運轉(zhuǎn)信號圖。

模擬故障信號采集結(jié)束之后，在被診斷的zd6-a型道岔同樣安裝電流變送器，采集其電流運轉(zhuǎn)信號10組。對采集到的所有信號進行如圖4所示的基于haar小波的9層離散小波變換，其中為(a)無故障狀態(tài)下的特征信號圖，(b)為故障1的特征信號圖，(c)為故障2的特征信號圖，(d)為故障3的特征信號圖，(e)為故障4的特征信號圖；然后將這些特征信號進行如圖5所示的歸一化處理，其中為(a)無故障狀態(tài)下的歸一特征信號圖，(b)為故障1的歸一特征信號圖，(c)為故障2的歸一特征信號圖，(d)為故障3的歸一特征信號圖，(e)為故障4的歸一特征信號圖；最后將150組模擬故障歸一特征信號輸入到c-svm多分類模型中進行訓(xùn)練，核函數(shù)選擇參數(shù)取2，懲罰系數(shù)c取0.25，gamma取4。

將實測的10組特征信號輸入到訓(xùn)練后的模型進行最終的故障診斷，故障診斷的結(jié)果如圖6所示。從圖中可以看出，除了第3組和第8組，其余組特征信號的診斷結(jié)果均為故障2(轉(zhuǎn)換臺階阻力)，該故障診斷結(jié)果與現(xiàn)場工程師的人工診斷結(jié)果保持一致。

綜上，本發(fā)明能夠及時識別道岔工作過程中出現(xiàn)的故障，為現(xiàn)場設(shè)備檢修工人提供檢修依據(jù)，提高診斷故障的準(zhǔn)確率和解決故障的效率，從而保障城軌線路的行車安全和運營效率。