首页 > 论文范文 > 工程工业论文 > 工程综合论文 > 工程数学论文 > 基于LCS及HHT法对轨道电路传输变化识别的研究

基于LCS及HHT法对轨道电路传输变化识别的研究

2020-07-04 376 上传者：管理员

摘要：在轨道电路的实际使用中，受设备工作性能、使用环境的影响，轨道电路传输特性可能发生变化，导致轨道电路传输曲线产生变形。本文以轨道电路区段为单位，先提取主轨道电路传输曲线，再利用希尔伯特变换（HHT）方法提取趋势分量，并利用最长公共子序列（LCS）算法进行趋势分量相似性对比，探测该区段轨道电路感应电压曲线是否存在变形，用来判断轨道电路传输特性是否发生变化。仿真结果表明，该方法能准确识别轨道电路传输特性变化现象，可为轨道电路的故障识别、故障预测、健康管理研究提供支持。

关键词：
工程数学
希尔伯特变换
故障识别
最长公共子序列
经验模态分解
轨道电路
加入收藏

轨道电路是重要的信号基础设施，易受外界环境影响，线路状况、沿线天气、运营条件、牵引电流干扰乃至列车速度的变化，都可能造成轨道电路传输特性发生改变。在机车信号感应器接收到的感应电压信号中，蕴含了丰富的特征信息。每年各路局都会依托专业检测车采集轨道电路感应电压信号，通过对感应电压曲线进行分析来判别轨道电路传输特性，并对临界、失格、干扰、补偿电容失效等轨道电路问题进行识别。现行的轨道电路故障诊断标准中有明确的限值，但当轨道电路的劣化进程处于中间态，或是产生了电压限值内的感应电压曲线变形时，由于很难通过观察单次检测曲线定位到临界、失格等轨道电路常见检测问题，即便发现问题也无法对其进行量化描述，因此这一类现象一直未得到有效的分析研究。为此，本文提出一种探测轨道电路传输特性变化的方法，通过提取轨道电路传输曲线趋势分量，选用历史样本与单次检测数据进行对比，根据曲线相似性来实现轨道电路传输特性变化的自动识别，既减少了现场人工识别的工作量，又能掌握尚未发生轨道电路检测问题前轨道电路传输特性的变化情况。

现有的信号趋势分量提取方法主要有平均斜率法、滑动平均法、低通滤波法及最小二乘法等，这些方法均要求实施者具备一定的先验知识，需要预知信号中趋势分量的类型。由于轨道电路传输曲线中趋势分量的结构比较复杂，且各轨道电路区段的感应电压信号特征各有不同，所以应用上述方法建模困难，无法准确还原信号的趋势特征。作为一种信号分解方法，希尔伯特变换（Hilbert-Huangtransform,HHT）的原理是依据信号自身的时间尺度特征，对信号进行分解、重组，以实现信号趋势项的提取。HHT方法本质上是对信号进行平稳化处理，从而得到信号中不同时间尺度的波动或趋势等特征参量。

本文利用HHT方法将轨道电路传输曲线分解为一系列固有模态函数（IMF），通过希尔伯特边际谱，对各阶IMF分量进行判别，提取感应电压的趋势分量，而该趋势分量走势应与原始信号基本一致。将正常状态下的轨道电路感应电压曲线作为样本，利用本次检测曲线趋势分量与样本曲线趋势分量进行相似性对比，识别轨道电路传输特性是否发生变化，从而掌握轨道电路传输特性的劣化趋势。

1、轨道电路动态检测

轨道电路是信号动态检测中最重要的检测项目之一。动态检测中规定的轨道电路异常现象，大致分为失格、临界和干扰三大类。

干扰主要是通过干扰信号传输曲线进行判断；失格、临界则通过主信号传输曲线进行异常判断。正常情况下轨道电路传输曲线如图1所示。

动态检测中对于临界、失格的判断有明确的定义：当轨道电路主信号传输曲线幅值低于检测标准，但尚未引起机车信号、车载ATP等设备工作异常现象发生时，称为轨道电路临界；当轨道电路传输曲线幅值过低，且机车接收不到轨道电路信号，则称为失格。对于传输曲线发生了改变，但尚未达到临界、失格门限值的情况，需要进行进一步的研究。

图1正常情况下轨道电路传输曲线

2、轨道电路传输变化识别方法

基于HHT和LCS的轨道电路传输特性变化识别方法计算流程如图2所示，主要分为预处理、趋势提取及相似检验3个阶段。预处理阶段对轨道电路传输特性原始曲线进行截取，去掉电路特性不同的小轨道部分曲线，仅保留主轨道传输曲线；趋势提取阶段利用HHT方法，对主轨道原始曲线进行分解、重组，形成能反映原始信号走势的趋势分量；相似检验阶段调取区段历史样本，与单次检测数据进行对比，计算相似系数对轨道电路传输特性的一致性进行描述。

图2轨道电路传输特性变化识别方法的计算流程

2.1获取主轨道感应电压曲线

区间轨道电路传输特性曲线从接收端到发送端呈波浪状上升趋势，并在发送端附近达到最大值，但由于小轨道的电路特性与主轨道不同，主频感应电压信号在入口和出口处会发生急剧增大的畸变现象，因此，需要对轨道电路传输曲线进行处理，仅选取主轨道传输曲线进行分析。

2.2提取基于HHT的趋势分量

EMD是一种自适应的数据处理方法，通过对主轨道载频感应电压曲线进行EMD分解，提取传输曲线各阶IMF分量。其中第1个分量IMF1频率最高，时间尺度最小；随着阶数的增大，各IMF频率逐次降低，包含的频率成分逐次减少，余项r(t）含有最低的频率成分。对于一般信号而言，余项r(t）即为该信号趋势项，但由于轨道电路传输曲线趋势较为复杂，余项不足以表示其趋势，趋势项R(t）应为最后几阶IMF的叠加，即：

公式1

此时趋势项提取问题转化为确定m值。希尔伯特边际谱反映的是信号能量随频率的分布情况，通过观察最后几阶IMF能量分布的相似性可确定m值，从而得到趋势分量。算法流程如图3所示。

2.3基于LCS的曲线相似性检验

2条传输曲线的公共子序列越长，说明2条传输曲线具有更高的相似性和更为一致的传输特性。最长公共子序列算法查找的是2个序列之间的最长公共子序列，不要求子序列在原序列中占用连续的位置。对同一区段、不同传输曲线提取出的趋势分量进行相似性检验，设2个趋势分量序列分别为X={x1,x2，…xi}，序列Y={y1,y2，…yi}，设其最长公共子序列Z={z1,z2，…zk}，用矩阵C[i,j]记录序列X和Y的最长公共子序列长度，如公式（2）所示。

公式2

图3趋势分量提取算法流程图

其中，δ为相似阈值，|xi,yi|≤δ则视为2条传输曲线具有相似性。定义LX,Y为序列X与Y中较长序列的长度，LZ为Z的长度，那么对于趋势分量X与Y的相似系数为φ，则有φ=LZ/LX,Y。相似系数φ取值范围在0～1之间。φ越趋于1，表明X与Y趋势分量的相似性越高，当φ=1时，X与Y具有完全一致的传输特性。

3、实例分析

为验证前文所述方法，选取高速线路轨道电路区段实际的动态检测数据，同时，为方便讨论基于HHT及LCS识别轨道电路传输特性变化的情况，需要选定合适的区段以反映该方法的整体效果。因此，选取不同传输异常类型的轨道电路区段6个，对于每个区段，选择具有代表性和一般性的一次传输数据作为样本曲线，与单次传输曲线进行对比。各区段感应电压原始曲线绘制于图4，其中实线为该区段选取的样本曲线，虚线为单次传输曲线。计算步骤如下。

图4轨道电路传输曲线

步骤1：对传输曲线进行预处理。去掉轨道电路传输曲线在发送端及接收端存在畸变现象的部分，首先查找轨道电路传输曲线的入口电流及出口电流位置，再以这2个位置为起始点，对原始传输曲线进行截取，获得主轨道传输曲线，如图5所示。

步骤2：对提取出的主轨道传输曲线按照图3所示流程进行趋势分量提取。趋势分量提取结果如图6所示。可以发现，利用HHT方法提取出的感应电压信号的趋势分量消除了信号噪声带来的影响，完全还原了轨道电路传输曲线的走势。

步骤3：感应电压曲线趋势分量与该区段样本曲线趋势分量进行相似检验。区段A轨道电路传输特性未发生改变，区段B、C、D轨道电路传输特性发生了未达到问题门限值的变化，区段E、F为轨道电路问题区段。因此，为了描述传输特性的变化，除了区段B以外，其他区段的相似系数应有不同程度的降低，且最低为发生失格现象的区段F。

利用LCS算法对各区段曲线进行相似性检验，取相似阈值δ=0.02，各区段现象描述及其趋势分量相似系数φ计算结果分列于表1。

表1相似系数计算结果

通过对比各区段相似系数随相似阈值变化情况，发现由于区段A传输特性未发生变化，φA接近1；区段B感应电压略有降低，相似系数随之降低，φB为0.809；区段C传输周期发生改变，φC为0.672；区段D、E均出现感应电压低值，由于区段E已出现临界现象，故其相似系数更低；区段F由于存在轨道电路失格，φF仅为0.213。因此，在相似阈值δ=0.02时，相似系数φ对于轨道电路传输曲线变化程度的描述合适且符合要求。

图5轨道电路传输曲线预处理示意图

图6轨道电路传输曲线趋势分量

步骤4：结合历史检测数据，根据随机抽样原则，选取10条线路的动态检测数据对算法进行验证，共检测区段总数3748个，其中传输未发生变化区段数量3309个，传输变化区段439个，动态检测已报问题数量6个。由于绝大多数区段传输变化较小，相似系数在0.8以上，故将此部分区段视为传输特性未变化区段。对于相似系数低于0.8的区段进行查找，与检测报告进行对比，除去动态检测中已反映的轨道电路异常问题外，未反映轨道电路异常，但相似系数低的区段占比为11.55%。

4、结论

本文提出了一种基于HHT及LCS的轨道电路传输特性变化识别方法，分为趋势分量提取及曲线相似性识别2部分。仿真结果表明，利用该方法能准确提取轨道电路传输曲线的趋势分量，并通过与样本曲线的对比，既可识别传输曲线的变化，还可对其变化程度进行量化描述，对轨道电路的传输特性一致性形成评判。目前该方法可为基于动态检测数据的轨道电路故障诊断、故障预测及健康管理研究提供一种轨道电路工作状态辅助判别方式，同时也可作为一种特征参数的提取手段，用于轨道电路动态检测的数据管理中。

参考文献：

[1]金刘.基于HHT的海洋上升流弱信号的识别问题的研究[D].合肥:合肥工业大学,2015.

[2]许尚贤.机械设计中的有限元法[M].北京:高等教育出版社,1992.

[5]王晓东.高速铁路轨道电路动态检测数据分析[J].中国铁路,2018(02):95-99.

[6]梁兵,汪同庆.基于HHT的振动信号趋势项提取方法[J].电子测量技术,2013,36(02):119-122.

[7]徐可,盖文妹,邓云峰.基于LCS的应急决策文本相似性比对分析模型[J].中国安全生产科学技术,2019,15(05):11-16.

罗依梦,王晓东,许庆阳.基于HHT及LCS的轨道电路传输变化识别探讨[J].铁道通信信号,2020,56(04):40-44.

基金:中国铁道科学研究院集团有限公司基础设施检测研究所.轨道电路动态运行质量综合评价方法研究.2019JJXM12