摘要：针对ZD6-E/J型转辙机的道岔卡阻问题进行了大量现场试验，并采用定性趋势分析算法，通过归类和提取特征点，建立了故障匹配规则比较库。结果表明该算法对于提前发现和预警转辙机故障的诊断监测十分有效。
关键词：转辙机；定性趋势分析；特征点；故障匹配规则比较库
铁路道岔转辙机是保障铁路运营安全的重要设备。铁路道岔现场经常发现异物，如道砟、沙土或其他物体掉落卡阻在基本轨与尖轨之间、尖轨与枕木之间，从而使道岔在转换过程中，基本轨与尖轨无法正常密贴，最后导致道岔转辙机锁闭失效，产生道岔失表故障。如果能在问题累计过程中对其进行识别，将会极大地提高故障预警能力。通过研究相关技术文献，本文提出了基于定性趋势分析的ZD6-E/J型转辙机故障预警方法，通过分析转辙机卡阻时的数据，研究并建立转辙机设备的早期故障诊断方法。
1定性趋势分析理论
定性趋势分析依赖于计算机对系统运行状态重要参数的分析，可以在故障发生前的某一段时间内对其进行判定和预测。具体来说，就是通过对数据随时间变化形成的曲线形状进行趋势提取和趋势识别比对，从而判断其可能发生的下一个趋势形态的概率。其中，趋势提取就是将大量试验数据得到的曲线进行线性分割，然后将每一个分割后的片段与7个常用的与时间有关的趋势进行比对和提取，从而得到一个标准的趋势特征集合，即特征点以及匹配规则库；趋势识别就是将实际运行中获取的数据曲线再次通过提取后，与特征点及匹配规则库进行对比，当发现有不一致的趋势发生时，立即给出趋势预警。作为一种故障诊断的方法，定性趋势分析是一种有效的故障诊断推理工具。本文基于该算法进行开发，并应用在ZD6-E/J型转辙机的初期卡阻故障诊断上，取得了非常好的效果。
2故障预警原理
道岔转辙机卡阻故障预警方法主要通过在道岔转辙机周边，设置各种传感器及电子元器件，周期性地采集所需要的数据，根据定性趋势分析算法，对采集数据做特征提取和特征识别，最终通过识别的特征值建立时间数据序列，对比后进行故障预警提示，以供车站维修人员在设备发生故障之前及时提醒维护维修。
2.1建立故障匹配规则数据库
1）采集试验数据，形成道岔转辙机的模拟动作曲线。2）对所述模拟动作曲线进行波形过滤去除噪音。3）搜寻特征趋势区域和设定编码：将所述模拟动作曲线根据特征趋势进行区域分段，并且按照预设规则，对每段进行编码。例如某一特征下的模拟动作曲线，根据其特征趋势分为：①电流涌入阶段，表现为电流迅速提高后随即迅速降低；②道岔解锁阶段，电流缓慢降低；③动作阶段，电流缓慢升高；④锁闭阶段，电流升高后迅速断开。算法对每一阶段进行识别，然后根据曲线的外形特征给出对应的编码，以便后续的处理和识别。4）设定参考线将无故障曲线作为最低分数参考线，故障曲线作为最高分数参考线。5）针对某一故障，采集不同程度对应的特征趋势下动作曲线，并且建立对应的重要度级别。6）设置优选级权重体系，建立某一故障的匹配规则库。
2.2应用故障匹配规则库和结果输出
将实际电信号处理后的数据信息与故障规则进行对比，通过分析诊断，预测和推断故障类型，具体步骤如下。1）采集实际数据，形成道岔转辙机的实际动作曲线。2）对所述实际动作曲线进行波形过滤去除噪音。3）搜寻特征趋势区域和设定编码。4）将所述实际数据信息与故障规则库中的数据信息进行参照对比。5）根据分析诊断算法，计算出故障诊断数值，并采用线性分部原则，评定故障程度，得出基础评分。具体步骤是：将实际数据信息形成的数值曲线与故障匹配规则库中的最低分数参考线，或最高分数参考线比较，获取邻近的数值；如果实际的数值曲线低于最低分数的参考线，则评分为0；如果实际的数值曲线高于最高分数的参考线，则评分为1;如果实际的数值曲线位于最低分数的参考线和最高分数的参考线之间，则根据线性分布原则进行评分，即计算实际数值曲线与2个参考线之间的距离几何差值，得到基础评分。6）根据重要度的优先级别，设定权重分数：对于优先级最低的特征趋势，权重最低为0,最高为2；对于优先级中等的特征趋势，权重最低为0,最高为5；对于优先级最高的特征趋势，权重最低为0,最高为10。7）将以上优先级別对应的权重因子乘以各项的基础评分，得出最终评估分数，即为故障诊断数值。8）将实际数据波形、评分和诊断结果，显示在用户界面端。
3案例验证
3.1现场数据采集
在ZD6E/J型交流电动转辙机的卡阻测试时，将几种大小不同的物体置于基本轨和尖轨之间，用于分段渐进式地模拟该项故障，以求得到更精确的测试数据。现场测试转辙机电流变化如图1所示。
.png)
图1 ZD6-E/J型直流电动转辙机有卡阻（不同物体下转辙机电流的变化）
图1展示了不同物体阻碍下，转辙机的功率和力矩随转换时间的变化。由此可以清晰看出阻碍物体越大，电机电流就越大。大阻碍物放入的时候，转辙机无法完成转换动作，表现为电机电流持续保持在高位没有下降。
3.2故障匹配规则库建立
以前端设备采集的无故障状态下数据作为基准，与故障状态下的数据进行对比，找出特征区域并进行编码；然后根据编码规则对特征区域的区别进行评分，基于该评分和前述方法建立的故障匹配规则库,得到相应的趋势预警结果。以转辙机卡阻为例，通过图1波形，可以辨明该故障拥有2个明显的特征点：①在转辙机进入锁闭阶段前，电流开始升高的时间点不同；②在转辙机锁闭阶段，电流的峰值不同。对应故障匹配规则，建立的方法举例如下。1）在转辙机进入锁闭阶段前,电流开始升高的时间点不同。正常的电流升高时间点约为4.1s,该点即为基准点。故障发生时，电流升高点为3.9?4s。即当发现电流升高的时间与4.1s明显偏离时，根据前述评分办法进行评分，由此建立第1条故障匹配规则。2）在转辙机锁闭阶段，电流的峰值不同。正常的电流峰值约为2.4A,故障发生时电流峰值为3?4.4A。即当发现电流峰值与2.4A明显偏离时，根据前述评分办法进行评分，由此建立第2条故障匹配规则。3)从图1中可以发现，随着错误的不断加重，电流的峰值不断升高，但是时间点的变化相对就不明显。仅当严重的转辙机故障发生时，时间点的变化才会特别明显。因此，该案例中，赋予时间变化特征的权重很低，为0.1；而赋予电流峰值变化特征的权重较高，为0.9。由此建立第3条故障匹配规则。4)通过对每个特征点的分值进行计算，根据分值大小，判断发生故障的趋势程度。例如当有介于无障碍物以及2mm障碍物曲线之间的曲线形成时，可以根据预测得到的分值做出趋势预警。
4.结语
本文在采集ZD6-E/J型转辙机故障对卡阻故障试验数据的基础上，提岀了基于定性趋势分析理论的转辙机故障预警方法。试验结果表明，该方法能够有效监测并预警转辙机设备的初期卡阻故障。
参考文献
[1]陈旻栋，李政.基于QTA的道岔转辙机故障诊断研究[J].中国设备工程，2019,10(11):96-97.
[2]胡锦添，蔡俊涛，张滔.基于QTA的道岔转辙机故障诊断研究与应用[J].机电工程技术，2018,14(5):174-175.
[3]徐兴平.ZD6-E/J/J型直流三机牵引道岔控制电路的改进[J].科技资讯，2019,12(28):252-253.