李永森 孙思远
中国铁路呼和浩特局集团有限公司包头电务段乌海车间 内蒙古包头市 150202
摘要：道岔设备是车站联锁系统的重要组成部分，是排列进路和实现列车运行方向改变的关键设备。随着中国铁路的高速发展，道岔设备的维护也面临着越来越多的挑战。在铁路现场，道岔设备的监测手段主要依靠人工浏览微机监测系统中的转辙机动作功率、电流数据曲线。这种方式取决于人工的经验，难以满足道岔设备复杂的工作环境需求。而且该方式属于“故障后维修”，没能对道岔设备进行有效的故障防护，只有等故障特征表现明显后，才进行维护处理，难以形成有效的维修维护计划。
关键词：道岔转换设备故障诊断； 预测系统设计；
前言：为有效解决不断膨胀城市的交通问题，铁路交通以其大运量，在城市公共交通系统中发挥无可替代的重要作用，成为我国大都市及中心城市的不二选择。以高速铁路为代表中国铁路运营里程在近十年得到了长足和令世界汗颜的增长，于全世界各个国家中稳居榜首。城市轨道交通高速发展的同时，轨道交通的安全平稳运行成了关注的焦点，并愈趋成为制约城市轨道交通发展的首要问题。城市轨道交通行车关键装备的突发故障，不但会导致轨道线路运营不畅，由此引发的大量乘客滞留还会构成了重大公共安全隐患。
一、研究现状分析
国内外在故障诊断领域方面有很深入的研究，产生一系列的故障诊断方法，这些方法各有不同的适用范围。基于模型的方法需要建立精准的解析模型，一般难以实现，基于信号处理的方法易于实现，但存在噪声干扰，诊断准确率不高。基于知识的方法对历史数据要求较高，较适用于复杂设备的故障诊断。而针对道岔设备的故障诊断研究方法中，神经网络的训练需要大量样本数据以求得经验风险最小化，对于小样本数据故障诊断并不适用。基于SVM的故障诊断方法对小样本数据有很好的学习能力，而且对二分类问题有很好解决能力，但是在实际中面对多分类问题则存在不足，当样本数量过大时耗费大量的存储空间。而基于贝叶斯网络的故障诊断方法属于故障推理范畴，故障信息的完备性以及准确性直接影响其故障识别准确率，实际意义不大。而且，目前关于道岔设备的故障诊断方法研究主要偏向于设备出现故障后，进行故障模式的识别，通过分析发现道岔设备常见故障诊断方法一般研究思路是，首先对道岔设备动作过程中采集到的电流、电压、功率等数据进行分析，得到典型的故障样本数据，并打上相应的标签；然后对典型的故障样本数据进行数据处理，处理的方法主要有特征提取、特征选择等方法，主要目的是提取典型故障的特征，以便作为后续诊断模型的输入；其次将处理后的数据进行划分，使用训练集数据进行诊断模型的训练，采用某种智能的模式分类算法(如SVM、神经网络等)，对道岔设备故障样本数据进行有监督学习分类，然后再利用测试集数据来验证算法的准确性，从而实现道岔设备的故障诊断。这类研究方法在道岔设备出现故障后，进行故障定位有一定的实用性，可以缩小故障范围，适当减少维修时间。但是还无法从源头上减少道岔设备故障发生的次数。而道岔设备在动作过程中，若不考虑突发性故障，随着时间的推移，定会出现一些因为道岔的频繁动作而出现的疲劳性故障，称之为渐变性故障。对于这种渐变性故障，其一定存在若干种退化状态，只有能准确识别这些退化状态，
在道岔设备彻底故障之前对其进行有针对性的维修，才能有效避免道岔设备因为计划维护而引起的“过维护”状态，也可减少道岔设备发生故障的次数，从而降低因设备故障而造成的损失。
二、道岔转换设备故障诊断与预测系统研究与设计
1.道岔系统FMEA分析。
针对道岔系统的使用特点、故障特点以及维修情况，参考参照铁路标准可靠性、可用性、可维护性和安全性(RAMS)规范。从道岔各子系统的功能需求角度出发，分析每个子系统功能故障模式以及可能的故障原因，并了解其可能造成的局部及最终影响，结合现场专家经验，对每种故障的发生频率进行总结，通过对道岔系统FMEA内容进行分析，可以发现最常发生故障的装置是转辙机及其杆件设备，如检测杆移动受阻、外锁闭装置无法完成锁闭等；其次是室外道岔尖轨及心轨等设备，由于天气、环境等原因会造成尖轨或心轨变形、弯曲等故障，导致其不能正常密贴基本轨，往往会造成较为严重的安全隐患。道岔系统FMEA分析主要针对道岔各子系统的功能故障进行分析，得到造成各子系统功能故障的主要原因。功能故障往往是观察到的故障现象，而引起功能故障的原因才是进行故障诊断或者说是现场维修所需要挖掘与了解的，只有能找到故障原因，才能准确定位故障、排除故障，从而提高设备维修效率。转辙机是控制道岔位置转换的关键部分，其功能的好坏直接影响着道岔转换的效率。目前现场主要通过分析信号集中监测系统中的电流曲线或功率曲线，对转辙机的动作过程进行监测。由于电流数据仅能反映电路电流的相关特征，所以得到的分析结果略显不足，而功率数据不仅与转换电流和电压有关，还可以反应转换过程中的力变量。
2.转换过程卡阻故障是道岔设备动作过程中经常出现的一类故障，转换过程卡阻现象一般表现为：道岔正常进行启动及解锁，但是在转换阶段，道岔动作功率数据会突然增大，然后转辙机一直处于空转状态，道岔无法转换到位进行锁闭，直至30s左右后断相保护器自动切断道岔控制电路，转辙机停止动作，功率值直接降为0。导致此类故障发生的主要原因是由于道岔转换过程中，转辙机动作杆件被异物卡死，导致道岔无法转换到位。由于道岔工作环境较为恶劣，所以此类故障发生频率较高，但这种故障一般属于突发性故障，往往很难进行预测。但是不同之处在于，造成此类故障的原因是由于道岔的检查柱无法正确地落至表示杆的缺口内，导致转辙机一直处于空转状态而无法进行表示。在铁路现场，一般通过调看缺口检查监测画面来判断缺口是否调整合适，而缺口调整也是铁路现场工人的日常维护职责。通过对此类故障进行诊断，可以有效定位故障，缩短维修周期，从而提高效率。
3.系统是一种具有大量专门知识与经验的智能计算机系统，通过人类专家的问题求解能力建模，利用人工智能技术中知识表示方法和知识推理来模拟通常由某领域专家才能解决的复杂问题，即专家系统=知识库+推理机。专家系统一般由知识库、综合数据库、知识获取机制、解释机制、推理机和人机交互界面6部分组成本系统中，依托于业内专家的设计、运营和维护知识与经验，建立知识获取机制；根据道岔转换设备的故障模式、故障原理、故障类型和严重等级等条件建立知识库；根据设计单位和业主单位多年应用累积的实际数据建立数据库；通过系统上道部署和试验获得多维度的监测数据，采用神经网络、SVM等算法建立故障模式与监测数据之间的推理机模型；设计故障诊断与预测结果的决策方式与概率预计，建立解释机制，通过简洁、友好的人机界面为用户提供交互。
结束语
道岔在实际运转过程中发生的故障类型远远多于本文重点诊断的四种，并且由于铁路现场恶劣的工作环境和复杂的天气条件，道岔转辙设备有出现未知故障的可能性，因此在后续的研究中，需要进一步积累可能故障类型并且将一些出现频率相对较低的故障纳入可诊断故障库，以增加本文介绍的两种道岔故障诊断方法的实用性。
参考文献：
[1]范跃杰．无人机追逃机动决策与任务协同算法研究[D]．上海交通大学，2019．
[2]瞿益丹．基于HHT和SVM的滚动轴承故障振动信号的诊断研究[D]．中南大学，2019．
[3]张海洋，张贝克，吴重光．用于监测复杂系统的计算机辅助定性趋势分析[D]．计算机工程与应用，2018，43(17)：41．44．