摘要
公路隧道规模的不断增加，不仅对隧道基础设施建设提出了更高的要求，还必须依靠配套机电设备的有力支持，公路隧道机电设备对于发挥公路隧道的高品质服务起着举足轻重的作用。本文旨在通过梳理公路隧道机电设备的故障特点和运行状态，以机电设备的状态监测数据为基础，提出公路隧道机电设备剩余寿命预测方法，对公路隧道设备管理工作提供决策支撑。 本文首先对公路隧道机电设备的故障特性进行分析，利用高速公路机电系统管理平台的故障处理明细和出入库数据，总结出常见的机电设备故障情况以及特点。其次，选择故障率较高的电池设备和自动栏杆机为研究对象，以机电设备的状态监测数据为基础，直接建立监测数据与设备剩余使用寿命的映射关系，选择LSTM（LongShort-TermMemory，LSTM）神经网络作为机电设备剩余寿命的预测算法，并通过栏杆机实例验证了该模型的有效性。为了优化LSTM循环神经网络预测方法输入数据的质量，加入稀疏自编码器（SparseAutoEncoder，SAE）对机电设备隐藏的特征信息进行提取，进一步提出改进LSTM-SAE的机电设备剩余寿命预测模型，并通过电池数据集验证了该模型具有较好的预测效果。最后，利用公路隧道机电设备的基础设备数据、故障统计数据和状态监测数据，构建公路隧道机电设备寿命监管模块，利用信息化的手段对机电设备运行状态和寿命情况进行可视化预警。 以栏杆机的多维监测数据和锂电池数据集的监测数据为支撑，采用本文所提出的方法对机电设备的剩余寿命进行预测，使用经典的线性回归、贝叶斯回归、支持向量机和BP神经网络预测方法进行对比，结果表明本文所提出的剩余寿命预测方法具有更好的性能。研究结果可以提前预估机电设备的剩余寿命来提高隧道的安全性，其结果可视化展示能有效的反映公路隧道机电设备的运行状态，可为隧道设备精细化管理方案制定提供强有力的数据支撑。
NETL