摘要
轨道电路是组成中国列车运行控制系统的安全基础设备，承担着列车占用检查、地-车信息传输、断轨检查的关键作用，是保障列车安全、高效运行的核心技术设备之一。随着我国铁路路网规模的逐步扩大，轨道电路的保有量也随之增长，铁路运输对轨道电路的可靠性、可用性、可维修性和安全性提出了越来越高的要求。在这种背景下，保障轨道电路时刻处于安全运行状态、提高服务质量及降低运营成本，已成为刚性需求。 轨道电路的传统维护方式以故障后维护和定时维护为主，存在维护不足与维护过剩的突出问题，逐渐无法满足铁路发展的需求。相比之下，预测性维护以设备运行状态为依据，通过数理模型对故障进行精准定位及预测，可大幅提高维护效率、降低维护成本，是轨道电路维护工作的必然发展趋势。轨道电路的维护工作向预测性维护方式转变的一个有利条件是：铁路电务部门广泛应用了地面静态监测和车载动态监测，以获取反映轨道电路工作状态的重要参数。两种监测方式在监测目的和范围上互为补充，为维护工作的智能化转型提供了数据支撑。如何充分利用现有监测资源，实现对轨道电路更全面的状态感知、更精确的故障诊断及定位和更有效的趋势分析和故障预测，是制定预测性维护方案的基础，也是当前轨道电路维护工作亟需解决的难题。为此，本文首先系统性地分析了轨道电路特点、故障类型特点、监测手段和监测数据特点，构建了基于车—地两方监测数据的轨道电路预测性维护框架，制定了故障处理流程及功能。在此基础上，深入研究了监测数据处理、状态检测、故障诊断和故障预测环节存在的挑战及解决方法。本文主要创新点如下： (1)针对车载监测数据（感应电压曲线）受噪声干扰，将无法正确反映轨面设备工作状态的问题，提出了基于降噪卷积自编码器的轨道电路信号降噪方法；分析了全连接层不能同时表征高低频信号的问题，提出利用具备局部连接性的卷积层替代全连接层，以提高对时变轨道电路信号的表征能力，基于自编码器具备学习信号本质特征和结构的能力，构建了一种基于降噪卷积自编码器的时域降噪模型，实现降噪的目的。实验结果表明，该方法可有效降低入侵信号工作频带的噪声影响，为后续基于感应电压曲线的诊断、预测过程提供数据基础。 (2)针对大规模无标签数据下的轨道电路状态检测问题，提出一种融合了相对质量孤立森林与稀疏自编码器的无监督异常检测方法。该方法中，针对稀疏自编码器在训练过程中容易因异常而产生偏差，进而出现误判率高的问题，制定了伪标签训练策略；针对相对质量孤立森林无法灵活检测集群异常的问题，制定了非线性融合策略。该融合方法得以综合两类组成方法的优势，克服了单一检测方法的不足，有效提高了查全率并降低误报率。该方法可将罕见的故障状态与海量的正常状态分离，为后续为后续故障诊断和预测环节缩小数据范围，提高维护效率。 (3)针对目前轨道电路故障诊断方法易受数据不平衡影响以及未考虑监测量关联性的问题，提出混合重采样策略，以减小不平衡数据影响，并提出一种基于一维卷积神经网络及特征融合方法来学习空间关联性的故障诊断模型，同时达到故障特征提取和故障模式识别的目的。所提两种策略均提高了诊断算法的故障检测率和综合诊断表现。然而该方法无法解决轨面设备的精准故障定位问题，作为补充，提出一种基于Matrixproifle的感应电压曲线处理方法，分别针对电气绝缘节和补偿电容设计了不同的故障诊断策略。该方法避免了额外的特征提取步骤，通过加速算法直接计算序列数据的相似度，从而精准检测感应电压曲线上的异常。为进一步挖掘感应电压曲线所蕴含的信息提供了新思路。 (4)针对故障劣化程度难以准确刻画的问题，提出了一种基于时空特征提取的轨道电路剩余有效寿命预测方法，在利用一维卷积提取空间关联性特征的基础上，引入长短期记忆神经网络感知监测数据在时间维度的变化，并进一步地建立了监测量与剩余有效寿命的回归映射关系。以4700μF电解电容的容值下降为例进行了仿真验证，结果表明，该预测方法准确、稳定，空间特征和时间特征在预测过程中均发挥了重要作用。同样，为弥补地面监测数据在轨面设备故障问题上的不足，基于时间序列链提出一种针对感应电压曲线的劣化序列检测流程和方法，以实现刻画轨面设备劣化趋势的目的。本方法可支持维护人员对劣化趋势做出定性判断，也可以定量计算劣化程度和劣化速度，为故障预测提供了基础和依据。
NETL