基于灰色关联度的接触网故障零部件识别.pdf

为识别接触网中关键故障零部件，本文提出了一种改进灰色关联度的接触网故障零部件预防模型。在改进的灰色关联度中，引入信息熵构建动态分辨系数，降低故障零部件数据库中异常数据的影响。与此同时，利用欧几里得集合贴近度计算故障零部件之间的关联度，以此表征数据序列波动时故障零部件之间的动态变化特性。最后，将提出的灰色关联度模型用于识别关键故障零部件。仿真结果表明，提出的模型计算简便，易于推广，为接触网维修策略提供了有价值的借鉴。关键词：接触网；故障零部件；灰色关联度文章编号：（）中图分类号：文献标识码：，（，；，；，）：，：，铁道技术标准 ，：，：；：（）：引言目前，高速铁路（以下简称“高铁”）接触网检修策略以计划修为主、抢修为辅，根据经验来设定检修周期，按照计划周期来定期检修；并在高铁动态运行时，通过特有的检测手段发现高铁在运行过程中接触网出现不允许偏差或故障，并进行抢修，尽快使其恢复到正常运行状态。我国电气化铁路发展初期，这种维修策略发挥了不可替代的作用，极大程度保障了当时铁路运行的可靠性。这种维修策略本质上是以监测高铁的运动状态为基础进行检修。例如，为了量化系统中未能及时检测并发现的故障元件，引入不完整性扰动因子，并以此构建延迟时间模型；方淑芬等利用已有数据，通过大量在实际中积累的主观维修经验，构建预防性维修模型。随着电气化铁路的发展，当前的维修策略不能完全及时高效地覆盖所有高铁接触网，使得经济成本较高、维修效率较低。并且，现有的维修策略不能在故障发生前进行有效预防，导致频繁出现维修资源不足或维修资源盈余的现象。近年来，随着信息技术的不断发展，接触网故障数据的获取越发便捷。高铁接触网故障数据积累已经达到相当可观的地步，这为高铁接触网的故障预防研究提供了数据基础。基于数据驱动的故障预防研究正广受关注，何栋首先利用模糊综合评价模型，计算出设备部件之间的相关性，再通过构建隐马尔科夫模型评估接触网状态的退化程度；刘浅从接触网服役年限角度，通过搭建混合高斯隐半马尔科夫模型来鉴定接触网性能的退化程度并在此基础上预测接触网的剩余服役年限；程宏波等通过模糊分析的方法来处理接触网的故障数据，利用熵权理论进行数据挖掘，得到故障数据之间的相关性，以此为基础确定不同设备部件对故障的影响程度。然而，上述研究忽略故障零部件之间的关联特性。接触网是若干个零部件通过机械耦合的复杂系统，一旦某个零部件发生故障，将会影响其他零部件的正常运行。因此，探寻故障零部件之间的关联特性，识别关联故障零部件，可有效实现故障预防。为分析故障零部件之间的关联特性，本文基于高铁接触网故障零部件数据库，利用灰色关联度方法挖掘故障零部件之间的关联关系，识别出高铁接触网的关键部件，以此实现高铁接触网的故障预防。基于灰色关联度的故障零部件关联度分析 灰色关联度算法灰色关联分析算法通过分析已知信息探究元素间的关联规则，量化离散、无特殊分布方式数据的相关性。基于灰色关联分析构建的模型所探究出的故障部件之间计算结果的误差在可接受范围何宗伦等：基于灰色关联度的接触网故障零部件识别内，与定性分析的结果接近，灰色关联分析的计算过程如下：（）确定参考序列与比较序列在常规的灰色系统中，往往仅存在一个参考序列，该参考序列同时对应多个比较序列。参考序列大多数情况下为关联分析算法中的因变量，表征系统的整体数据特点；比较序列为自变量，对系统中各个元素的特点进行表征。参考序列为（），（），（），较序列为（），（），（），其中：，为数据序列中数据维度，为整个系统中比较序列个数。（）计算参考序列与比较序列间的灰色关联系数灰色关联分析的计算依据是差值序列（参考序列与比较序列之间的绝对差值数列），在灰色系统中，可用灰色关联度来表征数据序列所属的曲线之间存在的差异。在灰色关联度计算过程中，某一数据序列第维度的灰色关联系数（）为（）（）（）（）（）（）（），（）（）（），（）（）（）式中：（）、（）分别为参考序列与比较序列在第维度对应的数值；（）为上述序列在第维度的绝对值之差，在几何上表示为两条曲线之间的距离；为分辨系数，在传统灰色关联算法中，一般取。（）计算序列的灰色关联度在灰色系统中，由数据序列对应的曲线出发，从几何意义评价不同序列之间的关联度。为全面评价不同序列之间的关联性，元素间的关联程度涵盖了数据序列中每一个点的灰色关联系数，在传统的灰色关联度模算法中，关联度为所有该序列关联系数的平均值，即（）（）基于信息熵的动态分辨系数由式（）可知，分辨系数将会影响关联系数（）的取值，从而影响元素之间的相关性。而传统灰色关联度通常采用静态分辨系数。由于接触网故障数据中通常有较多的异常数据，因此，静态分辨系数并不适用于故障零部件之间的关联度分析。基于此，本文以信息熵理论为依据，构建动态分辨系数。为差值序列中所有绝对差值的平均值，有 （）（）（）（）（）式中：为中间参数。由于故障零部件数据中存在异常数据，因此，当出现异常数据即中间参数过大（某一差值序列中最大的绝对差值大于倍所有绝对差值的平均值）时，对其进行下述处理 （）在此基础上，利用信息熵理论对其取值进行动态处理。将故障零部件之间的灰色关联度当作事件出现的概率，构建关联度的信息熵为（）（）（）（）其中，的取值区间为（，）。依据信息熵理论，式（）在区间（，）有且仅有一个极大值点，在该极大值点处灰色系统中的信息熵最大，系统不确定性越强。本文对极值点处的分辨系数进行讨论如下：将传统灰色关联度计算式（）带入式（）中，可得（）（）（）（）对式（）中（）求偏导得（）（）（）（）在灰色关联分析算法中，若在某一数据序列中其第维度与第维度均以极值点处的分辨系数作为自身的分辨系数，设（）（），依据公式（），能够得到（）（）。将（）（）代入式（）、式（），有（）（）。正如之前所述，灰色关联分析的计算是依据两数据序列曲线的几何形状，两数据序列几何形状越铁道技术标准接近，表示在某个维度下相关性越强，此时信息熵应越小，即若（）（），则关联系数应越大，进而灰色关联度也应该越大，即（）（）。然而，与前文的推导结果相矛盾。因此，分辨系数的取值点应该避开极值点，但为简化计算，将极值点处的分辨系数取值做如下处理：（）（）（）（）（）（）在实际计算中，各个故障零部件的差值序列中最小值均等于，因此将式（）简化为（）（）（）（）考虑到分辨系数的取值区间应为（，），而根据式（）计算得出的的取值恒大于等于，因此，对同一数据序列的分辨系数进行向量规范化处理（）（）（）槡（）经上述处理，将传统灰色关联分析算法中静态系数转换为动态化取值，可以有效降低异常数据的影响；若数据序列中仅存在少量或不存在异常数据时，那么该数据序列所对应的分辨系数将被赋予较大取值，以上处理，能够极大程度的提高灰色分析算法的准确度。改进欧几里得灰色关联度计算由式（）可知，灰色关联度的值由相关序列之间的关联系数直接计算平均值所得，即在该两序列之间的关联系数代数和（）不发生变化或变化较小，那么两序列之间的灰色关联度就几乎不变。这显然不符合实际情况。为此本文引入欧几里得灰色关联度，也被称为欧几里得贴近度，可以有效地反映各个维度的数据点发生波动时，故障零部件之间的关联度的变化特性。然而，现有的灰色欧几里得关联度算法仅仅考虑了正理想相关，而并未对负理想相关做出讨论。因此，本文对灰色欧几里得关联度算法进行改进，将负理想相关纳入算法中。近欧几里得几何贴近度为 槡（）（）（）（）（），（）式中：（）为第个数据序列中第个维度下的数据点所对应的关联系数；为灰色关联系数的正理想序列。远欧几里得几何贴近度为 槡（）（）（）（）（），（）式中：为灰色关联系数的负理想序列。在理想情况下，当近欧几里得贴近度越大，远欧几里得贴近度越小时，灰色关联分析越准确；但在实际处理中，难以将上述两项指标同时取得理想值，因此，元素之间的灰色关联度为（）基于灰色关联度的故障零部件关联度分析流程基于灰色关联度的故障零部件关联度分析流程见图，具体计算过程如下：（）数据预处理。考虑到高铁接触网故障零部件数据稀疏性的特点，采用多项式平滑算法对原始数据进行平滑处理，并在此基础上选择 函数对故障数据进行数据变换。（）分辨系数取值动态化：利用式（）（）计算出灰色关联系数（）。（）利用欧几里得灰色关联度计算故障零部件之间的灰色关联度。算例分析通过实例验证上述算法的正确性，所采用的故障数据来源于中国西南地区某城市的所有线路，故障数据的时间为年月至年月。依据图给出的灰色关联度计算流程，计算故障零部件之间的关联度，见表。表从故障零部件种类角度给出了部分故障之间的灰色关联度。以标识作为母故障为例，计算标识和其他故障零部件的关联度，表中给出了个故障零部件作为子故障的关联度，不难发现：标识和导高关联度最高为。另外，在表中，接触线和吊弦的关联度最高达到，这符合实际情况，接触网的接头处安装吊弦，用于固定接触线接头的装置，因此，它们之间何宗伦等：基于灰色关联度的接触网故障零部件识别图高铁接触网故障零部件关联度计算流程框图机械耦合非常高，一旦吊弦发生故障，将导致接头位置发生松动或晃动，影响接触线的正常运行。表故障之间的灰色关联度（部分）类型关联度母故障标识子故障补偿装置 导高 电连接 吊弦 定位器 母故障补偿装置子故障定位器 高差 受电弓 零部件 滑板 续表类型关联度母故障接触线子故障零部件 电连接 吊弦 导高 受电弓 进一步，将灰色关联度大于等于 视为强关联故障部件，并且组成强关联的故障零部件进行统计，能够发现接触网故障数据库中关键故障零部件见表。表关键故障零部件序号故障项编号故障项接触线受电弓导高绝缘子脏污支持装置吊弦定位线夹滑板支柱绝缘器 在此基础上，统计重要故障零部件所对应的强关联数量，并以此作为关键性指标，得到关键故障零部件排序见表。由表可知接触线和导高需要重点预防并加以监测和检修。表关键故障零部件排序故障排序故障项强关联故障数量故障排序故障项强关联故障数量接触线绝缘子脏污导高支持装置受电弓吊弦定位线夹滑板支柱绝缘器总结本文在传统灰色关联分析算法的基础上，对分辨系数取值进行动态化处理，并考虑到数据之间的波动性，采用欧几里得算法计算故障零部件之间的灰色关联度。在此基础上，将提出的灰色关联度模型用于识别关键故障零部件。仿真结果表明，提出的模型计算简便，易于推广，为接触网维修策略提供了有价值的借鉴。铁道技术标准参考文献：，：方淑芬，吕文元利用主观数据建立预防维修的优化模型管理工程学报，（）：，王?，何正友，林圣，等高铁牵引供电系统与主动维护研究 西南交通大学学报，（）：许龙基于设备维修策略的接触网管理信息系统的研究成都：西南交通大学，何栋高速铁路接触网状态退化评估成都：西南交通大学，刘浅基于动静态参数检测的高速铁路接触网剩余寿命估计成都：西南交通大学，程宏波，何正友，胡海涛，等高铁接触网健康状态的熵权多信息综合评估 铁道学报，（）：，（）：，（）：，（）：赵艳林，韦树英，梅占馨灰色欧几里德关联度广西大学学报，（），责任编辑：张航铁道技术标准（中英文）投稿须知 铁道技术标准（中英文）由中华人民共和国国家铁路局主管，国家铁路局规划与标准研究院主办。主要刊载铁路行业科技创新成果和技术标准领域研究新成果、新技术，旨在促进国内外学术交流，推动标准成果的国内外应用，服务我国铁路事业高质量发展。本刊被中国知网、万方、维普等多家数据库收录，入选 中国核心期刊（遴选）数据库，并在国家铁路局政府网站设有专栏。稿件要求（）内容要有独创性，在铁道科技创新成果和技术标准领域具有创新性和学术性的研究成果；应用新理论、新方法解决铁路实际问题并取得良好效果；研究内容对铁路科技发展有重要参考价值。（）稿件撰写应符合科技论文写作规范，层次清楚、结构完整、内容充实、文字精炼、数据准确、注释完整。（）文稿格式依次为：文章题目、作者姓名、工作单位全称及所在省市邮政编码、作者简介、主要研究方向、中文摘要及关键词、中国图书分类号、文献标志码（中文文章以上需翻译成英文）、论文内容、参考文献。摘要不少于个汉字（英文文章摘要不少于个单词）；关键词 个；参考文献的著录符合国标要求。（）文稿语言通顺，文字精炼、字迹及图表清楚，对易混淆的外文字母、符号、角标等须注明文种、大小写、正斜体、黑体等，正文（含公式、图表）中的物理量和计量单位必须符合国家标准。字数由内容的完备性确定，一般每篇论文包括图、表、参考文献、中英文摘要在内，总字符数不超过 字。本刊与作者的约定（）投稿时请注明作者个人信息、论文课题资助项目名称及编号、单位和部门全称、地址、电话、电子信箱及邮编等。（）投稿后，请作者自留底稿。请严格遵守国家和单位版权及保密等规定，不得涉及保密内容，不得抄袭或剽窃他人成果，不得一稿多投，不得存在署名争议。已被其他公开发行的出版物录用的稿件，本刊不再受理。稿件刊登后文责作者自负。（）作者投稿至本刊前须认真阅读本刊编辑部的征稿启事，并且全体作者一致同意将文稿在全球范围内的汇编权、发行权、复制权、信息网络传播权、数字化复制权、数字化汇编权转让给 铁道技术标准（中英文）编辑部，以及入编国内外各文献检索系统，从而扩大文稿的学术影响和学术交流范围，相关的著作权使用费与本刊稿酬一并一次性支付。作者如有异议，请投稿时说明，本刊将另作处理。投稿网址：联系电话：（市电）铁道技术标准（中英文）编辑部