田世潤，齊金平，王保福，王 康

(1.蘭州交通大學(xué) 機電技術(shù)研究所，蘭州 730070；2.甘肅省物流及運輸裝備信息化工程技術(shù)研究中心，蘭州 730070；3.北京全路通信信號研究設(shè)計院集團有限公司, 北京 100070; 4.甘肅省物流與運輸裝備行業(yè)技術(shù)中心，蘭州 730070；5.中國國家鐵路集團有限公司 蘭州安全監(jiān)督管理特派辦員辦事處，蘭州 730000)

道岔系統(tǒng)是重載鐵路運輸中改變行程車輛運行軌道的關(guān)鍵設(shè)備.隨著重載鐵路的發(fā)展，道岔系統(tǒng)在工作過程中所承受的載荷和沖擊也越來越大.在道岔系統(tǒng)的工作過程中，當(dāng)尖軌和基本軌之間縫隙超過4 mm道岔就不能完成鎖閉.因此道岔系統(tǒng)在鐵路線路運輸中的故障數(shù)量高居不下，據(jù)統(tǒng)計，2014年在我國鐵路信號設(shè)備故障中，道岔系統(tǒng)故障占比30%，道岔故障平均處理時間為23.4 min/次[1].

目前針對道岔系統(tǒng)故障維修大多數(shù)依靠現(xiàn)場工作人員的工作經(jīng)驗，對于缺乏工作經(jīng)驗的工作人員，往往在對道岔系統(tǒng)故障進行定位時占用較多時間.對此國內(nèi)外的學(xué)者們大多是采用信號處理和基于知識的故障診斷方法對道岔進行故障診斷研究.文獻[2]采用聲學(xué)分析法對道岔系統(tǒng)進行故障探測分析，研究發(fā)現(xiàn)該方法對道岔系統(tǒng)的故障診斷具有較高的準確率.文獻[3]采用小波變換分析的方法對道岔工作過程中的動作電流進行分析，根據(jù)電流的變化特征對道岔系統(tǒng)進行故障診斷.文獻[4]針對采集到的電流信號和道岔轉(zhuǎn)換過程中的力學(xué)特征，采用Kakman濾波方法，提高了基于波形的道岔故障診斷的可靠度.文獻[5]通過總結(jié)道岔故障典型曲線，采用弗雷歇距離定義的相似函數(shù)對道岔系統(tǒng)進行故障診斷研究，但適用于小樣本數(shù)據(jù)的故障診斷.文獻[6]通過對現(xiàn)場道岔文本數(shù)據(jù)數(shù)據(jù)的挖掘處理，采用貝葉斯網(wǎng)絡(luò)模型針對不同天氣環(huán)境對道岔系統(tǒng)進行故障預(yù)測.文獻[7]采用隱馬爾可夫的方法，通過增加道岔設(shè)備的潛在故障狀態(tài)，分析每種狀態(tài)之間的狀態(tài)轉(zhuǎn)移，實現(xiàn)道岔系統(tǒng)故障預(yù)測和道岔設(shè)備健康狀態(tài)檢測.

由于復(fù)式交分道岔系統(tǒng)結(jié)構(gòu)復(fù)雜，各個模塊之間相互影響，導(dǎo)致其故障具有復(fù)雜性、不確定性的特點.貝葉斯網(wǎng)絡(luò)作為一種典型的不確定性知識表達與推理模型[8]，是目前人工智能領(lǐng)域不確定知識表達和推理技術(shù)的主流方法[9].

鑒于復(fù)式交分道岔故障特點及貝葉斯網(wǎng)絡(luò)對不確定性問題的推理能力，本文作者采用文本挖掘技術(shù)對復(fù)式交分道岔故障文本數(shù)據(jù)進行分析，進而構(gòu)建復(fù)式交分道岔系統(tǒng)的故障樹模型；再將故障樹模型轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)模型，對該模型利用現(xiàn)有數(shù)據(jù)進行參數(shù)學(xué)習(xí)；最后，對復(fù)式交分道岔進行可靠性分析與故障診斷研究，為復(fù)式交分道岔日常運維提供參考.

1 復(fù)式交分道岔故障樹模型

1.1 復(fù)式交分道岔結(jié)構(gòu)與工作原理

復(fù)式交分道岔主要由兩組活動心軌、兩組直尖軌、兩組曲尖軌等部位組成，其結(jié)構(gòu)相當(dāng)于兩組對開的單開道岔如圖1所示.根據(jù)其結(jié)構(gòu)特點可以完成車輛從A-D、A-C、C-A、C-B等8個方向的軌道轉(zhuǎn)變.

復(fù)式交分道岔雖然結(jié)構(gòu)復(fù)雜但工作原理和單開道岔基本相同，道岔系統(tǒng)內(nèi)部都可以劃分為機械部分和電氣部分，而且都是由轉(zhuǎn)轍機帶動尖軌運動完成行駛車輛的線路轉(zhuǎn)換.復(fù)式交分道岔在轉(zhuǎn)換過程中與其他道岔相同，主要由解鎖、轉(zhuǎn)換、閉鎖[1]三部分組成.因為復(fù)式交分道岔和單開道岔所用的轉(zhuǎn)轍機都是ZD6型轉(zhuǎn)轍機，所以道岔內(nèi)的控制電路也都是由表示電路和啟動電路構(gòu)成.

1.2 基于文本挖掘的復(fù)式交分道岔故障致因提取

文本挖掘技術(shù)是一種對文本信息處理和分析的技術(shù)，其核心是將一些人為記錄的數(shù)據(jù)，通過處理和分析，將其轉(zhuǎn)換為計算機可以識別的數(shù)學(xué)信息，再通過對這些數(shù)學(xué)信息進行處理和分析，從文本數(shù)據(jù)中提取出有價值的信息.文本挖掘技術(shù)是全球大數(shù)據(jù)環(huán)境下常見的一種對文本數(shù)據(jù)進行分析的方法[10].

目前文本數(shù)據(jù)挖掘技術(shù)主要由獲取文本、文本預(yù)處理、數(shù)學(xué)表示、挖掘分析和解釋評價[11]5個步驟組成，圖2對其進行了具體說明.

通過某鐵路集團2016—2018年《行車設(shè)備(施工、檢查)登記薄》(運統(tǒng)-46)[12]中記錄的復(fù)式交分道岔故障數(shù)據(jù)展開研究.采用文獻[13]提出的NLPIR漢語分詞系統(tǒng)對復(fù)式交分道岔進行文本挖掘的流程如下.

1)文本預(yù)處理.

對文本故障數(shù)據(jù)進行預(yù)處理，將“道岔型號”、“值班員信息”等干擾信息消除，只保留可以描述道岔故障的關(guān)鍵性詞語如下.

空轉(zhuǎn) 表示桿 連接銷子 錯位 空轉(zhuǎn) 表示桿 連接部 受到?jīng)_擊 空轉(zhuǎn) 表示桿 受雜物干擾

空轉(zhuǎn) 表示桿 錯位

空轉(zhuǎn) 表示桿 蹭枕木

空轉(zhuǎn) 表示桿碰水泥枕 尖軌 爬行 空轉(zhuǎn) 表示桿銷子 碰軌底

預(yù)處理后對用NLPIR軟件進行分詞處理，以復(fù)式交分道岔空轉(zhuǎn)部分處理結(jié)果為例，分詞結(jié)果為:

滑床板 缺油 尖軌 翹頭 滑床板 磨損嚴重 尖軌和基本軌 夾雜物 尖軌和基本軌 夾雜物 尖軌和基本軌 夾雜物 尖軌和基本軌 夾雜物 尖軌和基本軌 夾雜物 尖軌和基本軌 夾雜物 基本軌 夾雜物 尖軌與滑床板 夾雜物 基本軌 肥變大 基本軌.

2)特征詞提取.

在NLPIR軟件中進行特征詞的提取，對其中“數(shù)字”進行刪減同時對特征詞中表達相同意思的特征詞進行合并，最后得到56個特征值，其結(jié)果如下.

工務(wù)操作螺絲螺栓原因故障電流改道基本軌移動生銹運動移位水平爬行滑床板作業(yè)搬動壓力打磨摩擦電流尖軌缺油動作枕木天氣折斷尖端桿雜物軌距固定墊板啟動結(jié)冰磨耗改軌距連接桿受阻接點螺絲松動木頭根部卡阻竄動摩擦空轉(zhuǎn)肥邊絕緣螺栓脫落磨損表示桿斷裂銷子軌撐道岔錯位角鋼

3)NLPIR軟件處理.

以上一步篩選得到的特征詞作為一個特征矩陣，通過在NLPIR中引用生成的文件，對處理過的復(fù)式交分道岔的文本故障數(shù)據(jù)進行分析，得到特征詞通過NLPIR軟件分析處理，在文本數(shù)據(jù)中所出現(xiàn)的頻率和權(quán)重結(jié)果如圖3所示.

4)特征詞出現(xiàn)頻率分析.

由圖3可以看出,可能引起復(fù)式交分道岔空轉(zhuǎn)的故障部位有滑床板故障、基本軌故障、連接桿故障、表示桿故障、尖端桿故障等.空轉(zhuǎn)的故障原因有工務(wù)原因、結(jié)冰、天氣、缺油、移動受阻等.在所有導(dǎo)致空轉(zhuǎn)故障中,尖軌和基本軌所占比例較大，故障致因中雜物所導(dǎo)致故障發(fā)生的比率最高.通過對特征詞的整合分析，可以發(fā)現(xiàn)常見的復(fù)式交分道岔故障事件的因果關(guān)系，結(jié)合復(fù)式交分道岔的工作原理和現(xiàn)場工作人員的建議，可以對復(fù)式交分道岔的故障機理進行較好的梳理分析.

1.3 基于文本挖掘的復(fù)式交分道岔故障樹建模

在對復(fù)式交分道岔文本數(shù)據(jù)進行特征詞分析和處理后，最關(guān)鍵的是要將特征詞進行組合，生成計算機可以識別的樣本數(shù)據(jù)集.通過對復(fù)式交分道岔系統(tǒng)結(jié)構(gòu)分析和現(xiàn)場專家的意見，將特征詞轉(zhuǎn)化為道岔系統(tǒng)中的各個故障事件，并對各個故障進行統(tǒng)計，統(tǒng)計結(jié)構(gòu)如圖4所示.

針對統(tǒng)計結(jié)果，對各個故障事件進行編號，以N(Normal)，F(xiàn)(Failure)代表各個故障事件的狀態(tài)，建立計算機可以識別的樣本數(shù)據(jù)集.表1是數(shù)據(jù)集中的一部分.

表1 復(fù)式交分道岔實驗樣本數(shù)據(jù)集

故障樹分析(Fault Tree Analysis，F(xiàn)TA)是由上往下的演繹式失效分析法，它采用更為邏輯化的理念直觀反映系統(tǒng)故障和系統(tǒng)故障致因間的關(guān)系.根據(jù)上述中復(fù)式交分道岔數(shù)據(jù)分析結(jié)果進行分析，結(jié)合復(fù)式交分道岔工作原理和基于信心指數(shù)的專家調(diào)查法建立故障樹模型，對專家的選取、評級及專家的評判等數(shù)據(jù)來自文獻[14].圖5為復(fù)式交分道岔故障樹.表2為復(fù)式交分道岔故障樹事件編碼表.

表2 復(fù)式交分道岔故障樹事件編碼

2 基于BN網(wǎng)絡(luò)的復(fù)式交分道岔建模

2.1 故障樹轉(zhuǎn)貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是目前不確定知識表達和推理領(lǐng)域最有效的理論模型之一[14].根據(jù)貝葉斯網(wǎng)的網(wǎng)絡(luò)結(jié)構(gòu)以及條件概率表(Conditional Probability Table，CPT)可以快速得到每個基本事件的概率.

由故障樹轉(zhuǎn)換為貝葉斯網(wǎng)絡(luò)的過程實質(zhì)上就是將故障樹中的事件和門結(jié)構(gòu)轉(zhuǎn)換為貝葉斯網(wǎng)絡(luò)中的節(jié)點關(guān)系圖和條件概率表.

將故障樹中的事件在貝葉斯網(wǎng)絡(luò)中以節(jié)點的形式表示，故障樹中的門結(jié)構(gòu)在貝葉斯網(wǎng)絡(luò)中按照條件概率表的方式表示，故障樹中的門結(jié)構(gòu)與貝葉斯網(wǎng)絡(luò)的條件概率表的對應(yīng)數(shù)值[15]，如圖6所示.

按照故障樹和貝葉斯網(wǎng)絡(luò)的映射法則，將圖6的復(fù)式交分道岔故障樹模型轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，轉(zhuǎn)換結(jié)果如圖7所示.

2.2 復(fù)式交分道岔貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)

貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)過程是一個利用研究對象的先驗信息和樣本數(shù)據(jù)，對未知樣本進行估計，從而對研究對象設(shè)計貝葉斯網(wǎng)絡(luò)的過程，主要包括結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)兩部分.前者是對貝葉斯網(wǎng)絡(luò)拓撲結(jié)構(gòu)進行設(shè)計，后者是完成貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計后的條件概率表.

1.3節(jié)已經(jīng)將文本數(shù)據(jù)轉(zhuǎn)換為計算機可以識別的實驗數(shù)據(jù)集，通過對數(shù)據(jù)的特征分析，選用EM算法對貝葉斯網(wǎng)絡(luò)進行參數(shù)學(xué)習(xí)，在GeNIe軟件中調(diào)用EM算法，完成復(fù)式交分道岔貝葉斯網(wǎng)絡(luò)模型的參數(shù)學(xué)習(xí).

為確保參數(shù)學(xué)習(xí)結(jié)果的準確性，選用不同數(shù)據(jù)樣本對貝葉斯網(wǎng)絡(luò)模型進行參數(shù)學(xué)習(xí).本文采用2016—2018年某鐵路局復(fù)式交分道岔故障數(shù)據(jù).同時依照模型分別按照5%、10%、15%、20%的數(shù)據(jù)缺失比例生成訓(xùn)練樣本數(shù)據(jù)集，同樣對復(fù)式交分道岔貝葉斯網(wǎng)絡(luò)模型進行參數(shù)學(xué)習(xí).將各個節(jié)點參數(shù)學(xué)習(xí)過后的各個中間概率進行比較如圖8所示，各節(jié)點參數(shù)學(xué)習(xí)后的統(tǒng)計分析表見表3.

表3 各節(jié)點參數(shù)學(xué)習(xí)后的統(tǒng)計分析

從圖8可以看出各個實驗數(shù)據(jù)集均與現(xiàn)場工作實際故障次數(shù)的趨勢基本一致.通過對各個節(jié)點故障率分析其均方差和方差，再一次證明了方法的正確性.

2.3 復(fù)式交分道岔系統(tǒng)可靠性分析

貝葉斯網(wǎng)絡(luò)系統(tǒng)可靠性分析主要是依據(jù)系統(tǒng)的靈敏度，其主要反映了貝葉斯網(wǎng)絡(luò)中的葉節(jié)點對系統(tǒng)中故障的敏感程度，通過對貝葉斯網(wǎng)絡(luò)靈敏度的分析可以得知各個根節(jié)點對葉節(jié)點的影響程度.當(dāng)根節(jié)點的故障發(fā)生較小程度的變化時，使葉節(jié)點的故障發(fā)生較大的變化，以此來發(fā)現(xiàn)系統(tǒng)中影響系統(tǒng)可靠性較高的根節(jié)點.

底事件的概率重要度為

(1)

(2)

(3)

通過對復(fù)式交分道岔貝葉斯網(wǎng)絡(luò)模型敏感度分析發(fā)現(xiàn)，x2、x21、x1是對系統(tǒng)靈敏度影響較大的3個節(jié)點，圖9是一部分故障發(fā)生時對葉節(jié)點T故障發(fā)生時的靈敏度分析結(jié)果.

將貝葉斯網(wǎng)絡(luò)靈敏度分析結(jié)果與故障樹中對于各個底事件的重要度分析結(jié)果進行對比,如表4所示.

表4 復(fù)式交分道岔系統(tǒng)可靠性分析

從表4中可以看出,對復(fù)式交分道岔系統(tǒng)可靠性影響較大的前15個故障類型中，貝葉斯網(wǎng)絡(luò)可靠性分析結(jié)果和故障樹可靠性分析結(jié)果基本相同.

3 復(fù)式交分道岔故障診斷及維修

3.1 復(fù)式交分道岔故障診斷

通過對復(fù)式交分道岔進行故障樹和貝葉斯網(wǎng)絡(luò)分析后，根據(jù)結(jié)果對復(fù)式交分道岔的檢修方案提供合理化建議，達到降低復(fù)式交分道岔故障率，提高復(fù)式交分道岔維修效率的目的.且現(xiàn)場復(fù)式交分道岔故障數(shù)據(jù)的分析和處理，確定了復(fù)式交分道岔貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)的準確性.

為使貝葉斯網(wǎng)絡(luò)故障診斷結(jié)果更加準確，以2016年的數(shù)據(jù)集對復(fù)式交分道岔進行貝葉斯網(wǎng)絡(luò)故障診斷研究，其診斷分析結(jié)果如圖10所示.

從圖10的故障診斷結(jié)果可以看出當(dāng)復(fù)式交分道岔發(fā)生故障時時，最容易發(fā)生是“道岔爬行或尖軌竄動”、“尖軌搬動受阻”、“缺口調(diào)整不當(dāng)”等故障.其中“道岔電機內(nèi)部故障”是發(fā)生較少的故障類型.

對某鐵路局2019年第一季度的150組復(fù)式交分道岔故障維修記錄進行統(tǒng)計，統(tǒng)計結(jié)果如表5所示.通過分析可以看出復(fù)式交分道岔貝葉斯網(wǎng)絡(luò)故障診斷結(jié)果與實際復(fù)式交分道岔故障發(fā)生次數(shù)排序基本相符.

表5 2019年第一季度復(fù)式交分道岔維修統(tǒng)計

3.2 復(fù)式交分道岔維修建議

通過對復(fù)式交分道岔貝葉斯網(wǎng)絡(luò)模型故障診斷結(jié)果進行分析發(fā)現(xiàn)，復(fù)式交分道岔系統(tǒng)中尖軌、基本軌部位故障率較高，道岔轉(zhuǎn)轍機內(nèi)部故障率整體相對較低.據(jù)此為解決復(fù)式交分道岔故障維修過程中存在的盲目性，結(jié)合復(fù)式交分道岔貝葉斯網(wǎng)絡(luò)故障診斷結(jié)果，針對目前復(fù)式交分道岔故障診斷流程提供合理化建議.

1)當(dāng)?shù)啦碓谑覂?nèi)繼電器處檢測到道岔空轉(zhuǎn)時首先判斷其空轉(zhuǎn)類型.

① 道岔發(fā)生不解鎖空轉(zhuǎn)，根據(jù)故障診斷結(jié)果，建議先檢查轉(zhuǎn)轍機摩擦電流，再檢查道岔密貼力，最后檢查摩擦帶的順序；

② 當(dāng)?shù)啦戆l(fā)生解鎖后空轉(zhuǎn)時，建議先檢查動作桿的狀態(tài)，再檢查檢測桿組的工作狀態(tài)，最后檢查齒條塊的工作情況；

③ 當(dāng)發(fā)生轉(zhuǎn)換到位空轉(zhuǎn)時，建議先檢查道岔密貼力的情況，再檢查啟動電路是否混線.

2)當(dāng)?shù)啦硎彝夥强辙D(zhuǎn)故障時，根據(jù)模型診斷結(jié)果表明，尖軌和基本軌為道岔系統(tǒng)高發(fā)故障部位，建議先檢查道岔尖軌和基本軌的狀態(tài)，再檢查電動轉(zhuǎn)轍機是否按規(guī)定進行安裝.

4 結(jié)論

采用某鐵路局三年以來《行車設(shè)備(施工、檢查)登記薄》(運統(tǒng)-46)，記錄的復(fù)式交分道岔歷史運維數(shù)據(jù)作為數(shù)據(jù)集對復(fù)式交分道岔故障診斷展開研究.

1)通過對文本數(shù)據(jù)進行數(shù)據(jù)挖掘分析，建立復(fù)式交分道岔故障樹模型，并對其進行故障梳理和可靠性分析，得到各故障模式的重要度排序.

2)將復(fù)式交分道岔故障樹模型轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)模型，進行參數(shù)學(xué)習(xí)，通過敏感性分析，得到其排序與重要度排序一致.

3)利用該模型對復(fù)式交分道岔進行故障診斷，與某鐵路局2019年第一季度的150組復(fù)式交分道岔故障維修記錄基本相符，為復(fù)式交分道岔日常運維提供參考性意見.