摘 要：為達(dá)到優(yōu)化快速欄桿機(jī)故障辨識效果、降低辨識誤判率、提高辨識準(zhǔn)確性的目的，利用物聯(lián)網(wǎng)技術(shù)設(shè)計了快速欄桿機(jī)故障自適應(yīng)辨識方法。建立物聯(lián)網(wǎng)體系架構(gòu)，安裝傳感器，實時采集并傳輸快速欄桿機(jī)的運行狀態(tài)數(shù)據(jù)；對采集的運行狀態(tài)數(shù)據(jù)進(jìn)行縮放與標(biāo)簽編碼處理，提高數(shù)據(jù)可用性；明確欄桿機(jī)可能發(fā)生的故障類型及特征，采用主成分分析方法，提取能夠反映快速欄桿機(jī)運行故障的特征；在此基礎(chǔ)上，設(shè)計快速欄桿機(jī)故障自適應(yīng)辨識算法，辨識欄桿機(jī)是否存在故障。實驗結(jié)果表明，快速欄桿機(jī)的辨識誤判率最高不超過0.39%，辨識準(zhǔn)確性得到了顯著提高。

關(guān)鍵詞：物聯(lián)網(wǎng)技術(shù)；快速欄桿機(jī)；故障自適應(yīng)辨識；主成分分析；CART決策算法；數(shù)據(jù)采集和預(yù)處理

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2025）02-00-03

0 引 言

快速欄桿機(jī)作為一種常見的自動化設(shè)備，被廣泛應(yīng)用于道路、橋梁、隧道等場所的人行道或車行道的欄桿控制[1]。它能夠快速、準(zhǔn)確地響應(yīng)指令，實現(xiàn)欄桿的升降操作，并具有防撞功能，能夠有效減輕交通壓力和保障交通安全[2]。然而，快速欄桿機(jī)的運行狀態(tài)會受到多種因素的影響，如天氣、交通流量等，在使用過程中可能會出現(xiàn)各種故障，導(dǎo)致快速欄桿機(jī)性能下降或失效，嚴(yán)重時甚至可能引發(fā)安全事故。因此，對快速欄桿機(jī)故障進(jìn)行準(zhǔn)確辨識和診斷，對保證欄桿機(jī)的正常運轉(zhuǎn)及交通安全具有重要意義。傳統(tǒng)的快速欄桿機(jī)故障診斷方法主要依賴于人工巡檢和定期維護(hù)，在實際應(yīng)用中存在一定的局限性，不僅辨識準(zhǔn)確率不高，效率低下，而且難以做到實時監(jiān)測和預(yù)警[3]。物聯(lián)網(wǎng)技術(shù)的出現(xiàn)為快速欄桿機(jī)的故障辨識提供了新的解決方案。本文利用物聯(lián)網(wǎng)技術(shù)開發(fā)了一種高效、準(zhǔn)確的快速欄桿機(jī)故障自適應(yīng)辨識方法。通過在快速欄桿機(jī)上安裝各種傳感器，可以實時收集設(shè)備的工作狀態(tài)數(shù)據(jù)，然后把采集到的數(shù)據(jù)傳送到云端，供分析和處理[4]。通過對上述數(shù)據(jù)的分析，能夠及時診斷出快速欄桿機(jī)的異常運行工況，并正確辨識出故障類型，分析故障原因，為欄桿機(jī)的安全可靠運行及設(shè)備后續(xù)維護(hù)、維修提供有力

支持。

1 快速欄桿機(jī)故障自適應(yīng)辨識方法

1.1 基于物聯(lián)網(wǎng)技術(shù)采集快速欄桿機(jī)運行狀態(tài)數(shù)據(jù)

應(yīng)用物聯(lián)網(wǎng)技術(shù)能夠?qū)崿F(xiàn)快速欄桿機(jī)運行狀態(tài)數(shù)據(jù)的采集。采集的數(shù)據(jù)包括欄桿機(jī)的開啟/關(guān)閉狀態(tài)、欄桿機(jī)的速度、欄桿機(jī)的電力參數(shù)、運行時間等[5]。物聯(lián)網(wǎng)體系架構(gòu)如圖1所示，為數(shù)據(jù)采集與傳輸提供有力的支持。

從圖1中可以看出，本文所構(gòu)建的物聯(lián)網(wǎng)體系架構(gòu)由3層組成。其中，感知層主要負(fù)責(zé)采集與識別快速欄桿機(jī)運行的各項物理信息，通過數(shù)據(jù)分析實現(xiàn)一定的自適應(yīng)控制功能；網(wǎng)絡(luò)層起到了連接作用，進(jìn)行快速欄桿機(jī)運行狀態(tài)數(shù)據(jù)的雙向傳遞；應(yīng)用層能夠?qū)崿F(xiàn)應(yīng)用中用戶與設(shè)備之間的信息交互[6]。傳感器選擇光敏傳感器、電流互感器、電壓傳感器與開關(guān)傳感器[7]，實時捕獲欄桿機(jī)運行狀態(tài)數(shù)據(jù)，上傳至數(shù)據(jù)中心進(jìn)行故障自適應(yīng)辨識。

1.2 快速欄桿機(jī)運行狀態(tài)數(shù)據(jù)預(yù)處理

在上述基于物聯(lián)網(wǎng)技術(shù)的快速欄桿機(jī)運行狀態(tài)數(shù)據(jù)采集完畢后，對運行狀態(tài)數(shù)據(jù)進(jìn)行預(yù)處理，確保數(shù)據(jù)能夠有效地反映欄桿機(jī)的實時運行工況及特征，避免因數(shù)據(jù)不可靠而對后續(xù)故障自適應(yīng)辨識結(jié)果造成干擾。首先，檢查運行狀態(tài)數(shù)據(jù)的完整性，去除不符合要求或異常的數(shù)據(jù)。其次，將數(shù)據(jù)字符串類型轉(zhuǎn)換為數(shù)值類型，根據(jù)分析需求，重新組織數(shù)據(jù)的結(jié)構(gòu)[8]。將重組后的數(shù)據(jù)縮放到統(tǒng)一的標(biāo)準(zhǔn)，縮放公式表示為：

（1）

式中：x表示欄桿機(jī)運行狀態(tài)原始數(shù)據(jù)；μ表示運行狀態(tài)數(shù)據(jù)平均值；σ表示運行狀態(tài)數(shù)據(jù)標(biāo)準(zhǔn)差。數(shù)據(jù)縮放完畢后，使用標(biāo)簽編碼對分類變量進(jìn)行編碼，將快速欄桿機(jī)開啟狀態(tài)編碼為0，將關(guān)閉狀態(tài)編碼為1，便于后續(xù)故障的特征提取[9]。

1.3 提取快速欄桿機(jī)故障特征

快速欄桿機(jī)運行狀態(tài)數(shù)據(jù)預(yù)處理完畢后，從預(yù)處理后的運行狀態(tài)數(shù)據(jù)中提取能夠反映快速欄桿機(jī)運行故障的各項特征?？焖贆跅U機(jī)故障類型及特征見表1。

本文采用主成分分析方法，通過線性變換的方式將原始快速欄桿機(jī)運行狀態(tài)數(shù)據(jù)轉(zhuǎn)換為若干個主成分，這些主成分能夠多維度反映運行狀態(tài)數(shù)據(jù)的主要特征[10]，公式如下所示：

（2）

式中：X表示轉(zhuǎn)換后的主成分矩陣；Z表示由縮放完畢后的原始數(shù)據(jù)z組成的矩陣；W表示線性變換矩陣。

1.4 設(shè)計故障自適應(yīng)辨識算法

快速欄桿機(jī)故障特征提取完畢后，在此基礎(chǔ)上，設(shè)計快速欄桿機(jī)故障自適應(yīng)辨識算法，辨識欄桿機(jī)是否存在故障。本文選擇CART決策樹算法[11]，與其他決策樹算法相比，該算法在處理數(shù)據(jù)結(jié)構(gòu)的非線性問題上更為高效。設(shè)定當(dāng)前快速欄桿機(jī)樣本集合X，其共包含l種特征。利用基尼比G（X）來度量數(shù)據(jù)集合的純度，公式如下所示：

（3）

式中：pk表示第k類樣本所占的比例。通過該公式得出的基尼比能夠有效反映在數(shù)據(jù)集合中隨機(jī)抽取樣本的故障類別標(biāo)記不一致的概率，G（X）值越小，則數(shù)據(jù)集的純度相對越高。其次，定義數(shù)據(jù)集中任意屬性的基尼指數(shù)，在候選屬性集合中，選擇基尼指數(shù)最小的屬性，將其作為故障自適應(yīng)辨識最優(yōu)劃分屬性。結(jié)合上述提取的故障特征與最優(yōu)劃分屬性，確定故障自適應(yīng)辨識最優(yōu)特征的最優(yōu)二值劃分點[12]。將訓(xùn)練集根據(jù)特征的不同，分配到兩個不同的子節(jié)點中，對兩個子節(jié)點進(jìn)行不斷地遞歸處理，直至滿足分類樹停止迭代的條件。生成CART決策樹后，根據(jù)決策樹的輸出結(jié)果，初步辨識欄桿機(jī)是否存在故障。

在此基礎(chǔ)上，采集快速欄桿機(jī)正常工作時的歷史運行狀態(tài)數(shù)據(jù)，根據(jù)歷史數(shù)據(jù)記錄，對快速欄桿機(jī)正常工作時的運行狀態(tài)數(shù)據(jù)的動態(tài)變化做出客觀分析，掌握欄桿機(jī)的運行規(guī)律?；跈跅U機(jī)正常工作時的數(shù)據(jù)值與運行規(guī)律，分別設(shè)定各項運行狀態(tài)參數(shù)對應(yīng)的閾值。對于每次接收到的命令，快速欄桿機(jī)都會記錄其運行數(shù)據(jù)，通過設(shè)計的判斷算法，檢查欄桿機(jī)各項實時運行數(shù)據(jù)是否超出或低于設(shè)定的閾值。若任意一項運行數(shù)據(jù)不滿足閾值要求，則判定欄桿機(jī)存在故障；若所有運行數(shù)據(jù)均滿足閾值要求，則判定欄桿機(jī)不存在故障，從而輸出最終的辨識結(jié)果，實現(xiàn)快速欄桿機(jī)故障自適應(yīng)辨識目標(biāo)。

2 實驗分析

2.1 實驗準(zhǔn)備

選擇了150臺快速欄桿機(jī)作為此次實驗研究的樣本設(shè)備。這些設(shè)備均安裝在城市的交通路口（具有代表性的交通流量和工況條件）。為了保證實驗的準(zhǔn)確性和可靠性，這些快速欄桿機(jī)均由同一家制造商生產(chǎn)，型號相同。

在實驗期間，為每臺快速欄桿機(jī)配備了多種傳感器，可以對各欄桿機(jī)的工作情況進(jìn)行實時監(jiān)控，并通過物聯(lián)網(wǎng)技術(shù)收集每臺快速欄桿機(jī)的具體運行狀態(tài)數(shù)據(jù)。采集的運行狀態(tài)數(shù)據(jù)包括電機(jī)轉(zhuǎn)速、欄桿位置、電流、運行時間、故障代碼等?？焖贆跅U機(jī)運行狀態(tài)數(shù)據(jù)采集頻率為1 Hz，其持續(xù)監(jiān)測了150臺設(shè)備在一個月內(nèi)的運行狀態(tài)數(shù)據(jù)。在此基礎(chǔ)上，為了模擬快速欄桿機(jī)實際運行過程中的故障情況，對快速欄桿機(jī)進(jìn)行了人為故障設(shè)置，樣本設(shè)備故障模擬情況見表2。

2.2 結(jié)果分析

在本次實驗中，選擇將快速欄桿機(jī)故障辨識誤判率作為性能評價指標(biāo)。將本文提出的方法設(shè)置為實驗組，將文獻(xiàn)[4]、文獻(xiàn)[5]方法分別設(shè)置為對照組1與對照組2?？焖贆跅U機(jī)故障辨識誤判率的實驗結(jié)果見表3。

通過表3的實驗結(jié)果可以看出，本文提出的故障自適應(yīng)辨識方法表現(xiàn)出了更好的性能，6種不同故障類型的快速欄桿機(jī)辨識誤判率明顯低于另外2個對照組，誤判率最高不超過0.39%。由此實驗結(jié)果可以證明，本文提出的自適應(yīng)辨識方法具有更高的可行性與有效性，能夠準(zhǔn)確地辨識出快速欄桿機(jī)的各類故障。

3 結(jié) 語

本文利用物聯(lián)網(wǎng)技術(shù)，針對快速欄桿機(jī)提出了一種故障自適應(yīng)辨識方法，并通過實驗，驗證了所提出方法對故障辨識的準(zhǔn)確性和可靠性。在未來的研究中，人們可以進(jìn)一步優(yōu)化快速欄桿機(jī)故障數(shù)據(jù)的傳輸和存儲技術(shù)，提高數(shù)據(jù)的質(zhì)量和可靠性，為故障辨識提供更加準(zhǔn)確的基礎(chǔ)數(shù)據(jù)。

參考文獻(xiàn)

[1]王楠.淺談機(jī)械設(shè)備故障診斷與監(jiān)測的常用方法及其發(fā)展趨勢[J].中國設(shè)備工程，2024（1）：159-161.

[2]仝杰，齊子豪，蒲天驕，等.電力物聯(lián)網(wǎng)邊緣智能：概念、架構(gòu)、技術(shù)及應(yīng)用[J].中國電機(jī)工程學(xué)報，2024，44（14）：5473-5496.

[3]陳剛，陳沛彥，金亞運，等.物聯(lián)網(wǎng)環(huán)境下的電梯智能維護(hù)與管理系統(tǒng)研究[J].工程技術(shù)研究，2023，5（23）：40-42.

[4]劉小峰，亢瑩瑩，柏林，等.基于多模式仿真數(shù)據(jù)協(xié)同遷移的軸承故障辨識[J].中國電機(jī)工程學(xué)報，2024，44（16）：6632-6644.

[5]齊子豪，仝杰，張中浩，等.基于多粒度知識特征和Transformer網(wǎng)絡(luò)的電力變壓器故障聲紋辨識方法[J/OL].中國電機(jī)工程學(xué)報，1-13[2024-01-25]. https：//kns.cnki.net/kcms2/article/abstract？v=_f4imrocbXm2j41LAR-gMPrALPi9kCGyznp8lyuFxxG0-yEsngxF0YBLVMv5dbh3cZNwyKTMF6m7XLhqPbTwkB8FL5AiF-uUE_4OSvvUOzDd1GzPJMc2Lr0b5Gx9pvlAzqmhCY7fnRC69Fo7p4Epojjg51ENwqVCwT_2cl95cHHAcUOzqYpTIuZlQYCT3UI0amp;uniplatform=NZKPTamp;language=CHS.

[6]張廣斌，陳柏宇，束洪春，等.基于時域波形特征認(rèn)知的輸電線路近端故障辨識與定位[J].電力系統(tǒng)自動化，2024，48（5）：146-156.

[7]武霽陽，李強(qiáng)，陳潛，等.知識圖譜框架下基于深度學(xué)習(xí)的HVDC系統(tǒng)故障辨識[J].電力系統(tǒng)保護(hù)與控制，2023，51（20）：160-169.

[8]王成，劉先鋒.基于物聯(lián)網(wǎng)技術(shù)的智能電氣設(shè)備在線監(jiān)測與故障診斷[J].信息記錄材料，2023，24（9）：103-105.

[9]聶杰雄.基于仿射傳播聚類的欄桿機(jī)故障智能診斷方法[J].西部交通科技，2023（8）：190-191.

[10]施梁，武文斌.基于物聯(lián)網(wǎng)的設(shè)備自動故障診斷與狀態(tài)分析系統(tǒng)研究與應(yīng)用[J].電器工業(yè)，2022（12）：71-74.

[11]李烈熊.基于深度信念網(wǎng)絡(luò)的復(fù)雜機(jī)電設(shè)備故障診斷方法[J].信息與電腦（理論版），2023，35（13）：101-103.

[12]王偉杰，黃康輝，何能斌，等.自動欄桿機(jī)故障自診斷及智慧管養(yǎng)系統(tǒng)[J].中國交通信息化，2022（z1）：250-253.

作者簡介：蔣建濤（1987—），男，甘肅蘭州人，工程師，研究方向為高速公路機(jī)電維護(hù)。

收稿日期：2024-01-30 修回日期：2024-03-07