鐵道信號電子設備聯鎖故障自動檢測器的嵌入式設計

左仙華

（國能朔黃鐵路發展有限責任公司，原平 034100）

在現代化的鐵路信號系統中，信號設備的數量和復雜程度不斷增加。嵌入式鐵路信號電子設備作為確保鐵路行車安全的重要設備之一，在鐵路列車實際運行中，極容易受到惡劣環境、設備失修、人為及設備自身質量等因素的影響，其穩定性和安全性很難得到保障，會直接干擾鐵路列車的正常運行。因此，如何快速、準確地檢測和處理信號聯鎖故障，是鐵路部門亟待解決的問題。

文獻[1]提出一種基于關聯規則的鐵道信號設備聯鎖故障檢測方法。該方法受到環境噪聲和人為因素的影響，提取到的設備故障特征不準確，故障診斷精度較低；文獻[2]引入神經網絡對不同類型的聯鎖設備故障展開診斷。該方法應用后存在數據冗余性較大、計算效率較低等問題；文獻[3]提出一種功能安全視角下的鐵路信號聯鎖設備風險評估方法。該方法在評估過程中較為復雜，條件限制較多。為了解決上述方法中存在的問題，提出一種鐵道信號電子設備聯鎖故障自動檢測器的嵌入式設計方法。

1 檢測器的嵌入式硬件設計

在鐵路信號系統中，聯鎖系統是確保列車行駛安全的關鍵部分。因此，如果聯鎖系統出現故障，將會對列車行駛安全產生嚴重影響。聯鎖系統主要是以計算機控制技術為核心，以電子開關技術、計算機通信技術以及自動監測技術為基礎，建立在軟件與硬件雙重防護基礎上的新一代鐵路信號控制設備。聯鎖系統硬件結構如圖1 所示。

圖1 系統硬件結構圖Fig.1 System hardware structure diagram

其中，聯鎖控制機構A、B 都由2 個聯鎖檢測器構成冗余結構。在該結構中，采用局域網LAN，來完成系統中檢測機、維修機和聯鎖機之間的通信；聯鎖控制機構采用雙機熱備的結構形式。

為提高鐵道信號電子設備聯鎖系統的安全性和可靠性，鐵道信號電子設備聯鎖故障自動檢測器采用冗余結構。使2 個ARM 芯片，作為聯鎖檢測器的微處理單元，其中處理器單元包括存儲系統、電源系統、外圍接口等，如圖2 所示。

圖2 鐵道信號電子設備聯鎖故障自動檢測器嵌入式硬件設計Fig.2 Embedded hardware design of interlocking fault automatic detector for railway signal electronic equipment

ARM 處理器選用三星公司的S3C2410x 芯片，網絡控制器選用RTL8019AS 芯片，采用RS232c 作為通信接口，選用IDT7132 雙口RAM 作為ARM 微處理器間進行數據交互和同步控制的通道。

綜上完成鐵道信號電子設備聯鎖故障自動檢測器的嵌入式硬件設計，以實現鐵道信號電子設備聯鎖故障自動檢測。

2 鐵道信號電子設備狀態信號采集及預處理

在信號機、道岔附近安裝信號采集器，以獲取鐵道信號電子設備狀態信息。信號采集器主要通過傳感器采集信號設備的運行狀態和控制信號，然后將采集到的數據傳輸到中心控制站或維修中心進行處理。在信號采集和傳輸的過程中，其易受到外界環境的影響產生噪聲，故需要先對其進行預處理。

用c（y）表示聯鎖設備狀態信號，通過經驗模態分解（empirical mode decomposition，EMD）[4]對其展開分解，得到一系列內蘊模態函數（intrinsic mode function，IMF）和一個余項之和，表達式如下：

式中：imfl所描述的是第l 個IMF 分量；tL（y）代表的是余項；當信號c（y）中存在加性噪聲時，imfl=ul+ml，其中ul所描述的是未被污染的原始信號；ml所描述的是所含噪聲，兩者相互獨立[5]。

噪聲在經過EMD 分解后，得到的IMF 分量中具有不同程度的分布特性，因此需要對其進行有效濾波和重構，以此得到去噪后的有效信號。本次研究采用獨立成分分析法（independent component analysis，ICA）[6]完成IMF 分量的濾波及重構。即將得到的IMF 分量作為ICA 去噪時的多維輸入數據，對信號c（y）實施EMD 處理：

式中：imfo（y）代表的是Z 個IMF 分量。接下來，對分解后獲得的第1 個IMF 分量展開A 次循環移位，進而求出A 個移位后的數據β：

結合式（2）、式（3），建立新的含噪信號，其可表示為

最后，對cβ（y）實施Z 層EMD 分解處理，所得到的IMF 分量用描述。

根據上述，將ICA 與EMD 相結合，對所有的IMF分量和余項展開累加重構[7]，以此得到去噪后的狀態信號，其具體步驟如下：

（1）采用EMD 分解獲得L 層不同尺度的內蘊模態函數｛imfo｝，且o=1，2，…，Z；

（3）將上式集合作為A 維輸入向量，通過ICA去除每層IMF 分量中的噪聲，得到去噪后的值；

3 鐵道信號設備聯鎖故障檢測方法設計

3.1 聯鎖故障特征提取

在完成狀態信號預處理后，需要從中提取設備主要故障特征信息。先提取信號的時域及頻域特征，然后完成小波包能量矩特征提取。設定頻帶信號為Dkl，Dkl中存在的小波包能量矩特征Qk用式（5）描述：

式中：m 和Δy 分別代表的是采樣點數和采樣時間間隔；R所描述的是歸一化的能量矩特征向量，其主要作用是描述信號的時、頻域特征以及聯鎖設備故障信號的非平穩時變特性。

最后將得到的時域、頻域以及小波包能量矩特征相結合，構建一種高維特征集。利用鄰域保持嵌入（NPE）方法對其展開維數約簡處理：

設定高維觀測空間PF中的數據集為C=（c1，c2，…，cM），且co∈PF且o＝1，2，…，M。在此基礎上，以線性方式重構每個點co中的a 個最鄰近點｛co1，co2，…，coa｝，計算方法如式（6）所示：

式中：co′代表的是co的重構點。由此得到重構損失函數γ（E），其計算方法如式（7）所示：

式中：ξok用于描述數據點co的第k 個近鄰的加權。在最小重構損失函數γ（E）條件下，求出重構權值系數矩陣E，可以利用約束最優化求解問題得到：

通過矩陣W計算出每個高維數據點C 所對應的低維表示U：

式中：O代表的是M 階單位矩陣。引入線性變換U=sYC 得到：

為了更簡單地對其展開求解，根據分析線性代數知識將式（10）轉換如下：

通過上式的計算求解即可得到高維特征集的低維本質特征，將其組合在一起，構成鐵道信號聯鎖設備的故障特征向量Y，為后續故障檢測奠定基礎。

3.2 聯鎖故障檢測

為提高信號設備聯鎖故障診斷效果，設計了一種鐵道信號聯鎖設備故障分類器，將通過上述計算得到的聯鎖設備故障特征輸入到該分類器中，實現故障自動檢測。具體實現步驟如下：

首先引入映射函數φ（c）到高維空間中，在該空間中展開決策，表達式為

式中：e 代表的是權重系數；n 代表的是偏置值；Y 代表的是聯鎖設備故障特征向量。

設定誤差函數：

在此基礎上求出e 和n 的值，建立目標函數和約束條件：

結合式（16）、式（17）得到相應的高斯徑向基核函數：

式中：ζ 代表的是高斯寬度參數。

在得到支持向量機參數v 和ζ 后，利用經驗法獲得兩者的取值范圍，并通過蝙蝠算法優化參數v和ζ，其主要分為2 個步驟：

（1）通過分析蝙蝠尋找食物機制，獲取到一條類似于從巢到食物之間的最優路徑并對其實施編碼處理，由此求出參數v 和ζ 的最優取值；

（2）對鐵道信號設備的工作狀態和特征向量之間的關系實施擬合處理，以此得到新的鐵道信號設備工作狀態分類器，實現鐵道信號設備聯鎖故障的自動檢測。

4 實驗與分析

4.1 實驗環境設置

本次研究在一臺操作系統為Windows 7 的電腦中進行，其配置為CPU i58300H，16 GB 內存。利用實驗室搭建的鐵路信號聯鎖平臺采集的數據作為實驗數據集，實驗環境如圖3 所示。

圖3 實驗室環境Fig.3 Laboratory environment

其中正常的聯鎖信號數據來自于進路調車作業，包括100 條下行咽喉調車進路的建立、檢索及取消進路故障，共采集700 組運行數據進行測試。研究所用的故障數據是基于QCustomplot 軟件采集的，包括8 種故障類型，共300 組故障數據。其故障分類如表1 所示。

表1 鐵路信號聯鎖故障分類Tab.1 Classification of railway signal interlocking faults

將故障數據與正常數據混入其中，其中600 組作為訓練集，剩余400 組數據作為測試集，以此為基礎開展測試，得到實驗結果。

4.2 實驗結果分析

應用所提方法進行故障診斷，得到的診斷結果如圖4 所示。

圖4 所提方法故障診斷結果Fig.4 Fault diagnosis results of the proposed method

分析圖4 可知，所提方法的檢測準確率高達100%，與真實值完全相符，具有較高的診斷準確率和良好的容錯性。

鐵道信號電子設備聯鎖故障的特征提取效果決定故障檢測結果的優劣性，為體現所提方法的有效性，實驗將聯鎖設備的4 種不同類型故障狀態和正常狀態隨機分布在某個高維空間中，采用所提方法對該設備展開特征提取，由此得到的提取結果如圖5 所示。

圖5 所提方法故障特征提取結果Fig.5 Fault feature extraction results of the proposed method

根據圖5（a）可知，原始的故障特征分布在空間的各個位置，分布情況雜亂無序，很難提取到所有的故障特征，極容易將正常的鐵道信號聯鎖設備特征誤提取；根據圖5（b）可以看出，所提方法在保留原始正常特征的基礎上，可很好地將不同類型的所有故障特征提取出來并將其區分到不同區域，具有較高的故障特征識別能力，可提高故障診斷精度。

故障檢測效率是保障嵌入式鐵道信號電子設備正常穩定運行的關鍵因素，因此實驗隨機選擇8個故障設備作為檢測對象，分析利用所提方法對其展開故障檢測所消耗的時間，由此得到的耗時結果如表2 所示。

表2 所提方法檢測耗時情況Tab.2 Proposed method is time-consuming for detection situation

由表2 可得，應用所提方法進行故障檢測的耗時較短，各設備檢測平均耗時僅為2.30 s，充分說明所提方法具有較高的穩定性和檢測效率。

5 結語

針對目前鐵道信號設備故障檢測在降噪效果和診斷效率等方面存在的問題和不足之處，提出嵌入式鐵道信號電子設備聯鎖故障自動檢測方法設計。先對嵌入式鐵道信號電子設備聯鎖故障進行分析，然后利用信號采集器實現嵌入式鐵道信號電子設備狀態信號采集，并對信號進行預處理，最后提取信號中的高維特征集，得到聯鎖設備的故障特征向量，完成鐵道信號聯鎖設備故障分類器的設計，以此來實現嵌入式鐵道信號設備聯鎖故障的自動識別。實驗結果表明，所提方法具有較高的故障檢測效率和診斷精度，具有較大的應用價值。