简谈客专ZPW-2000A轨道电路故障诊断技术的发展

李冠楠燕 翔（1.北京全路通信信号研究设计院集团有限公司，北京 100070；2.北京市高速铁路轨道交通运行控制系统工程技术研究中心，北京 100073）



简谈客专ZPW-2000A轨道电路故障诊断技术的发展

李冠楠1，2燕 翔1，2
（1.北京全路通信信号研究设计院集团有限公司，北京 100070；2.北京市高速铁路轨道交通运行控制系统工程技术研究中心，北京 100073）

如何及时掌握客专轨道电路的运行质量，对故障情况做出及时诊断并预警，避免设备故障影响行车，是目前电务维护的重点工作之一，并受到了相关厂家及研究机构的重视。对目前已有的客专轨道电路故障诊断技术进行介绍，分析当前轨道电路故障诊断工作中存在的问题，并对未来故障诊断技术的发展方向进行探讨。

轨道电路；故障诊断；智能分析

1　概述

客专ZPW-2000A轨道电路是高速铁路列控系统中的关键性基础设施，主要用于列车占用检查、地车通讯、断轨检查。及时掌握轨道电路设备的运行状态，是保障行车安全，提高行车效率的重要工作。

客专ZPW-2000A轨道电路分为室内设备与室外设备。室内设备包括发送器、接收器、衰耗冗余控制器、防雷模拟网络盘、轨道电路通信接口单元等。室外设备主要包括调谐匹配单元、空心线圈、机械绝缘节空心线圈、站内匹配单元、补偿电容、扼流变压器、适配器等。

根据轨道电路结构，客专ZPW-2000A轨道电路分为站内与区间两种基本结构。二者的室内设备一致，室外根据采用电气绝缘节或是机械绝缘节配置有所不同。通常，区间采用电气绝缘节，车站咽喉区及股道采用机械绝缘节，全线区间和站内的轨道电路载频统一排列。由于机械绝缘节对轨道电路各区段进行了物理隔离，而电气绝缘节-电气绝缘节的区间轨道电路属于无绝缘结构，二者在硬件结构及电气特性方面均有一定差异。本文主要以区间轨道电路作为分析对象，并对相应的故障诊断技术进行探讨。

客专ZPW-2000A轨道电路在高铁线路的应用极为广泛，且使用环境复杂。其利用钢轨作为导线传输信号，且多数部件分布在铁路线周围，易受外界温度、湿度等环境因素或人为干扰，常有故障发生，成为影响列控系统可靠性的关键因素。

目前，我国针对客专ZPW-2000A轨道电路尚未形成制式推广的轨道电路故障诊断系统，亟需对这一问题进行系统性探索，填补相关领域的技术空白，进一步提高行车安全性和行车效率。本文对客专ZPW-2000A轨道电路故障诊断技术的发展现状进行了总结，并对轨道电路故障诊断技术的未来发展趋势进行了分析。

2　轨道电路故障诊断技术

客专ZPW-2000A轨道电路除发送器、接收器和通信接口单元外，其他元件大多可以等效看作是电阻、电容、电感及变压器等模拟电子元件构成［1］。对轨道电路进行故障诊断主要有两类方法：一类以电路模型为基础，根据系统应用逻辑，分析轨道电路的电气特性，从而推测故障特征；另一类方法以轨道电路运行过程中产生的状态数据为出发点，通过数据分析的方法对故障特征进行提取，从而达到故障诊断的目的。

2.1基于电路模型的诊断经验

在长期的轨道电路使用过程中，一线的工作人员积累了大量的故障诊断经验［2，3］，对于常见的故障类型基本已能做到快速定位。

通过模拟电缆网络上的测试塞孔可以对故障性质进行快速判断，首先区分是室内设备故障还是室外设备故障［3］。当电缆侧的测量值比平时的正常电压高许多时，一般诊断为室外故障，且为开路故障；当电缆侧的测量值比平时正常电压低，或很低，而设备侧的电压测量值存在并低于正常状态，则判断为室外的短路故障；对于设备侧和电缆侧均无电压或电压值很小的情况，则判断为室内设备故障。

部分室内设备，如发送器、接收器，可根据指示灯状态对该模块的工作质量进行判断，并结合监测数据对故障原因进行分析。而且发送器和接收器模块作为具有逻辑运算功能的计算子模块，设备工作状态异常时，轨道电路维护机也会发出相应的报警提示，帮助工作人员进行判断。

对于衰耗器与模拟电缆网络，则可通过模块表面的指示灯及测试塞孔对工作状态进行判断，从而对电气特性失效的故障元件进行替换。

室外设备故障的诊断则较为复杂，室外设备包含大量的补偿电容、空心线圈及调谐匹配单元，易受环境因素的干扰。确认是室外设备发生故障之后，通常采用逐级测量或者甩线测试的方法对具体的故障位置进行定位。对于轨道电路室外设备故障诊断困难的问题，武汉铁路局开发了1套ZPW-2000A移频轨道电路室外监测系统，对室外轨旁设备的电压电流值进行监测［4］，采集轨面电压、调谐匹配单元逐根钢包铜线的电流值等，为轨道电路的故障诊断提供更多的输入信息。

这些诊断方法大都依赖于轨道电路设备的等效电路模型，通过电路分析的方法，对各元件的工作状态做出判断。当单个元件发生错误时，可通过电路分析推导出相应的信号变化特征，而多个元件出现问题时，或是故障模式较为罕见时，故障特征较为复杂，则难以依据现有经验进行准确的快速诊断。而且上述方法多应用于故障出现后，工作人员根据诊断经验从事相应的故障模块定位及维修工作。由于个人经验的局限性以及依赖性，尚未形成1套可供学习推广的理论知识体系。

2.2基于数据的智能分析

为了摆脱诊断过程中对人的依赖以及人为标准差异造成的影响，相关研究人员从轨道电路的监测数据入手，对基于数据的自动诊断算法展开研究，而各类机器学习算法也在这一领域得到广泛的应用。

清华大学和北京全路通信信号研究设计院集团有限公司联合进行研究，开发了1套基于模糊推理的故障诊断系统［5］。该系统利用Simulink构建轨道电路模型，从而对轨道电路可能存在的多种模拟电路硬故障进行仿真，提取故障特征，并利用模糊推理的方法对故障模式进行判断。

针对单一诊断方法进行故障诊断的精度偏低问题，有研究者将BP神经网络与模糊综合评判相结合，提出了一种基于信息融合的故障诊断方法［6］。该方法首先分别采用神经网络与模糊综合评判对故障诊断问题进行分析，然后利用D-S证据理论对二者的诊断结果进行决策级的融合，发挥BP神经网络及模糊综合评判各自的优势，使得诊断结果较单一，方法更为可靠。

由于轨道电路系统包含多个模块，结构较为复杂，故障模式较多，所以利用神经网络进行求解时，会面临输入及输入变量众多，网络结构庞大，实用性交叉的问题。对此，有学者提出了一种BP-LMPSO-GA混合算法，将复杂神经网络分解为多个规模较小的神经网络组态［7］。单个小规模的神经网络分别针对轨道电路不同部位的故障进行诊断，通过对不同神经网络的诊断结果进行综合，进而得出最终的诊断结论。

此外，还有研究人员采用混合量化的方法，构建模糊神经网络对轨道电路故障进行诊断［8］。该方法采用多输入-多输出结构的模糊神经网络对轨道电路故障问题进行建模，结合神经网络训练模型的方法，发挥模糊理论处理不精确信息的能力，从而对轨道电路的运行质量做出可靠判断。

在各种类型的轨道电路故障情况中，补偿电容故障是一类较为常见的故障情况［9］。对此，有大量工作对补偿电容的故障诊断问题展开了研究。补偿电容用于补偿钢轨的感性阻抗，以保证信号在较长距离内进行有效传输。当补偿电容出现故障时，轨出电压可能出现下降或波动的现象。

针对这一问题，北京交通大学的研究人员提出了一系列基于机车信号记录信息的补偿电容故障诊断方法［10-15］。基于轨面电流与机车信号感应电压之间的线性映射关系，这类方法着重分析补偿电容故障对机车信号感应电压幅值包络曲线产生的影响规律，从而通过对实测包络曲线与仿真曲线之间的差异进行分析，达到补偿电容故障模式诊断的目的。为了提升诊断精度，还可利用B样条离散二进小波变换对幅度包络进行降噪处理［10］，并通过变换域分析，提取更为有效的补偿电容的故障特征［11］。由于这类方法需要利用分路状态进行诊断，所以需要借助动态巡检车的捕获数据进行判断，仍难以做到对轨面状态的实时监测。

针对室外信号数据测量困难的问题，已有研究人员考虑利用室内信号设备的监测数据对室外补偿电容的工作状态加以诊断［9］。然而，这种方法目前只能对单个补偿电容的断路故障进行诊断。

目前，各类机器学习的方法在轨道电路故障诊断中得到越来越广泛的应用，如基于神经网络、基于模糊推理、基于证据理论的诊断方法。这些方法从数据本身入手，提取相应的故障模式特征，制定故障模式的识别规则。

其中，神经网络方法的参数可通过学习过程进行自动调整，因此对样本的拟合程度较好，适合处理大量样本的情况。相应引入的问题是，学习得到的知识可能并不具有明确的物理含义，而且可能出现过拟合的情况，学习过程中的可控性较差。模糊规则的分析过程中则引入了人为指导，并试图通过模糊的方式增加算法的鲁棒性，以解决确定性判断中存在的抗干扰性较差问题。

目前，轨道电路的智能诊断技术仍处于初步的理论研究阶段。由于各轨道电路区段的实际情况差异较大，不同区段的数据特性及相应的特征向量存在着较大差异，因此上述方法难以在不同区段进行推广，尚未形成工程化应用。而且由于使用条件复杂，轨道电路参数多变，易受环境影响。如轨道电路的道床电阻，在雨天和晴天的天气情况下，参数会出现较大差异，传输特性也会发生相应变化，导致用于模式判断的故障特征也需做出相应的调整，以适应现场条件的变化。总体来说，现有的智能诊断技术，能够进行处理的故障类型有限，而且诊断结果的鲁棒性仍需提高。

3　故障诊断技术发展建议

目前，我国客专轨道电路的工作状态分析与故障诊断，大多依靠人工操作来完成，自动化的智能诊断方法多处于理论研究阶段，尚未在现场得到有效的应用与推广。一旦轨道电路设备出现故障，仍需通过大量的人工测量进行定位，电务及设备厂商的工作人员面临繁重的工作负担，人员经验不足时，更是容易对行车效率产生影响。

另一方面，监测系统对轨道电路的运行状态进行了较为详实的记录，然而数据的分析工作仍需要人工完成，如定期的轨道电路曲线查看以及故障后基于监测数据的原因分析等。这样的人工查看与分析工作大多针对异常状态进行，轨道电路设备发生故障前的细微变化趋势则容易被忽视掉，而且设备正常运行状态的大量有效信息并未得到有效利用。此外，由于沿线情况复杂，各区段的轨道电路输出特性均会存在一定差异。信号传输过程中，中间各节点的监测数据更是缺乏统一判断标准，量化分析较为困难。

对于上述矛盾，可以引入信息化技术发展的最新成果，将现有诊断经验与机器学习算法进行结合，并且从监测数据入手，实现在线数据驱动的故障诊断。

此外，还可将自动监测数据与现场人工测量数据相结合，首先根据监测数据给出初步诊断，并提示工作人员到相应的室外或室内位置进行查看或数值测量操作，避免在不相关区域进行耗时的测量工作，进而通过人工测量的反馈，做出更为细致的诊断分析，缩短故障定位时间。

4　总结

近年来，随着客专ZPW-2000A轨道电路在全国范围内的广泛使用，如何及时、准确地掌握轨道电路的工作质量，保障行车安全与效率，得到了铁路电务领域的广泛重视，并涌现出大量的研究工作针对这一问题进行探讨。如何进一步提高监测数据的可靠性与稳定性，将智能诊断技术与现有的诊断经验相结合，构建高效、可靠的轨道电路故障诊断系统，做到及时、精确的故障诊断，探索轨道电路故障的事前预警方法，是未来技术发展的主要方向。

［1］刘琰琼.ZPW-2000A轨道电路智能故障诊断算法应用研究［J］.铁路通信信号工程技术，2014，11（1）：29-32.

［2］王玉兰.ZPW-2000A型轨道电路故障分析及处理［J］.中国高新技术企业，2014（13）：94-95.

［3］郝云涛，石文强.ZPW-2000A型无绝缘移频轨道电路室内设备故障处理［J］.铁道通信信号，2013，49（12）：21-23.

［4］蔡红标，张雄.ZPW-2000移频轨道电路室外监测系统开发［J］.铁道通信信号，2013，49（6）：16-19.

［5］陈卫征，徐晓滨，董炜，等.一种模糊区间优化三角均分的模糊规则生成方法及其在轨道电路故障诊断中的应用［C］//中国自动化学会.第23届过程控制会议论文集，2012：1-8.

［6］李娜，董海鹰.基于D-S证据理论信息融合的轨道电路故障诊断方法研究［J］.铁道科学与工程学报，2012，9（6）：107-112.

［7］杨世武，魏学业，范博，等.基于数据的轨道电路故障诊断的混合算法［J］.北京交通大学学报，2012，36（2）：40-46.

［8］ J.Chen，C.Roberts，P.Weston.Fault detection and diagnosis for railway track circuits using neuro-fuzzy systems［J］.Control Engineering Practice，2008（16）：585-596.

［9］ W.Dong.Fault Diagnosis for Compensating Capacitors of Jointless Track Circuit Based on Dynamic Time Warping［J］.Mathematical Problems in Engineering，2014（2）：1-13.

［10］赵林海，冉义奎，穆建成，等.基于遗传算法的无绝缘轨道电路故障综合诊断方法［J］.中国铁道科学，2010，31（3）：107-114.

［11］赵林海，蔡伯根，邱宽民，等.基于HHT、DBWT的无绝缘轨道电路补偿电容故障诊断［J］.铁道学报，2011，33（3）：49-54.

［12］赵林海，穆建成.基于AOK-TFR的轨道电路故障诊断方法［J］.西南交通大学学报，2011，46（1）：84-91.

［13］赵林海，许俊杰，刘伟宁，等.基于Levenberg-Marquardt算法和广义S-变换的无绝缘轨道电路补偿电容的故障检测［J］.控制理论与应用，2010，27（12）：1612-1617.

［14］孙上鹏，赵会兵.基于相空间重构的无绝缘轨道电路补偿电容故障检测方法［J］.铁道学报，2012，34（10）：79-84.

［15］赵林海，毕延帅，刘伟宁，等.基于分层免疫机制的无绝缘轨道电路补偿电容故障诊断系统［J］.铁道学报，2013，35（10）：73-81.

How to have a good grasp of the operating quality of ZPW-2000A， make the fault diagnosis decision or warning in time， and decrease the traffi c delay caused by ZPW-2000A， is one of key tasks of signaling maintenance， and has been given high regard by the related research institutes and industry companies. This paper introduces the state of the art in fault diagnosis technologies for ZPW-2000A track circuits， analyzes the problems in implementing fault diagnosis， and discusses the development trend of ZPW-2000A fault diagnosis technology.

track circuit； fault diagnosis； intelligent analysis

10.3969/j.issn.1673-4440.2016.02.024

2014-07-23）

中国铁路总公司科技研究开发计划课题项目（2014X008-C）