基于故障状态演化的高速公路机电设备智能维护系统设计

徐红辉 王种 范杰

摘要：以往高速公路机电设备智能维护大多采用人工检测的形式，未能详细计算机电设备中的故障数据、准确判断故障类型。为此，针对当前高速公路机电设备智能维护的需求，设计基于故障状态演化的高速公路机电设备智能维护系统。在高速公路机电设备智能维护中，故障监测模块融合物联网传感器技术、电子设备控制技术和数据分析处理技术，实现智能感知、网络传输、信息整合以及应用服务功能，并采用基于故障状态演化的故障预测诊断混合模型实现高速公路机电设备故障检测，将检测结果传输至机电设备智能维护模块，按照相应类型选择维护程序，完成高速公路机电设备智能维护。经验证，该系统修复率大于99.98%，且维护效率和鲁棒性高，可应用于高速公路机电设备智能维护工作中。

关键词：故障状态演化;高速公路;机电设备;智能维护;故障监测;实验验证

中图分类号：TN911-34;TH122

文献标识码：A

文章编号：1004-373X（ 2019） 24-0112-04

随着我国公路建设的迅速发展，有关公路管理相关技术已借鉴国外经验，创新成具有中国特色公路管理技术。机电设备的供给可有效促进高速公路的合理运营，能够提升公路管理水平[1]。高速公路机电设备不单组建内容复杂，分布呈现分散性，涉及领域具有多样化，管理维护存在一定难度[2]。为克服此类问题，提升机电设备维护管理程度，结合实际工作使用合理的维护系统是当务之急。

高速公路机电设备维护的目标是为高速公路营运管理给予最好的交通工程机电技术设备，提升維护管理任务的效率，保证机电设备性能不出现异常[3]。本文设计一种基于故障状态演化的高速公路机电设备智能维护系统，以期为高速公路营运管理提供绵薄之力。

1 高速公路机电设备智能维护系统

1.1 系统硬件设计

故障监测模块融合物联网传感器技术、电子设备控制技术和数据分析处理技术，实现高速公路机电设备信息的智能感知、信息网络传输和整合等功能。并采用基于故障状态演化的故障预测诊断混合模型实现高速公路机电设备故障检测，将检测结果传输至机电设备智能维护模块，按照相应类型选择维护程序，智能维护机电设备。

1）故障监测模块

融合物联网传感器技术、电子设备控制技术和数据分析处理技术，构建故障检测模块实现高速公路机电设备故障检测工作[4]。故障检测模块包含智能感知、网络传输、信息整合以及应用服务四种核心单元。故障监测模块的整体结构如图1所示。

2）机电设备智能维护模块

机电设备智能维护模块包含交通控制设施维护、照明控制维护、供电控制维护、消防控制维护、车道控制标志维护以及可变信息标志维护等[5]。机电设备智能维护模块的整体结构如图2所示。

1.2 软件设计

系统中的故障监测模块采用基于故障状态演化的故障预测诊断混合模型，实现高速公路机电设备故障检测。

1.2.1 高速公路机电设备系统故障的数学模型

若高速公路机电设备系统出现故障，那么系统的动态状态空间模型为：

y（t） =By（t）+ Cv（t） +Hig（t） （1）

x（t） =Dy（t） +Ev（t） +H2g（t）

（2）式中：高速公路机电设备状态矢量、控制矢量依次设成y（t），v（t）;高速公路机电设备观测矢量与故障矢量依次设成x（t），g（t）;B，c，D，E表示常数矩阵。高速公路机电设备系统的真实输出存在一定故障矢量[6]。考虑到高速公路机电设备系统全部可能存在的故障类型，诊断原理图见图3，将未知时间的故障g（t）设成被控目标，判断故障信息类型[7]。

1.2.3 故障预测诊断混合模型

将高速公路机电设备系统故障模型与故障演化趋势HSMM模型融合，获取故障预测诊断混合模型[8]。将故障矢量设成关键因子导人HSMM模型中，系统不停的运转，高速公路机电设备故障信号愈加强烈，但前期状态故障信号对后期状态故障信号不具有直接干扰[9-10]。

高速公路机电设备故障诊断需处理问题：在已知观测序列Xt={x1，x2，…，xt}和目前故障矢量g（t）前提下，计算出设备故障结果q（（pt= yi|Xt）| g（t））。

2 实验分析

2.1 系统维护结果

为验证本文系统有效性，将本文系统应用于某地区高速公路机电设备智能维护工作中，设定维护周期为1年，统计每个月中机电设备维护情况。本文系统维护结果如表1所示。

从表1可知，在1年时间里，高速公路机电设备故障次数与修复次数完全相符，本文系统修复率未低于99.98%，修复效果较好。

为进一步分析本文系统性能优势，采用本文系统、高速公路机电设备寿命预测系统、机电设备振动信号故障诊断系统进行对比实验。

2.2 故障率

采用三种系统对相同高速公路机电设备进行智能维护12个月，将高速公路机电设备故障分为轻、中、重度三种。测试三种系统维护后，高速公路机电设备1年内的故障率，三种系统的维护故障率对比结果见表2。

分析表2可知，该机电设备1年内故障率存在差异，本文系统在三种不同程度故障维护中，平均故障率为0.01，均小于高速公路机电设备寿命预测系统等平均故障率。故本文系统故障率最低，维护效果最高。

2.3 维护效率

测试上述实验中三种系统维护时间开销情况进行对比，结果见图4。

分析图4可知，本文系统维护时间开销均未超过20 ms，相比之下，高速公路电机设备寿命预测系统与机电设备振动信号故障诊断系统的维修时间开销均大于本文系统。故本文系统在维护高速公路机电设备时，维护效率较高。

2.4 鲁棒性

多次测试三种系统的维护鲁棒性，并进行对比，对比结果如图5所示。

从图5对比可知，本文系统鲁棒性最大值为96.99%，且始终大于高速公路机电设备寿命预测系统等系统。故本文系统的鲁棒性最好，在维护机电设备时，功能较稳定。

3 结论

伴随信息技术快速发展，未来高速公路机电设备智能维护工作将会面向智能化，维护效果将会出现质的提升。本文设计的基于故障状态演化的高速公路机电设备智能维护系统与同类维护系统相比，性能最好。

参考文献

[1]于泉，郭增增，梁锐.基于马尔科夫链的高速公路机电设备寿命预测研究模型[J]公路交通科技，2018，35（1）：28-35.

YU Quan， GUO Zengzeng， LIANG Rui.A prediction model ofexpressway electromechanical equipment life based on Markovchain [J]. Journal of highway and transportation research anddevelopment， 2018， 35（1）： 28-35.

[2]楊连报，李平.基于本体的高速铁路车载设备智能维护决策树模型[J]铁道运输与经济，2017，39（2）：59-63.

YANG Lianbao， LI Ping. Ontology-based decision tree modelfor intelligent maintenance of high-speed railway onboard equip-ment [J]. Railway transport and economv， 2017， 39（2）： 59-63.

[3]于群，张敏，曹娜，等.基于模糊元胞自动机的电网连锁故障控制策略[J].电力自动化设备，2016，36（8）：90-95.

YU Qun， ZHANG Min. CAO Na. et al.Grid cascading failurecontrol based on fuzzy CA[J].Electric power automation equip-ment， 2016， 36（8）： 90-95.

[4]王宇，罗倩，纪厚业.机电设备振动信号故障诊断算法研究[J].计算机仿真，2017，34（5）：414-419.

WANG Yu， LUO Qian， JI Houye. Research on fault diagnosisalgorithm for vibration signals of electromechanical equipment[J]. Computer simulation， 2017， 34（5）：414-419.

[5]张红旗，邵晓东，胡祥涛.基于部分可观察马尔可夫决策过程的机电装备动态可靠性评价方法[J]中国机械T程，2016，27（ 18）：2482-2486.

ZHANG Hongqi， SHAO Xiaodong， HU Xiangtao. Dynamic re-liabilitY assessment method based on POMDP for electrome-chanical equipment [J]. China mechanical engineering， 2016，27（18）：2482-2486.

[6] SHEIKHLAR A. FAKHARIAN A， BEIK-MOHAMMADI H，et al. Design and implementation of self-adaptive PD controllerbased on fuzzy logic algorithm for omni-directional fast robotsin presence of model uncertainties [J]. International journal ofuncertainty， fuzziness and knowledge-based systems， 2016. 24（5）：761-780.

[7]程学庆，李月，舒继承，等.我国高速铁路固定设备维护体制模式研究[J]铁道科学与工程学报，2017，14（2）：16-22.

CHENG Xueqing， LI Yue， SHU Jicheng， et aI.Study of high-speed railway fixed equipment maintenance svstem mode inChina [J]. Journal of railway science and engineering， 2017， 14（2）：16-22.

[8] CRUZ A G D A， GOMES R D. BELO F A， et al.A hybridsystem based on fuzzy logic to failure diagnosis in inductionmotors[J].IEEE latin america transactions， 2017. 15 （8）： 1480-1489.

[9] ZHANG Haizhu. HAN Xin， LI Rong， et al.A new conceptualdesign method to support rapid and effective mapping fromproduct design specification to concept design [J]. Internationaljournal of advanced manufacturing technology， 2016， 87 （5/8）：2375-2389.

[10]赵健，城市轨道交通车站机电设备委外维护信息化管理系统的组成与实施效果评价[J]城市轨道交通研究，2017，20（6）：152-156.

ZHAO Jian. Management system of the outsourcing mainte-nance information for urban rail transit station electromechani-cal equipment[J]. Urban mass transit. 2017. 20（6）： 152- 1 56

作者简介：徐红辉（1968-），女，广东揭西人，硕士，副教授，研究方向为计算机应用、设备管理工程、企业管理。