高铁接触网智能化数据处理系统

王跃竣 赵培宇 张瑞喆 赵梦凡 万宝涛 马宇晴

摘 要：基于现有的接触网数据处理复杂、需要大量的人工操作、耗费的时间较长、效率不够高的现状，结合现代铁路行业高速发展的需求，采用软件工程、数据库、神经网络等技术，研发了一种适合高铁接触网的数据处理系统。高铁接触网智能化数据处理系统由数据计算、数据筛查和故障检测三个子系统组成，实现了接触网从设计、预制到检测全过程中的数据融合与数据处理，为我国高铁接触网的智能化、数字化发展提供了新思路。该系统已经在实际场景中使用，并取得了良好的效果。

关键词：接触网；智能化；数据处理；神经网络

Intelligent Data Processing System for Highspeed Railway Catenary

Wang Yuejun1 Zhao Peiyu2 Zhang Ruizhe1 Zhao Mengfan1 Wan Baotao1 Ma Yuqing1

1.School of Electrical and Electrics Engineering，Shijiazhuang Tiedao University HebeiShijiazhuang  050043；

2.Department of Electrical Engineering，Shijiazhuang Institute of Railway Technology HebeiShijiazhuang 050041

Abstract：Due to the complexity of processing the existing catenary data，which requires a large amount of manual operations and takes a long time with insufficient efficiency，a data processing system suitable for highspeed rail catenary was developed using software engineering，databases，neural networks and other technologies，combined with the highspeed development needs of the modern railway industry.The intelligent data processing system for highspeed rail catenary consists of three subsystems：data calculation，data screening and fault detection.It achieves data fusion and processing for the entire process of catenary design，prefabrication and inspection，providing new ideas for the intelligent and digital development of China's highspeed rail catenary.This system has been used in practical scenarios and has achieved good results.

Keywords：Catenary；Intelligent；Data processing；Neural networks

1 概述

接觸网是铁路上空的一种特殊供电网，也是四电工程施工中最为重要的组成部分。数据在高铁接触网的设计、预制和检修三个环节中起着至关重要的作用，它是实现高铁接触网数字化和智能化的基础，也是确保接触网安全运行的重要因素。因此，我们针对设计、预制和检测这三个环节进行了全面的智能化改造，并开发出了这套高铁接触网智能化数据处理系统。该系统通过信息化、智能化和数字化的方式对接触网设计、预制和检测的数据进行全面处理，以确保接触网的安全运行。

目前，国内外对高铁接触网的研究重点在于开发接触网相关的智能化产品和管理软件，而对高铁接触网数据处理的研究相对较少。在高铁和铁路与现代技术融合发展的大背景下，需要进行更加全面深入的研究，以探讨接触网数据处理在新一轮产业革命浪潮中保持领先地位的方法，这样的研究将有助于确定高铁接触网未来发展的方向。因此，开发智能化的高铁接触网数据处理系统已势在必行。

2 系统分析

在软件开发工程中，系统分析是不可或缺的关键步骤。它的主要目的是确立工程总体目标、评估可行性、制定实现目标策略，以及设计满足系统必要功能的系统。

2.1 系统定义

高铁接触网智能化数据处理系统是一种专门处理接触网相关数据的软件系统。这些数据可以分为三大类：接触网腕臂计算数据、接触网腕臂批量解决检测筛查错误参数以及接触网故障数据。系统会对接触网的计算、预制和检测等信息进行分析，为设计和维护接触网提供科学、可靠的数据。运营管理人员可根据系统提供的分析结果，及时采取相应措施，确保接触网的安全和可靠运行。

2.2 系统结构

软件的数据处理取决于软件的目标需求和应用环境的特殊性。通过对接触网的设计、预制和检测三个环节进行深入研究，我们成功地开发了这一套智能化的高铁接触网数据处理系统。

该系统可以被划分为数据计算子系统、数据筛查子系统和故障分析子系统这三个相对独立的子系统。数据处理平台具备多个功能模块，其中包括管理员管理、游客访问、业务应用和数据中心等。业务应用模块包含了数据计算、数据筛查和故障分析这三个核心子模块。在优化数据处理系统和实施方案的基础上，我们对系统平台的细节功能进行了调整，旨在确保智能化数据处理系统的实施效果。这些改进措施可以提高数据处理的质量和效率，并提升整个智能化系统的性能。

3 系统设计

系统设计由整体设计和具体设计两个阶段构成。在整体设计阶段，我们确定软件结构、系统模块组成以及数据结构等方面，以定义整个系统的基本框架和组成要素。而具体设计阶段则聚焦于每个模块内部的具体功能实现，提供严密、详尽的软件部分描述。这种逐步设计方法有助于构建一个合理、高效且易于维护的软件系统。

3.1 数据计算子系统

数据计算子系统采用了创新性的微量三角测量算法。这项研究旨在提高铁路接触网腕臂［1］的安装精度，并综合运用新型微量三角算法来提高纵向单个点的精度和质量。

创新使用微量三角形算法，考虑到接触网平腕臂与绝缘子之间的嵌套结构，定位环、套管双耳和定位器支座等连接零件的立体尺寸，优化了现阶段接触网的算法，提高接触网的精度。与传统算法相比，该算法能够大大减小零件尺寸引起的误差，各项数据计算的准确度由8.1%提升到30%。

接触网计算主要涉及五个主要零件，分别是平腕臂、斜腕臂、定位管、定位环和定位器支座，对应五个确定参数：平腕臂长度、斜腕臂的长度、定位管的长度、定位环的位置和定位器支座的位置（如图1所示）。

采用微量三角形定位法进行单个接触网计算，摒弃了单纯使用直线构建模型的方法。该方法将平腕臂、斜腕臂、定位管、套管双耳和定位环的尺寸全部考虑进去，通过构建相似三角形和运用三角函数关系计算接触网的各零部件位置，提高零部件位置的精确度，进一步促进铁路的高质量发展。

3.2 数据筛查子系统

数据筛查子系统使用了人工BP神经网络［2］算法。针对人工BP神经网络的特点，我们对大量数据进行整合训练，深入学习数据特征，并利用BP神经网络反向传播算法自动筛选和优化数据，排除不符合要求的数据和结果。这样一来，我们可以获得足够准确的数据，并将其应用于接触网各個零部件的批量运算和检测中。

BP神经网络通过将网络输出与实际目标之间的差异平方化，然后使用梯度下降法来找到能够最小化这个差异的参数值。在训练过程中，BP神经网络能够自主学习输入和输出之间的关系，并自动调整网络的权重。通过大量的学习和训练，网络权重可以根据最小误差来确定，以停止训练。在BP神经网络的参数选择方面，可以通过对接触网的各个零部件进行数据分析，选择18个典型部件尺寸作为神经元的输入参数，并以0和1作为筛查结果。利用BP神经网络筛查接触网的批量腕臂错误数据，结合BP神经网络算法，可以更快地判断并且检验结果更准确，误差率更低。同时，BP神经网络具有自我学习功能和较强的信息综合能力，可以充分发挥计算机的高速运算能力，快速寻找最优解，并更高效准确地剔除计算后的错误数据，从而确定接触网各部件的尺寸和位置参数，以降低机车运行中的安全隐患。

将BP神经网络应用于接触网智能化数据处理系统中的数据筛查子系统，用户可以使用样本创建功能，将经过计算的数据导入子系统中进行进一步筛查。用户可以对样本数据进行筛查，根据最终输出结果来判断是否存在错误的数据，并将不符合要求的数据剔除，这样进一步提高接触网腕臂预配的质量与批量筛查效率，从而保障机车安全平稳运行。

3.3 故障分析子系统

目前，我国对接触网故障的识别大多采用激光检测仪或检测车获取参数，并由接触网工人凭借经验进行判断。然而，这种检测方法效率低，时间长，且结果精度不高。为解决这些问题，故障分析子系统［3］采用了可变参数PSO优化极限学习机算法进行智能化识别，提高了故障识别精度，减少了误差，时间也更短，综合性能优于以往方法。

针对极限学习机算法［4］存在的问题，如隐含层节点数多和传统粒子群算法寻优能力不足等，故障分析子系统进行了改进和优化。采用可变参数PSO优化极限学习机算法，可以提高故障识别精度的同时，有效提高收敛速度和全局最优性，减少了隐含层节点数，满足了对接触网故障快速精确识别的需求。

首先，确定接触网各样本數据，包括训练样本和测试样本，并对原始数据进行无量纲预处理，以解决量纲差异问题。其次，设计了四个故障识别指标，并为每种故障类型设定相应的标签指标，用于接触网故障智能识别模型的详细分析。再次，建立可变参数PSO优化极限学习机算法的接触网故障智能算法识别模型，并设置DCUMPSO和ELM的参数，求解适应度值、个体和全局最优解，并确定粒子［5］的速度和位置初始值。最后，判断运行结果是否满足要求。如果迭代次数达到最大或产生全局最优解，则停止迭代；否则，继续迭代，直到结果满足要求为止（如图2所示）。

通过采用可变参数PSO优化极限学习机算法，故障分析子系统成功提高了高铁接触网故障识别的准确性，并且有效地缩短了识别的运行时间，这种方法为接触网故障识别带来了全新的智能方法和思路。

4 系统实现

首先，数据计算子系统采用微量三角形算法，从数据技术角度解决了单个腕臂技术问题，提高了腕臂数据的准确性。其次，数据筛查子系统依靠人工智能BP神经网络，能够自动剔除错误数据，确保后续计算的准确性。故障分析子系统采用可变参数PSO优化极限学习机算法，对传统智能算法进行改进和优化，成功解决了高铁接触网故障识别中的许多实际问题，提高了实用性和高精确性。因此，该系统是一种在铁路接触网智能检测中值得广泛应用的软件。

该软件是基于Visual Studio 2019开发的Windows应用程序，它与操作系统完全兼容，无须担心兼容性问题，且不受硬件限制的制约。该系统采用权限系统分离的开发方案，将业务系统、后台权限系统和前台权限系统进行分类开发和部署。各系统之间通过接口进行通信，并对接口进行严格的访问限制，以进一步提高系统的安全性。

该系统具备广泛且强大的功能，能够满足实际需求。软件界面设计简洁美观，用户操作简单轻松上手，提供高质量的服务，提高工作效率。此外，该系统还具有灵活的个性化自定义功能，根据企业的个性需求，可以自行调整栏位的位置和宽度等，非常简单易用。此外，代码的可靠性较高，便于后期维护。该系统包括用户登录、游客登录、业务应用、管理员管理和数据中心等功能模块，其中业务应用模块又包括数据计算、数据筛查和故障分析三个核心子模块。

用户可以通过输入自己的账号和密码查看个人信息，根据所属部门和职位提供相应的操作功能模块。管理员可以查看用户时长并分配权限；业务应用模块实现了设计、预制和检测管理功能；用户可以通过打开功能模块下的子模块执行腕臂计算、批量筛查腕臂错误数据、识别和判断接触网故障等任务，并根据软件处理后的数据提出改进意见。最后，软件将处理前和处理后的数据收集汇总并存储到数据中心，管理员可以实时查看。该软件系统能够有效地处理和储存高铁接触网的相关数据，从而提高整个系统的运行效率和安全性。

结语

该系统从计算、预制和检测三个环节入手，旨在对高铁接触网进行智能化升级改造。该系统的目标是实现智能化数据处理，提高数据处理效率、安全性和稳定性。通过克服传统管理中存在的系统性缺陷，该系统成功解决了管理即时性不足、数据标准不统一、信息共享与协同水平较低等问题。通过现场使用，该系统具有全面的功能和优良的性能，在满足用户需求方面表现出色，具有广阔的应用前景。

参考文献：

［1］刘海斌，佟尚，房罡，等.高铁接触网腕臂柔性预配生产线实景数字孪生平台设计与开发［J］.机电产品开发与创新，2023，36（01）：4143.

［2］郗伟杰，李东辉.基于遗传算法优化BP神经网络的接触网磨耗预测［J］.电气化铁道，2019，30（S1）：4749.

［3］田升平，张学武，关金发，等.电气化铁路接触网故障仿真平台开发［J/OL］.铁道标准设计，2013，67（12）：17.

［4］吴杰康，覃炜梅，梁浩浩，等.基于自适应极限学习机的变压器故障识别方法［J］.电力自动化设备，2019，39（10）：181189.

［5］张鑫.基于粒子群优化神经网络的机电系统故障诊断［J］.舰船电子工程，2022，42（06）：159162.

作者简介：王跃竣（2002— ），男，汉族，河北张家口人，学士，学生，研究方向：高铁接触网的数据处理与故障诊断。