地铁电气系统故障智能检测方法研究

摘 要：针对地铁电气系统的故障检测问题，本文提出了一种智能化的检测方法。这种检测方法依托神经网络结构，将隐含层扩充为数量丰富的大缓冲池结构，从而具有更好的学习性能和逼近性能。以10组不同类型的地铁电气故障数据作为输入，展开故障检测方法的性能测试试验。测试结果表明，1000组训练数据可以使大缓冲池网络达到更好的收敛效果，对地铁电气系统故障检测的准确率可以达到95.6%以上。

关键词：地铁电气系统；故障检测；智能检测；故障分类

中图分类号：U 231 文献标志码：A

随着科学技术不断进步和发展，电气自动化在地铁中的应用也越来越成熟和普遍。电气自动化的发展使地铁系统的安全性更高[1]。地铁是大型的交通工具，乘坐人数众多，安全问题非常重要。传统的地铁操作需要人工控制，容易出现人为的错误。而利用电气自动化技术可以实现地铁列车的自动驾驶和自动控制，大大降低了人为错误的可能性。电气自动化的发展使地铁系统的运行更高效和节能[2]。地铁系统通常需要在复杂的路线中运行，而电气自动化技术可以实现列车的精确控制和调度，缩短了车辆之间的间隔时间和运行时间，提高了地铁系统的运行效率。电气自动化的发展使地铁系统在安全性、效率和乘客体验方面都得到了提升，成为了现代化城市重要的公共交通工具[3]。在未来，随着科技不断创新和推进，电气自动化技术在地铁中的应用将会更广泛和深入。但是，地铁电气系统也会面临多种故障的影响，从而影响地铁的安全运行。因此，本文提出一种智能化的检测方法，用于地铁电气系统的故障检测。

1 地铁电气系统的故障分析

电气系统在整个地铁系统中占据十分重要的地位，发挥能量供给、控制调整等作用。但是地铁电气系统的复杂性也使其可能出现多种故障。下面，就从地铁电气系统的故障产生原因和分类类型2个方面进行分析。

1.1 地铁电气系统的故障原因

1.1.1 设备老化或故障

地铁列车的电气部件，例如电机、电缆、开关、接触器等设备，在长时间的使用中可能会出现老化或故障，导致电气系统出现故障。

1.1.2 环境因素

在运营过程中，地铁列车暴露在不同的环境中。例如高温、寒冷、湿度大、污染等环境因素可能会对电气设备造成损伤，导致电气故障。

1.1.3 操作问题

列车司机或维修人员在操作过程中可能会因误操作导致发生电气故障，例如未正确操作开关、忘记关闭某些设备等。

1.1.4 当地电网供电问题

地铁列车在运营过程中需要依赖当地电网进行供电，如果当地电网出现电力波动或停电等问题，也可能会导致发生电气故障。

1.2 地铁电气系统的故障类型

地铁列车电气故障的类型种类繁多，以下是常见的故障类型。1）电机故障。地铁列车电机故障主要表现为电机失速、振动、响声大等，影响列车行驶安全和舒适性。2）电缆故障。地铁列车电缆故障可能是由电缆损坏、接头短路或断开等原因引起的。3）开关失灵。地铁列车开关失灵可能会导致电气系统部分或全部失效，严重影响列车的运行安全。4）接触器松动、断路或粘连。地铁列车接触器故障常常会导致电气系统某些设备无法正常工作。5）电气隔离故障。地铁列车电气隔离故障可能会导致部分电气设备受到干扰，影响列车的运行安全。

2 地铁电气系统故障的智能化检测方法

为了实现地铁电气系统故障的智能化检测，构建检测算法的思路如下：以具有大缓冲池结构的神经网络为核心，将地铁电气故障状态数据作为输入、地铁电气故障类型数据作为输出，对神经网络进行训练，当迭代误差足够小时，将神经网络的结构固定下来，对未知故障类型的状态数据进行判断检测。这一方法的流程如图1所示。

根据前面的分析可知，地铁电气故障包括多种类型，例如电机故障、电缆故障、开关失灵、接触器松动断路或粘连、电气隔离故障等。这些故障有的又可以进行进一步细分，在本文中就细分为10类常见故障类型，然后将这些故障类型对应的数据送入学习网络进行训练，以形成故障的智能化检测结果。这里的学习网络选择了一种大缓冲池的神经网络，与一般的BP网络相比，这种网络虽然也是三层结构，但中间层设置了数量更丰富的神经元，具有能力更强大的缓冲池的效果，此学习网络的结构如图2所示。

图2给出的是地铁电气系统故障智能化检测的大缓冲池神经网络的具体结构，这个结构也分为3个层次，中间层因神经元数量众多被称为缓冲池。这3个层次的数学形态刻画如公式（1）～公式（3）所示。

I（k）=（i1（k），i2（k），...，il（k））T （1）

C（k）=c1（k），c2（k），...，cm（k））T （2）

O（k）=（o1（k），o2（k），...，on（k））T （3）

式中：I（k）为输入；C（k）为缓冲池；O（k）为输出。

输入这个层次上，一共设定了10个分量。1）第一输入分量I1。地铁电气系统中电机组件的停机故障。2）第二输入分量I2。地铁电气系统中电缆组件的通断故障。3）第三输入分量I3。地铁电气系统中核心组件的温差故障。4）第四输入分量I4。地铁电气系统中开关组件的老化故障。5）第五输入分量I5。地铁电气系统中关键组件的绝缘故障。6）第六输入分量I6。地铁电气系统中接触器组件的触点故障。7）第七输入分量I7。地铁电气系统中关键组件的秽物故障。8）第八输入分量I8。地铁电气系统中关键组件的散热故障。9）第九输入分量I9。地铁电气系统中关键组件的漏电故障。10）第十输入分量I10。地铁电气系统中的电气隔离失效故障。

这10个输入分量都配置大量的数据纳入大缓冲池网络中进行训练和学习，经过不断迭代处理使网络具有了故障类型分析的判别能力，其输出和缓冲池、输入之间的关系如公式（4）、公式（5）所示。

C（k+1）=R1（ΦicI（k+1）+ΦccC（k）） （4）

O（k+1）=R2（ΦccC（k+1）） （5）

式中：R1、R2为激活函数；O（k）为大缓冲池网络的输出。

大缓冲池网络的训练过程以迭代训练的误差大小为判断依据。这个误差足够小，就表明地铁电气故障的智能检测结果与真实结果接近，不需要再进行训练了。

3 地铁电气系统故障的智能检测试验

智能化故障检测方法构建完毕以后，依赖大量的故障经验数据的输入，这就需要配置多种传感器来获取故障数据，同时形成采集端和处理端的数据和控制调度。本文将数据采集端定义为客户端，将智能检测算法执行端定义为服务器端，从而形成一个C/S的软件结构。这里，数据采集端配置了5个模块：第一个模块，负责地铁电气系统各个组件的状态信息采集；第二个模块，负责向检测算法执行端传输地铁电气系统各个组件的状态信息；第三个模块，负责接受来自检测算法执行端的控制指令；第四个模块，负责数据采集端的用户登录；第五个模块，负责存储和管理地铁电气系统各个组件的状态信息。

故障检测算法执行端配置了6个模块：第一个模块，负责接收来自数据采集端的信息；第二个模块，负责对故障检测算法执行端进行数据管理；第三个模块，负责运行基于大缓冲池网络的故障检测算法；第四个模块，负责将控制指令发送到数据采集端；第五个模块，负责故障检测算法执行端的用户登录；第六个模块，负责故障检测算法执行端的系统维护。

故障检测算法执行端的体系结构设计如下：在地铁电气系统故障检测系统的构成中，包括多个数据采集端。数据采集端负责搜集不同类型的故障数据，因此需要配置多种类型的传感器，同时要以人工巡检为辅助的方法获得数据，这种采集手段和采集对象的对应关系如图3所示。

大缓冲池网络的训练依靠大量的采集样本，但考虑版面的限制，这里给出一部分样本数据，见表1。

依托公式（1），有I（10）=（0，0，0.1，0，0，0，0.1，0，0，0），O（1）=0.1，将其送入神经网络进行训练，根据公式（4）和公式（5），有O（2）=R2（0.1）=0。按照同样的方法，以此类推，可以训练出各组数据的结果。

在实际的测试过程中，以地铁电气系统各构成组件的1000组数据信息作为测试对象，并设置2种测试方案。一种是随机抽取500组数据信息，用于大缓冲池网络的迭代训练；另一种是选择全部1000组数据信息，用于大缓冲池网络的迭代训练。训练过程的结果如图4所示。

测试过程显示，测试集合的数据越多，大缓冲池网络的迭代训练效果更好，其收敛的迭代误差更小并且保持稳定。这样训练后的网络用于地铁电气系统的真实故障的检测，不仅智能化特征、自动化效率高，而且检测结果准确率高，达到95.6%以上。

4 结语

电气系统在整个地铁系统中占据十分重要的地位，发挥能量供给、控制调整等作用。但是地铁电气系统的复杂性也使其可能出现多种故障。本文对地铁电气系统的故障原因和类型进行分析，从而构建了一种基于大缓冲池网络的智能化故障检测方法。大缓冲池网络的输入为常见的故障类型数据，分别对应10个输入变量，分别为电机组件的停机故障、电缆组件的通断故障、核心组件的温差故障、开关组件的老化故障、关键组件的绝缘故障、接触器组件的触点故障、关键组件的秽物故障、关键组件的散热故障、关键组件的漏电故障、电气隔离失效故障。进一步的测试试验验证了大缓冲网络的收敛性能，也验证了它对地铁电气系统故障检测的有效性。

参考文献

[1]穆泓冰，王永利，杨宇鹏.地铁车辆电气系统中牵引与辅助供电系统的故障与检修方法[J].中国设备工程，2023（11）：182-184.

[2]杨博.电气自动化的发展及在地铁中的应用体会[J].中文科技期刊数据库（全文版）工程技术，2022，31（10）：41-45.

[3]佟国加.地铁车辆电气系统中牵引与辅助系统的故障与检修探究[J].中文科技期刊数据库（全文版）工程技术，2022，45（1）：301-308.