道岔转辙机的智能诊断***及诊断方法
技术领域
本发明属于轨道交通行业信号技术领域,具体涉及一种道岔转辙机的智能诊断***及诊断方法。
背景技术
我国是一个幅员辽阔的发展中国家,目前经济正处于高速发展时期,快速城市化导致大都市及中心城市人口持续膨胀。为有效解决不断膨胀人口城市的交通问题,城市轨道交通以其大运量,在城市公共交通***中发挥着无可替代的重要作用,成为我国大都市及中心城市不二的选择。为了适应快速发展城市轨道交通,轨道交通的安全平稳运行成了关注的焦点,城市轨道交通行车关键装备的突发故障,不但会导致地铁运营不畅,大量乘客滞留还会构成了重大公共安全隐患。
道岔与列车接触最直接、最关健、最薄弱的部位是尖轨。开展道岔尖轨状态实时监测***的研制,可以对道岔的工作过程及位置状态及时了解并做运行趋势估计,为维修人员提供实时的可靠判据。监测的数据可使职守人员做出相应正确的安全措施。同时通过检测数据判断的尖轨历史运动趋势可以建立道岔的标准数据库,其趋势估计对于道岔维修可以提出合理的维修计划,并在道岔安装调试中也具有借鉴和应用价值。
此外,道岔转辙机是平稳安全运营的一个关键装置,道岔转辙机故障将直接影响到列车运营安全。平均每2分钟需要动作一次的关键部位--道岔转辙机是线路运营的一个薄弱环节,一旦关键部位道岔或转辙机出现故障,将会直接影响运力的发挥,甚至导致停运。为了确保城市轨道交通持续畅通运行,像关键部位--道岔转辙机采用发生故障后进行维修的模式是不适宜的,必须研究一种持续监测***,对关键部位的道岔转辙机进行持续跟踪记录,比较分析其每个动作间的差异,一旦发现其处于故障发生前的临界状态,即刻提醒及时安排计划维护维修,不但能节省大量的检查时间和维修工作量,而且能够在故障发生之前,通过征兆的获取和自动识别,将维护维修工作由原来的故障修转化为状态修,大大减少转辙机应急维修频率,提高运营***的稳定。
因此研制道岔尖轨及转辙机状态在线监测***,成为城市轨道交通安全平稳运营及提高效率一个技术解决方案。正是在这样的背景下,研制城市轨道交通道岔尖轨及转辙机在线监测***成为一种必然。
发明内容
为了解决上述问题,本发明的第一目的在于提供一种道岔转辙机的智能诊断***,能够提前及时的诊断各种故障类型,加快了故障的排除速度和全面性,并且提高了轨道交通安全性。
为实现上述目的,本发明按以下技术方案予以实现的:
本发明所述道岔转辙机的智能诊断***,包括:
若干传感器,安装于道岔上,用于采集道岔关键部位实时的各类电信号,形成道岔转辙机的实际动作曲线;
前端处理装置,与所述传感器连接,用于将所述实际动作曲线进行预处理;
第一交换机,与所述前端处理装置连接,用于将所述处理后的实际动作曲线进行交换处理,并传输;
数据管理中心,通过路由器与所述第一交换机连接,包括与路由器连接的第二交换机和用于存储故障规则的数据库服务器;所述数据库服务器包括用于存储故障规则的故障规则库;
所述数据管理中心将所述第一交换机发送的状态信息与所述故障规则库中的数据信息进行对比,通过分析诊断,预测和推断故障类型,对故障情况发出报警,以便维护人员进行维护确认。
进一步地,所述数据库服务器中存储的故障规则具体包括:轨道交通实际运营中常见的道岔故障状态信息和道岔非故障状态信息。
进一步地,所述路由器与数据管理中心通过网络专线连接。
进一步地,所述传感器安装于不同道岔上,并且通过多输入模式与前端处理装置连接。
为了解决上述问题,本发明的第二目的在于提供一种道岔转辙机的智能诊断方法,具有诊断及时、准确、全面的特点。
为实现上述目的,本发明按以下技术方案予以实现的:
本发明所述道岔转辙机的智能诊断方法,包括如下步骤:
建立故障规则库;
现场采集道岔关键部位的实际实时的各类电信号,形成上道岔转辙机的实际动作曲线;
将处理后的实际动作曲线与故障规则库中各故障对应的曲线进行对比,通过分析诊断,预测和推断故障类型,并对故障情况发出报警,以提醒维护人员进行维护确认。
进一步地,所述建立故障规则库的步骤,具体包括:
采集实验模拟数据,形成道岔转辙机的模拟动作曲线;
对所述模拟动作曲线进行波形过滤、去除噪音;
对处理后的所述模拟动作曲线搜寻特征趋势区域,并对特征趋势区域设定相应的编码;
根据特征趋势区域,区别无故障数据和故障数据,建立各项故障的故障规则库。
进一步地,所述对处理后的所述模拟动作曲线搜寻特征趋势区域,并对特征趋势区域设定对应的编码的步骤,具体如下:将处理后的所述模拟动作曲线根据特征趋势进行识别,然后根据曲线的外形特征进行区域分段,并且按照预设规则,对每段进行编码。
进一步地,所述区别无故障和故障数据,建立各项故障的故障规则库的步骤具体如下:
设定参考线:将无故障曲线作为最低分数的参考线,故障曲线作为最高分数的参考线;
针对每一项故障,采集该项故障不同程度对应的特征趋势下的动作曲线,并且对于不同程度下的动作曲线建立对应的重要度级别;
根据重要度级别,设置优选级权重体系,建立各项不同故障的故障规则库;
其中,根据每个特征趋势的重要度的优先级别,设定优选级权重体系,具体为:
对于优先级最低的特征趋势,权重最低为0,最高为2;
对于优先级中等的特征趋势,权重最低为0,最高为5;
对于优先级最高的特征趋势,权重最低为0,最高为10。
进一步地,所述处理后的实际动作曲线与故障规则库中各故障对应的曲线进行对比,通过分析诊断,预测和推断故障类型的步骤,具体是:
将处理后的所述实际动作曲线与故障规则库中故障对应的曲线进行参照对比;
根据分析诊断计算出故障诊断数值;
根据故障诊断数值,采用线性分部原则评定故障程度,得出基础评分,进而确定故障类型。
进一步地,所述根据分析诊断计算出故障诊断数值的步骤,具体是:
将处理后的所述实际动作曲线与故障规则库中的最低分数的参考线或最高分数的参考线比较,获取邻近度数值;
如果实际的动作曲线低于最低分数的参考线,则评分为0;
如果实际的动作曲线高于最高分数的参考线,则评分为1;
如果实际的动作曲线位于最低分数的参考线和最高分数的参考线之间,则根据线性分布原则进行评分,即计算实际数值曲线与两个参考线之间的距离几何差值,得到基础评分。
进一步地,在根据所述线性分部原则进行评分的过程中,对于包括各种不同特征趋势的故障需做进一步的判断:
根据重要度级别设置的优选级权重体系,将优先级别对应的权重因子乘以各项的基础评分,得出最终评估分数。
将以上优先级别对应的权重因子乘以各项的基础评分,得出最终评估分数。:
与现有技术相比,本发明的有益效果是:
1.数据库服务器中存储的故障规则包含多个故障的特征,涵盖了实际运营中常见的各类故障,实现了故障分析的完整性和实用性;
2.前端采集装置和数据管理中心相结合,实现了轨道交通信号设备故障的快速、准确定位。同时,故障分析的提供,加快了故障的排除速度,提高了轨道交通更安全生产效率。
3.故障预测的提供将维护维修工作由原来的故障修转化为状态修,大大减少转辙机应急维修频率,提高运营***的稳定。
4、智能诊断形成的故障原因和分析,通过PC实时显示给现场的工作人员,帮助维护人员准确定位故障位置,降低维修的时间和成本,提高维护的效率。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明,其中:
图1是本发明所述的道岔转辙机的智能诊断***的结构示意图;
图2是本发明所述的道岔转辙机的智能诊断方法的流程图;
图3是本发明所述的道岔转辙机的智能诊断方法中建立故障规则库的流程图;
图4是本发明所述的道岔转辙机的智能诊断方法中根据特征趋势区域建立各项故障的故障规则库的流程图;
图5是本发明所述的道岔转辙机的智能诊断方法中预测和推断故障类型的流程图;
图6是本发明所述的道岔转辙机的智能诊断方法中分析诊断算法计算故障诊断数值的流程图;
图7是本发明所述的道岔转辙机的智能诊断方法的整体流程图。
图中:
1、2:被测道岔 3:传感器 4:前端处理装置 5:第一交换机
6:第一防火墙 7:路由器 8、ADSL 9:第二防火墙 10:第二交换机
11:PC终端 12:打印机 13:数据库服务器 131:故障规则库 14:中央服务器
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1所示,本发明所述的道岔转辙机的智能诊断***,利用自动化采集道岔实际过程中的各项数据信息,然后与实验过程中建立的故障库中的数据信息进行对比,从而提前诊断出道岔的故障类型,加快了故障的排除速度,同时也为定期维护(一周一小修、一月一大修)的状故障修模式转换为状态修,即提前准确的进行诊断分析和预测故障,大大减少转辙机应急维修频率,提高运营***的稳定。
所述道岔转辙机的智能诊断***,包括顺次连接的传感器3、前端处理装置4、第一交换机5和数据管理中心。
其中,所述传感器3设置有若干,分别安装于不同的道岔1、2上,用于采集道岔1、2关键部位实时的各类电信号(例如转辙机的电流、电压、液压等),形成道岔转辙机的实际动作曲线,并且通过多输入模式与前端处理装置4连接。所述前端处理装置4,与所述传感器3连接,用于将所述实际动作曲线进行预处理,比如波形过滤,去除噪音,使得曲线更平滑,避免干扰造成的不准确性。所述第一交换机5,与所述前端处理装置4连接,用于将预处理后的实际动作曲线进行交换处理,并传输;所述数据管理中心,通过路由器7与所述第一交换机5连接,包括与路由器7连接的第二交换机10和用于存储故障规则的数据库服务器13;所述数据管理中心将所述第一交换机5发送的处理后的实际动作曲线与所述数据库服务器13中的故障规则库中各故障对应的曲线进行对比,通过分析诊断,预测和推断故障类型,对故障情况发出报警,以便维护人员进行维护确认。
进一步地,所述数据库服务器13中故障规则库131存储的数据信息具体包括:轨道交通实际运营中常见的道岔故障状态信息和道岔非故障状态信息,即需要对故障状态信息和正常状态信息全部统计,更全面。
进一步地,所述路由器7与数据管理中心通过网络专线连接。其类似一个独立的局域网,让用户的数据传输变得可靠可信,安全性高,干扰少,服务质量QoS可以得到保证。道岔的正常工作关系到轨道交通网络的正常运行,使用网络专线可以最大程度地降低各类设备对其进行的干扰,也可以避免不法分子对轨道交通关键设备的恶意攻击
进一步地,所述数据管理中心还包括与第二交换机10连接的中央服务器14,用于对数据库服务器进行集中管理。
进一步地,所述数据管理中心还包括与第二交换机10连接的PC终端11,所述PC终端11用于实时显示给现场的工作人员,帮助维护人员准确定位故障位置,降低维修的时间和成本,提高维护的效率。
进一步地,所述数据管理中心还包括与第二交换机10连接的打印机12,便于将重要信息进行打印,使得维护人员精确快速了解故障原因,及时安排维护,保证正常运营。
具体地,所述路由器7与第二交换机10之间通过ADSL的数据传输方式,可以有效避免传输过程中相互之间的干扰。
进一步地,所述第一交换机5与路由器7之间还设有第一防火墙6,所述第二交换机10的前端还设有第二防火墙9,二者都是为了提高数据传输过程中的安全性。
本发明所述的道岔转辙机***知道能诊断***,通过在被测道岔对象中设置各传感器3,所述传感器3以精准地实时获得道岔的各项关键状态信息。信息通过网络专线将其传到后台的数据管理中心,结合针对各项常见故障而建立的故障规则库,配合分析诊断,给出故障预测和分析,将结果反馈到数据管理中心的PC上。并将重要信息进行打印,以便维护人员精确快速了解故障原因,及时安排维护,保证正常运营。
以上是对本发明所述的道岔转辙机的智能诊断***的具体说明,以下对其诊断方法做具体描述,如图2和图7所示,具体步骤如下:
S1:建立故障规则库:具体如下步骤,如图3所示:
S11:采集实验模拟数据,形成道岔转辙机的模拟动作曲线;
通过实验的形式进行模拟,并且采集各项模拟数据,并且对每一项故障形成对应的模拟动作曲线;
S12:对所述模拟动作曲线进行波形过滤、去除噪音;为了去除模拟过程中干扰,使得动作曲线变得平滑,避免干扰造成的不准确性。
S13:对处理后的所述模拟动作曲线搜寻特征趋势区域,并对特征趋势区域设定相应的编码;
将处理后的所述模拟动作曲线根据特征趋势进行识别,然后根据曲线的外形特征进行区域分段,并且按照预设规则,对每段进行编码,例如某一特征下的模拟动作曲线,根据其特征趋势分段,具体为:
电流涌入阶段,此阶段电流迅速提高随后迅速降低;
道岔解锁阶段,此阶段电流缓慢降低;
动作阶段,此阶段电流缓慢升高;
锁闭阶段,此阶段电流升高后迅速断开;
其中,对每一阶段进行对应的编码,以便后续的处理和识别。
S14:根据特征趋势区域,区别无故障数据和故障数据,建立各项故障的故障规则库,具体又包括如下步骤,如图4所示:
S141:设定参考线:将无故障曲线作为最低分数的参考线,故障曲线作为最高分数的参考线;例如:以上所述锁闭阶段中的困难故障对应的数据曲线,在锁闭阶段的电流峰值会远远高于无故障对应的数据曲线。因此,这一特征趋势区域中,无故障曲线的数值会被记录下来作为最低分参考线,故障曲线的数值会被记录下来作为最高分参考线。
S142:针对每一项故障,采集该项故障不同程度对应的特征趋势下的动作曲线,并且对于不同程度下的动作曲线建立对应的重要度级别;
S143:根据重要度级别,设置优选级权重体系,建立各项不同故障的故障规则库。
以上都是在实验模拟阶段,建立可参考的故障规则,以便在实际过程中作为参考,以分析和预测对应的实际故障类型。
S2:现场采集道岔关键部位的实际实时的各类电信号,形成道岔转辙机的实际动作曲线;
S3:将处理后的实际动作曲线与故障规则库中的数据信息进行对比,通过分析诊断,预测和推断故障类型,并对故障情况发出报警,以提醒维护人员进行维护确认,具体包括如下步骤,如图5所示:
S31:将处理后的所述实际动作曲线与故障规则库中故障对应的曲线进行参照对比;
S32:根据分析诊断计算出故障诊断数值,具体包括如下步骤,如图6所示:
S321:将将处理后的所述实际动作曲线与故障规则库中的最低分数的参考线或最高分数的参考线比较,获取邻近度数值;
其中,如果实际的数值曲线低于最低分数的参考线,则评分为0;
如果实际的数值曲线高于最高分数的参考线,则评分为1;
如果实际的数值曲线位于最低分数的参考线和最高分数的参考线之间,则根据线性分布原则评分,即计算实际数值曲线与两个参考线之间的距离几何差值,得到基础评分。
例如:实际采集数据曲线在锁闭阶段的电流特征趋势较高,则这一特征与规则库中锁闭困难故障的规则对应,即可以判断出故障类型为锁闭困难。
进一步地,根据采集数据与规则库中数据趋势的相似度,依照实际采集数据曲线的数值与规则库中的规则参考线对比,采用线性分部原则进行评定,判断故障程度,其中,100%是故障确认,80%是故障即将发生,20%是故障还在潜伏期。
S322:对于具有不同特征趋势的故障,则加入权重体系进行评分,其中不同的特征趋势具有不同的重要度级别。
实际过程中,每一种类型的故障还包括各种不同的其特征趋势,因此,为了更进一步的判断,则根据重要度的优先级别,设定权重分数:
对于优先级最低的特征趋势,权重最低为0,最高为2;
对于优先级中等的特征趋势,权重最低为0,最高为5;
对于优先级最高的特征趋势,权重最低为0,最高为10;
S323:将以上优先级别对应的权重因子乘以各项的基础评分,得出最终评估分数。
S33:根据故障诊断数值,采用线性分部原则评定故障程度,得出基础评分,进而确定故障类型及其故障程度。
根据实际需要进行故障报警,或者提示维护人员迅速进行维护确认和故障排除。目前大多数设备维护均是定期维护。这样的维护不仅增加维护人员的工作量,也无法保证故障能在发生前及时被发现(有些故障的成长期非常短)。最后导致故障发生后方才进行修理,已经对列车正常运行造成了影响。此发明将维护维修工作由原来的故障修转化为状态修,故障还在潜伏期时即被发现,维护人员可以进行早期维护,防止故障的最后发生。
综上所述,本发明的优点在于:
1、前端处理装置4支持多传感器3输入,支持不同道岔设备的同时监控;
2、故障规则库131包含多个故障的特征,涵盖了实际运营中常见的各类故障,实现了故障分析的完整性和实用性;
3、前端采集装置4和数据管理中心相结合,实现了轨道交通信号设备故障的快速、准确定位。同时,故障分析的提供,加快了故障的排除速度,提高了轨道交通更安全生产效率;
4、故障预测的提供将维护维修工作由原来的故障修转化为状态修,大大减少转辙机应急维修频率,提高运营***的稳定;
5、智能诊断形成的故障原因和分析,通过PC实时显示给现场的工作人员,帮助维护人员准确定位故障位置,降低维修的时间和成本,提高维护的效率。
本发明所述道岔转辙机的智能诊断***及诊断方法的其它结构参见现有技术,在此不再赘述。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,故凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何修改、等同变化与修饰,均仍属于本发明技术方案的范围内。