曹 峰，贾英泽，薄宜勇

随着我国轨道交通的迅速发展，对信号系统的安全性和可靠性提出了更高的要求［1］。伴随设备维护工作量的激增，传统的信号设备维护方式已不能满足设备全生命周期健康监测和管理要求，提升运维技术迫在眉睫。

道岔转辙设备是铁路信号重要的基础设施，从上海铁路局近几年来的线路设备故障统计来看，道岔故障约占信号设备总故障的30%～40%，对铁路的运营安全构成重大威胁［2-3］。

1 存在问题

道岔的润滑需求与天气环境、设备使用频率等因素密切相关。目前的维护方式是由人员频繁地调整道岔测试参数，并进行涂油作业，且为了减少上道作业次数，常常一次性注入大量的润滑油，不但会对道床的环境产生影响，而且会导致砂石道床的倾覆，影响轨道垫层橡胶垫的工作性能及使用年限。此外，“天窗”点外的道岔注油对作业人员的生命安全也构成了极大的威胁，但若将注油作业安排在“天窗”点内，则会占据“天窗”的大部分时段，对设备的日常维修造成极大的阻碍［4］。

在道岔设备的日常维护中，受雨雪等恶劣天气影响，在降雪天气需要进行道岔的除雪清扫作业。目前普遍采取的作业方式有人工清扫和电加热融雪2 种。人工清扫积雪效率低下，作业时效性不强，存在人工上道作业与行车冲突的安全风险；电加热融雪方式虽然效率高、时效性强，但存在耗电量大、覆盖面不全、易造成结冰，以及加热条烧损等弊病［5-6］。

针对上述问题，本文提出了一种基于自适应遗传算法的道岔油润除雪系统，可通过自适应算法实现雾化喷油及智能除雪。与传统人工注油及人工除雪相比，基于自适应遗传算法的道岔油润除雪系统可以精准、及时地完成道岔注油和除雪作业，并能实时监控道岔设备状态，对保障行车安全、提升运营效率，实现信号设备的智能运维具有十分重要的意义。

2 自适应遗传算法的优化模型

自适应遗传算法（Adaptive Genetic Algorithm，AGA）改变了基础的遗传算法，其特点是自适应参数在提升基础遗传算法收敛速度的同时，精度也得到了提高。本研究基于自适应遗传算法，对道岔油润除雪系统进行自适应优化。最初设定的智能油润除雪系统在线式数学模型为一阶滞后环节，装置会在每次喷油或释放融雪剂后，智能采集所在地的温度、湿度、光照、动作电流等关键参数，而利用自适应遗传算法对该一阶滞后环节进行参数寻优后，将更具有速度快、准确度高和耦合性低等优点。

2.1 适应度函数

适应度函数常用于评估个体对环境的适应能力，可将性能优异的个体进行后代繁殖，从而使后代遗传到优良的特性。适应度函数选取是否合适，将直接影响到遗传算法的收敛速度及精度。

为了使适应度可以更好地反映优劣程度，使适应度高的个体生存，适应度低的个体淘汰，通常需进行适应度函数的改进，以加快遗传算法的收敛速度，增大个体的适应度差距，进而快速找到全局最优解。本文以喷油次数、单次喷油量、融雪剂量、摩擦系数作为评价指标，建立如式（1）的适应度函数。

式中，Noil为喷油次数；Voil为单次喷油量；Vsnow为融雪剂量；η为摩擦系数；a、b、c为权重因子，且a+b+c=1。

2.2 交叉、变异算子

交叉是指从种群中随机选取2个个体，以某一概率相互交换自身的部分染色体，通过遗传产生新的优异个体。变异是指改变个体染色体编码串的某些基因座上的基因值，从而产生新个体。在基础的遗传算法中，交叉概率Pc及变异概率Pm是维持不变的。

在遗传算法初始阶段，可以通过设置较大的交叉概率Pc和变异概率Pm，将种群中适应度小的个体迅速淘汰［7］；当进入算法后期阶段时，传统算法在Pc和Pm保持不变的情况下，除了会损坏优异的个体外，还会影响算法的收敛速度。为此，本文提出一种自适应策略调整的交叉算子和变异算子，具体见式（2）和式（3）。基于种群迭代时个体的适应度函数值，采用三角函数的自适应策略，调整Pc和Pm。通过较小的Pc和Pm，使得适应度大的个体得以生存；同时，通过较大的Pc和Pm，使得适应度较小的个体被淘汰。

式中：Pc_max、Pc_min分别为交叉概率的最大值和最小值；Pm_max、Pm_min分别为变异概率的最大值和最小值；f_max、f_min分别为某一群体适应度的最大值和最小值；favg为每代群体适应度的平均值；f′为2 个交叉体中较高的适应度值；f为即将变异个体的适应度值；Pc′、Pm′分别为交叉概率参数和变异概率参数。

基于自适应遗传算法的道岔油润除雪系统通过自适度函数得到个体的适应度值，选择被保留的个体，并采用基于三角函数的自适应策略，通过调整交叉算子和变异算子进行交叉与变异操作，最终得到一个喷油次数最少、单次喷油量最少，以及摩擦系数最小的最优方案。

3 系统设计

3.1 结构组成

道岔油润除雪系统结构如图1 所示，主要由壳体、顶杆装置和喷淋装置3 部分构成。壳体包括隔板、固定块、压缩空气接口、油料接口和融雪剂接口；顶杆装置包括弹簧、活塞和杆体；喷淋装置包括连接件、球形构件和压盖螺帽。

图1 道岔油润除雪系统的结构示意

3.2 结构特点

1）壳体内部固定有横向设置的隔板，底部设置有固定块，隔板的中心位置具有上下贯穿的通孔，固定块的中心位置则有上下贯穿的混料通道，混料通道的上端是朝外倾斜的斜面。壳体的侧面分别设置采用G1/4接口的压缩空气接口、采用G1/8接口的油料接口和融雪剂接口。其中压缩空气接口位于隔板的上方，油料接口和融雪剂接口位于隔板和固定块之间。

2）顶杆装置位于壳体内部，杆体固定在活塞下端面的中心，活塞位于压缩空气接口的上方，活塞上方是弹簧，弹簧与活塞固定连接，与固定板活动连接，杆体由上至下分为首段和末段，首段的直径大于末段。

3）喷淋装置连接在壳体的底部，且与混料通道相连，其连接件的上端与壳体底部固定连接。球形构件可相对于连接件转动，其中间具有贯通的漏斗型空腔，空腔的顶部与混料通道相连，压盖螺帽在连接件的下端设有开孔，开孔底端的直径小于球形构件的直径，球形构件的底部从开孔中露出，且被拧紧的压盖螺帽固定在连接件下方。

3.3 工作原理

在控制信号的作用下，弹簧被拉伸或压紧，可以在很小的范围内调节电子控制装置的运动时间，以满足不同的安装要求［8］。当压缩空气进入装置后，在气体压力的作用下，顶杆顶部活塞被压，弹簧收缩，带动顶杆向弹簧方向动作，使得图1 所示压缩空气接口处形成空隙，压缩空气路径打开。同时，在油料雾化口和融雪雾化口处，由顶杆动作，打开液料出口，在压缩空气的虹吸（液料压力）作用下，进入万向喷嘴混合腔，最终由喷嘴喷出。顶杆动作行程可由调节螺母控制弹簧压力控制，从而实现对喷射流量的控制。根据需要可以控制润滑油和融雪剂的进料量，从而实现多种喷射物料的选择。压缩空气可以吹除道岔机械部位积雪；混合融雪剂雾化喷涂，可以防止道岔动作机械部位的积雪结冰；混合润滑油可以实现机械部位的润滑作用。

4 试验与分析

4.1 试验过程

根据多个路局人工涂油、除雪的经验，以温度占比56%、湿度占比44%作为标准值，同时考虑雨雪天气以及晴天等多种因素，制定以满足摩擦系数要求所需的喷油量最低、融雪剂量最少的最优方案。其中，喷油量最低的计算，又分为喷油次数最少和单次喷油量最少，为此本文设定了7个约束条件。

1）道岔2次动作间隔10 min以上将注油1次。

2）当监测到道岔动作电流大于1.4 A 时将注油1 次（其中动作电流1 A 最优，1.0～1.2 A 正常，1.4 A以上为极差，急需注油）。

3）当滑床板上油品挥发程度≥60%时，需要注油1次。

4）当表面温度≥0 ℃时，累计喷油量增加；当表面温度≤0 ℃时（不易挥发），累计注油量减少。

5）当传感器监测到此时处于雨后状态时，累计注油量增加；在雨中时，注油量减少，喷油次数增加。

6）当光照强度≤250 lx 时，累计注油量减少；当光照强度≥250 lx 时，由于挥发较快，则注油量增加。

7）当风力等级≥6 级、风速在8.0～10.7 m/s时，喷油次数和喷油量均增加，反之减少。

由以上条件设立了温度、湿度、光照、动作电流4 个初始值，设定种群数为100，最大世代数为500，交叉率的上限Pc_max为0.8，下限Pc_min为0.4，变异率的上限为Pm_max为0.1，下限Pm_min为0.01，交叉概率参数Pc′为0.6，变异概率参数Pm′为0.05，权重系数a为0.3，b为0.4，c为0.3。通过自适应遗传算法进行计算，得到最终的理论值方案，以此替代人工，平均摩擦系数由9%降低至2.6%。

4.2 试验段试用及使用效果

为进一步验证基于自适应遗传算法的道岔油润除雪系统的性能，在高铁教学站场、某地铁车辆段及某路局电务段分别进行安装测试。以班组作业2 km 内10 组道岔为例，从维护效果、人员需求、作业时间、安全风险、经济成本5 个方面进行比较，人工涂油、机械涂油、智能油润对比分析见表1；冰雪天气情况下，人工除雪、电加热除雪、智能除雪对比分析见表2。

表1 人工涂油、机械涂油、智能油润对比分析

表2 人工除雪、电加热除雪、智能除雪对比分析

根据上述试验结果，相比于传统的油润和除雪方法，基于自适应遗传算法的道岔油润除雪系统效果更为显著，节约了人力，降低了安全风险，起到提质增效的关键作用。

5 结语

作为一种创新性尝试，基于自适应遗传算法的道岔油润除雪系统的研发，为城市轨道交通与高速铁路的信号智能化运营与维护提供了全面的数据支撑、主动防御，以及全生命周期的健康管理［9-10］。该系统解决了道岔因涂油不当导致转换过程中出现的卡阻问题；在降雪天气下，解决了道岔区段的积雪问题，为铁路运营保驾护航，提质增效，对于信号设备运营维护智能化发展有着深远的影响。