梁宏璞(青藏铁路公司供电部,810007,西宁∥高级工程师)



弓网燃弧电流扰动的HHT(希尔伯特—黄变换)分析

梁宏璞
(青藏铁路公司供电部,810007,西宁∥高级工程师)

摘 要地铁线路接触网的弓网具有良好的受流质量是保障列车运营安全的前提,弓网燃弧则是评价弓网受流质量最直接的指标,而不同的燃弧强度会伴随着不同程度的牵引电流扰动。改进了HHT(希尔伯特-黄变换)中的EMD(经验模态分解)算法及EMD能量熵,并用于牵引电流扰动分析。通过对广州地铁2号线、3号线的数据分析发现,EMD能量熵能有效提取到牵引电流的扰动特征,且牵引电流扰动越严重,信号就越复杂,能量就越分散,对应的EMD能量熵也越大。

关键词地铁;受流质量;燃弧;希尔伯特-黄变换;经验模态分解;能量熵

Author′s address Department of Power Supply,Qinghai-Tibet Railway Company,810007,Xining,China

地铁线路接触网的接触悬挂与受电弓是向列车传输电能的关键供电设备[1]。接触悬挂和受电弓的技术状态决定着接触线与受电弓碳滑板之间的接触情况,两者任何的微小故障,例如受电弓碳滑板的不平顺、汇流排微小扭曲变形、接触线与汇流排脱槽、汇流排定位线夹松动、中间接头螺纹滑丝、T型头螺栓松动等,都会产生弓网之间的燃弧[2],不同的燃弧强度必然伴随不同程度的牵引电流扰动,最终影响着弓网的受流质量,恶化机车受流性能。

目前对于弓网燃弧的研究主要以燃弧检测及燃弧率为主,比如意大利和日本均通过采集弓网燃弧时所伴随的特征紫外光判断燃弧发生情况[3-5]。但是在实际工作中,燃弧率是宏观指标,对排查线路受流薄弱点带来不便,然而又很少有文献针对发生燃弧时所伴随的牵引电流的扰动做相关详细分析,并从此角度评价弓网受流质量。因此,对这方面的深入探讨是有必要的,可为后续的燃弧研究提供一定基础。

1　弓网燃弧检测

为了更加准确地评价弓网的受流质量,采用非接触式弓网燃弧检测系统从实际监测中获取数据。该系统可以实现对弓网燃弧参数的检测,包括列车运行速度、牵引电流、弓网接触压力等参数。燃弧检测装置采用特征紫外光作为检测对象工具,由光学采集传输、紫外光电传感和数据分析处理三个系统共同构成,其结构如图1所示。

图1　非接触式弓网燃弧检测系统结构

将非接触式弓网紫外燃弧检测装置检测到的燃弧数据及其他辅助参数信息传输至上位机,通过上位机的受流质量评估软件,对其相关数据进行分析处理,最终得到燃弧率、燃弧总次数、最大燃弧持续时间、燃弧时间等参数,同时包含牵引电流、列车速度等,以曲线、报表的形式在人机交互界面显示并存储,用以评估弓网受流质量。非接触式弓网燃弧检测系统算法软件框架以及软件界面如图2所示。

图2　非接触式弓网燃弧检测系统软件框架及界面

燃弧率是评价弓网受流质量的直接指标[6],燃弧率定义式为:

式中:

ti——某次燃弧所发生的持续时间;

ttotal——线路检测的总时间。

检测装置实物图如图3所示。图3a)为安装在车内部数据处理系统及显示装置,图3b)为安装在车顶的光学采集装置。

图3　检测装置实物图

2　HHT扰动分析算法

HHT(希尔伯特-黄变换)方法包含经验模态分解(EMD)和希尔伯特变换。

2.1EMD分解流程

信号x(t)经分解后可表示为:

式中,IMFs代表信号频率从高到低的使瞬时频率能合理定义的IMF(基本模式分量)[7],rn为剩余分量。

EMD分解流程图如图4所示。

图4　EMD分解流程图

2.2EMD改进算法

EMD分解信号要不断地分离出信号的IMF,但是对于端点处,由于无法确定端点是否是极值,因此这也是EMD算法的缺陷所在。一般来讲,端点的误处理可能会引起后续的分析误差,为解决此缺陷,本文采用镜像闭合延拓法来改进EMD算法。

镜像闭合延拓就是在信号的两端找出具有对称性的极值点[8],当无法确定端点是否为极值点时,截取一部分数据,将镜子放在极值点处,这样就得到一个环形的闭合曲线,长度为原信号的2倍。因为信号经过镜像延拓后是个闭合曲线,所以不存在端点,因此镜像闭合法能够解决上述缺陷。

另外,为提取到各IMF中有用信息,本文采用分解得到的IMF与原信号的相关系数作为筛选指标。因为相关系数能够反映两个信号间的线性相关度,从而得到有用IMF。相关系数计算公式为:

式中:

ρx,y——相关系数;

cov(x,y)——两序列x,y的协方差;

D(x),D (y)——序列x和序列y各自的方差。

相关系数越大,也即ρx,y越大,说明IMF所含的原有信号中的有效成分也越多。

2.3EMD能量熵

1948年,香农结合信息与热力学统计提出了“信息熵”的概念,用于衡量某一信息载体所包含的信息量,将信息具体化[9]。本文引入EMD能量熵做牵引电流扰动分析。

EMD能量熵的计算公式如式(4):

式中,pi=Ei/E,Ei指第i个IMF的能量,E指所有的IMF所对应的总能量。

如果一个系统越确定有序,越有规律,相应的信息熵也就越低;反之,一个系统越是无序,越是混乱,相应的信息熵也就越高。例如,某一系统中,某个事件出现的概率是1,那么根据信息熵的定义计算为0,系统为确定系统,不确定因数为0。根据这一理论,信息熵反映的是某个系统的不确定因数。将信息熵理论引入到信号的时频分析中。信号在HHT时频分布的差异表现为不同频段能量分布的差异,即各个频段能量占总能量的比例不同也就是各个频段的归一化能量不同。

由于所处理的各个牵引电流信号的差异,因此电流的EMD分解的层数也可能不一致,也就是分解得到的IMF分量个数不一致,因此提取到的特征可能不太适合后续的统一分析,但是通过EMD能量熵便可以解决该问题,使得后续对各个燃弧所对应的牵引电流扰动具有可比性,可评判弓网受流质量。

3　牵引电流扰动HHT特性

采用弓网燃弧检测系统,对广州地铁2号线和3号线运行时的弓网系统的燃弧状态进行实时在线检测,获取弓网燃弧试验数据以及其他参数信息,并采用上述牵引电流扰动算法对牵引电流进行扰动特征值提取与分析,建立地铁牵引电流的扰动指标,作为衡量机车的受流质量参考。这为准确定位弓网受流薄弱点提供了理论依据,为维护弓网受流薄弱点提供理论依据,以提高效率、节约成本。

以广州地铁2号线昌岗站—江泰路站(s1)、同和站—永泰站(s2)、机场南站—人和站(s3)中发生的某次燃弧为例,做相关扰动特征提取分析。图5是三次燃弧的燃弧信号及其相应牵引电流的曲线。

对上述三次燃弧对应的牵引电流分别采用改进EMD分解,处理结果如图6。

分别计算图6三个信号采用改进EMD算法分解得到的各IMF与原始信号的相关系数,得到结果如图7所示。

从图7中能看出:图6a)中IMF4～IMF6与原信号相关性较好,故将图6a)的IMF1～IMF3、IMF7和res剔除;图6b)中IMF5～IMF7分量与原信号相关性较好,故将图6b)的IMF1～IMF4和res剔除;图6c)中IMF3～IMF7分量与原信号相关性较好,故将图6b)的IMF1～IMF2和res剔除。由于待处理的牵引电流信号的不同,EMD分解后所得到的IMF的个数也可能不同,一般得到7～11个数目不等的IMF,这样便为指标的提取带来不便。因此,为了统一后期各个牵引电流对应的扰动状态的特征提取,方便统一分析,建立扰动指标,首先要对提取特征做规范性处理。

图5　三次燃弧信号及其对应的牵引电流

图6　牵引电流采用改进EMD分解结果

图7　IMF和原始信号的相关系数

图8为三个区间的燃弧牵引电流归一化能量分布图。

由此,前文分析的三个信号采用EMD能量熵其结果如表1。

表1　不同区间牵引电流对应的EMD能量熵

结合三次燃弧对应的牵引电流曲线和EMD能量熵可以大致看出:牵引电流扰动越严重,对应的EMD能量熵也越大。事实上,EMD能量熵,在综合信息的基础上,直接反映了被分析信号在时-频空间中的模式能量的分布不确定性。被分析信号越简单,能量就集中分布在少数几个模式中,EMD能量熵就越小;相反,信号越复杂,能量就越分散,能量就存在于多个模式中,EMD能量熵也就越大。因此采用牵引电流的EMD能量熵可衡量电流的扰动程度。

4　结语

通过对EMD算法改进,能够更好地完善EMD,并提取到牵引电流信号的有用IMF。通过采用改进的EMD和EMD能量熵对现场试验数据进行分析处理发现,EMD能量熵能有效提取到牵引电流扰动特征,且牵引电流扰动越严重,信号就越复杂,能量就越分散,对应的EMD能量熵也越大,因此采用牵引电流的EMD能量熵可衡量电流的扰动程度。

基于HHT分析弓网燃弧牵引电流可从一定程度上衡量弓网受流质量,定位弓网受流质量薄弱点,从而针对性维护弓网系统,提高效率,节约成本。

图8　三个区间的牵引电流归一化能量分布图

参考文献

[1] 于万聚.高速电气化铁路接触网[M].成都:西南交通大学出版社,2003.

[2] 王万岗,吴广宁,赵云云,等.弓网电弧电气特性试验研究[J].低压电器,2008,29(3):106.

[3] LANDI A,MENCONI L,SANI L.Hough transform and thermo-vision for monitoring pantograph-catenary system [J].Proceedings of the Institution of Mechanical Engineers,Part F:Journal of Rail and Rapid Transit,2006,220 (4):435.

[4] BRUNO O,LANDI A,PAPI M,et al.Pototube sensor for monitoring the quality pf current collection on overhead electrified railway[J]. Proceedings of Institution of Mechanical Engineers,Part F:Journal of Rail and Rapid Transit,2001,215(F):231.

[5] HAYASAKA Takamasa,SHIMIZU Masatoshi,NEZU Kazuyoshi. Development of Contact- Loss Measuring System Using Ultraviolet Ray Detection[J].Quarterly Report of RTRI,2009,50(3):131.

[6] 耿超,王丰华,黄荣辉,等.基于改进Hilbert-Huang变换算法的电气化铁路谐波检测[J].上海交通大学学报,2014 (9):3.

[7] 黄先祥,李胜朝,谢建.新型经验模式分解端点效应消除方法[J].机械工程学报,2008,44(9):1.

[8] 李晓晨,李天云,陈昌雷.基于固有模态能量熵和支持向量机的输电线路故障选相新方法[J].电力自动化设备,2009 (5):104.

HHT Analysis of Pantograph Catenary Arc Current Disturbance

Liang Hongpu

AbstractPantograph catenary with good quality of current collection is the premise to guarantee the operation safety of rail transit.The arc is the most direct index in the evaluation of the pantograph catenary quality.Different arc intensities are inevitably accompanied by different degrees of traction current disturbance.An improved EMD algorithm and EMD energy entropy are proposed and used for the analysis of traction current disturbance.Through the data analysis of the Guangzhou metro Line 2 and Line 3,the EMD energy entropy can be effectively extracted from the disturbance of the traction current.The more serious the traction current disturbance,the more complex the signal is,same way the greater energy dispersionand the higher EMD energy entropy.

Key wordsmetro;quality of current collection;arc;Hilbert-Huang Transform(HHT);empirical mode decomposition(EMD);energy entropy

(收稿日期:2015-07-11)

DOI:10.16037/j.1007-869x.2016.02.005

中图分类号U 225.3