摘  要：文章从失效模式和故障原因2个方面，对25 Hz相敏轨道电路系统进行深入分析，搭建了25 Hz轨道电路的故障预测与健康管理（PHM）体系结构;提出了数据采集、故障分区方案;凭借基于决策树的故障诊断模型，最终输出维修维护决策，其有助于提高25 Hz相敏轨道电路维修效率，降低维修维护成本，提高轨道电路的可靠性和可用性，为保障列车安全运行发挥积极作用。

关键词：25 Hz相敏轨道电路;数据采集;决策树;综合诊断

中图分类号：U284.2    文献标识码：A 文章编号：2096-4706（2021）18-0044-04

Abstract： This paper deeply analyzes the 25 Hz phase sensitive track circuit system from two aspects of failure mode and failure cause， builds the architecture of Prognostics and Health Management （PHM） for 25 Hz track circuit fault; proposes data acquisition and fault partition scheme; with the fault diagnosis model based on decision tree， the maintenance decision is finally output， which helps to improve the maintenance efficiency of 25 Hz phase sensitive track circuit， reduce the maintenance cost， improve the reliability and availability of track circuit， and play a positive role in ensuring the safe operation of train.

Keywords： 25 Hz phase sensitive track circuit; data acquisition; decision tree; comprehensive diagnosis

0  引  言

目前在国内，25 Hz相敏轨道电路是既有线站内轨道电路的主要制式，由于其室外设备长期暴露在开放环境下，受雨雪天气、牵引电流工频干扰等因素影响较大，给设备维护人员带来了极大的挑战。当前对轨道电路的维护措施主要有3种：

（1）人工巡检，效率低且存在极大的人身安全隐患。

（2）电务综合检测车，成本高且检测周期长，不能及时反映现场设备状况。

（3）信号集中监测系统，虽是当前最主要的维护辅助系统，但针对站内25 Hz轨道电路，只采集了少量室内设備电气参数，几乎不采集室外设备电气参数，存在室内设备监测不全、室外设备监测基本空白等不足。

通过查找相关文献，研究25 Hz相敏轨道电路故障综合诊断判别方法。文献[1]提出了采用模糊神经网络的方法，建立高压脉冲轨道电路故障预测模型，对高压脉冲轨道电路的故障分析十分有效;文献[2]提出基于定性趋势分析理论的电气绝缘节设备故障诊断方法，为无绝缘轨道电路的故障分析提供了重要参考;文献[3]提出一种基于组合决策树的无绝缘轨道电路诊断方法，对ZPW-2000A型轨道电路故障诊断具有较高的准确率;文献[4]利用组合模型对25 Hz轨道电路进行诊断，可以克服单项诊断方法信息单一、诊断片面等不足，具有更好的故障诊断准确度;文献[5]通过粒子群参数优化的支持向量机模型，实现了对ZPW-2000型轨道电路分路不良的预测;文献[6-10]对25 Hz轨道电路故障诊断方法进行了研究。

以上文献对ZPW-2000型系列和高压脉冲型轨道电路的研究较多，但尚未从故障预测与健康管理的角度对25 Hz轨道电路进行综合诊断。为此，提出采集25 Hz轨道电路的电气特性数据，基于数据进行故障定位和故障预警，最终实现25 Hz轨道电路健康管理的方案，以保证轨道电路的高可靠性和高安全性。

1  25 Hz轨道电路系统组成

25 Hz轨道电路由送电端设备和受电端设备组成[11]，图1为典型的25 Hz轨道电路的结构图。送电端设备主要由送电端轨道变压器、限流电阻、熔断器组成;受电端设备主要由受电端轨道变压器、熔断器、补偿防护器、防护盒、25 Hz轨道电路接收器等组成。室内送电电源经过送电端设备到达室外，通过电缆送至钢轨，钢轨作为传输介质，将电流送至受电端轨道接收器轨道线圈侧，当两侧的电压和频率达到规定要求时，轨道继电器励磁吸起，轨道电路处于调整状态;当区段内有车占用时，轮对将轨道电路短路，受电端轨道接收器失磁落下，轨道电路处于分路状态。

2  基于FTA的故障分析

25 Hz轨道电路具有组成元器件多、传输介质复杂，易受室外环境影响等特点，从而导致故障的原因比较复杂。因此提出采用基于FTA的故障原因分析方法，分别对25 Hz轨道电路有车占用时无红光带显示（即分路不良故障）和无车占用时点亮红光带（即红光带故障）2种典型故障现象进行原因分析，如图2所示。

通过对25 Hz轨道电路的两种故障现象自上而下地分析原因，可以确定其基本的故障现象。如图2（a）对分路不良故障FTA分析：首先分析是否为联锁采集轨道继电器故障，如果是则确定一个故障原因;接着分析是否为轨道继电器本身错误吸起，如果是也可以确定一个故障原因;再分析接收端的电平是否高于门限值，直至所有事件都分析完毕。图2（b）对红光带故障FTA分析，故障原因有联锁采集轨道继电器故障、防护盒、防雷补偿器、端子连接不当、防护盒、防雷补偿器故障、受端钢轨绝缘破损、断轨、道床电阻过低等，依据故障树可依次确定故障原因。

基于FTA的故障原因分析从定性的角度对25 Hz轨道电路进行故障分析。为确保25 Hz轨道电路稳定运行，提高维修效率，设计25 Hz轨道电路健康管理系统。通过采集25 Hz轨道电路关键节点的参数，判断是否存在故障，做到将故障定位至具体分区和模式，并对当前未出现故障的设备进行故障预测，最终实现健康管理。

3  25 Hz轨道电路PHM体系结构设计

预测与健康管理技术（Prognosties and Health Management， PHM）是在综合利用现代信息技术、人工智能技术最新研究成果的基础上，提出的一种全新的管理健康状态的解决方案[12]。PHM包括2层含义：一是故障预测，即预先诊断部件或系统完成其功能的状态，确定部件正常工作的时间长度;二是健康管理，即根据诊断、预测信息、可用资源和使用需求对维修活动做出适当决策的能力[13，14]。一般而言，PHM系统主要由6个部分构成：数据采集、数据预处理、状态监测、状态评估、故障诊断和故障预测、人机接口。本文提出搭建的25 Hz轨道电路的PHM体系结构如图3所示。

3.1  数据采集

通过传感器等手段，监测轨道电路系统室内外设备电气特性及关键参数;采集设备所处的环境参数，如温度、湿度等;提前获取轨道电路系统的功能参数以及各部件的基本参数。

根据实际的25 Hz轨道电路元器件布置及健康管理分析需求，确定采集点位置，如图1所示。“V数字”代表采集此处的电压，“A数字”代表采集此处的电流。具体采集位置和采集内容如表1所示。

3.2  状态监测及评估

对预处理后的数据进行分析，通过阈值判断、似然度比较、偏离度计算等方法，实现对轨道电路系统的状态监测，并评估状态监测的结果。如果结果偏离正常值过大，则判断为故障;若略有偏差，但系统仍正常工作，则判断为系统的退化状态，由此可确定25 Hz轨道电路是处于故障状态还是正常状态。

3.3  故障诊断和故障预测

若判断为故障，通过故障诊断模块进行故障识别和定位;若判断为退化状态，则通过故障预测与健康管理模块对其进行趋势分析，并制定保障策略。使用决策树方法对采集的数据进行分析，确定对应的故障分区及具体的故障模式。

决策树是一种树形结构，从根节点出发，每一个树节点表示一个属性测试，每个分支表示一个测试输出，从根节点依次向下遍历分支路径，最终由树的叶节点标记实例类别[15]。决策树形成的树状判别网络结构清晰，可解释性较强。

构建25 Hz轨道电路的决策树网络模型，首先需确定其故障分区和每个分区对应的故障模式：

（1）故障分区。将轨道电路划分为8个区域，具体划分如图1所示。每个区域又归纳了对应的常见故障模式，如表2所示，故障代码为F1～F16，F0代表系统正常。

（2）故障定位。如图4所示，在根节点处判别系统状态，正常则输出“F0”，异常则依次向下遍历分支，直到判别出具体故障模式（F1～F16）。其中每一个树节点都可以表示为一颗决策树，将采集的数据（V1～V5，A1～A6）作为条件属性，通过对条件属性的判断，得到最终的故障诊断结果。

根据专家经验，当系统异常时，先判断V4是否大于50 V，若大于该值则定位为室内故障;若不大于该值再判断V1是否小于200 V，如果小于200 V则为室内故障，如果等于220±6.6 V则为室外故障。

3.4  健康管理模型

当判断系统状态正常的时候，进一步对其进行故障预测分析。结合设备生命周期内各个阶段的参数，预判设备的故障时间。在决策树模型的基础上，引入时间t参数，输出结果为“t时间后，可能发生的故障”。

基于故障诊断结果和预测结果，输出设备故障分析报告、设备故障预警报告，为维修维护人员的日常决策提供支持。

4  结  论

本文通过对25 Hz轨道电路的系统组成、失效模式、故障原因的分析，构建了25 Hz相敏轨道电路的PHM体系，提出了数据采集方案，归纳了轨道电路故障分区和故障模式，采用组合决策树进行故障定位，并引入时间参数对设备进行故障预测，最终将诊断和预测结果反馈给维修维护人员，为其维修维护决策提供支持。可有效降低维修保养费用，缩短维修时间，提高轨道电路设备的安全性，对保障列车安全可靠运行具有重要意义。后续健康管理模型可研究引入多维数据来进行综合判断，可有效提升设备维修维护水平。

参考文献：

[1] 黄赞武，魏学业，李绍斌.轨道电路故障预测与健康管理体系结构设计 [J].计算机工程，2012，38（20）：232-235.

[2] 孙上鹏，赵会兵，全宏宇，等.基于定性趋势分析的无绝缘轨道电路电气绝缘节设备故障诊断方法 [J].中国铁道科学，2014，35（1）：105-113.

[3] 朱文博，王小敏.基于组合决策树的无绝缘轨道电路故障诊断方法研究 [J].铁道学报，2018，40（7）：74-79.

[4] 米根锁，杨润霞，梁利.基于组合模型的轨道电路复杂故障诊断方法研究 [J].铁道学报，2014，36（10）：65-69.

[5] 张梦琪，赵会兵，孙上鹏.基于粒子群支持向量机的轨道电路分路不良预测方法 [J] 铁道学报，2015，37（10）：68-74.

[6] 陆晓峰，王小敏，李光耀.基于Mamdani模糊神经网络的相敏轨道电路故障诊断方法研究 [J].铁道标准设计，2015，59（11）：104-109.

[7] 王刚.基于分层归类法的25 Hz相敏轨道电路故障诊断与分析 [J].铁路通信信号工程技术，2017，14（5）：105-107+120.

[8] 郑云水，牛行通，康毅军.蝙蝠算法优化模糊神经网络的25 Hz相敏轨道电路故障诊断研究 [J].铁道学报，2018，40（12）：93-100.

[9] 谢旭旭，戴胜华.基于深度学习的无绝缘轨道电路故障诊断研究 [J].铁道学报，2020，42（6）：79-85.

[10] 董煜.基于改进证据理论的25Hz轨道电路故障診断方法研究 [D].兰州：兰州交通大学，2019.

[11] 安海君，李建清，吴保英.25Hz相敏轨道电路：第四版 [M].北京：中国铁道出版社，2018.

[12] 孔学东，恩云飞，陆裕东.电子产品故障预测与健康管理 [M].北京：电子工业出版社，2013.

[13] 彭宇，刘大同，彭喜元.故障预测与健康管理技术综述 [J].电子测量与仪器学报，2010，24（1）：1-9.

[14] 时旺，孙宇锋，王自力，等.PHM系统及其故障预测模型研究 [J].火力与指挥控制，2009，34（10）：29-32+35.

[15] 徐鹏，林森.基于C4.5决策树的流量分类方法 [J].软件学报，2009，20（10）：2692-2704.

作者简介：黄旭（1994—），女，汉族，陕西榆林人，工程师，硕士研究生，研究方向：铁路信号、轨道电路。