康云霞，潘江塞，程 旭

(1.北京市公路事业发展中心，北京 102488；2.中科软科技股份有限公司，北京 102488)

0 引言

在普通公路隧道的日常管养过程中，对于机电设施的故障检测始终处于相对被动的响应阶段，既不能做到及时主动地预防，也不能在故障发生的第一时间对其进行保养与测试，且该项检测工程也一直受到“故障后再维修”传统思想的影响[1]。就现有发展形式来看，普通公路隧道机电设施的日常保养，由于无法及时获得设备常规运行状态数据，相关工作人员往往只能在设备表面进行简单的擦拭，这使得整个保养工作不具备明显的针对性，更无法做到养护业务流程的全面性覆盖。这种维护形式的长期延续，不但会造成公路隧道机电设施运维养护费用的严重浪费，还可能引发一系列的安全隐患问题。

近年来，普通公路隧道机电设施的养护与管理工作主要面临着养护技术水平有限、管理制度不到位、资金投入不足等问题，这也在无形中加重了机电设备的老化程度，并极有可能使其陷入完全瘫痪的状态[2-3]。在过去很长的一段时间里，相关单位对各条普通公路隧道实施集中化管理，在对所有机电设备进行统一编号的同时，做到对整个养护过程的高度标准化管理，并将养护维修工作的规范化原则落到实处。然而，随着机电设施使用年限的延长，各类故障行为的发生几率也会大大增加，在此情况下，设施声波信号的表现形式会与其常规表现形式产生较大出入，从而使得隧道机电设施的实际利用效率受到严重影响。

为解决上述问题，本文针对普通公路隧道机电设施的故障设计了一种新的故障检测方法。

1 普通公路隧道机电设施的故障检测指标选取

普通公路隧道机电设施的故障检测指标选取包含技术性能指标定义、运营效果指标定义和权重值确定3个处理环节。

1.1 技术性能指标

对于普通公路隧道机电设施自身的技术性能指标可以从设备元件对于环境的适应性、设备自身物理性能和设备自身功能等多个方面进行全方位评价。本文将以耐机械震动指标、设备手动性能指标和设备自动性能指标3类要素为例。

a.耐机械震动指标。

耐机械震动是指由于机械设施出现震动，而促使普通公路隧道机电设施的声波信号受到损耗影响，或者使其输出能量大大减少[4]。该项指标是故障检测定性行为与定量行为相结合的表现形式，在实际应用过程中，能够直接决定普通公路隧道机电设施故障的作用强度。

b.设备手动性能指标。

该项指标表明普通公路隧道机电设施故障的检测行为在一定情况下可以手动控制，在检测过程中，始终表现为定性指标。

c.设备自动性能指标。

该项指标能够描述在普通公路隧道机电设施故障检测过程中，相关故障元件是否受到实际操作行为的影响，也属于一种定性指标[5]。

设σi为耐机械震动指标，εi为设备手动性能指标，δi为设备自动性能指标，i为普通公路隧道机电设施的故障特征，联立上述物理量，可将技术性能指标选取定义为

(1)

对于普通公路隧道机电设施而言，技术性能指标只能作为故障检测判别的参与条件，并不能作为直接决定因素。

1.2 运营效果指标

对于普通公路隧道机电设施故障检测方法运营效果指标的评价，可以从机械应用满意度、设备安全性能、仪表运行效率和能源环境4个方面进行分析。

a.机械应用满意度可用来描述普通公路隧道机电设施故障行为的表现强度，一般来说，在实际应用过程中，机械应用满意度指标的数值越大，则表示普通公路隧道机电设施故障行为的表现能力越弱[6-7]。

b.设备安全性能是指普通公路隧道机电设施故障表现行为的改善程度，受到时间、事故率和故障强度等多项指标参量的共同影响。具体计算式为

(2)

c.仪表运行效率是指检测方法对于排查普通公路隧道机电设施故障行为的贡献程度，在不同检测阶段中，该项指标参量的表现数值也会有所不同。

d.能源环境指标是指检测机电系统对于普通公路隧道机电设施故障行为的影响强度，在实际应用过程中，故障问题越严重，能源环境指标的影响能力也就越强。具体计算式为

(3)

1.3 权重确定

在确定了基本检测评价方法后，需要赋予技术性能指标、运营效果指标等多项参与变量相应的权重值。指标权重将直接影响检测方法的作用效果，并最终干预普通公路隧道机电设施故障的行为表现强度[8]。

(4)

同时取技术性能指标与运营效果指标，则可将普通公路隧道机电设施的故障权重表示为

(5)

对于普通公路隧道机电设施故障检测方法而言，特征指标集的子集数量越大，与故障表现行为匹配的权重值越能反映声波信号的存在形式。

2 故障检测方法设计

在检测指标选取原则的支持下，按照故障信号特点分析、按需采集、特征向量提取、故障行为识别的处理流程，完成普通公路隧道机电设施故障检测方法的设计与应用。

2.1 故障信号的特点与采集

当普通公路隧道机电设施发生故障时，其输出声波信号特征会根据故障行为的表现形式作出相应的变化，因此可通过分析声波信号特征的方式，研究普通公路隧道机电设施当前所处的运行状态[9]。

普通公路隧道机电设施的声波信号具有以下特点：

a.在正常运行过程中，故障行为发生前声波信号的基础频带很宽，其单位传输频率能够超过20 000 Hz。

b.在可采集范围内，随着故障行为表现能力的增强，待采集的故障信号大量累计，且由于普通公路隧道机电设施的连续运行，这些信号的初始传输频率可能发生一定程度的改变[10-11]。

c.机电设施在运行过程中所产生的噪声总是与声波信号保持相同的传输频率。因此，为保证故障检测结果的绝对稳定性，应针对噪声信号与原声波信号进行分别采集处理。

设Δt为普通公路隧道机电设施故障行为的单位表现时长；d为信号采集特征值；β为故障信号的连续传输系数。联立式(5)，可将普通公路隧道机电设施故障信号的采集结果表示为

(6)

普通公路隧道机电设施故障信号的状态变化能够引起声波分布形式的直接改变，因此，为保证最终故障检测结果的绝对真实性，应采集大量声波信号，并在计算过程中，以各个参量的平均数值结果代替原始存在的特征值结果。

2.2 故障信号特征向量提取

对于普通公路隧道机电设施故障行为而言，特征向量提取操作限定了声波信号的实际传输方向，在已知采集量条件的情况下，单位间隔距离越大，检测指令的执行难度也就相对较大[12-13]。单位间隔距离是指2个普通公路隧道机电设施故障声波原信号之间的物理距离，定义Q1、Q2为2个不同的故障声波原信号，在信号采集量保持为W的情况下，可将原信号的单位间隔距离表示为

(7)

(8)

在实际检测过程中，普通公路隧道机电设施故障行为特征向量不一定保持完全稳定的传输形式。因此，为保证检测结果的真实性，必须将所有可能存在的故障行为特征全部考虑在内。

2.3 故障行为识别

故障行为识别是实现普通公路隧道机电设施故障检测的末尾处理环节，由于故障行为特征向量的传输形式有所不同，所以在实施识别时，必须注重所采用方法的适应性能力[14-15]。

设定v1,v2,…,vn为n个不同的故障行为传输波段系数，在单位提取空间R中，可将基于波段系数的故障行为检测标准条件定义为

(9)

设mϖ为普通公路隧道机电设施故障行为表现量为ϖ时的声波信号识别系数，ζϖ为此时的故障行为判别条件。联立式(8)和式(9)，可将普通公路隧道机电设施的故障行为识别结果表示为

(10)

3 实例分析

3.1 实验方案

本次实验的数据获取阶段由分为如下几个步骤：

a.在公路隧道环境中，利用图1所示设备，记录机电设备常规声波信号的传输形式。

b.人为制造机电设备故障问题，并再次利用图1所示设备，记录机电设备故障声波信号的传输形式。

c.分析常规情况下的声波信号幅值，将数值结果与其所在的记录时间节点对应起来。

d.分析故障声波信号幅值，将数值结果与其所在的记录时间节点对应起来。

e.利用机电设施故障检测方法对步骤d中的数据结果进行过滤处理。

f.对比常规声波信号、过滤后故障声波信号和未过滤故障声波信号。

3.2 实验结果

声波信号能够反映普通公路隧道机电设施的运行状态，一般来说，在不存在故障行为的情况下，信号始终保持相对稳定的波动变化状态，如图2所示。

图2 常规声波信号的波动曲线

由图2可以知道，当实验时间小于30 s时，常规声波信号的波动情况相对较为平稳，该过程中区域极大值与区域极小值之间的物理差值结果仅为0.011 4 dBm，该阶段声波信号的极大值水平较低，只能达到0.015 3 dBm；当实验时间处于35～65 s之间时，常规声波信号的波动情况则更为明显，该过程中区域极大值与区域极小值之间的物理差值结果达到了0.013 2 dBm，且该阶段声波信号的极大值水平较高，达到了0.018 9 dBm。

若存在故障行为，普通公路隧道机电设施声波信号的传输波动状态则会出现一定的变化，若变化后声波信号与常规声波信号间的差异性过于明显，则会导致隧道机电设施运行效率的大幅下降。

未过滤声波信号、经机电设施故障检测方法过滤后声波信号的变化趋势及其与常规声波信号间的对比情况如表1所示。

表1 实验数据分析

由表1可知，在整个实验过程中，经故障检测方法过滤后的声波信号幅值变化趋势始终与常规声波信号幅值变化趋势保持一致，当时间为15 s时，二者之间的物理差值最大，达到了0.000 8 dBm。在前25 s的实验时间内，未过滤故障声波信号幅值的变化趋势能够与常规声波信号幅值变化趋势保持一致，从第30 s开始，未过滤故障声波信号幅值开始不断上升，而到第55 s，又开始持续下降。整个实验过程中，当时间为50 s时，二者之间的物理差值最大，达到了0.061 9 dBm，远高于故障检测方法过滤后的信号幅值差结果。

为进一步验证所提方法可有效识别故障行为，实验中分析了本文方法对故障表现行为的识别准确率，得到的实验结果如图3 所示。

图3 故障表现行为的识别准确率结果分析

由图3可知，采用本文方法识别普通公路隧道机电设施故障的准确率较为理想，随着识别次数的不断变化，采用本文方法识别故障的准确率与理想值较为一致，均高于90%，验证了本文方法可有效实现故障的检测。

4 结束语

在实际应用过程中，由于应用不当等问题，极易使普通公路隧道机电设施出现故障，此时机电设施声波信号会与原始声波信号产生较大出入。为解决此问题，提出普通公路隧道机电设施故障检测方法，在已知技术性能指标、运营效果指标的前提下，该方法可对权重系数值进行重新规划，既保证了故障信号的原始采集特点，也可实现对故障表现行为的准确识别。