一种轨道电路分路不良预警方法与流程

1.本发明涉及铁路信号设备故障处理领域，特别涉及一种轨道电路分路不良预警方法。


背景技术：

2.轨道电路是铁路信号系统中最重要的基础设备之一，它通过列车轮对短路两侧钢轨切断电气回路反映列车对该区段的占用情况。然而，由于轨道电路沿铁路线路铺设，其工作性能受室外环境的影响较大。例如，钢轨表面易受污染导致分路电阻变化较大，从而出现分路不良故障，对铁路运输的高安全、高效率造成极大威胁。除此之外，即便轨道电路处于正常调整状态或正常分路状态，仅表示轨道电路工作正常，并不能避免故障发生。例如，轨道电压处于调整状态的正常区间，但是电压不正常波动，表明有发生故障的趋势，所以应将调整状态或分路状态的正常区定义为预警区。
3.在现有技术中，常用的预警方法是通过设置数条预警线实现，但是这种方法中的预警线均是人为设置，受人为因素影响较大。


技术实现要素：

4.本发明的目的在于减少在预警中的人为影响因素，提供一种轨道电路分路不良预警方法。
5.为了实现上述发明目的，本发明提供了以下技术方案：
6.一方面，提供一种轨道电路分路不良预警方法：
7.一种轨道电路分路不良预警方法，包括以下步骤，
8.s1，选取预警指标，获取预警指标的样本数据和实测数据，所述预警指标包括轨道电压、轨旁湿度、温度和故障累计次数；
9.s2，处理样本数据和实测数据，分别形成预警等级集合和指标值集合；并确定预警等级集合中各预警等级的指标权重；
10.s3，获取指标值集合与预警等级集合中各个预警等级的综合同异反模糊联系度；
11.s4，比较指标值集合与预警等级集合中各预警等级的综合同异反模糊联系度，以综合同异反模糊联系度最大的预警等级作为指标值集合的预警等级。
12.通过采用上述技术方案，在对实测数据进行预警时，首先对样本数据进行处理，形成预警等级集合，且确定预警等级集合中各预警等级的指标权重；然后再将实测数据处理形成指标值集合，通过获取指标值集合和预警等级集合之间的综合同异反模糊联系度，来判断指标值集合的预警等级，能够减少在预警中的人为影响因素，获得更加准确的预警结果。
13.优选的，在步骤s3中，所述获取指标值集合与预警等级集合中各个预警等级的综合同异反模糊联系度的具体方法包括，
14.s31，将预警等级集合a与指标值集合b组成集对h＝(a,b)，集对a和集对b共具有n
个特性；
15.s32，对集对h进行分析，若其中有s个特性为集合a和集合b共有，有p个特性为集合a和集合b对立，则有f＝n
‑
s
‑
p个特性在集合a和集合b中既不共有也不相互对立；
16.s33，建立集对h的综合同异反模糊联系度表达式如下，
[0017][0018]
其中，a为同一度，b为差异度，c为对立度，且a c c＝1；i为差异度系数，其值域为i∈[
‑
1,1]；j为对立系数，取值为
‑
1；
[0019]
s34，选取指标值集合中与差异度相关的指标值，结合各预警等级的指标权重，计算差异度系数i的值；
[0020]
s35，将差异度系数i的值带入综合同异反模糊联系度表达式；再把综合同异反模糊联系度表达式中的i取值为0，j取值
‑
1；以获取其中一个预警等级的综合同异反模糊联系度；
[0021]
s36，重复步骤s34
‑
s35，获取预警等级集合中所有预警等级的综合同异反模糊联系度。
[0022]
优选的，步骤s34具体包括，
[0023]
s341，选取指标值集合中与差异度相关的指标值x
k
，k∈(1,2,3,4)，判定x
k
在预警等级集合中的预警等级区间；
[0024]
s342，若x
k
∈(s1,s2)，则建立同异反模糊联系度计算公式如下，
[0025][0026]
其中，s1、s2为预警等级集合中的预警等级区间；
[0027]
s343，将s1、s2和x
k
的值带入同异反模糊联系度计算公式中，得到其中一个指标值的同异反模糊联系度；
[0028]
s344，重复步骤s341
‑
s343，计算指标值集合中其它与差异度相关的指标值的同异反模糊联系度；
[0029]
s345，结合所有与差异度相关指标值的同异反模糊联系度和指标权重，得到差异度系数i的值。
[0030]
优选的，在步骤s345中，所述结合所有与差异度相关指标值的同异反模糊联系度和指标权重具体为，将与差异度相关的指标值分别与指标权重值相乘后相加。
[0031]
优选的，所述处理样本数据和实测数据的方法具体包括，将样本数据归一化为无量纲的预警值，形成预警等级集合；将实测数据归一化为无量纲指标值，形成指标值集合。
[0032]
优选的，在将样本数据归一化为无量纲的预警值时，样本数据中的轨道电压和温度采用下述公式计算，
[0033][0034]
样本数据中的轨旁湿度和故障累计次数采用下述公式计算，
[0035][0036]
式中，x
i
为样本数据中的值，x
max
和x
min
分别为预设的最大值和最小值。
[0037]
优选的，在步骤s2中，确定预警等级集合中各预警值的指标权重时，采用层次分析法，并使用灰色关联理论优化指标权重。
[0038]
优选的，使用灰色关联理论优化指标权重时，优化指标k的关联系数ξ
k
的计算公式如下，
[0039][0040]
式中，δmin＝min|x0(k)
‑
x
d
(k)|；δmax＝max|x0(k)
‑
x
d
(k)|；δdk＝|x0(k)
‑
x
d
(k)|；ρ为分辨系数；x0(k)为预警等级集合在指标点k处的值，x
d
(k)为指标值集合在指标点k处的值；δmin、δmax为预警等级集合和指标值集合对应指标k之差的最大值与最小值。
[0041]
另一方面
[0042]
提供一种轨道电路分路不良预警装置，包括至少一个处理器，以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使至少一个处理器能够执行上述任一项的方法。
[0043]
与现有技术相比，本发明的有益效果：在对实测数据进行预警时，首先对样本数据进行处理，形成预警等级集合，且确定预警等级集合中各预警等级的指标权重；然后再将实测数据处理形成指标值集合，通过获取指标值集合和预警等级集合之间的综合同异反模糊联系度，来判断指标值集合的预警等级，能够减少在预警中的人为影响因素，获得更加准确的预警结果。
附图说明：
[0044]
图1为本发明实施例的方法流程框图。
具体实施方式
[0045]
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
[0046]
实施例1
[0047]
一种轨道电路分路不良预警方法，包括以下步骤，
[0048]
s1，选取预警指标，获取预警指标的样本数据和实测数据，预警指标包括轨道电压、轨旁湿度、温度和故障累计次数。
[0049]
在实际工作中，可能会影响到轨道区段端电压大小的因素有钢轨阻抗、道砟电阻、轨道信号载频及长度等。对于具体的车站，轨道区段性能、轨道电路基本参数是确定的，所以道砟电阻与分路电阻起着主导作用。道砟电阻与分路电阻值的大小，一方面取决于线路上部建筑的结构，即与道砟的材料、道砟层的厚度与清洁度、轨枕的材质与数量有关；另一
方面，还取决于温度和湿度的变化。因此，本实施例选取轨道电压(v)、轨旁湿度(h)、温度(t)以及故障累计次数(n)作为预警系统的预警指标
[0050]
s2，处理样本数据和实测数据，分别形成预警等级集合和指标值集合；并确定预警等级集合中各预警等级的指标权重。
[0051]
本实施例中，处理样本数据和实测数据的方法具体为，将样本数据归一化为无量纲的预警值，形成预警等级集合；将实测数据归一化为无量纲指标值，形成指标值集合。
[0052]
首先为使个指标具有可比性，将样本数据归一化为无量纲的指标值；在将样本数据归一化为无量纲的预警值时，样本数据中的轨道电压和温度采用下述公式计算，
[0053][0054]
样本数据中的轨旁湿度和故障累计次数采用下述公式计算，
[0055][0056]
式中，x
i
为样本数据中的值，x
max
和x
min
分别为预设的最大值和最小值。
[0057]
然后确定指标权重，本实施例采用层次分析法确定指标值的指标权重。
[0058]
建立比较矩阵a，其元素a
ij
为第i个因素与第j个因素相对比的重要性，若第j个元素比第i个元素重要，则a
ij
取值为0；若第j个元素与第i个元素同等重要，则a
ij
取值为1，若第i个元素比第j个元素重要，则a
ij
取值为2；
[0059]
计算重要性排序指数r
i
，
[0060]
构造判断矩阵b，其元素b
ij
采用下式计算，
[0061][0062]
其中，r
max
＝max{r
i
}；r
min
＝min{r
i
}。
[0063]
再求判断矩阵b的最优传递矩阵c，其元素为c
ij
，所述c
ij
采用下式计算，
[0064][0065]
计算判断矩阵b的拟优一致矩阵d，其元素
[0066]
计算d的最大特征值及特征向量，并进行归一化处理，得到各指标的指标权重集。
[0067]
应用层次分析法确定指标权重时受人为主观因素的影响较大，所以本实施例再使用灰色关联理论优化指标权重，优化指标k的关联系数ξ
k
的计算公式如下：
[0068][0069]
式中，δmin＝min|x0(k)
‑
x
d
(k)|；δmax＝max|x0(k)
‑
x
d
(k)|；δdk＝|x0(k)
‑
x
d
(k)|；ρ为分辨系数；x0(k)为预警等级集合在指标点k处的值，x
d
(k)为指标值集合在指标点k处的值；δmin、δmax为预警等级集合和指标值集合对应指标k之差的最大值与最小值。
[0070]
s3，获取指标值集合与预警等级集合中各个预警等级的综合同异反模糊联系度；
[0071]
在获取指标值集合与预警等级集合中各个预警等级的综合同异反模糊联系度时，包括下述步骤；
[0072]
s31，将预警等级集合a与指标值集合b组成集对h＝(a,b)，集对a和集对b共具有n个特性；
[0073]
s32，对集对h进行分析，若其中有s个特性为集合a和集合b共有，有p个特性为集合a和集合b对立，则有f＝n
‑
s
‑
p个特性在集合a和集合b中既不共有也不相互对立。在分析中，分析标准为，当指标处于所讨论的级别范围内时认为是同一；当评价指标处于相隔的标准级别中，认为是对立；当评价指标处于相邻的标准级别中，则认为是差异。
[0074]
s33，建立集对h的综合同异反模糊联系度表达式如下，
[0075][0076]
其中，a为同一度，b为差异度，c为对立度，且a c c＝1；i为差异度系数，其值域为i∈[
‑
1,1]；j为对立系数，取值为
‑
1；
[0077]
s34，选取指标值集合中与差异度相关的指标值，结合各预警等级的指标权重，计算差异度系数i的值；
[0078]
计算差异度系数i的值采用下述步骤：
[0079]
s341，选取指标值集合中与差异度相关的指标值x
k
，k∈(1,2,3,4)，判定x
k
在预警等级集合中的预警等级区间；
[0080]
s342，若x
k
∈(s1,s2)，则建立同异反模糊联系度计算公式如下，
[0081][0082]
其中，s1、s2为预警等级集合中的预警等级区间；
[0083]
s343，将s1、s2和x
k
的值带入同异反模糊联系度计算公式中，得到其中一个指标值的同异反模糊联系度；
[0084]
s344，重复步骤s341
‑
s343，计算指标值集合中其它与差异度相关的指标值的同异反模糊联系度；
[0085]
s345，结合所有与差异度相关指标值的同异反模糊联系度和指标权重，即将与差异度相关的指标值分别与指标权重值相乘后相加，得到差异度系数i的值。
[0086]
获取到差异度系数i的值后，继续执行下述步骤；
[0087]
s35，将差异度系数i的值带入综合同异反模糊联系度表达式；再把综合同异反模糊联系度表达式中的i取值为0，j取值
‑
1；以获取其中一个预警等级的综合同异反模糊联系度；
[0088]
s36，重复步骤s34
‑
s35，获取预警等级集合中所有预警等级的综合同异反模糊联
系度。
[0089]
s4，比较指标值集合与预警等级集合中各预警等级的综合同异反模糊联系度，以综合同异反模糊联系度最大的预警等级作为指标值集合的预警等级。
[0090]
通过获取指标值集合和预警等级集合之间的综合同异反模糊联系度，来判断指标值集合的预警等级，能够减少在预警中的人为影响因素，获得更加准确的预警结果。
[0091]
本实施例还提供一种轨道电路分路不良预警装置，包括至少一个处理器，以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使至少一个处理器能够执行上述的方法。
[0092]
实施例2
[0093]
一种轨道电路分路不良预警方法，本实施例提供一组样本数据集合q＝[q1,q2,q3,q4,q5]，及一组实测数据集合q＝[q6,q7]；参照表1：
[0094][0095]
表1
[0096]
其中，u为轨道电压，h为轨旁湿度，t为温度，n为故障累计次数；
[0097]
对表中的数据进行处理，将样本数据归一化为无量纲的预警值，形成预警等级集合；将实测数据归一化为无量纲指标值，形成指标值集合；得到的结果如表2所示：
[0098][0099]
表2
[0100]
结合前5组参考样本严重程度划分红色、橙色、黄色及绿色预警等级，分别用s1，s2，s3，s4表示，得到预警等级的划分如表3所示：
[0101]
[0102]
表3
[0103]
再采用层次分析法确定预警等级集合的指标权重；此时采用三位专家根据自身经验用重要性比较法构造比较矩阵a1、a2、a3，其值如下所示，
[0104][0105][0106][0107]
在建立比较矩阵a的过程中，其元素a
ij
为第i个因素与第j个因素相对比的重要性，若第j个元素比第i个元素重要，则a
ij
取值为0；若第j个元素与第i个元素同等重要，则a
ij
取值为1，若第i个元素比第j个元素重要，则a
ij
取值为2。
[0108]
再基于比较矩阵a1、a2、a3，计算重要性排序指数r
i
，r
i
采用下列公式计算，
[0109][0110]
再构造判断矩阵b，其元素b
ij
采用下述公式计算，
[0111][0112]
其中，r
max
＝max{r
i
}；r
min
＝min{r
i
}。
[0113]
基于判断矩阵b，求判断矩阵b的最优传递矩阵c，其元素为c
ij
，所述c
ij
采用下述公式计算，
[0114][0115]
其中，n为最优传递矩阵c中的元素个数，
[0116]
基于最优传递矩阵c，计算判断矩阵b的拟优一致矩阵d，其元素
[0117]
计算拟优一致矩阵d的ui大特征值及特征向量，进行归一化处理，得到各指标权重组成的权重矩阵如表4所示，
[0118][0119]
表4
[0120]
取表4的最大值构成向量x作为关联系数式中的标准模式，3个权重向量作为3个待检模式，根据下述公式，
[0121][0122]
式中，δmin＝min|x0(k)
‑
x
d
(k)|；δmax＝max|x0(k)
‑
x
d
(k)|；δdk＝|x0(k)
‑
x
d
(k)|；ρ为分辨系数；x0(k)为预警等级集合在指标点k处的值，x
d
(k)为指标值集合在指标点k处的值；δmin、δmax为预警等级集合和指标值集合对应指标k之差的最大值与最小值。
[0123]
求得关联系数矩阵ξ如下所示，
[0124][0125]
计算各指标关联度r
j
，将每一指标关联度除以各指标关联度之和，使其归一化，得到指标权重矢量ω的取值如下，
[0126]
ω＝[0.6230，0.1358,0.1357，0.1055]。
[0127]
本实施例中，以表2中实测数据q7为例，根据上述方法，得到q7与4个预警等级之间的联系度表达式分别为：
[0128][0129][0130][0131][0132]
例如，在计算中的差异度系数i时；首先确定q7中，轨旁电压u与差异度相关，则x1＝0.833，则x1∈[s2,s3]，在表3中，轨旁电压u的一栏中，s2＝0.533，s3＝0.933；则将数据代入到下述公式，
[0133][0134]
得到，在q7中，还有故障累计次数n也与差异度相关，则取x4＝0.75，且x4∈[s2,s3]，在表3中，故障累计次数n的一栏中，s2＝0.533，s3＝0.933；则将数据代入到下述公式，
[0135][0136]
得到，结合所有与差异度相关指标值的同异反模糊联系度和指标权重，即q7中的x1、x4，得到下述公式，
[0137][0138]
代入值求得，再将的值代入到同异反模糊联系度计算公式中的差异度系数i中，如下，
[0139][0140]
得到再将i取值为0，j取值
‑
1，得到
[0141]
基于上述步骤，同理可得，q7中其它的预警指标值的综合同异反模糊联系度为，根据上述方法，计算实测数据q6中预警指标值的综合同异反模糊联系度为，中预警指标值的综合同异反模糊联系度为，
[0142]
比较实测数据q7中所有预警指标值的综合同异反模糊联系度，可以判断实测数据q7中，的值最大，则说明实测数据q7中综合同异反模糊联系度最大的预警等级为s3，则实测数据q7对应的预警等级为绿色预警等级，轨道电路能够正常工作。
[0143]
比较实测数据q6中所有预警指标值的综合同异反模糊联系度，可以判断实测数据q6中，的值最大，则说明实测数据q6中综合同异反模糊联系度最大的预警等级为s4，则实测数据q6对应的预警等级为黄色预警等级；表明轨道电路在分路状态下工作，其分路残压较高，易于发生轨道电路分路不良故障，针对此种情况，现场工作人员应加强监视，必要时采取一定的措施。
[0144]
通过结合了样本数据和实测数据对实施例1中的方法进行验证，构造综合同异反模糊联系度及其数学表达式处理预警指标的不确定性和模糊性，将模糊联系度的思想用于差异度系数的取值当中，并引入灰色关联分析修正指标权重，克服运用层次分析法确定指标时的人为主观性，能够减少人为因素在预警中的影响，让预警结果更加合理。
[0145]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。