一种恒张力弹簧补偿装置的无线监测系统和识别方法与流程

1.本发明属于铁路接触网补偿装置监测技术领域，具体涉及一种恒张力弹簧补偿装置的无线监测系统识别方法。


背景技术：

2.接触网是铁路电气化工程的主构架，是沿铁路线上空架设的向电力机车供电的特殊形式的输电线路。当大气温度发生变化时，接触网线索受热胀冷缩的影响会伸长或缩短，从而使线索张力、弛度发生变化，影响受电弓与接触网之间的接触，影响电气化铁路的安全稳定运行。因此设置了接触网线索张力补偿装置，通过调整线索的张力，保持线索弛度满足铁路列车运行技术要求。
3.目前的接触网补偿装置主要为传统的轮滑式补偿装置，其机械结构简单，但是其补偿工作稳定性、可靠性不能满足现代高铁、地铁快速高强度使用的要求，且轮滑式补偿装置监测主要还是依赖于人工巡检，不仅监测效果不好，同时监测周期时间长，人工成本太高。现有的自动监测方法研究中，主要有两类：
4.一是以哈尔滨工业大学的李中伟为代表，提出的基于zigbee的接触网补偿装置线索张力监测系统。系统实现了对补偿装置线索张力变化的监测，工作人员可以通过手持终端或者上位机软件来查看线索张力实时信息，或者线索张力的变化情况，不足在于没有对监测数据进行分析处理，实现故障自动报警，需要依靠技术人员在对数据查看分析后才能发现异常，这会导致补偿装置出现问题时不能及时发现。
5.二是以北京交通大学的周佳倩为代表，使用gprs dtu作为无线传输模块，进行数据的无线传输，此模块解决了信息传输距离的问题，同时抗干扰能力较强，适用于隧道、野外等恶劣环境的使用。同时在本地构建数据库系统用于数据的存储，配合上位机可以使工作人员随时的可以查询状态数据，同时具备通过短信进行状态异常报警的功能，以利于工作人员及时处理故障。但是其不足在于，数据保存在本地数据库当中，全网共享不便，数据查询不够便捷，工作人员查看数据受限。
6.同时,近年来随着各种统计方法及智能算法的广泛应用，对传统轮滑式接触网补偿装置的故障分析也进一步发展，例如刘光栋等人对接触网补偿装置的数据进行分析，得到“b值-温度”拟合公式，根据b值异常波动情况，判断接触网存在的接触悬挂故障类型。周佳倩通过对检测数据的处理分析实现了对接触网的状态判定，通过对数据的预测，再与实测曲线的对比，进而判断接触网卡滞、零件松动等故障。上述两类方法均实现了对传统接触网补偿装置故障类型的判断。
7.恒张力弹簧补偿装置是一种保持接触网线索张力恒定，对其线索伸缩量自动补偿的新型装置。其组成结构核心为涡簧加阿基米德螺旋形槽轮相结合，具有结构紧凑，安装方便，可靠性高，在线索由于环境温度变化导致伸缩量发生缓慢变化时，依靠补偿装置内部的弹簧张力恒定，对伸缩量及时进行补偿，为接触网线索提供恒定的张力。同时，为了防止补偿装置因为不可预测的因素发生涡簧断裂的情况，补偿装置设置有反转止动装置。在发生
意外情况时及时止动，保证线索状态保持一个相对稳定状态，而不至于补偿装置失效，导致接触网线发生故障。
8.综上，接触网使用新型恒张力弹簧补偿装置是铁路电气化工程发展必然趋势，但是现有的接触网传统补偿装置的服役状态监测存在监测数据易受环境影响、信号传输不稳定、报警信息查看不及时，所研究的故障识别判断方法对新型恒张力弹簧补偿装置适用性不足。为了进一步提高新型恒张力弹簧补偿装置工作可靠性，促使其在实际工程中应用推广，迫切需要有功能强、工作稳定可靠、无线化自动化监测系统，以及适合新型恒张力弹簧补偿装置特点和工作特性的智能化找出故障并且诊断和识别方法。


技术实现要素：

9.本发明针对上述所提出的现有传统接触网补偿装置工作状态监测对环境适应性不强、状态数据查询不够便捷、数据不能共享、对异常状态判断及故障类型识别智能化不够等问题，提供一种针对新型恒张力弹簧补偿装置的服役状态无线监测系统及故障诊断识别方法。本发明采用的技术方案是：一方面，综合应用自动数据采集监测技术、无线传输通信技术，基于云数据服务平台，实现对接触网补偿装置服役状态数据采集、无线数据传输和数据共享管理，通过web端或者其他手持联网终端查看设备服役状态数据；另一方面，依据新型补偿装置的工作特性，将补偿装置的故障诊断识别问题转化为拉力、位移等物理量异常的识别判断,从物理量异常变化，诊断识别出新型补偿装置故障及其类型、位置信息，使得技术人员能够依据补偿装置故障类型信息和位置信息，快速完成对补偿装置检修维护。
10.本发明所述的一种恒张力弹簧补偿装置服役状态无线监测系统，包括若干个恒张力弹簧补偿装置，恒张力弹簧补偿装置均设有供电单元、数据采集模块，以及共用的数据传输系统、远程监控终端等组成部分。
11.进一步的，所述的数据采集模块，包括拉力传感器、位移传感器、温度传感器、信号采集卡，用于采集获取对应的恒张力弹簧补偿装置服役运行中的线索张力、伸缩量及周围环境温度信息。
12.进一步的，所述的信号采集卡为八路模拟量采集模块，采用rs485接口modbus-rtu协议，收集各个传感器所采集的模拟信号，并将其转化为数字信号传输给数据传输系统的无线数据传输模块。
13.进一步的，所述的共用的数据传输系统采用4g无线数据传输模块，将所接收到的数据无线发送到云数据服务平台存储，采集到所有的补偿装置运行状态数据在云数据服务平台上进行分析处理，并将处理后的数据汇总存储。
14.进一步的，所述共用的远程监控终端包括web端及手机客户端，用于将数据处理成表格、图标等更直观的表现形式，实时给用户显示所查看的恒张力弹簧补偿装置线索张力和伸缩量，补偿装置的服役状态情况，以及发生异常时的报警提醒。
15.进一步的，所述供电单元为220v转24v模块，通过导线分别与所述拉力传感器、位移传感器和温度传感器、信号采集卡和无线数据传输模块相连，分别为拉力传感器、位移传感器、温度传感器、信号采集卡和无线数据传输模块供电。
16.本发明所述的一种恒张力弹簧补偿装置服役状态无线监测系统，其实现的故障诊断识别方法特征在于：首先通过对新型恒张力弹簧补偿装置服役状态历史数据信息聚类分
析，实现服役状态历史数据分类，基于历史数据的分类情况，建立补偿装置涡卷弹簧断裂和补偿线索卡滞故障特征数据库；其次基于分类完成的历史数据，通过k-means聚类算法的方法建立故障判别函数；最后依据对监测服役实时数据特征计算、故障判断及故障类型识别，得出补偿装置故障诊断及其故障类型识别结果。
17.进一步的，根据先验知识，定义补偿装置正常工作状态和两类故障下异常状态。对应的两类异常状态定义为：一种是涡卷弹簧断裂，正常状态下，弹簧张力恒定，当补偿装置内部弹簧发生断裂时，所提供的张力补偿相较于额定的张力会发生明显衰减，且随着断裂程度不同，张力的衰减程度不同；二是补偿线索发生卡滞的情况，正常状态下，温度每降低1摄氏度，线索进行相应的补偿，如果发生卡滞，随着周围环境温度显著升高或者降低，线索长度却无明显变化。
18.进一步的，聚类分析实现数据分类。具体是对服役历史数据进行筛选，筛选出发生两类故障时异常状态数据，采用聚类分析方法将数据按照两类故障状态进行分类。
19.进一步的，采用mysql数据库将常规正常数据和故障下异常数据信息存储到本地。具体将数据分类后存储到data数据表中，数据表包括中文名、字段名、数据类型和数据长度，负责记录监测终端各个时间点采集到的工作温度、张力以及补偿量。
20.进一步的，建立判别故障及其类型的判别函数。采用具有较好的判别能力的fisher判别方法，将能反应补偿装置运行状态的工作温度、张力以及补偿量数据选择x-y投影轴，投影到一维空间即一条直线上，投影轴的选择依据是在此投影方向上，同一类别的数据尽可能靠近，不同类别尽可能分开，并且在一维空间中求出不同类别间的临界点值，进而实现对后续监测数据的识别与分类。
21.进一步的，对监测得到服役状态实时数据计算、判断分析，得出诊断识别结果。通过fisher判别式，将得到的一组检测实时数据带入计算，系统将自动的判断数据归属，根据归属结果，给出装置服役状态正常或者故障信息，若故障，则给出故障类型和补偿装置位置信息，并将数据保存，若无故障，将直接保存服役状态数据。
22.有益效果：
23.(1)本发明所述的恒张力弹簧补偿装置服役状态无线监测系统，综合应用自动数据采集监测技术、无线传输通信技术，基于云数据服务平台，实现接触网补偿装置服役状态数据采集、无线数据传输和数据共享管理，具有抗干扰能力强，信号传输稳定，数据全网共享、故障自动报警等显著特点，通过授权登录，可随时随地查看接触网所有补偿装置服役状态，使用操作方便。
24.(2)本发明所述的恒张力补偿装置服役状态故障诊断识别方法，通过对补偿装置的监测服役数据进行分析处理，将补偿装置监测数据进行聚类分析处理，随后根据聚类分析结果采用fisher判别方法，将采集监测的工作温度、张力以及补偿量数据投影到空间中的一条直线上，同时确定出不同数据类别间的临界值点，对于新的监测数据可以根据分类决策规则判断正常、弹簧故障或者卡滞，使得技术人员能够依据补偿装置故障类型和装置位置信息，快速完成补偿装置检修维护，大大提高了补偿装置对供电系统接触网伸缩量补偿的可靠性。
附图说明
25.图1是本发明监测系统识别总体设计框架结构图；
26.图2是本发明的恒张力补偿装置服役状态无线监测系统组成结构；
27.图3是本发明的传感器及控制箱安装示意图；
28.图4是本发明的恒张力补偿装置服役状态识别方法流程；
29.图5是本发明的线索卡滞情况的试验数据；
30.图6是本发明的弹簧断裂情况的试验数据。
31.图中：1、立柱，2、位移传感器，3、设备箱，4、涡簧补偿装置主体，5、拉力传感器，6、三脚架，7、滑轮。
具体实施方式
32.为了加深对本发明的理解，下面将结合实施例和附图对本发明作进一步详述，该实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
33.立柱1，位移传感器2，设备箱3，涡簧补偿装置主体4，拉力传感器5，三脚架6，滑轮7。
34.如图1、2所示；
35.本发明所述的恒张力弹簧补偿装置服役状态无线监测系统，特征在于：包括若干个恒张力弹簧补偿装置，针对每个补偿装置设有供电单元、数据采集模块，以及共用的数据传输系统，远程监控终端等组成部分。
36.进一步的，所述的每个补偿装置设有的数据采集模块，包括拉力传感器、位移传感器、温度传感器、信号采集卡。
37.进一步的，所述的信号采集卡为8路模拟量采集模块。
38.进一步的，所述的共用的数据传输系统包括4g无线数据传输模块及云数据服务平台，其中4g无线数据传输模块将所接收到的数据无线发送到云数据服务平台，所有采集到的运行状态数据在云数据服务平台上进行分析处理，并将处理后的数据汇总存储。
39.进一步的，所述的共用的远程监控终端包括web端及手机客户端，用于将数据处理成表格、图标等更直观的表现形式，实时给用户显示所查看的恒张力补偿装置线索张力和长度，装置的服役状态情况，以及发生异常时的报警提醒。
40.进一步的，所述供电单元为220v转24v模块，通过导线分别与所述拉力传感器、位移传感器和温度传感器、信号采集卡和无线数据传输模块相连，分别为拉力传感器、位移传感器、温度传感器、信号采集卡和无线数据传输模块供电。
41.每个数据采集模块通过8路信号采集卡与无线数据传输模块相连，将采集的数据无线发送给云平台终端，云平台负责对接收到的数据进行存储及处理，同时，通过前端技术在web端展示数据变化，异常状态下进行报警。
42.其中，接触网每一个上设有数据采集模块，数据采集模块用于采集其所安装位置相应的弹簧补偿装置物理量，包括实时温度、线索的张力、以及线索变化长度。
43.数据采集模块采集的模拟信号连接上信号采集卡，信号采集卡使用modbus-rtu协议两者通过rs485串口进行传输，随后采集的模拟信号将被转化为数字信号传输给4g无线数据传输模块。
44.无线数据传输模块与云平台建立通信，将由数据采集模块采集传输过来的数据发送到云平台。云平台负责接收和存储无线数据传输模块发送过来的数据，同时可以按照需求设置相关系统参数，系统参数设置可以用于设置报警阈值和采集时间，当某补偿装置的拉力或者位移量达到设定的报警阈值，也即意味着装置状态出现异常，就会触发报警，工作人员可以及时查看。通过对采集时间的设置，可以按照实际的需求按时采集相关数据。
45.远程监控终端包括web端及手持移动端两个部分。进入web端或者手持移动端操作流程是：首先需要输入用户名和密码进入个人主页，后台管理人员可以管理用户，对相关的账号进行管理，用户进入个人主页后可以管理自己的账户下的设备，查看相应的补偿装置服役情况，同时也可以查询到某补偿装置相关的历史数据详情。
46.如图3所示；
47.所述的传感器及设备箱的安装示意图，包括立柱1、位移传感器2、设备箱3、弹簧补偿装置主体4、拉力传感器5、三角架6以及动滑轮7。其中，设备箱3固定于安装板上，而后安装板用紧固装置固定在立柱1上，其位置位于整个弹簧补偿装置主体4的正下方，距离弹簧补偿装置主体4约为三十厘米，位移传感器2和拉力传感器5的一端通过航空接头于设备箱3相连，而后位移传感器2通过固定架安装于弹簧补偿装置主体4的壳体上，而后将拉绳端通过螺丝固定于前端的三角架6上，当三角架6因线索伸长而移动时，位移传感器线绳也被拉长，引起位移量的变化，拉力传感器5通过线索夹一端与弹簧补偿装置主体4相连接，另一端也通过线索夹与绕过滑轮7的线索相连接，这样拉力传感器所测得的张力也即是补偿装置的张力大小，温度传感器由于体积小，将其放置在设备箱3内，使其测温端置于外部环境中即可，以上设备通过电源统一供电。
48.如图4所示；
49.本发明所述的恒张力补偿装置服役状态故障诊断识别方法的流程；
50.依据补偿装置的特性，将补偿装置的故障诊断识别问题转化为异常物理量的识别判断，主要内容包括：
51.第一步，获取接触网补偿装置历史运行数据，在聚类分析前首先确定聚类中心，随后利用k-means聚类算法对数据进行分类，
52.第二步，在分类完成的基础上，利用fisher判别方法建立故障判别函数，确定临界点值，通过判别函数来实现数据的故障检测与分类。
53.第三步，获取实时的补偿装置的监测数据，利用建立好的故障判别函数，和分界点值可以确定实时监测数据的分类，以此判断出补偿装置的运行状态。
54.首先，在获取补偿装置历史运行数据的基础上，使用改进k-means聚类算法进行分类。
55.k-means聚类算法是一种迭代求解的聚类分析算法，其依据相似性原则，将具有较高相似度的数据划分到同一组，其步骤是随机选取k个对象作为初始的聚类中心，以与聚类中心的距离作为相似性的度量标准，距离越近，则认为相似程度越高，但是，聚类中心的选择会对最后的聚类结果又有很大的影响，如果完全随机选择，有可能会导致收敛很慢，因此需要对k-means聚类算法进行优化，优化策略如下：
56.从所给数据集当中随机选择一个数据点作为第一个聚类中心p1，选择完成后，计算出数据集中每一个点xi与已选择的聚类中心中最近的聚类中心距离
[0057][0058]
随后，选择一个新的聚类中心，所遵循的原则是：d(xi)较大的点，具有较大的概率被选为聚类中心。重复以上步骤直到选择出k个聚类中心，利用这k个聚类中心来运行k-means算法。
[0059]
在寻找到k个聚类中心后，需要将与聚类中心相似的数据找出来，本文中引入欧式距离,其公式为：
[0060][0061]
由此，计算出中各个点之间的绝对距离，按照其与数据中心的距离远近将其分簇，以划分不同的类别；
[0062]
得到一次分组结果后，选择每一组数据的平均值作为新的数据中心，重复前面的操作，直到数据分组不再变化，计算收敛结束，得到最终的分类结果。
[0063]
得到确定的聚类分析结果后，需要建立相应的判别式，本文使用fisher判别法进行处理。其通过将反映运行状态的监测数据通过投影分布到一维空间的直线上，以寻求实现具有最大的组间差异，以及最小的组内差异。
[0064]
在确定分类样本的前提下，计算出各组的均值向量m1、m2。
[0065][0066]
其中，ni是类ωi的样本个数。随后计算出样本组内离散度矩阵si和总类离散度矩阵s
ω
。
[0067][0068]sω
＝s1 s2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0069]
计算样本组间离散度矩阵：
[0070]
sb＝(m
1-m2)(m
1-m2)
t
ꢀꢀꢀꢀ
(6)
[0071]
在一维映射空间中，各类样本均值：
[0072][0073]
各类类内离散度；
[0074][0075]
总类内离散度；
[0076][0077]
求出以上结果后，需要再求出投影方向向量，当多维数据向方向向量投影后，需使各组样本距离尽量大，同时希望组间的数据尽量密集，因此，定义fisher准则函数：
[0078][0079]
上式又被称为广义rayleigh商，引入拉格朗日乘子求解法，可以求得满足上式的
ω。
[0080]
ω
*
＝s
ω-1
(m
1-m2)
ꢀꢀꢀꢀꢀꢀ
(11)
[0081]
求出的ω
*
是多维空间投影到一维空间的最好的投影方向。在求出ω
*
后，需要计算在投影空间上的分割阈值：
[0082][0083]
对于给定的样本x，计算它在ω
*
上的投影点:y＝(ω
*
)
t
x(13)
[0084]
随后根据决策规则分类：
[0085][0086]
即可对x做出决策分类。
[0087]
将监测数据通过fisher判别方法投影到一维直线上后，将结果与数据分类的临界值点相比较，确定所属类型，将数据分类，由此实现故障分类诊断。
[0088]
如图5、6所示；
[0089]
在环境温度下、锚段长度750米，以12kn弹簧补偿装置为例，结合专家经验及理论的实验数据。
[0090]
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、改进等，均应包含在本发明的保护范围之内。