基于CEEMD特征提取的无绝缘轨道电路补偿电容故障诊断

1、作者简介：李亚兰（1988），女（汉），甘肃天水，硕士，主修专业：交通信息工程及控制，Email: HYPERLINK mailto:liyalan liyalan。基于CEEMD特征提取的无绝缘轨道电路补偿电容故障诊断李亚兰1，董昱1，南接龙2(1. 兰州交通大学自动化与电气工程学院 兰州 7300702. 南京恩瑞特实业有限公司轨道部 南京211100)摘要：本文利用电路网络理论和传输线理论构建ZPW-2000A轨道电路传输模型，仿真并分析了补偿电容故障对轨面电压的影响，提出基于互补的总体经验模式分解（CEEMD）特征提取的补偿电容故障诊断方法。实验结果表明，相比于传统经验模式分解（EMD

2、）和总体经验模式分解（EEMD），基于CEEMD特征提取的补偿电容故障诊断方法可以有效地克服EMD方法引起的模态混叠和能量泄露现象，减少EEMD方法在信号重构过程中的白噪声残留，为补偿电容的故障诊断提供了一种快速准确的方法，为保证信号传输质量提供了参考依据。关键词：电路网络理论；ZPW-2000A轨道电路；补偿电容；基于互补的总体经验模式分解（CEEMD）；故障诊断中图分类号: U284.2 文献标识码：AJointless track circuit compensation capacitor fault diagnosis based on CEEMD feature extractio

3、nLi Ya-lan1, Dong Yu1, Nan Jie-long2(1. Institute of Automation & Electrical Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China 2. Rail Department, Nanjing NRIET Industrial Co., Ltd. Nanjing 211100, China)Abstract: In this paper, ZPW-2000A track circuit transmission model is built by us

4、ing circuit network theory and transmission line theory. Then make simulation and analysis of impact on the track surface voltage when compensation capacitor failure, propose a fault diagnosis method of compensation capacitor based on complete ensemble empirical mode decomposition (CEEMD) feature ex

5、traction. Experimental results show that, compared to the empirical mode decomposition (EMD) and ensemble empirical mode decomposition (EEMD), compensation capacitor fault diagnosis method based on CEEMD feature extraction not only can effectively overcome the mode mixing and energy leakage phenomen

6、on which exist in EMD, but also reduce the white noise residues in signal reconstruction process caused by EEMD. Therefore, CEEMD provides a fast and accurate method for compensation capacitor fault diagnosis, and provides the basis for ensuring the quality of signal transmission. Keywords: circuit

7、network theory; ZPW-2000A track circuit; compensation capacitor; complete ensemble empirical mode decomposition (CEEMD); fault diagnosis0 引言近年来，高速铁路技术不断取得创新和突破，既而行车安全的概念不断被强调，特别是“723”甬-温线动车组追尾特大事故1之后，如何确保高铁运行安全成为人们关注的热点。ZPW-2000A设备作为主要的区间闭塞设备已得到了普遍的应用，从实际调研结果来看，其故障主要集中在调谐单元断线、补偿电容断线或容值下降等方面。而补偿电容故障会

8、影响轨道电路信号的传输质量和传输距离，影响列车运行控制系统的正常运行，因此，需要对补偿电容进行定期检测。国内，文献2提出基于轨道电路接收设备输入电幅度与相位变化的补偿电容故障检测方法，文献3针对既有线分别分析了补偿电容故障和道碎电阻变化对短路电流幅值包络的影响规律，并将其应用到补偿电容故障的诊断中。国外，文献4、5中分别提出了基于偏最小二乘回归与神经网络的补偿电容故障检测方法和基于传递置信模型补偿电容故障检测方法。考虑到现场实际运用需求，补偿电容的故障诊断要从多个层面进行，并对现场实际数据充分利用。本文将CEEMD用于补偿电容故障诊断的特征提取，提出了基于CEEMD特征提取的补偿电容故障诊断方

9、法，此方法不仅克服了EMD方法引起的模态混叠和能量泄露问题，而且有效减少了EEMD在信号重构过程中的白噪声残留，适合于补偿电容故障诊断的特征提取。1 ZPW-2000A轨道电路建模ZPW-2000A轨道电路由主轨道和调谐区两部分构成，并将调谐区视为列车运行前方的“延续段”。ZPW-2000A的载频频率为1700Hz、2300 Hz、2000 Hz、2600 Hz，上行线路以2000 Hz、2600 Hz交替配置，下行线路以1700 Hz、2300 Hz交替配置。由于钢轨呈现感性，采用等间距布置补偿电容的方法减小信号传输中的衰耗，且不同载频的补偿电容值不同6。ZPW-2000A轨道电路构成如图1

10、所示。图1 ZPW-2000A系统构成图ZPW-2000A轨道电路采取分段加补偿电容的方法减弱钢轨电感的影响，补偿电容的设置方式采用“等间距法”，将主轨部分按补偿电容N等分，其步长为，轨道电路两端按半步长/2，中间按全步长设置。将补偿电容及其相连的/2长的轨道看成一个四端网络结构，那么整个主轨部分由N个这样的四端网络级联而成7-11。以轨道电路2中的一个等效四端网络为例，其网络为：TZF2=Tgd(/2) TcTgd(/2)，电路结构如图2所示。图2 补偿电容所在四端网络电路结构其中Tgd为轨道四端网络，利用传输线理论可以得到其传输矩阵如下：（1） (2)公式(1)中Zc代表钢轨的特性阻抗，代

11、表轨道四端网络的长度，代表轨道电路的传输常数。Tc为补偿电容四端网络，为信号载频，其传输矩阵如公式(2)所示。当轨道电路处于调整状态时，主轨2等效为N个TZF2四端网络的级联，其传输矩阵为：TZ2=( TZF2)N。对于一个四端网络，其两个端口的电压电流关系可用下式来表示： (3)计算任意点轨面电压时，将点左边的等效网络记为TR，右边的等效网络记为TL，则TR网络的输入阻抗为TL网络的终端负载阻抗，如图3所示。计算可得网络TR的输入阻抗为： (4)图3 点等效网络结构示意图公式(4)中，Zz为接收器的视入阻抗。左端等效网络TL中任意一点电流为： (5)式(5)中US为发送器的电压。因此，轨面上

12、任意一点电压为：。根据以上公式及四端网络的参数，级联计算轨面电压。仿真结果显示，轨面电压在每个补偿电容处都存在一个尖锐的峰值，这是由于补偿电容的补偿作用所致。当补偿电容发生故障时，其所在四端网络中的补偿作用消失，使得四端网络的结构发生变化，对于任意一点的轨面电压而言，其左右网络也随补偿电容的故障发生变化。以C10故障为例，其轨面电压分布如图4所示，其中红色虚线代表C10故障时的轨面电压，黑色实线代表正常情况下的轨面电压。图4 C10故障时与正常轨面电压比较2 CEEMD方法经验模态分解（Empirical Mode Decomposition，简称EMD）法是N. E. Huang等人于199

13、8年提出的，适合于分析非线性、非平稳信号序列，具有很高的信噪比。该方法的关键是经验模式分解，它能使复杂信号分解为有限个本征模函数(Intrinsic Mode Function，简称IMF)，所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号12。EMD自提出后在众多领域得到广泛应用，但也存在一些问题，如模态混叠。总体经验模式分解（Ensemble Empirical Mode Decomposition，简称EEMD）法是针对EMD方法的不足，提出了一种噪声辅助 HYPERLINK /doc/6144826.html t _blank 数据分析方法。在EMD 方法中，得到合理I

14、MF 的能力取决于信号极值点的分布情况，如果信号极值点分布不均匀，会出现模态混叠的情况13。为此，文献14将白噪声加入待分解信号，利用白噪声频谱的均匀分布，当信号加在遍布整个时频空间分布一致的白噪声背景上时，不同时间尺度的信号会自动分布到合适的参考尺度上，并且由于零均值噪声的特性，经过多次平均后，噪声将相互抵消，集成均值的结果就可作为最终结果。但是EEMD也引入了新的问题，固有模态函数由于求取平均来近似而产生了相应的偏差，且其在信号重建的过程中残留了大量的冗余噪声。文献15中提出了一种补充的总体平均经验模态分解法(Complementary Ensemble Empirical Mode De

15、composition，简称CEEMD)，CEEMD方法主要是通过向待分析信号中添加两个相反的白噪声信号，并分别进行EEMD分解。CEEMD不仅解决了EMD引起的模态混叠和能量泄露问题，并且在保证分解效果与EEMD相当的情况下，减小了由白噪声引起的重构误差。CEEMD包括以下几个步骤：(1) 向信号中加入一对幅值相同、相位角相差180的高斯白噪声，形成两个新的信号,即：(2) 对信号和分别进行EMD分解，将每组分解结果的总体平均记为和；(3) 求和对应分量的平均值，把该值作为CEEMD的分解结果，即：3 仿真分析以载频2300HZ，轨道区段长度1400m，补偿电容步长80m为例进行仿真，得到图

16、4所示的轨面电压分布。分别采用EMD、EEMD、CEEMD对正常的轨面电压进行分解。参数的选择，计算耗时以及正交性指标如表1所示。EMD、EEMD和CEEMD分解结果分别如图5，图6和图7所示。其中表示第个分量，表示剩余趋势项。表1 EMD、EEMD、CEEMD分解指标比较 参数 方法添加噪声幅值添加噪声个数计算耗时/s正交性指标EMD002.21370.1752EEMD0.220054.88370.2483CEEMD0.220047.20580.2501图5 轨面电压的EMD分解结果图6 轨面电压的EEMD分解结果图7 轨面电压的CEEMD分解结果从图5，图6和图7可以看出，EMD分解出现了

17、明显的模态混叠和能量泄露，同时分解产生了较多的虚假分量；EEMD和CEEMD克服了EMD模态混叠的缺陷。既而利用这三种方法对信号进行重构，结果表明，CEEMD的重构结果相关系数可达97%，EEMD可达96%，EMD为92%。可见，将CEEMD用于轨面电压信号的特征提取是很有必要的。4 提取特征向量经验模式分解能够有效的处理非平稳信号，它将信号分解成不同时间尺度下的内禀模态分量，各个频带的能量变化表征着补偿电容的正常与否，为此，本文用IMF分量的能量来反映补偿电容的工作状态，从而有效地提取信号的特征向量。提取特征能量向量的步骤如下：(1) 按照CEEMD的分解步骤得到若干个内禀模态分量：(2)

18、计算各个内禀模态分量的能量，公式如下：(3) 以能量为元素并归一化特征向量，公式如下：以C10故障为例，分别使用EMD、EEMD、CEEMD对正常的轨面电压和C10故障的轨面电压进行分解，获得特征向量。其中EEMD和CEEMD分解的各个频段内能量分布图如图8和图9所示，EMD分解结果不再列出。图8 EEMD分解IMF能量特征分布图图9 CEEMD分解IMF能量特征分布图从图中明显看出，CEEMD较EEMD可以更好地提取特征向量，正常信号和故障信号的特征对比更明显，因此，本文采取CEEMD方法进行特征提取，按照上述步骤依次对各补偿电容故障的轨面电压进行CEEMD特征提取，归一化后的数据如表2所示

19、。表2 不同故障状态下特征向量状态特征向量E1E2E3E4E5E6E7E8E9正常状态0.05320.01920.01630.15841.94160.11610.14300.43760.8485C1故障0.00090.00030.00020.00100.03470.00880.01630.92890.0089C2故障0.00060.00030.00020.00380.04650.02620.05510.85330.0140C3故障0.00150.00050.00050.00330.45770.21970.18780.12230.0069C4故障0.00120.00050.00030.00390

20、.51630.22400.21710.03460.0021C5故障0.00120.00040.00030.00480.40250.26590.11400.20830.0026C6故障0.00080.00030.00030.00180.02810.54310.12310.29940.0031C7故障0.00170.00060.00050.00370.05590.62180.14840.15470.0126C8故障0.00200.00080.00060.00770.05940.62500.20450.08580.0142C9故障0.00190.00070.00060.00480.06950.486

21、70.26820.15150.0161C10故障0.00330.00110.00100.00870.10730.66100.13650.07350.0076采用Kohonen算法的自组织特征映射神经网络（SOM）不仅能够像自组织竞争神经网络一样学习输入的分布情况，而且可以学习神经网络的拓扑结构，基于此，本文以100组上述特征向量为样本，利用SOM进行故障分类，再以100组样本进行验证，验证可知利用SOM进行补偿电容故障分类的精确度达98%。5 结论针对补偿电容故障的轨面电压信号，本文提出了一种基于CEEMD的补偿电容故障诊断方法。通过对比EMD、EEMD、CEEMD三种方法对信号特征提取的结果

22、，说明了采用CEEMD方法的有效，然后以内禀模态特征法提取特征向量，最后用SOM进行故障分类。诊断结果表明，此方法不但克服了EMD中模态混叠和能量泄露现象，而且减少了EEMD方法在信号重构过程中的白噪声残留，为补偿电容的故障诊断提供了新方法。参考文献1 刘铁民. 突发事件应急响应规范化势在必行“723”甬温线特大铁路交通事故应急响应反思J.中国安全生产科学技术,2011,7(9):5-10.2 吴建生.ZPW-2000A移频轨道电路补偿电容在线监测仪的研制与分析J.西铁科技,2009(3): 34-37.3Lin-Hai Z, Jian-Ping W, Yi-Kui R. Fault diag

23、nosis for track circuit using AOK-TFRs and AGAJ. Control Engineering Practice, 2012,20(12): 1270-1280.4Debiolles A, Oukhellou L, Aknin P. Combined use of partial least squares regression and neural network for diagnosis tasksC. Proceedings of the 17th International Conference on Pattern Recognition

24、(ICPR 2004). IEEE Computer Society,2004,4:573-576.5Debiolles A, Oukhellou L, Denoeux Th, et al. Output coding of spatially dependent subclassifiers in evidential framework. Application to the diagnosis of railway track/vehicle transmission systemC. 2006 9th International Conference on Information Fu

25、sion. IEEE, 2006:1-6.6 费锡康.无绝缘轨道电路原理及分析M.北京,中国铁道出版社,1993:17-91.7 赵林海,许俊杰,刘伟宁等.基于Levenberg-Marquardt算法和广义S变换的无绝缘轨道电路补偿电容的故障检测J.控制理论与应用,2010,27(12):1612-1622.8 Zhao L, Liu B, Xu X. Using the wavelet analysis based noise canceling technique to detect the integrity of the compensating capacitors of UM71 track circuitC. Microwave, Antenna, Propagation and EMC Technologies for Wireless Communications, 2005. MAPE 2005. IEEE International Symposium on. IEEE, 2005