基于数据特征识别的接触网补偿装置和中心锚结状态异常诊断方法

A Method for Diagnosing the Abnormal State of the OCS Compensation Device and Mid-Point Anchor Based on Data Feature Recognition

摘要

常用的人工巡视、图像识别、定点监测等手段难以对接触网补偿装置和中心锚结状态进行全面、精准地评估，因此提出基于数据特征识别的状态异常诊断方法。首先，归纳补偿装置和中心锚结状态异常时的2类典型数据特征，定义描述中心锚结区域接触线高度突变的3项特征量、锚段左右2侧接触线高度差异的3项特征量以及中心锚结区域弓网接触力突变的3项特征量；然后，依托实测数据构建样本库，采用离群点检测方法检查样本可靠性，采用主成分分析法对强相关特征量进行规约，形成训练样本库；最后，采用随机森林算法训练分类模型，并通过总体准确率、假正率和真负率对分类模型进行评估。通过对该方法的特征量和分类模型及现场试用进行验证，结果表明：各特征量可分性良好，验证了归纳数据特征的可靠性和普遍性；随机森林算法在2类样本训练中均有95%以上的分类准确率；采用该方法的诊断结果现场复核准确性高，在补偿装置和中心锚结状态异常诊断中可行性较强。

Abstract

Common methods, such as manual inspection, image recognition, and fixed-point monitoring, struggle to comprehensively and accurately evaluate the status of the Overhead Contact System (OCS) compensation device and mid-point anchor. Therefore, a state anomaly diagnosis method based on data feature recognition is proposed. Firstly, two types of typical data features are summarized during abnormal conditions of both the compensation device and the mid-point anchor. Specifically, three feature quantities are defined to describe the Overhead Contact Line (OCL) height mutation in the mid-point anchor area, three to indicate the difference in OCL height on both sides of the anchor section, and three to describe the pantograph-catenary contact force mutation in the mid-point anchor area. Secondly, a sample library is constructed based on a large amount of detected data. Outlier diagnosis methods are employed to check the reliability of the samples, and Principal Component Analysis (PCA) is applied to reduce strongly correlated feature quantities, thereby forming a training sample library. Finally, a classification model is trained using Random Forest (RF), and the classification model is evaluated using overall accuracy, false positive rate, and true negative rate. The feature quantities, classification model, and field trial verification of the proposed method are conducted. The results indicate that each feature quantity exhibits good separability, verifying the reliability and universality of the summarized data features. RF achieves a classification accuracy of over 95% in both types of sample training. The diagnosis results obtained using the proposed method are highly accurate in field verification, demonstrating strong feasibility in diagnosing abnormal conditions of both the compensation device and the mid-point anchor.

Graphical abstract

关键词

故障诊断 / 接触网 / 中心锚结 / 补偿装置 / 特征建模 / 机器学习

Key words

Fault diagnosis / OCS / Mid-point anchor / Compensation device / Feature modeling / Machine learning

架空接触网的线索张力和中心锚结状态对接触网的固有参数有很大的影响，当补偿装置发生偏磨卡滞时，会使中心锚结附近的弓网匹配性能变差，引发检测数据产生特定模式的响应，随着气温的变化极易造成打弓、钻弓等弓网故障，甚至可能导致断线事故，严重影响列车运行^［1］。目前，接触网补偿装置和中心锚结的状态评估主要依靠人工巡视、图像识别和定点监测。其中，人工巡视主要通过补偿装置a，b值^［2］和中心锚结线索状态判断设备是否存在异常，但人工成本高、总体效率低且容易出现遗漏；图像识别主要通过动态采集的接触网图像评估设备状态，此类方法能够发现松、脱、断等外观类异常，但难以发现更为隐蔽的偏磨卡滞类异常；定点监测主要通过在坠砣上加装传感器采集数据，再结合数据挖掘方法评估设备状态，此类方法精度高、准确性好，适合监测少数锚段的张力变化，但受限于安装成本、电磁干扰等，无法获取全线补偿装置的状态。因此，亟须构建一种能够全面、精确地评估接触网补偿装置和中心锚结状态的故障诊断方法，帮助提升维修精准性，支撑铁路供电系统安全、稳定运行。

近年来，基于数据驱动的故障诊断技术发展迅速，并在多种工程领域中均获得了成功运用。该技术以不同来源、不同类型的检测数据为基底，运用特征建模、机器学习等数据挖掘技术获取数据中隐含的有用信息，以此表征设备的运行状态，进而实现故障诊断的目的，其主要优势表现在对海量、多源、高维数据进行统计分析和信息提取时的直接性和有效性^［3-4］。例如，张雷^［5］根据牵引供电系统工作原理和故障原因，提取故障诊断特征信号，建立了基于粒子群优化算法优化最小二乘支持向量机的故障诊断方法，并与多种故障诊断方法对比，结果表明提出的故障诊断方法具有较高的识别效率和准确性。郭炳廷等^［6］采用特征排列方法分析轴承振动的数值特征，通过贝叶斯超参数优化方法调整神经元数量拟合轴承振动特征，提出了一种基于贝叶斯超参数优化方法的浅层神经网络轴承故障诊断方法，试验表明该方法的性能指标显著高于传统方法。刘小雄等^［7］提出一种基于改进贝叶斯优化算法的故障模式聚类算法，通过贝叶斯优化算法的先验知识提升新算法的可靠性和全局收敛性，以飞行控制系统操纵面的故障诊断为例进行仿真验证，结果表明该算法结构简单、故障识别可靠。杨建伟等^［8］提出一种结合小波包与BP神经网络的车辆滚动轴承故障诊断方法，该方法先对采集到的信号进行小波降噪，再通过小波包分解构造特征量，最后采用BP神经网络进行训练，试验结果表明该方法能很好地诊断轴承出现的疲劳、磨损、剥落和裂纹等故障。上述示例均采用基于采样信号的特征建模技术和机器学习算法实现了对各类工程领域设备的故障诊断。经过多年发展，接触网系统的检测手段已相当丰富，但对海量检测数据的运用深度仍不足，使大量蕴含关键信息的数据知识无法用于指导运行维护。

本文提出一种基于数据特征识别的接触网补偿装置和中心锚结状态异常诊断方法，该方法运用多种时序数据分析技术对检测数据进行特征归纳，获取设备状态异常时的动态参数特征，据此依托大量实测数据构建训练样本库，通过评估选择最优分类模型，以实现补偿装置和中心锚结状态异常的准确识别，最后结合现场试用对模型进行验证及优化。

1 补偿装置和中心锚结结构

锚段是接触网中相对独立的机械分段，相邻锚段间通过锚段关节进行过渡，在锚段的2端设置补偿装置，在锚段的中部设置中心锚结。接触线在支柱处被拉成“之”字形，锚段的基本结构如图1所示。

设置补偿装置是由于当大气温度发生变化时接触网线索会伸长或缩短，从而使其内的张力发生变化。为保证接触网具备合理的弹性、保持线索张力的恒定，将补偿装置串接在接触线和承力索内，补偿装置主要由滑轮或棘轮、鼓轮和坠砣2部分组成。在工程实际中，针对不同类型的接触悬挂，补偿装置在布置上也略有差异，国内高速铁路普遍采用全补偿方式，该方式下滑轮补偿装置结构如图2所示。

中心锚结是将承力索、接触线进行固定，防止锚段2端的补偿装置向一侧滑动及缩小事故范围的装置。中心锚结按照结构差异主要分为三跨式和两跨式2类。2000年以前建设的电气化铁路以三跨式为主，但随着列车运行速度的提升，新建高速铁路均采用弹性均匀度更好的两跨式中心锚结，其结构如图3所示。

接触网的补偿装置与中心锚结相互配合，保证接触悬挂位置平衡稳定。补偿装置偏磨卡滞会严重影响传动效率，使得中心锚结2侧长时间受到不对称作用力而发生偏移，导致定位支撑装置受力不平衡，接触悬挂向一侧移动，造成接触网几何参数变化，影响弓网匹配性能。通常要求补偿装置转动灵活，传动效率不小于97%^［9］。

2 基于数据特征识别的诊断方法

2.1　检测数据特征归纳

检测数据来源于高速综合检测列车^［10］的接触网检测系统，该系统主要依靠安装在车辆轮轴上的光电编码器触发采集数据，实现等距采样和实时车速监测，采样频率为4次 · m^-1。接触网检修中，该系统的运用频率高、时空同步好且数据存储规范，可为算法的研究和试用提供良好数据基础。

2.1.1　关节数据剔除

处于相邻锚段过渡段的锚段关节，弹性均匀性相对较差，锚段关节附近的动态检测数据波动也较大。检测数据的波动，不仅会导致数据特征建模难度增加，还可能干扰数据特征量值，因此需要进行关节数据剔除。

关节数据剔除是指剔除锚段关节2端特定长度的数据片段，通常4跨锚段关节剔除的数据片段约为100 m，5跨锚段关节剔除的数据片段约为150 m，锚段关节的跨数越多，剔除的数据片段越长。

2.1.2　数据分段

剔除关节数据后，依据剩余采样数据的中间采样序号确定采样数据的中心锚结区域。将距离中间采样序号最近的支柱及其左右2跨定位为两跨式中心锚结区域，将包含中间采样序号的跨及其左右2跨定位为三跨式中心锚结区域。

将锚段内采样数据中采样序号小于中心锚结区域起始采样序号的部分称为锚段左侧区域，大于中心锚结区域终止序号的部分称为锚段右侧区域。

以接触线高度数据为例，锚段内采样数据分段示意图如图4所示。

2.1.3　数据特征归纳

长期检测积累发现，当补偿装置或中心锚结状态异常时，锚段内剔除关节数据后剩余的接触线高度和弓网接触力数据存在2类常见的响应模式。补偿装置或中心锚结异常时的典型数据如图5所示。图中：方框内为中心锚结区域。

由图5可知：响应模式1和模式2下中心锚结区域的弓网接触力数据特征基本一致，但接触线高度的数据特征存在显著区别。

为方便表述，后文将这2类响应模式分别称为A类异常和B类异常，归纳不同异常对应的数据特征见表1。表中：“锚段左右2侧”指的是锚段左侧区域和锚段右侧区域。

2.2　锚段数据特征建模

数据特征建模是利用数学方法对归纳获得的各项数据特征进行量化描述，其本质是实现数据降维的同时又保留原始数据的特定模式。

2.2.1　接触线高度数据特征建模

1）峰值量

基于A类异常时中心锚结区域接触线高度峰值显著大于锚段内其他位置，定义接触线高度峰值量h_{\mathrm{m}\mathrm{p}}为中心锚结区域峰值与其他位置峰值之间的相对大小，为

h_{\mathrm{m}\mathrm{p}}=\frac{N_{\mathrm{P}\mathrm{h}}}{N}\left(h_{\mathrm{P}\mathrm{M}}-{\overline{h}}_{\mathrm{P}\mathrm{O}}\right)（1）

式中：h_{\mathrm{P}\mathrm{M}}为中心锚结区域接触线高度峰值；N_{\mathrm{P}\mathrm{h}}为锚段左右2侧跨内接触线高度峰值小于h_{\mathrm{P}\mathrm{M}}的跨数；N为锚段左右2侧包含的跨数；{\overline{h}}_{\mathrm{P}\mathrm{O}}为锚段左右2侧跨内接触线高度峰值小于h_{\mathrm{P}\mathrm{M}}的平均值。

2）峰形量

基于A类异常时中心锚结区域接触线高度呈现倒“V”形且倒“V”峰值点位于跨中，同时考虑倒“V”形的2腰倾斜度、长度以及倒“V”峰值点与跨中的距离，定义接触线高度峰形量h_{\mathrm{m}\mathrm{s}}为

h_{\mathrm{m}\mathrm{s}}=\rho \mathrm{m}\mathrm{a}\mathrm{x}\left(d_{\mathrm{L}\mathrm{h}}\mathrm{t}\mathrm{a}\mathrm{n}{\theta }_{\mathrm{L}\mathrm{h}},d_{\mathrm{R}\mathrm{h}}\mathrm{t}\mathrm{a}\mathrm{n}{\theta }_{\mathrm{R}\mathrm{h}}\right)（2）

式中：\rho为倒“V”形峰值点与跨中的距离；{\theta }_{\mathrm{L}\mathrm{h}}和{\theta }_{\mathrm{R}\mathrm{h}}分别为倒“V”形左右2腰与水平线的夹角；d_{\mathrm{L}\mathrm{h}}和d_{\mathrm{R}\mathrm{h}}分别为倒“V”形左右2腰的长度。

以采样序号为横坐标、接触线高度采样值为纵坐标构建平面直角坐标系，求解h_{\mathrm{m}\mathrm{s}}的关键是从该坐标系中提取中心锚结区域接触线高度倒“V”形的3个关键点A，B和C，提取示意图如图6所示。图中：A为中心锚结区域接触线高度的峰值点；B和C分别为距A最近的左右2侧极小值点。

设h\left(k\right)为中心锚结处的接触线高度采样值，其中k为采样序号，则

h(k_A)=\underset{\mathrm{1}\le k\le n}{\mathrm{m}\mathrm{a}\mathrm{x}}\left(h\left(k\right)\right)（3）

式中：k_A为点A的横坐标；n为中心锚结区域的采样点数。

若h\left(k_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)为序列h\left(k\right)的极小值点，其中k_{\mathrm{m}\mathrm{i}\mathrm{n}}为极小值点的采样序号，则

\left\{\begin{array}{c}\mathrm{\Delta }h\left(k_{\mathrm{m}\mathrm{i}\mathrm{n}}-\mathrm{2}\right)>\mathrm{0}\\ \mathrm{\Delta }h\left(k_{\mathrm{m}\mathrm{i}\mathrm{n}}-\mathrm{1}\right)=\mathrm{0}\\ \mathrm{\Delta }h\left(k_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)=\mathrm{0}\\ \mathrm{\Delta }h\left(k_{\mathrm{m}\mathrm{i}\mathrm{n}}+\mathrm{2}\right)>\mathrm{0}\end{array}\right.（4）

式中：\mathrm{\Delta }h\left(k\right)为序列h\left(k\right)的1阶差分序列。

由式（4）可得序列h\left(k\right)的所有极小值点，则

k_B=k_A-\underset{k\in K_{\mathrm{L}}}{\mathrm{m}\mathrm{i}\mathrm{n}}\left(k_A-k\right)（5）

k_C=k_A-\underset{k\in K_{\mathrm{R}}}{\mathrm{m}\mathrm{a}\mathrm{x}}\left(k_A-k\right)（6）

式中：k_B和k_C分别为B和C的横坐标；K_{\mathrm{L}}和K_{\mathrm{R}}分别为点A附近所有极小值点横坐标组成的集合。

由式（3）、式（5）和式（6）可得到A，B和C的横纵坐标，再结合图6所示的几何关系，得到d_{\mathrm{L}\mathrm{h}}，d_{\mathrm{R}\mathrm{h}}和\mathrm{t}\mathrm{a}\mathrm{n}{\theta }_{\mathrm{L}\mathrm{h}}，\mathrm{t}\mathrm{a}\mathrm{n}{\theta }_{\mathrm{R}\mathrm{h}}的值，从而得到A与跨中的距离\rho，为

\rho =\mathrm{1}-\frac{\left|\mathrm{2}{k}_A-\left(k_{A\mathrm{s}}+k_{A\mathrm{e}}\right)\right|}{k_{A\mathrm{s}}-k_{A\mathrm{e}}+\mathrm{1}}（7）

式中：k_{A\mathrm{s}}和k_{A\mathrm{e}}分别为点A所在跨的起、止采样序号。

3）波动量

基于A类异常时中心锚结区域接触线高度波动显著大于锚段内其他位置，定义接触线高度波动量h_{\mathrm{m}\mathrm{d}}为中心锚结区域波动与其他位置波动之间的相对大小，为

h_{\mathrm{m}\mathrm{d}}=\frac{N_{\mathrm{S}\mathrm{h}}{h}_{\mathrm{S}\mathrm{M}}}{N{\overline{h}}_{\mathrm{S}\mathrm{O}}}（8）

式中：h_{\mathrm{S}\mathrm{M}}为中心锚结区域各跨接触线高度标准差的最大值；N_{\mathrm{S}\mathrm{h}}为锚段左右2侧跨内接触线高度标准差小于h_{\mathrm{S}\mathrm{M}}的跨数；{\overline{h}}_{\mathrm{S}\mathrm{O}}为锚段左右2侧跨内接触线高度标准差小于h_{\mathrm{S}\mathrm{M}}的平均值。

4）突变量

基于B类异常时中心锚结区域相邻跨的接触线高度存在突变，定义接触线高度突变量h_{\mathrm{m}\mathrm{m}}为锚段左侧最后1跨与右侧第1跨的接触线高度平均值之差，为

h_{\mathrm{m}\mathrm{m}}={\overline{h}}_{\mathrm{L}\mathrm{e}}-{\overline{h}}_{\mathrm{R}\mathrm{s}}（9）

式中：{\overline{h}}_{\mathrm{L}\mathrm{e}}为锚段左侧距中心锚结区域最近的跨接触线高度平均值；{\overline{h}}_{\mathrm{R}\mathrm{s}}为锚段右侧距中心锚结区域最近的跨接触线高度平均值。

5）平均差

基于B类异常时锚段左右2侧接触线高度平均值呈现显著差异，定义接触线高度平均差h_{\mathrm{a}\mathrm{d}}为锚段左侧区域与右侧区域的接触线高度平均值之差，为

h_{\mathrm{a}\mathrm{d}}={\overline{h}}_{\mathrm{L}}-{\overline{h}}_{\mathrm{R}}（10）

式中：{\overline{h}}_{\mathrm{L}}为锚段左侧区域的接触线高度平均值；{\overline{h}}_{\mathrm{R}}为锚段右侧区域的接触线高度平均值。

6）差异率

基于B类异常时锚段一侧的接触线高度整体大于另一侧，定义接触线高度差异率{\mu }_{\mathrm{h}\mathrm{d}}为锚段左侧与右侧各跨的接触线高度平均值之差的相对占比，为

{\mu }_{\mathrm{h}\mathrm{d}}=\frac{\mathrm{1}}{N_{\mathrm{L}}{N}_{\mathrm{R}}}\left(\mathrm{m}\mathrm{a}\mathrm{x}\left(\mathrm{c}\mathrm{a}\mathrm{r}\mathrm{d}(\mathrm{\Delta }{h}_{+}),\mathrm{c}\mathrm{a}\mathrm{r}\mathrm{d}(\mathrm{\Delta }{h}_{-})\right)+\mathrm{c}\mathrm{a}\mathrm{r}\mathrm{d}(\mathrm{\Delta }{h}_{\mathrm{0}})\right)（11）

其中，

\mathrm{\Delta }{h}_{+}=\left\{\left(i,j\right)\left|\mathrm{\Delta }{h}_{ij}>\mathrm{0}\right.\right\}

\mathrm{\Delta }{h}_{\mathrm{0}}=\left\{\left(i,j\right)\left|\mathrm{\Delta }{h}_{ij}=\mathrm{0}\right.\right\}

\mathrm{\Delta }{h}_{ij}={\overline{h}}_{\mathrm{L}i}-{\overline{h}}_{\mathrm{R}j}

式中：\mathrm{c}\mathrm{a}\mathrm{r}\mathrm{d}(·)为集合中包含的元素个数；N_{\mathrm{L}}和N_{\mathrm{R}}分别为锚段左侧和右侧区域包含的跨数；{\overline{h}}_{\mathrm{L}i}为锚段左侧第i跨的接触线高度平均值；{\overline{h}}_{\mathrm{R}j}为锚段右侧第j跨的接触线高度平均值；\mathrm{\Delta }{h}_{ij}为锚段左侧第i跨与锚段右侧第j跨的接触线高度平均值之差。

2.2.2　弓网接触力数据特征建模

1）峰值量

基于A类和B类2类异常时中心锚结区域弓网接触力峰值均显著大于锚段内其他位置，定义弓网接触力峰值量F_{\mathrm{m}\mathrm{p}}为

F_{\mathrm{m}\mathrm{p}}=\frac{N_{\mathrm{P}\mathrm{F}}\left(F_{\mathrm{P}\mathrm{M}}-{\overline{F}}_{\mathrm{P}\mathrm{O}}\right)}{N{\overline{F}}_{\mathrm{P}\mathrm{O}}}（12）

式中：F_{\mathrm{P}\mathrm{M}}为中心锚结区域内弓网接触力峰值；N_{\mathrm{P}\mathrm{F}}为锚段左右2侧跨内弓网接触力峰值小于F_{\mathrm{P}\mathrm{M}}的跨数；{\overline{F}}_{\mathrm{P}\mathrm{O}}为锚段左右2侧跨内弓网接触力峰值小于F_{\mathrm{P}\mathrm{M}}的平均值。

2）峰形量

基于A类和B类2类异常时中心锚结区域弓网接触力振幅均显著大于锚段内其他位置，定义弓网接触力峰值量F_{\mathrm{m}\mathrm{s}}为中心锚结区域振幅和其他位置振幅之间的相对大小，为

F_{\mathrm{m}\mathrm{s}}=\frac{\mathrm{1}}{F_{\gamma }}\mathrm{m}\mathrm{a}\mathrm{x}\left(F_{\mathrm{D}\mathrm{L}},F_{\mathrm{D}\mathrm{R}}\right)（13）

其中，

F_{\gamma }=\frac{\mathrm{1}}{N_{\mathrm{L}}+N_{\mathrm{R}}}\left({\displaystyle \sum _{i=\mathrm{1}}^{N_{\mathrm{L}}}}\left(F_{\mathrm{P}\mathrm{L}i}-F_{\mathrm{G}\mathrm{L}i}\right)+{\displaystyle \sum _{j=\mathrm{1}}^{N_{\mathrm{R}}}}\left(F_{\mathrm{P}\mathrm{R}j}-F_{\mathrm{G}\mathrm{R}j}\right)\right)

式中：F_{\gamma }为锚段左右2侧弓网接触力的平均振幅；F_{\mathrm{D}\mathrm{L}}和F_{\mathrm{D}\mathrm{R}}分别为中心锚结区域弓网接触力最大值与其左右2侧距离最近的极小值之差；F_{\mathrm{P}\mathrm{L}i}和F_{\mathrm{G}\mathrm{L}i}分别为锚段左侧第i跨的弓网接触力最大值与最小值；F_{\mathrm{P}\mathrm{R}j}和F_{\mathrm{G}\mathrm{R}j}分别为锚段右侧第j跨的弓网接触力最大值与最小值。

式（13）中，中心锚结区域弓网接触力采样值的极小值可参考式（4）计算。

3）波动量

基于A类和B类2类异常时中心锚结区域弓网接触力波动均显著大于锚段内其他位置，定义弓网接触力波动量F_{\mathrm{m}\mathrm{d}}为

F_{\mathrm{m}\mathrm{d}}=\frac{N_{\mathrm{S}\mathrm{F}}\left(F_{\mathrm{S}\mathrm{M}}-{\overline{F}}_{\mathrm{S}\mathrm{M}}\right)}{N{\overline{F}}_{\mathrm{S}\mathrm{O}}}（14）

式中：F_{\mathrm{S}\mathrm{M}}为中心锚结处各跨弓网接触力标准差的最大值；N_{\mathrm{S}\mathrm{F}}为锚段左右2侧跨内弓网接触力标准差小于F_{\mathrm{S}\mathrm{M}}的跨数；{\overline{F}}_{\mathrm{S}\mathrm{O}}为锚段左右2侧跨内弓网接触力标准差小于{\overline{F}}_{\mathrm{S}\mathrm{M}}的平均值。

上述各项特征量的定义与表1中的特征归纳结果一一对应，能够完整描述补偿装置和中心锚结状态异常时的数据特征，因此，仅需通过特征量数据及人工标签便可进行分类模型训练。

2.3　设备状态异常诊断

2.3.1　样本库构建及评估

基于接触线高度和弓网接触力检测数据计算各项特征量，通过现场复核确认设备状态，以设备状态正常锚段为正样本、异常锚段为负样本，分别构建A类和B类2类异常的样本库。

样本库构建完成后，需要评估样本质量，判断是否存在离群点。基于距离的离群点方法原理简单、实现方便且与数据分布无关^［11］，采用基于距离的离群点检测方法对样本质量进行评估，具体步骤如下。

步骤1：针对第p个样本，定义离群因子o_p为

o_p=\frac{\mathrm{1}}{\phi }\sum _{q\in T_p}{d}_{pq}（15）

式中：\phi为最近邻参数；T_p为距离样本p最近的K个样本组成的集合；d_{pq}为特征量标准化后样本p与样本q之间的欧式距离；

步骤2：绘制各样本的离群因子箱形图，找到离群因子值位于箱形图上、下限以外的样本，将其视作离群点并从样本库中剔除。

2.3.2　特征量相关性分析

接触线高度特征量和弓网接触力特征量均是在考虑样本的可分性意义上构建的，因此它们内部各特征量之间可能存在关联性。若2个特征量相关，则应通过剔除冗余特征提升分类模型的总体性能，降低模式识别系统的计算代价，具体步骤如下。

步骤1：采用皮尔逊（Pearson）相关系数对任意2个特征量之间的相关性进行分析，通常情况下2个特征量的相关系数大于0.7即可认为它们具有强相关关系^［12］；

步骤2：对于强相关特征量，采用主成分分析法^［13］（Principal Component Analysis，PCA）对原特征量进行重构，选择累积贡献率超过95%的主成分作为新特征量；

步骤3：对样本库中的特征量进行更新，形成用于训练的样本库。

2.3.3　分类模型训练及评估

无论A类或B类异常，构建的训练样本库中均仅包含正、负2类样本，因此，要解决的是1个二分类问题。对于二分类问题，以决策树^［14］（Decision Tree，DT）作为基学习器的随机森林算法^［15］（Random Forest，RF）在实践中往往具有明显优势。随机森林算法能够克服基学习器输出结果不稳定，以及在训练样本库较复杂和存在噪声时出现的过拟合问题^［16-17］，其训练步骤如下。

步骤1：采用自举（Bootstrap）抽样和随机特征选择的方式构建训练集；

步骤2：针对各训练集采用分类回归树（Classification and Regression Trees，CART）算法生成决策树；

步骤3：投票决定分类结果；

步骤4：评估分类算法性能。

采样装袋方法采用有放回抽样，同时，参与训练的特征量也由随机抽样产生。生成决策树的过程实际上是选择特定分裂指标，依托训练样本库计算最佳分类特征，并采用自顶向下递归的分治方式构造，最终获得1个特征量与类别的最佳匹配规则。基尼指数为CART中常用的分裂指标，其计算式为

G_{\mathrm{s}}\left(T\right)=\frac{n_{T\mathrm{1}}}{n_{\mathrm{P}}}G\left(T_{\mathrm{1}}\right)+\frac{n_{T\mathrm{2}}}{n_{\mathrm{P}}}G\left(T_{\mathrm{2}}\right)（16）

其中，

G\left(T_z\right)=\mathrm{1}-{\displaystyle \sum _{t=\mathrm{1}}^m}{P}_{zt}^{\mathrm{2}}z=\mathrm{1,2}

式中：m为样本类别数，由于为二分类问题，因此m=\mathrm{2}；T为A类（或B类）异常的训练样本库，可描述为由n_{\mathrm{P}}条样本组成的集合；n_{T_{\mathrm{1}}}和n_{T_{\mathrm{2}}}为构建的2个训练集（即样本库T的子集）中分别包含的样本数；G_{\mathrm{s}}\left(T\right)为候选分裂点处的基尼指数；G\left(T_{\mathrm{1}}\right)和G\left(T_{\mathrm{2}}\right)分别为分裂后2个训练集的基尼指数；P_{zt}为分裂后第z个训练集中设备状态属于类别t（t=1，正常；t=2，异常）的概率。

决策树在构建时需要根据选择的特征量逐次计算每种分类的基尼指数，每轮计算完毕后选择产生最佳指标的结点作为分类依据。

决策树构建完成后，每棵树都独立投票，并将得票最多的类作为诊断结果输出。

由于故障诊断的目的是查找设备异常状态，应尽可能避免设备异常状态被误判为正常。因此，训练过程中可采用总体准确率、真负率、假正率对模型进行评估。

3 实证分析

3.1　特征量验证

线索张力变化时接触线高度会随之改变，从而影响接触网的弹性，一般认为较高的接触网弹性和较大的弹性不均匀度拥有较差的弓网动态表现^［18］，因此通过捕捉此类弓网匹配的数据特征，实现设备故障诊断。

某速度为250 km · h^-1线路中一锚段接触线补偿装置的静滑轮槽道破损出现缺口，补偿绳随外部环境温度变化而运动时从破损的缺口处滑出造成脱槽，导致补偿装置完全卡滞，如图7所示。

补偿装置卡滞前后，高速综合检测列车接触网检测系统采集的接触线高度与弓网接触力如图8所示。由图8可知：补偿装置出现卡滞后，锚段左右2侧张力不平衡导致右侧接触线高度整体下降，中心锚结区域弓网匹配性能下降，弓网接触力波动加剧。

运用图8所示检测数据，分别计算2.2节中定义的各特征量，得到补偿装置卡滞前后的特征量对比，见表2。由表2可知：特征量h_{\mathrm{m}\mathrm{m}}，h_{\mathrm{a}\mathrm{d}}，{\mu }_{\mathrm{h}\mathrm{d}}，F_{\mathrm{m}\mathrm{p}}，F_{\mathrm{m}\mathrm{d}}在补偿卡滞前后出现了明显变化，与图8中显示的数据特征一致，数据特征分析结果对应B类异常，表明上文定义的各项特征量可分性良好。

由于表1中归纳的各项数据特征均由长期检测积累所得，且与特征量一一对应，而该补偿装置卡滞案例为随机案例，因此，上文定义的各项特征量具备可靠性和普遍性。

3.2　分类模型验证

基于高速综合检测列车接触网检测数据分别构建2种异常类型的样本库。其中，A类异常的样本库来源于84条线路，由800个锚段的实测数据计算所得，其中正样本473个、负样本327个，正负样本比为1.45；B类异常的样本库来源于57条线路，由304个锚段的实测数据计算所得，其中正样本233个、负样本71个，正负样本比为3.28。

根据式（15）计算样本库离群因子并绘制箱线图，如图9所示。由图9可知：A类异常的样本库中正、负样本均存在离群点，B类异常的样本库中仅正样本存在离群点。

依托样本库，对特征量之间的相关性进行分析。

对于接触线高度而言，属于不同异常类型的特征量描述的对象不同，必然不存在相关性，仅需对描述同种异常特征量之间的相关关系进行分析。

计算A类异常的接触线高度特征量h_{\mathrm{m}\mathrm{p}}，h_{\mathrm{m}\mathrm{s}}和h_{\mathrm{m}\mathrm{d}}之间的Pearson相关系数见表3。计算B类异常的接触线高度特征量h_{\mathrm{m}\mathrm{m}}，h_{\mathrm{a}\mathrm{d}}和{\mu }_{\mathrm{h}\mathrm{d}}之间的Pearson相关系数见表4。

由表3可知：A类异常的接触线高度特征量中仅h_{\mathrm{m}\mathrm{p}}与h_{\mathrm{m}\mathrm{s}}之间相关系数稍大于0.70，其余均小于0.70；由于三者之间并非完全强相关，对原特征量进行规约并不会降低特征空间的维度，反而会增加分类结果的解释难度，因此，仍采用原特征量训练分类模型。

由表4可知：h_{\mathrm{m}\mathrm{m}}，h_{\mathrm{a}\mathrm{d}}和{\mu }_{\mathrm{h}\mathrm{d}}之间的相关系数均在0.70以下，即上述特征量之间的相关性较弱。

对于弓网接触力而言，2种异常类型的特征量基本一致，可将2种异常类型的样本库合并分析。

计算弓网接触力特征量F_{\mathrm{m}\mathrm{p}}，F_{\mathrm{m}\mathrm{s}}和F_{\mathrm{m}\mathrm{d}}之间的Pearson相关系数见表5。由表5可知：F_{\mathrm{m}\mathrm{p}}，F_{\mathrm{m}\mathrm{s}}和F_{\mathrm{m}\mathrm{d}}之间的相关系数均在0.70以上，即上述特征量之间具有较强相关性。

采用PCA对原特征量进行重构，3个主成分的贡献率分别为86.81%，8.61%，4.58%，前2个主成分的累积贡献率超过了95%，将它们作为弓网接触力新特征量，分别记作F_{\mathrm{c}\mathrm{p}\mathrm{a}\mathrm{1}}和F_{\mathrm{c}\mathrm{p}\mathrm{a}\mathrm{2}}，散点图如图10所示。

由图10可知：横坐标的分布范围显著较纵坐标大，即F_{\mathrm{c}\mathrm{p}\mathrm{a}\mathrm{1}}的样本方差远大于F_{\mathrm{c}\mathrm{p}\mathrm{a}\mathrm{2}}，这与二者的贡献率相对应，它们在样本库上的可分性良好，适用于分类模型训练。

在分类模型训练时，除随机森林算法（RF）外，也引入一些其他算法作对比分析。选择的其他算法包括：朴素贝叶斯^［19］（Naïve Bayesian Model，NBM）、逻辑回归^［20］（Logistic Regression，LR）、支持向量机^［21］（Support Vector Machines，SVM）、K-近邻^［22］（K-Nearest Neighbors，KNN）和人工神经网络^［23］（Artificial Neural Network，ANN）。采用5折交叉验证，上述算法在样本库上的分类效果如图11所示。

由图11可知：对于A类异常，除KNN算法外，其余算法的真负率显著小于RF算法、假正率显著大于RF算法，但KNN算法对每个待分类样本均要计算其与样本库中各样本间的距离，预测开销较大，尤其在运用过程中，随着样本库的丰富，分类效率会逐渐降低；对于B类异常，RF算法的总体准确率显著高于其他算法，NBM算法的真负率略高于RF算法、假正率略低于RF算法，但NBM算法的总体准确率是所有算法中最低的，相较于RF算法少近4个百分点。

综上所述，随机森林算法（RF）在2类异常样本的训练中均表现较好。

3.3　现场试用验证

依托高速综合检测列车接触网检测数据对本文提出的接触网补偿装置和中心锚结状态异常诊断方法进行试算，对诊断异常锚段开展现场检查，将现场检查存在设备状态异常的锚段引入样本库，定期对分类模型进行更新，进一步提升模型的分类准确性，现场试用总体流程如图12所示。

现场试用线路以国内高速铁路和普速铁路干线为主，于2023年1月—6月通过本文方法共计识别出异常锚段71个，现场检查发现其中65个锚段存在坠砣抱箍与限制管互磨、转动轴承处卡磨、棘轮齿尖与制动卡板接触卡滞、中心锚结绳弛度不佳等异常。其余6个锚段未发现明显补偿装置或中心锚结异常，且集中在个别线路上，分析原因主要为施工不力导致的接触线平顺性不良。

试用结果表明本文方法具备可行性，能够精准定位补偿装置或中心锚结状态异常设备，通过提前干预，降低钻弓、打弓等弓网故障的发生概率。

4 结论

（1）归纳得到接触网补偿装置或中心锚结状态异常时接触线高度和弓网接触力的主要数据特征，通过试验验证数据特征的可靠性和普遍性。通过特征建模实现数据降维，无须训练海量的原始数据，仅需要少量的特征数据及人工标签即可完成训练，利用随机森林算法得到95%以上的分类准确率。

（2）在大范围的现场试用过程中，分类模型可靠、复核准确性高，在接触网补偿装置和中心锚结状态异常诊断中可行性较强，有效解决了现有检测监测设备无法高效、精准获取全线补偿装置状态的不足，能够显著提升设备的养护维修效率。

（3）本文方法也存在不足，主要体现在无法通过数据特征对补偿装置和中心锚结故障进行区分，由于二者的危害不同，所以维修紧迫性也不同。后续考虑引入数据变化识别，弥补现有方法在故障类型判断上的不确定性。

参考文献

[1] 要磊.接触网中心锚结偏移的分析与治理［D］.成都：西南交通大学，2016.

[2] YAO Lei. The Analysis and Control of the Catenary Central Anchor Knot Migration ［D］. Chengdu： Southwest Jiaotong University， 2016. in Chinese

[3] 刘光栋，吴命利，魏敏，等.接触网补偿装置在线监测系统开发与应用［J］.机车电传动，2021（3）：140-145.

[4] LIU Guangdong， WU Mingli， WEI Min， et al. Design and Application of Online Monitoring System for Catenary Compensation Device ［J］. Electric Drive for Locomotives， 2021 （3）： 140-145. in Chinese

[5] 文成林，吕菲亚，包哲静，等.基于数据驱动的微小故障诊断方法综述［J］.自动化学报，2016，42（9）：1285-1299.

[6] WEN Chenglin， Feiya LÜ， BAO Zhejing， et al. A Review of Data Driven-Based Incipient Fault Diagnosis ［J］. Acta Automatica Sinica， 2016， 42 （9）： 1285-1299. in Chinese

[7] 王超.基于多源数据的异常检测关键技术研究［D］.成都：电子科技大学，2019.

[8] WANG Chao. Research on Key Technologies of Anomaly Detection Based on Multi-Source Data ［D］. Chengdu： University of Electronic Science and Technology of China， 2019. in Chinese

[9] 张雷.基于PSO-LSSVM的牵引供电系统故障诊断研究［J］.机车电传动，2019（3）：51-55，59.

[10] ZHANG Lei. Research on Fault Diagnosis of Traction Power Supply System Based on PSO-LSSVM ［J］. Electric Drive for Locomotives， 2019 （3）： 51-55， 59. in Chinese

[11] 郭炳廷，陈水宣，洪昭斌，等.贝叶斯超参数优化的浅层神经网络轴承故障诊断方法［J］.厦门理工学院学报，2022，30（1）：10-15.

[12] GUO Bingting， CHEN Shuixuan， HONG Zhaobin， et al. A Shallow Neural Network for Bearing Fault Diagnosis Based on Bayesian Hyperparameter Optimization ［J］. Journal of Xiamen University of Technology， 2022， 30 （1）： 10-15. in Chinese

[13] 刘小雄，武燕，史静平，等.一种故障诊断的贝叶斯优化算法研究［J］.计算机应用研究，2009，26（1）：129-131.

[14] LIU Xiaoxiong， WU Yan， SHI Jingping， et al. Method of Fault Diagnosis Using Bayesian Optimization Algorithm ［J］. Application Research of Computers， 2009， 26 （1）： 129-131. in Chinese

[15] 杨建伟，蔡国强，姚德臣，等.基于小波包变换和BP网络的铁道车辆滚动轴承故障诊断方法［J］.中国铁道科学，2010，31（6）：68-73.

[16] YANG Jianwei， CAI Guoqiang， YAO Dechen， et al. Fault Diagnosis Method for the Rolling Bearing of Railway Vehicle Based on Wavelet Packet Transform and BP Neural Network ［J］. China Railway Science， 2010， 31 （6）： 68-73. in Chinese

[17] 吉鹏霄，张桂林.电气化铁路接触网［M］.3版.北京：化学工业出版社，2015：99-100.

[18] JI Pengxiao， ZHANG Guilin. Electrified Railway Overhead Contact System ［M］. 3rd ed. Beijing： Chemical Industry Press Co.， Ltd.， 2015： 99-100. in Chinese

[19] 牛留斌，祖宏林，徐晓迪，等.基于轴箱垂向振动加速度的波磨谷深值估算方法及应用［J］.中国铁道科学，2023，44（1）：25-38.

[20] NIU Liubin， Honglin ZÜ， XU Xiaodi， et al. Estimation Method and Application of Depth of Rail Corrugation Based on Vertical Vibration Acceleration of Axle Box ［J］. China Railway Science， 2023， 44 （1）： 25-38. in Chinese

[21] YAN H S， NIU Y J， CHEN L T， et al. Location Algorithm of Transfer Stations Based on Density Peak and Outlier Detection ［J］. Applied Intelligence， 2022， 52 （12）： 13520-13532.

[22] EMERSON W R. Causation and Pearson's Correlation Coefficient ［J］. Journal of Visual Impairment & Blindness， 2015， 109 （3）： 242-244.

[23] PARK H C， LEE G. Comparison of Incremental Linear Dimension Reduction Methods for Streaming Data ［J］. Pattern Recognition Letters， 2020， 135 （8）： 15-21.

[24] 杨学兵，张俊.决策树算法及其核心技术［J］.计算机技术与发展，2007，17（1）：43-45.

[25] YANG Xuebing， ZHANG Jun. Decision Tree and Its Key Techniques ［J］. Computer Technology and Development， 2007， 17 （1）： 43-45. in Chinese

[26] 汪海瑛，周威，张文轩，等.接触网定位点智能识别方法［J］.中国铁道科学，2019，40（1）：111-116.

[27] WANG Haiying， ZHOU Wei， ZHANG Wenxuan， et al. Intelligent Recognition Method for Mast Position of Overhead Contact Line ［J］. China Railway Science， 2019， 40 （1）： 111-116. in Chinese

[28] LEO Breiman. Random Forests ［J］. Machine Learning， 2001， 45 （1）： 5-32.

[29] SVETNIK V， LIAW A， TONG C， et al. Random Forest： a Classification and Regression Tool for Compound Classification and QSAR Modeling ［J］. Journal of Chemical Information and Computer Sciences， 2003， 43 （6）： 1947-1958.

[30] AARTHY S T， MAZHER IQBAL J L. Time Series Real Time Naive Bayes Electrocardiogram Signal Classification for Efficient Disease Prediction Using Fuzzy Rules ［J］. Journal of Ambient Intelligence and Humanized Computing， 2021， 12 （5）： 5257-5267.

[31] 杜坤.基于弓网接触力及接触线高度制定线索张力的评价依据［D］.成都：西南交通大学，2021.

[32] DU Kun. Evaluation Basis of the Catenary Tension Based on the Contact Force and the Height of Contact Line ［D］. Chengdu： Southwest Jiaotong University， 2021. in Chinese

[33] JUWARA L， SAHA-CHAUDHURI P. A Hybrid Covariate Micro Aggregation Approach for Privacy-Preserving Logistic Regression ［J］. Journal of Survey Statistics and Methodology， 2022， 10 （3）： 568-595.

[34] 宋晋东，朱景宝，李山有.基于支持向量机的高速铁路地震预警震级连续预测方法［J］.中国铁道科学，2021，42（3）：156-165.

[35] SONG Jindong， ZHU Jingbao， LI Shanyou. Continuous Prediction Method of Earthquake Early Warning Magnitude for High-Speed Railway Based on Support Vector Machine ［J］. China Railway Science， 2021， 42 （3）： 156-165. in Chinese

[36] CAI Y D， HUANG J Z， YIN J F. A New Method to Build the Adaptive K-Nearest Neighbors Similarity Graph Matrix for Spectral Clustering ［J］. Neurocomputing， 2022 （493）： 191-203.

[37] ALIAKBARI SANI S， KHORRAM A， JAFFARI A， et al. Development of Processing Map for InX-750 Superalloy Using Hyperbolic Sinus Equation and ANN Model ［J］. Rare Metals， 2021， 40 （12）： 3598-3607.

基金资助

中国国家铁路集团有限公司科技研究开发计划课题(J2022G014)

中国铁道科学研究院集团有限公司院基金课题(2023YJ098)