论文题目:Vibration Signal-Based Fault Diagnosis of Railway Point Machines via Double-Scale CNN
论文期刊:Chinese Journal of Electronics
Doi:https://doi.org/10.23919/cje.2022.00.229
作者:CHEN Xiaohan1, HU Xiaoxi1,2, WEN Tao1, and CAO Yuan1,3
机构:
1. The School of Electronic and Information Engineering, Beijing Jiaotong University, Beijing 100044, China
2. The State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044, China
3. The National Engineering Research Center of Rail Transportation Operation Control System, Beijing Jiaotong University, Beijing 100044, China
在铁路运输行业中,铁路转辙机(Railway point machines, RPMs) 的故障诊断至关重要。由于运行振动信号能够反映机械设备的各种故障状况,振动传感与监测,更重要的是基于振动信号的RPM故障诊断受到了学者和工程师的关注。大多数基于振动信号的RPM故障诊断方法依赖于使用高采样率传感器收集的数据和人工特征提取,因此成本高且鲁棒性不足。为了克服这些缺点,我们提出了一个双尺度的第一层宽核卷积神经网络(DS-WCNN),用于使用廉价和低采样率的振动传感器进行RPM故障诊断。所提出的第一层宽卷积核算法从振动观测中提取特征,特别适用于低采样率信号。同时,提出的双尺度结构通过结合两类时间尺度特征,提高了精度和噪声抑制能力。进行了大量的实验,包括加噪和对比,以证明所提出算法的鲁棒性和准确性。
道岔是铁路基础设施的重要组成部分之一,其中道岔转辙机(Railway Point Machine, RPM)用于实现列车的运行路线切换。然而,由于RPM暴露在室外,常常在较差的自然环境下运行,如变化的温度、湿度和不良天气,因此容易出现多种故障。中国国家铁路集团有限公司2020年的报告显示,铁路信号设备故障中超过四成是由RPM故障引起的。目前,RPM的故障诊断主要依赖于人工巡检,这种方法效率低下、实时性差,且需要高昂的劳动成本。目前部分专家学者提出了一些机器学习算法,但普遍存在故障情形考虑不充分、传感器成本高、计算复杂等缺点,不适合大范围应用于RPM故障诊断。
为了提高RPM的整体效率,需要采用成本效益高且准确的自动故障诊断方法。本研究提出了一种基于机械振动信号和深度学习模型的RPM故障诊断方法,在信号采集方面,研究团队以512Hz的采样频率对RPM运行过程的减速器外壳的机械振动信号进行采集,该采样频率避免了高精度传感器带来的成本提升。故障诊断算法方面,本文提出了一种双尺度宽卷积核的卷积神经网络(DS-WCNN),该算法通过使用低采样率的振动信号作为输入,实现了对于16种工况进行端到端的故障诊断。
DS-WCNN模型如图1所示,特征提取主要通过两个分支的卷积层完成,这些卷积层使用卷积核将输入的信息转化为输出特征。考虑到输入数据是一维时间序列,本文通过在分支的首层进行宽卷积,实现了对特征的有效提取。虽然首层的宽卷积核能够从大的感受野中提取特征,但不同尺寸的宽卷积核能够在不同尺度下提取信息。因此,本文将两种不同尺度的卷积层进行并联以提高特征提取能力。DS-WCNN模型还引入了最大池化层和全局平均池化层,最大池化层从特征图的池化区域中扫描并获取最大值作为特征的表征,从而减少了模型中的参数数量。全局平均池化层将每个特征图的特征组合并展平为特征向量以实现两分支的特征拼合。在完成特征拼合后,总特征经过全连接层与Dropout层后转化为输出层的16分类结果。
ZDJ9 RPMs广泛应用于高铁及其他城市轨道交通系统。因此,我们在研究中考虑了这些机器。本研究的振动信号采集自中国最大的RPM供应商中国中车(西安)轨道交通工业集团有限公司的ZDJ9 RPM试验台。本研究中的ZDJ9 RPM由电机、缓速器、滚珠丝杠、一个或多个安全开关、一排端子、开关电路控制器、两根指示杆和一根抛杆组成(图2)。电源需要380V三相交流电。一旦发出开关命令,电机就被激活。缓速器用于增加扭矩,并通过摩擦离合器将力传递给滚珠丝杠。因此,电能被转换成推套的直线运动。随后,推杆相对于推套产生推拉动作。最后,当指示杆检测到运动终止时,开关电路控制器切断电机电路,接通指示电路。
图3 所贴传感器
本研究提出了一种基于廉价振动传感器的DS-WCNN RPM高精度、高效、鲁棒的故障诊断模型。该方案只需要采样率为512 Hz的一维振动信号(其他方法使用的频率为51200 Hz)。该方法在测试数据集上的准确率为97.71%,每个样本的平均推断时间为0.0003 s。此外,所提出的DS-WCNN具有足够的鲁棒性。当信噪比超过8 dB时,精度保持在90%