THDS系统探测结果有效性识别方法的研究与实现

陈 冬 上海铁路局车辆处

THDS系统探测结果有效性识别方法的研究与实现

陈 冬 上海铁路局车辆处

通过对THDS系统探测出的32点波形进行特征分析，提出一种基于特征值检测的THDS系统探测结果有效性的识别方法。该方法准确率高，显著优于现有识别算法，对提高THDS系统热轴兑现率及早期预警功能有明显作用。

THDS；32点波形；特征值；识别

铁路车辆轴温智能探测系统（THDS），又称为红外线轴温探测系统，是利用轨边红外线高速探头和智能跟踪装置实时检测运行车辆的轴承温度，进行跟踪预报，是及时发现车辆热轴、预防热切轴，确保铁路运输安全的重要设备。

1 概况

中国铁路总公司颁发的《车辆轴温智能探测系统（THDS）设备检修维护管理规程》中规定，THDS设备兑现率须达到70%以上。兑现率的计算方法如下：

运行的列车经过THDS设备时，红外探头会连续采集车辆轴承部位左右共50 cm范围内的温度，实际采集值为电压值；将采集到的连续电压值在50 cm范围内平均划分为32个区域，取出每个区域的最大值，即32点电压值；对数据32点电压值进行归一化处理，得到的32个0～100区间的数值，形成波形图，表示轴温的32点波形，称为“32点波形”；后由程序取出“32点波形”中的电压最大值并通过公式换算为温度值，作为该轴承部位的最高温度，按照热轴预报标准进行预报。普通货车滚动轴承32点波形图见图1。

在THDS系统完整的温度计算过程中，共有三组数据输出，分别是轴承部位连续50 cm范围的电压值、32点电压值、32点电压最大值。32点电压值即为将轴承部位连续50 cm范围的电压值平均划分为32个区域，取出每个区域的最大值，组成32点电压值。32点电压最大值是“32点波形”中最大的电压值，为一个或者多个相同值。

图1 最常见的轴承32点波形

如果对轴承附近连续50 cm范围内的所有电压值进行有效性识别，计算量太大，容易影响系统的实时性；若对最终的32点电压最大值进行有效性识别，则会由于特征不明显无法准确识别。因此一般采用对计算过程中生成的“32点波形”数据进行有效性识别，优化计算量并提高识别准确性。

由于红外探头在探测过程中还会受到外界因素的影响，因此作为热轴预报依据的“32点波形”的最大值有可能不是真实轴承的温度，若不对其进行异常检测，则容易出现误报热轴的现象，降低兑现率。

2 特征值检测步骤

为降低THDS系统热轴误报的数量，提高THDS设备的兑现率，需要对测温结果的有效性进行判断，当发现在测温过程中存在异常干扰时，不预报热轴或降级预报热轴。其具体步骤如下：步骤一：选取轴承测温值无效的训练样本，对所有训练样本数据中的32点电压值均进行归一化处理；步骤二：对每一个归一化处理后的训练样本提取特征值，形成特征数据集；每个训练样本均有多个特征值，所有的特征值组成特征数据集。步骤三：利用训练样本的特征数据集生成并训练32点波形有效性分类器。对全部训练样本提取特征值后，通过对训练样本特征值的分析归纳，找出能够准确区分训练样本和正常样本的有效性分类器参数。步骤四：对采集到的32点波形进行有效性判断。具体判断步骤为：①将采集到的32点电压值，按着步骤一进行归一化处理；②对归一化后的数值，结合训练样本的数据；分别按步骤二中的特征值对采集到的数据进行计算，得到其特征值结果；③将特征值结果输入到有效性分类器中进行检测；输出有效性识别结果，结果显示：该特征值有效或无效，并输出详细的判断依据。

为了提高有效性分类器的准确性，选用的样本为2013年1月1日至2014年10月8日全路使用北京康拓红外技术股份有限公司THDS设备的货运列车所有预报热级的轴承数据，全部样本数据共9 952条。其中，预报强激热的轴承数据是299条，实际由于干扰等因素影响而使最终测温值无效的数据样本有114条，将这114条作为训练样本使用，剩余的185条样本数据称为正常样本。每个训练样本数据包括：热级、THDS设备类型、辆序、轴位、内外探标志、车型、32点电压最大值、32点电压最小值、32点电压值和天空值过高标志。通过逐一对其中的异常波形进行分析，提取特征，得到特征值（见表1）。

表1 本方法对训练样本的识别准确率

3 特征值的特征

（1）平顶点数：将每一个训练样本中的32点电压值均进行归一化处理后，得到的第一个最大数值点及其左右两侧连续的超过95的点数，作为平顶点数特征值。本特征值主要用来判断以下几种波形，他们的共同特点是最大值点比较“突出”，若轴承温度达到一定程度，由于其金属特性，最高温度分布应该较为均衡，不应只在一点或一块很小区域出现最大值。平顶点数波形图见图2。

图2 平顶点数波形图

（2）波形宽度：将每一个训练样本中的32点电压值均进行归一化处理后，得到的第一个最大数值点及其左右两侧连续超过80的点数，作为波形宽度特征值。本特征值主要用来判断以下几种波形，这个特征值属于第一项的另一个特例情况，由于探测部位宽度已知（约为500 mm），不应出现只有很窄的温度波形。波形宽度波形图见图3。

图3 波形宽度波形图

（3）饱和宽度：当训练样本中的32点电压最大值超过9 990 mV但未超过10 000 mV时，将32点电压值归一化后，对应的第一个最大数值点及其左右两侧连续超过90的点数，作为饱和宽度特征值。本特征值主要用来判断以下几种波形，饱和时，说明温度已经达到探测器的最大量程，其温度极高，应该在可探测区域内保持温度高的一致性，饱和部位不应只出现在很窄的区域。饱和宽度波形图见图4。

图4 饱和宽度波形图

（4）饱和时归一化后小于20的点数：当训练样本中的32点电压最大值超过9 990 mV但未超过10 000 mV时，将32点电压值归一化后，统计数值小于20的点数，作为饱和时归一化后小于20的点数特征值，该特征值结果为数字。本特征值主要用来判断以下几种波形，一种是一条直线，表现为全部饱和，此时可能是受到阳光干扰等因素；另一种是从饱和开始呈下降趋势，此种情况的波形成因未知。饱和时归一化波形图见图5。

图5 饱和时归一化波形图

（5）能量：使用归一化后的32点数值之和；能量的结果位于0～3200之间。本特征值主要用来判断以下几种波形，此时轴承的能量超出了其应有的能量范围。能量波形图见图6。

图6 能量波形图

（6）激热电压低标志：当热级为激热时，32点电压最大值未超过-3 V时，设置训练样本中的激热电压低标志特征值为1，否则设置为0。本特征值主要用来判断如图7所示波形，图7所示波形预报结果为激热，但其电压最大值只有-3530 mV，可能是由于环温故障导致预报热轴。激热电压低标准波形图见图7。

图7 激热电压低标准波形图

（7）罐车、箱车阳光干扰标志：当车型为G或X，且归一化后前三点数值均大于80，且存在天空值高标志，且轴位为1轴或3轴时，置本标志位为1，否则置为0。本特征值主要用来判断以下几种波形。当车型为罐车或箱车，且在1、3轴位，由于轴承附近部位没有遮挡，探测时探测器会探测到太阳，导致温度异常。罐车、箱车阳光干扰波形图见图8。

图8 罐车、箱车阳光干扰波形图

4 分类器介绍

为能依据特征，将波形的正常和异常进行区分，需要针对每个特征值创建分类器（见表2）。

表2 分类器汇总表

5 实际应用情况及结论

在测试系统上，对从2015年2月至2016年2月期间的真实数据进行计算判别，对微热级别的异常波形判别准确率为98.2%，对微热热级的正常波形判别准确率为99.1%，对强激热热级的异常波形判别准确率为100%，对强激热热级的正常波形判别准确率为100%。

经过训练样本与真实数据的测试，本文研究的基于特征值识别的THDS系统探测结果有效性识别方法准确率高，能大幅提升热轴预报的效果，全面适应了铁路发展的新形势，可以更好地为铁路运输安全提供可靠保障。

责任编辑：王华 傅佩喜

来稿日期：2016-08-17