基于扭矩前馈的多信道智能防溜铁鞋状态研判系统_宋俊福.pdf

DOI:10 3969/j issn 2095 509X 2023 02 025基于扭矩前馈的多信道智能防溜铁鞋状态研判系统宋俊福，徐炳辉，张岩(国能朔黄铁路发展有限责任公司，山西 原平034100)摘要:为了降低智能防溜铁鞋状态研判误差，提升防溜铁鞋的安全性，设计了基于扭矩前馈的多信道智能防溜铁鞋状态研判系统。硬件方面，对无线传感器和网关进行了设计;软件方面，通过建立数据传输平台，实现了多信道智能防溜铁鞋数据传输控制。建立的通信数据抗干扰机制，去除了多信道数据传输中的噪声数据。依托后向传播神经网络(BPNN)预测模型，设计扭矩前馈跟踪算法，并对扭矩的瞬态信息进行了更新。基于量子遗传算法构建状态研判模型，结合多信道数据和扭矩前馈数据，完成了智能防溜铁鞋状态研判。系统测试结果表明:该系统的状态研判误差为 6 67%，满足实际工作要求。关键词:扭矩前馈;多信道;智能防溜铁鞋;状态研判;扭矩跟踪;BPNN 模型中图分类号:U29 39文献标识码:A文章编号:2095 509X(2023)02 0122 05智能防溜铁鞋具有成本低、防溜效果好的特点，已经广泛应用在铁路基层生产单位1 2。防溜铁鞋状态管理现已成为一项重点管理内容，尤其是远离车站值班室放置的防溜铁鞋，难以有效监控其状态，成为一项严重的安全隐患。文献 3 深入分析了防溜铁鞋在铁路交通运输中的重要性，根据全寿命周期内铁鞋全景信息，建立一个全景信息模型，再通过仿真分析获取实时铁鞋状态，但是该系统得出的结果误差较大。文献 4引入了无线射频技术、Loa 组网技术，针对铁鞋整体状态进行监测，面对铁鞋状态不良的情况，发送相应的报警信息。同时，将 4G 网络应用在研判系统设计过程中，通过设备与后台服务器之间的数据交互，完成铁鞋状态的远程监控。但是，该系统判断结果的稳定性较差。文献 5 采用信息生态技术，对智能防溜铁鞋状态感知信息进行解析，提出了状态研判系统架构。通过智能化计算，对采集数据进行要素提取，汇总反映了铁鞋状态的数据，以此为基础完成状态研判，但是该系统应用的可拓展性较差。为了降低智能防溜铁鞋状态研判误差，本文设计以扭矩前馈为基础的研判系统。1基于扭矩前馈的多信道智能防溜铁鞋状态研判系统硬件设计1 1无线传感器设计为了满足多信道数据传输，文中设计的无线传感器硬件支持四通道同时工作6，并对每一个信道设计图 1 所示的调理电路。根据图 1 可知，单路信号调理电路具有放大、滤波、应变 3 种功能。其中，应变片工作电路设计过程中，采用半桥的方式连接温度补偿片。滤波电路的主芯片为 OPA340，放大电路的主芯片为AD623，结合智能防溜铁鞋的工作模式，设置应变测量范围为 2 500，放大倍数为 100，而滤波截止频率为 30 Hz。之后，应用 ADS1256 芯片与STM32F103C8T6 芯片，共同建立信号采集模块，完成无线传感器的整体设计。1 2网关模块设计结合多个信道中的无线收发模块，建立以STM32F103ZET6 芯片为核心的网关模块，为多信道通信提供基础环境。本文设计的网关模块运用了 ZigBee 网络，其下包含 16 个信道，可以满足多信道数据传输要求。同时，将传输带宽上限设置为300 kbps，保证多信道无线传输的高可靠性。收稿日期:2022 02 22作者简介:宋俊福(1976)，男，高级工程师，工程硕士，主要从事铁路重载运输相关工作，wang_yulong_111126 com通讯作者:张岩，男，工程师，fuchaxingyou163 com2212023 年 2 月机械设计与制造工程Feb 2023第 52 卷 第 2 期Machine Design and Manufacturing EngineeringVol 52 No 2图 1单路信号调理电路图2扭矩前馈多信道智能防溜铁鞋状态研判系统软件设计2 1建立多信道数据传输中心为了实现多信道智能防溜铁鞋数据的传输，应用无线传感器、射频芯片和微型控制芯片，建立物联网多信道传输平台7，具体结构如图 2 所示。图 2多信道数据传输平台结构示意图状态研判数据采集的终端为铁鞋本身，文中采用 Loa 通信模块，实现多信道铁鞋工作状态数据的采集，将业务数据采集结果以 5 s 为周期发送至无线收发模块，完成数据传输8。此外，在智能防滑铁鞋中获取的用户心跳信息，是铁鞋状态研判的关键内容之一，反映了铁鞋用户是否处于正常运行状态，同样通过无线传感器采集用户心跳信息后，以 5 min 为周期传递至中继器。为了便于对智能铁鞋状态进行研判，本文通过建立的多信道数据传输中心，将每个数据帧划分为统一格式，其中的数据段分别表示铁鞋数据长度、数据类型、数据发送方式以及数据完整性。业务数据和心跳数据通过多信道完成传输后，分别保存至 Loa3 模块与 Loa4 模块中。数据终端中的 Loa1 模块向 Loa2 模块发布命令，进行数据轮询。而 Loa2 模块则向下一级别的 Loa3模块与 Loa4 模块发布最终指令，对两个模块内采集的全部数据进行比对，先按照数据优先级进行比对处理，再按照时间打包数据，并将打包后的数据上传给上一级模块。2 2建立通信数据抗干扰机制考虑到多信道传输过程中会产生两种类型的数据:主数据和噪声数据，分别表示信道占用和信道闲置，具体的数据接收模式可表示为:e(l)=d(l)+c(l)1d(l)0(1)式中:l 为数据采集时刻;e 表示定向接收数据能量;d表示发送数据能量;c表示高斯白噪声数据能量;1表示信道处于占用状态;0表示信道处于闲置状态。根据数据接收端的定向信道数量，与接收端的采集次数，可以将接收端采集的数据 g(l)描述为:g(l)=d(l)+c(l)(2)式中:为数据采集矩阵。通过有限次抽样的方式，选取部分接收数据，建立数据分量协方差矩阵:Ad(N)=1NNl=1 d(l)d(l)(3)式中:Ad为数据分量协方差矩阵;N 为定向信道数量。其中，存在噪声分量的协方差矩阵，可以表示为:Ad(N)=1Nc2=1NNl=1c(l)(4)深入分析状态研判数据中包含的特征值，将特征值结构表示为:1 2 3 s s+1=f(5)式中:为矩阵特征值;s 为主数据量;f 为特征值总3212023 年第 2 期宋俊福:基于扭矩前馈的多信道智能防溜铁鞋状态研判系统数，则噪声数据分量可以表示为 f s。通信数据抗干扰机制的建立，主要目的是去除多通道传输数据中的噪声数据。因此，在信道闲置状态下，可以通过计算虚警概率，识别通信数据种类，具体表达公式为:max minYe(N)(6)式中:max为最大特征值;min为最小特征值;Ye为矩阵特征值均值;为判定门限。深入分析矩阵特征值均值中的特征，将虚警概率 P 计算公式表示为:P=(4M2NM2)(7)式中:为概率积分函数;M 为接收端数据采集次数。结合公式(7)，得到虚警概率的最优判定门限，将其表示为:=4M2(2 2P)+NM(8)当虚警概率高于判定门限时，表示多信道数据传输结果中不包含噪声数据，可以直接应用到后续铁鞋状态研判中，反之，则需要重新分析数据中的噪声分量，将噪声数据从数据序列中剔除。2 3设计扭矩前馈动态跟踪算法本文设计以后向传播神经网络(back propaga-tion neural network，BPNN)模型为核心的扭矩前馈动态跟踪算法，掌握扭矩前馈数据的瞬时变化，以此作为防溜铁鞋状态研判的基础，提升状态研判结果的准确性。扭矩的预测是扭矩前馈动态跟踪算法的基础环节，本文选择 BPNN 神经网络结构设计BPNN 扭矩前馈参数预测模型，模型的具体结构如图 3 所示。图 3BPNN 预测模型示意图根据图 3 所示的 BPNN 预测模型结构，可以将其描述为简化离散模型:u(i+1)=2 1t(i)+j1+j2(9)式中:i 为时刻;u 为模型输出向量;t 为模型输入向量;为转移函数;2为隐藏层和输出层之间的权值;1为输入层和隐藏层之间的权值;j1，j2分别为隐藏层和输出层的神经元阈值。本文以 BPNN 预测模型为基础设计扭矩前馈跟踪算法，结合 PID 扭矩跟踪控制器，控制激励函数图形的移动，提升铁鞋扭矩前馈参数跟踪结果的精确性。同时，为了满足扭矩前馈动态跟踪的动态需求，运用参数自适应计算理念选取合理阈值。融合了 PID 控制器后，扭矩前馈动态跟踪控制结构如图 4 所示。图 4扭矩前馈动态跟踪控制结构利用图 4 所示的扭矩前馈动态跟踪控制结构，保证扭矩前馈数据瞬时变化状态均可以实时获取，并与去噪后的多信道状态研判数据相结合，作为智能防溜铁鞋状态研判的基础。2 4构建智能防溜铁鞋状态研判模型本文应用量子遗传算法，建立智能防溜铁鞋状态研判模型，完成铁鞋状态的判断。I=Gg=1|g g|+Gg=1|g1 g1|+Gg=1|g2 g2|(10)式中:I为状态研判模型;G为防溜铁鞋组成结构;g为铁鞋组成设备;g为设备主保护实际状态;g为设备主保护期望状态;g1为设备近后备保护的实际状态;g1为设备近后备保护的期望状态;g2为设备远后备保护的实际状态;g2为设备远后备保护的期望状态。对智能防溜铁鞋状态研判模型进行分析可知，该模型在求解方面存在较多问题。因此，文中考虑智能防溜铁鞋的日常工作状态类型和断路器的动作状态对上述模型进行改进。运用改进后的研判模型输出铁鞋状态分析结果后，需要针对处于异常状态的智能防滑铁鞋，通过弹窗警示的方式，在可视化界面发出安全警示。3系统测试3 1系统配置为了研究本文设计研判系统的有效性，将其应4212023 年第 52 卷机械设计与制造工程用于当涂北站，从硬件、软件两方面进行系统配置，保障系统在当涂北站正常运行。研判系统所需的硬件包括服务器、计算机、无线传感器等多种设备，分别起到作业发布与数据保存、操作各种信息以及采集扭矩信息的作用。系统的软件配置以 B/S 结构为主，在服务器内安装数据库软件，结合本文提出的软件设计内容，在 MVC 模式下开发防溜铁鞋状态研判系统。考虑到当涂北站的智能防溜铁鞋主要分布在上下行到达场以及上下行出发场，因此在系统应用过程中，主要针对这 4 个场所进行防溜铁鞋状态研究，并通过可视化界面呈现状态研判结果。除此之外，系统配置过程中，还需要设计股道信息管理、股道占用情况管理等板块，系统总体框架结构如图 5所示。根据图 5 所示的状态研判系统框架可知，该系统以防溜铁鞋状态可视化模块为主，并设置查询统计和数据维护模块。在车站值班室等位置安装显示屏，就可以获取铁鞋当前工作状态信息，并利用查询统计模块获取车站车辆信息，制定后续铁鞋修图 5当涂北站智能防溜铁鞋状态研判系统复措施。3 2状态研判结果显示将配置好的系统应用到当涂北站，通过可视化界面显示智能防溜铁鞋的分布状态，如图 6 所示。图 6防溜可视化界面图 6 中黑色线条表示站场车辆行驶股道，该状态表示股道并没有安装防溜铁鞋，而对于安装防溜铁鞋的股道以粗线条进行标注，并在该股道两侧放置黑色铁鞋标志。利用文中设计的铁鞋状态研判系统，对当涂北站中防溜铁鞋状态进行分析，当防溜铁鞋状态无法满足车辆运行安全需求时，系统发出警告信息;当系统可视化界面出现警示信息时，需要后台管理人员查询接下来一段时间站场往来车辆信息，安排工作人员对铁鞋进行快速修复。3 3系统性能分析为了直观表现出文中设计系统的应用性能，针对当涂北站进行为期 30 天的应用测试，每日进行5212023 年第 2 期宋俊福:基于扭矩前馈的多信道智能防溜铁鞋状态研判系统1 次铁鞋状态研判，以上行到达场的 1 股道为例，得到表 1 所示的研判结果统计表。表 1铁鞋状态研判结果统计表日期真实状态研判状态日期真实状态研判状态11正常正常1 16正常正常12正常警示1 17正常正常13正常正常1 18正常正常14正常正常1 19警示警示15警示警示1 20警示警示16警示警示1 21正常正常17正常正常1 22警示警示18正常正常1 23警示警示19正常正常1 24警示警示110警示警示1 25正常正常111正常正常1 26正常正常112正常正常1 27正