弓網燃弧電流擾動的HHT(希爾伯特—黃變換)分析

梁宏璞(青藏鐵路公司供電部,810007,西寧∥高級工程師)

?

弓網燃弧電流擾動的HHT(希爾伯特—黃變換)分析

梁宏璞
(青藏鐵路公司供電部,810007,西寧∥高級工程師)

摘 要地鐵線路接觸網的弓網具有良好的受流質量是保障列車運營安全的前提,弓網燃弧則是評價弓網受流質量最直接的指標,而不同的燃弧強度會伴隨著不同程度的牽引電流擾動。改進了HHT(希爾伯特-黃變換)中的EMD(經驗模態分解)算法及EMD能量熵,并用于牽引電流擾動分析。通過對廣州地鐵2號線、3號線的數據分析發現,EMD能量熵能有效提取到牽引電流的擾動特征,且牽引電流擾動越嚴重,信號就越復雜,能量就越分散,對應的EMD能量熵也越大。

關鍵詞地鐵;受流質量;燃弧;希爾伯特-黃變換;經驗模態分解;能量熵

Author′s address Department of Power Supply,Qinghai-Tibet Railway Company,810007,Xining,China

地鐵線路接觸網的接觸懸掛與受電弓是向列車傳輸電能的關鍵供電設備[1]。接觸懸掛和受電弓的技術狀態決定著接觸線與受電弓碳滑板之間的接觸情況,兩者任何的微小故障,例如受電弓碳滑板的不平順、匯流排微小扭曲變形、接觸線與匯流排脫槽、匯流排定位線夾松動、中間接頭螺紋滑絲、T型頭螺栓松動等,都會產生弓網之間的燃弧[2],不同的燃弧強度必然伴隨不同程度的牽引電流擾動,最終影響著弓網的受流質量,惡化機車受流性能。

目前對于弓網燃弧的研究主要以燃弧檢測及燃弧率為主,比如意大利和日本均通過采集弓網燃弧時所伴隨的特征紫外光判斷燃弧發生情況[3-5]。但是在實際工作中,燃弧率是宏觀指標,對排查線路受流薄弱點帶來不便,然而又很少有文獻針對發生燃弧時所伴隨的牽引電流的擾動做相關詳細分析,并從此角度評價弓網受流質量。因此,對這方面的深入探討是有必要的,可為后續的燃弧研究提供一定基礎。

1　弓網燃弧檢測

為了更加準確地評價弓網的受流質量,采用非接觸式弓網燃弧檢測系統從實際監測中獲取數據。該系統可以實現對弓網燃弧參數的檢測,包括列車運行速度、牽引電流、弓網接觸壓力等參數。燃弧檢測裝置采用特征紫外光作為檢測對象工具,由光學采集傳輸、紫外光電傳感和數據分析處理三個系統共同構成,其結構如圖1所示。

圖1　非接觸式弓網燃弧檢測系統結構

將非接觸式弓網紫外燃弧檢測裝置檢測到的燃弧數據及其他輔助參數信息傳輸至上位機,通過上位機的受流質量評估軟件,對其相關數據進行分析處理,最終得到燃弧率、燃弧總次數、最大燃弧持續時間、燃弧時間等參數,同時包含牽引電流、列車速度等,以曲線、報表的形式在人機交互界面顯示并存儲,用以評估弓網受流質量。非接觸式弓網燃弧檢測系統算法軟件框架以及軟件界面如圖2所示。

圖2　非接觸式弓網燃弧檢測系統軟件框架及界面

燃弧率是評價弓網受流質量的直接指標[6],燃弧率定義式為:

式中:

ti——某次燃弧所發生的持續時間;

ttotal——線路檢測的總時間。

檢測裝置實物圖如圖3所示。圖3a)為安裝在車內部數據處理系統及顯示裝置,圖3b)為安裝在車頂的光學采集裝置。

圖3　檢測裝置實物圖

2　HHT擾動分析算法

HHT(希爾伯特-黃變換)方法包含經驗模態分解(EMD)和希爾伯特變換。

2.1EMD分解流程

信號x(t)經分解后可表示為:

式中,IMFs代表信號頻率從高到低的使瞬時頻率能合理定義的IMF(基本模式分量)[7],rn為剩余分量。

EMD分解流程圖如圖4所示。

圖4　EMD分解流程圖

2.2EMD改進算法

EMD分解信號要不斷地分離出信號的IMF,但是對于端點處,由于無法確定端點是否是極值,因此這也是EMD算法的缺陷所在。一般來講,端點的誤處理可能會引起后續的分析誤差,為解決此缺陷,本文采用鏡像閉合延拓法來改進EMD算法。

鏡像閉合延拓就是在信號的兩端找出具有對稱性的極值點[8],當無法確定端點是否為極值點時,截取一部分數據,將鏡子放在極值點處,這樣就得到一個環形的閉合曲線,長度為原信號的2倍。因為信號經過鏡像延拓后是個閉合曲線,所以不存在端點,因此鏡像閉合法能夠解決上述缺陷。

另外,為提取到各IMF中有用信息,本文采用分解得到的IMF與原信號的相關系數作為篩選指標。因為相關系數能夠反映兩個信號間的線性相關度,從而得到有用IMF。相關系數計算公式為:

式中:

ρx,y——相關系數;

cov(x,y)——兩序列x,y的協方差;

D(x),D (y)——序列x和序列y各自的方差。

相關系數越大,也即ρx,y越大,說明IMF所含的原有信號中的有效成分也越多。

2.3EMD能量熵

1948年,香農結合信息與熱力學統計提出了“信息熵”的概念,用于衡量某一信息載體所包含的信息量,將信息具體化[9]。本文引入EMD能量熵做牽引電流擾動分析。

EMD能量熵的計算公式如式(4):

式中,pi=Ei/E,Ei指第i個IMF的能量,E指所有的IMF所對應的總能量。

如果一個系統越確定有序,越有規律,相應的信息熵也就越低;反之,一個系統越是無序,越是混亂,相應的信息熵也就越高。例如,某一系統中,某個事件出現的概率是1,那么根據信息熵的定義計算為0,系統為確定系統,不確定因數為0。根據這一理論,信息熵反映的是某個系統的不確定因數。將信息熵理論引入到信號的時頻分析中。信號在HHT時頻分布的差異表現為不同頻段能量分布的差異,即各個頻段能量占總能量的比例不同也就是各個頻段的歸一化能量不同。

由于所處理的各個牽引電流信號的差異,因此電流的EMD分解的層數也可能不一致,也就是分解得到的IMF分量個數不一致,因此提取到的特征可能不太適合后續的統一分析,但是通過EMD能量熵便可以解決該問題,使得后續對各個燃弧所對應的牽引電流擾動具有可比性,可評判弓網受流質量。

3　牽引電流擾動HHT特性

采用弓網燃弧檢測系統,對廣州地鐵2號線和3號線運行時的弓網系統的燃弧狀態進行實時在線檢測,獲取弓網燃弧試驗數據以及其他參數信息,并采用上述牽引電流擾動算法對牽引電流進行擾動特征值提取與分析,建立地鐵牽引電流的擾動指標,作為衡量機車的受流質量參考。這為準確定位弓網受流薄弱點提供了理論依據,為維護弓網受流薄弱點提供理論依據,以提高效率、節約成本。

以廣州地鐵2號線昌崗站—江泰路站(s1)、同和站—永泰站(s2)、機場南站—人和站(s3)中發生的某次燃弧為例,做相關擾動特征提取分析。圖5是三次燃弧的燃弧信號及其相應牽引電流的曲線。

對上述三次燃弧對應的牽引電流分別采用改進EMD分解,處理結果如圖6。

分別計算圖6三個信號采用改進EMD算法分解得到的各IMF與原始信號的相關系數,得到結果如圖7所示。

從圖7中能看出:圖6a)中IMF4～IMF6與原信號相關性較好,故將圖6a)的IMF1～IMF3、IMF7和res剔除;圖6b)中IMF5～IMF7分量與原信號相關性較好,故將圖6b)的IMF1～IMF4和res剔除;圖6c)中IMF3～IMF7分量與原信號相關性較好,故將圖6b)的IMF1～IMF2和res剔除。由于待處理的牽引電流信號的不同,EMD分解后所得到的IMF的個數也可能不同,一般得到7～11個數目不等的IMF,這樣便為指標的提取帶來不便。因此,為了統一后期各個牽引電流對應的擾動狀態的特征提取,方便統一分析,建立擾動指標,首先要對提取特征做規范性處理。

圖5　三次燃弧信號及其對應的牽引電流

圖6　牽引電流采用改進EMD分解結果

圖7　IMF和原始信號的相關系數

圖8為三個區間的燃弧牽引電流歸一化能量分布圖。

由此,前文分析的三個信號采用EMD能量熵其結果如表1。

表1　不同區間牽引電流對應的EMD能量熵

結合三次燃弧對應的牽引電流曲線和EMD能量熵可以大致看出:牽引電流擾動越嚴重,對應的EMD能量熵也越大。事實上,EMD能量熵,在綜合信息的基礎上,直接反映了被分析信號在時-頻空間中的模式能量的分布不確定性。被分析信號越簡單,能量就集中分布在少數幾個模式中,EMD能量熵就越小;相反,信號越復雜,能量就越分散,能量就存在于多個模式中,EMD能量熵也就越大。因此采用牽引電流的EMD能量熵可衡量電流的擾動程度。

4　結語

通過對EMD算法改進,能夠更好地完善EMD,并提取到牽引電流信號的有用IMF。通過采用改進的EMD和EMD能量熵對現場試驗數據進行分析處理發現,EMD能量熵能有效提取到牽引電流擾動特征,且牽引電流擾動越嚴重,信號就越復雜,能量就越分散,對應的EMD能量熵也越大,因此采用牽引電流的EMD能量熵可衡量電流的擾動程度。

基于HHT分析弓網燃弧牽引電流可從一定程度上衡量弓網受流質量,定位弓網受流質量薄弱點,從而針對性維護弓網系統,提高效率,節約成本。

圖8　三個區間的牽引電流歸一化能量分布圖

參考文獻

[1] 于萬聚.高速電氣化鐵路接觸網[M].成都:西南交通大學出版社,2003.

[2] 王萬崗,吳廣寧,趙云云,等.弓網電弧電氣特性試驗研究[J].低壓電器,2008,29(3):106.

[3] LANDI A,MENCONI L,SANI L.Hough transform and thermo-vision for monitoring pantograph-catenary system [J].Proceedings of the Institution of Mechanical Engineers,Part F:Journal of Rail and Rapid Transit,2006,220 (4):435.

[4] BRUNO O,LANDI A,PAPI M,et al.Pototube sensor for monitoring the quality pf current collection on overhead electrified railway[J]. Proceedings of Institution of Mechanical Engineers,Part F:Journal of Rail and Rapid Transit,2001,215(F):231.

[5] HAYASAKA Takamasa,SHIMIZU Masatoshi,NEZU Kazuyoshi. Development of Contact- Loss Measuring System Using Ultraviolet Ray Detection[J].Quarterly Report of RTRI,2009,50(3):131.

[6] 耿超,王豐華,黃榮輝,等.基于改進Hilbert-Huang變換算法的電氣化鐵路諧波檢測[J].上海交通大學學報,2014 (9):3.

[7] 黃先祥,李勝朝,謝建.新型經驗模式分解端點效應消除方法[J].機械工程學報,2008,44(9):1.

[8] 李曉晨,李天云,陳昌雷.基于固有模態能量熵和支持向量機的輸電線路故障選相新方法[J].電力自動化設備,2009 (5):104.

HHT Analysis of Pantograph Catenary Arc Current Disturbance

Liang Hongpu

AbstractPantograph catenary with good quality of current collection is the premise to guarantee the operation safety of rail transit.The arc is the most direct index in the evaluation of the pantograph catenary quality.Different arc intensities are inevitably accompanied by different degrees of traction current disturbance.An improved EMD algorithm and EMD energy entropy are proposed and used for the analysis of traction current disturbance.Through the data analysis of the Guangzhou metro Line 2 and Line 3,the EMD energy entropy can be effectively extracted from the disturbance of the traction current.The more serious the traction current disturbance,the more complex the signal is,same way the greater energy dispersionand the higher EMD energy entropy.

Key wordsmetro;quality of current collection;arc;Hilbert-Huang Transform(HHT);empirical mode decomposition(EMD);energy entropy

(收稿日期:2015-07-11)

DOI:10.16037/j.1007-869x.2016.02.005

中圖分類號U 225.3