轨道车辆走行部振动检测及PHM系统

文/丁亚琦、陈超、黄贵发、吴志勇

城市轨道交通车辆走行部的机械故障是影响车辆运行安全的重要因素，同时车辆走行部的维护保养成本在车辆维护保养总成本中所占的比重较大，如何运用有效的运维手段，实时掌握走行部及轨道的运行状态并做出合理的应对策略，规避安全风险，节约维修成本，成为轨道交通运维工作中亟待解决的问题。本文介绍了该问题的解决方案：车辆走行部振动检测及PHM系统，是上海轨道交通车辆智能运维系统（RISE系统）中的重要组成部分。

走行部振动检测及PHM系统实现条件

要实现轨道车辆走行部振动检测及PHM，需要以下几个基础条件：

·高可信和高可靠的车载传感和采集系统；

·成熟的车载振动检测数据预处理和特征提取以及存储模块；

·精确的故障诊断和健康评估模型及算法；

·先进的故障预测和维修决策模型及算法。

上述模型及算法从可用性的角度来说，不能仅仅是理论模型，重要的是还必须保证算法的实用、高效率和收敛性，本项目采用的基于物理模型驱动和数据驱动的融合型故障诊断和预测方法，保证了最佳性能的获得。

唐智科技的研究团队分析了走行部的运动学和几何学规律，建立了故障特征数学模型并由此奠定了故障诊断的基础，根据机械部件失效机理分析，建立了机械部件性能退化的物理模型为故障预测提供了条件。另一方面，基于20多年轨道交通车辆走行部及轨道振动的海量历史监测数据，以及在监测过程中积累的40000多起走行部机械故障案例数据，形成了一套完整的全寿命周期故障诊断和预测的专家知识库，支撑了故障诊断和预测的算法模型的训练、测试和完善。

在本项目之前，上述PHM方法已经具备了独立性和完整性，但在信息化的角度来说还存在不足。比如传统方式下要实现数据无线传输需要建立独立的通道或借助其他通道，比如与车辆其他子系统之间的数据关联分析需要平台支撑等。

随着信息化和智能化，物联网、大数据、云计算、人工智能等技术的接入，上海轨道交通车辆智能运维系统建立了统一的车联网（IOR），实现了数据无线传输，建立了车辆运维大数据平台，为各子系统关联分析提供了基础条件，使得走行部专业子系统只需要专注于本专业的数据挖掘和应用开发，从整体上来讲提高了效率，并为深度挖掘应用创造了条件。

走行部振动检测及PHM系统

轨道车辆走行部振动检测及PHM系统由“走行部车载故障诊断系统”、“走行部数据分析及健康管理软件”组成，其组成及工作流程如图1所示。

“走行部车载故障诊断系统”通过安装在轴箱等部位的复合传感器完成列车运行过程中的冲击、振动、温度等关键数据的采集。然后对采集到的数据进行预处理、分析，提取故障特征值，并将故障前后的数据存储到车载故障诊断系统。走行部实时状态数据经“走行部车载故障诊断系统”实时诊断分析之后将报警状态与特征数据通过IOR（车联网）传输到“上海地铁大数据平台”。

图1：轨道车辆走行部振动检测及PHM系统

“上海地铁大数据平台”通过调用部署在平台上的“走行部数据分析及健康管理软件”，进行健康评估与维修决策运算，输出维修建议指令，由大数据平台负责调度生产相关的系统执行维修。同时负责调取走行部相关数据供其他子系统关联分析所用。

图1中，“唐智PHM大数据服务中心”负责提供远程支持服务，包括算法更新，知识库调用等服务。

走行部振动检测及PHM系统实现的功能如下：

状态监测与实时诊断：通过预定的振动、冲击、温度参数指标实时在线监测走行部的状态，同时采用车载实时故障诊断专家系统进行诊断运算，及时将分级故障报警信息通过列车MVB网络推送到列车控制与诊断系统（TCMS），并通过车联网（IOR）传输至地面，检修人员可以第一时间收到系统发出的分级报警信息，可及时高效地做出相应的处置措施。

健康评估：通过部署在上海地铁大数据平台上的健康管理软件完成原始数据的提取特征、故障诊断、趋势分析以及健康评估，并利用评估结果给出相应的维修建议，车辆检修和管理人员据此可实现对车辆走行部及轨道进行精准维修。

寿命预测与维修预判：采用预先建立的失效物理模型和性能退化数学模型，对数据进行运算，预测车辆走行部各部件的剩余使用寿命，对走行部的运行状态变化趋势进行监控分析和预测。同时综合考虑统计分析、健康评估、剩余使用寿命预测等结果，结合车辆修程、维修成本、维修方式等信息，在保障车辆安全运营的前提下，为合理安排生产任务和维修计划提供信息。

统计分析：通过统计分析功能，实现多发故障统计，统计维度包含：故障部位、故障模式、部件品牌、型号、批次等，可为用户进行车辆部件、配件选型提供参考建议。

图2：轨道车辆走行部振动检测及PHM系统与RISE系统的融合

图3：踏面镟修之后故障未再重复发生

图4：轮轨振动检测为轮轨匹配关联分析提供数据

走行部振动检测及PHM系统与上海地铁RISE系统的融合应用

车辆走行部振动检测及PHM系统实现了与上海地铁RISE系统的深度融合，如图2所示，系统将获得的振动、冲击、温度、趋势信息、健康评估结论、维修建议输出到RISE大平台，实现可视化信息管理，同时也可以从平台获取列车运营基础信息、维修数据、测量数据、送检数据等来进行关联分析，更为精准的为用户提供智能运维信息服务。

目前上海地铁在所有线路的部分列车上都配置了走行部振动检测及PHM系统，投入运营的已经有100多列车，随着增购车投入运营和新线的开通，数量还会不断增加。该系统的已经成为检修和管理人员的重要工具，一线检修技术人员利用该系统在检修优化和提高效率上取得了良好的效果。以下列举两个具体案例来说明。

案例一，16号线踏面镟修策略优化延长车轮使用寿命。16号线存在一定比例的车轮踏面内部缺陷故障，若采用传统的故障修方法，针对车轮踏面内部缺陷故障平均需要镟修13mm才能修复。16号线检修技术人员很好地结合了走行部振动检测及PHM系统的检测数据，依据该系统给出的维修指导意见实施了经济镟，实现了平均镟修量仅5mm就能修复踏面，而且修复之后故障不再重复发生，如图3所示，明显的延长了车轮寿命。案例二，轮轨振动检测为优化轮轨匹配状态提供了基础数据。列车运行的平稳性和舒适性与轮轨匹配状态密切相关。然而，传统的检修方式是按专业分工，车辆和工务专业各负责自己的检修，轮轨相互作用的匹配状态往往被忽略，现在走行部振动检测及PHM系统的轮轨振动实时检测功能可客观地反映轮轨匹配状态，为车辆和工务两个专业提供了关联分析的参考数据。如图4所示，完成了1号线“徐家汇-上海火车站”钢轨大修工作之后，轮轨振动检测数据的变化客观地反映了轮轨匹配状态的明显改善。

轨道车辆走行部振动检测及PHM系统的应用，使得检修人员只需要通过屏幕信息显示或者平台推送到移动检修终端的信息，就能了解列车走行部当前的状态，有助于减少检修人员在常规普查上花费的时间，降低其劳动强度，进而将主要精力集中在故障的排除上，进一步提升维保作业效率。

在“中国制造2025”创新驱动、质量为先、绿色发展的基本方针指导下，坚持“创新驱动发展”的理念，本项目将对“轨道车辆走行部振动检测及PHM系统”在技术深度和应用广度上进行持续不断的推动。比如故障预测方面，需要实施轴箱轴承状态修，就要求实时在线监测保障安全的前提下，利用故障预测优化修程，挖掘轴箱轴承这一关键部件在设计寿命之内的潜在价值，延长中间解体检查周期。这些工作的深入推进将能发挥人工智能+大数据的最大价值，推动行业科学发展，为智慧轨道交通的可持续发展注入活力。