机车走行部监测数据自动分析及处理系统的应用

李英治 中国铁路上海局集团有限公司合肥机务段

1 前言

目前各机务段大多存在数据分析人员分析水平欠缺、数据分析耗时较长、数据分析工作量大等问题。这些问题给机务段各级管理人员及基层作业人员带来了很大的困扰，同时也给机车走行部带来安全隐患。通过研发一套“机车走行部监测数据自动分析及处理系统”，解决现有地面软件智能化程度欠缺，依赖分析人员水平和经验等问题。同时，提高软件自动化程度。最终达到提高机车走行部质量，减轻工作人员工作压力，提高工作效率等目的。

2 技术方案

2.1 选定方案

依据实际现场情况，该系统需要在原JK11430 地面软件的硬件基础上，无需投入大量资金进行升级改造即可实现课题目标。本系统一方面依托原JK11430 地面软件的数据库，进行部分表结构调整和优化，可满足两套系统同时使用，另一方面采用高效灵活的“Net Framework”框架、“插件化”模块设计思路和多任务并行处理模型，让系统具备高度的可扩展性和数据快速处理能力。

2.2 技术路线

系统的研制过程严格按照软件开发流程进行，依据高内聚、低耦合的设计要求，使系统具有良好的灵活性、可移植性和可扩展性。系统采用的主要技术路线如下：

（1）拉通新老两套系统数据源：本系统是基于原JK11430地面软件数据库基础设计，采用兼容性设计方案，新老数据之间采用一定的映射和处理后，在不影响原有JK11430 地面软件使用的前提下，使得数据能够被两套系统识别，并能同时使用。

（2）搭建数据自动分析处理模型：本系统的数据自动分析处理模型利用“大数据挖掘”和“健康管理”的新理念，通过大量数据的迭代、计算和学习，建立了一套基本符合现场分析情况的模型。同时充分考虑了影响数据自动分析结果的条件(数据)，为这些条件(数据)预留了数据接口，在条件成熟时将数据直接引入模型，能够进一步提高分析准确度。

（3）拉通与其他系统的衔接：本系统充分考虑数据分析与机车检修各部门的业务需要，建立了与整备系统之间“机车维修提票”与“维修提票反馈”通道，充分保证数据的共享和实效性。

（4）基于关系数据库的数据结构化加密和存储空间优化处理：数据分析结果及相应的提票等信息，采用数据结构化加密处理，并采用流式数据的数据组织方式对这些数据进行了存储空间压缩、优化处理。可以有效的降低数据泄露的风险以及数据库对存储空间的要求。

2.3 系统结构

系统功能结构如图1 所示。

图1 系统功能结构图

整个系统分为信息处理子系统和数据自动分析子系统，它们均采用“插件式”的C/S 架构设计。从逻辑上将每个子系统都分为三层，分别为展现层、业务逻辑层和数据层（展现层：该层主要集中在数据自动分析子系统，它负责数据显示与人机交互；业务逻辑层：该层整合了公共模块、数据访问接口和业务处理逻辑；数据层：该层是整个系统的数据来源，主要包含基础数据库、信息数据库、原始数据库等）。

3 工作原理

3.1 故障诊断原理

故障诊断技术的理论基础是我司自主知识产权的“广义共振与共振解调”理论体系，广义共振理论，包含了物体经典共振过程，同时也包含外力突然施加或突然撤销的自由衰减振动过程，即外力施加和撤销时物体从外力获取能量，产生按照物体固有频率的自由衰减振动现象。共振解调技术，实现从繁杂、强大的振动噪声中提取、识别、分析、诊断故障冲击的大小、原因，直至具体的发生部件。在此基础上，实现故障冲击特征提取、识别，能及时、有效地发现故障，保证机械设备运用安全。

通过研究机械结构的几何学、运用学规律，我们建立了诊断轴承、齿轮、踏面等故障的一系列数学模型，从定量（冲击幅值大小）和定性（故障部位）两个角度，对故障进行确定性的诊断。

故障定性方面，如图2 所示，若轴承的中径是D0，滚动体的直径是d，内外环相对转速频率是fn，滚动体的数量是Z，轴承滚动体的接触角是A，则按照“多个同类故障的归类诊断准则”进行简化，轴承各零件故障的特征频率公式如表1 所示。

图2 轴承参数示意图

表1 故障特征频率计算表

故障定量方面，考虑到内外环相对运转转速N、轴承轴径D对于冲击值SV的影响，建立故障定量模型如下式所示：

对于通用工业用的轴承，国际标准规定：若dB 值大于35 dB，轴承报废。针对中国铁路的研究表明：在50 dB 以下，尚能安全应用。

3.2 走行部数据自动诊断及健康状态评估

通过结合“冲击趋势”、“温度趋势”、“SV 趋势”、“报警情况”等信息，计算故障发展趋势，挖掘隐藏在大量常规数据中的故障信息，综合各类因素后，得到存在故障隐患的部位、严重程度以及健康等级，并依据健康等级给出相应的维修处理意见。

4 技术难点

4.1 数据预处理

数据预处理是数据处理及分析软件的重要组成部分，其结果影响着数据处理及分析软件的准确性。本系统主要是通过光滑噪声数据、识别并删除离群点数据、删除重复数据、插补缺失数据等技术解决数据不一致问题。

4.2 趋势分析法

本系统中，趋势分析算法是自动诊断算法的重要组成部分，直接影响着自动诊断算法的效果。本系统利用趋势分析算法对走行部的dB 数据进行趋势分析。

首先对dB 数据进行数据预处理，依据里程有效性原则得到其剔除异常值的dB 数据序列，然后利用滑动平均方法分段计算滑动平均值。再利用处理信息得到趋势结果判断，最终得到dB 数据的趋势分析结果，且dB 数据趋势分析模块为单独的子模块，有利于后续对该算法的改进和优化。

通过dB 趋势分析展示该趋势分析方法效果。图3 是原始dB 值趋势，经数据预处理结果如图4 所示，利用滑动平均方法处理，得到结果如图5 所示。

图3 原始dB 值趋势图示

图4 数据预处理图示

图5 结果图示

4.3 冲击特征识别方法

针对轴承、齿轮和踏面诊断对象，建立冲击特征识别模型，实现诊断对象不同失效模式分析及准确定位，同时基于此给出的更为贴切合理的维修处理建议。

4.4 走行部数据自动诊断及健康模型建立

走行部数据自动诊断是整个系统的核心功能之一，自动分析结论的准确性直接关系到整个系统的价值。为了建立这一模型，我们将“大数据”、“数据挖掘”和“健康管理”等先进理论与我们的理论相结合，经过了大量的试验验证，最后形成了该模型，具体验证过程如下：

（1）我们对已有的40 TB 的数据进行数据研究及模型初步建立，将识别为正常的模型固化及优化；

（2）将我们收集整理的超过3 000 个的各类故障案例，通过初步建立的模型，查看故障识别率，然后依据识别情况对模型进一步优化和完善；

（3）重点对上海局配属车型以及曾经发生过的案例进行进一步优化完善；

（4）将该模型重新经过40 TB 的大数据验证，修订错误识别方法，使模型进一步完善；

（5）完善了自动诊断模型后我们通过对大量历史的冲击、温度和SV 信息进行整理、挖掘，建立起了能够预测今后一段时间内机车走行部健康状态的模型。

此模型是“人工智能”判断故障及健康预测的初级阶段，对于某些特殊的故障还未能够有很精确的定位和判断，后续还需持续研究，进一步提高分析结论的准确性。

4.5 设备工况自诊断算法研究

走行部数据自动诊断与健康评估是整个系统的核心，那设备工况自诊断就是整个系统的基础。设备工况的好坏直接关系到系统“数据”可不可用、可不可信的问题，如果连数据都存在问题，那就无从谈起走行部数据自动诊断的准确性了。为此我们通过如下的工作来进行该问题的研究：

（1）通过拆解大量的“工况故障”传感器和前置处理器，通过分析他们各自的问题点，并对照各传感器、前置处理器在数据中的体现，并通过大量的试验验证，研究出了传感器、前置处理器工况自诊断算法；

（2）对于“无转速”的故障识别，我们查阅了大量“无转速”的机车数据，总结归纳了该问题的特征，并通过实验室模拟数据进行验证试验。

4.6 多任务数据并行诊断

数据自动分析为了提高精准度，不仅仅是对当趟行车数据进行分析，而且需要当趟数据前一个月内的连续数据作为重要判断依据。处理这些数据时，特别是处理冲击样本数据时是非常耗时的。处理一条单样本数据的平均时间约为20 ms，和谐型机车一个月的单样本数据量约在20 000 条左右，仅在处理冲击样本数据耗时就在400 s 左右，整个数据自动分析处理流程完成约在500 s，这种分析效率在机务段日常作业中是不被接受的。

采用多任务(Tasks)并行处理方法，为每个任务分配独立的资源和通道，解除各任务间的耦合关系或前后关联关系。各任务完成时将各自的运算结果整理合并，提交综合决策，实现多任务并行诊断处理，将自动分析时间控制在120 s 内。

5 实践应用

5.1 技术创新

首先，机车走行部数据自动诊断算法模型，采用多元数据（报警趋势数据、温度趋势数据、SV 趋势数据、dB 趋势数据等）、长跨度（连续30 天的数据，且时间跨度可调）联合分析方法，提升数据自动分析准确性，并对数据进行预处理，剔除了无关数据、重复数据，对其中缺失值采用三次样条插值法、K 均值聚类方法识别到异常值并剔除。

其次，对趋势分析方法采用长短均线分析方法，提升趋势分析科学性，准确分析趋势上升/下降趋势，精准定位故障发展程度。

最后，建立多种轴承、齿轮和踏面故障冲击特征识别模型，轴承方面有保持架早期故障识别模型、齿轮裂纹/断齿故障识别模型、踏面多边形失圆故障识别模型等，实现诊断对象不同失效模式分析及准确定位。

5.2 应用效果

通过建立全新的数据自动分析模式，不仅让数据分析业务摆脱了完全依赖人工分析水平和经验的处境，而且首次加入了对JK11430 设备自身工作状态的自诊断能力，让数据分析变得简单易操作，提升了软件的智能化水平。同时，和段内整备系统关联实现了维修处理意见与“机统6”等系统的对接、与维修处理结果反馈的信息关联，实现了信息的闭环，提高了软件的自动化程度。

该系统具有灵活的软件框架，能够为后期的功能扩展提供基础。通过类似CMD 等系统，让实时监测机车在线运用状态、机车远程点下载数据、机车回库后自动下载数据等功能，通过扩展包的形式加挂到系统中，进一步完善系统生态圈，做到“线上、线下”全兼顾。

6 推广前景

本系统能够实现JK11430 数据自动处理及分析，无需长时间的专业数据分析培训，仅需掌握软件使用方法的工作人员就能胜任该岗位的工作，避免了分析员水平和经验欠缺，未分析出故障点而可能引起的机车安全事故的发生，减少了人力成本、提升数据分析效率。同时，和段内整备系统等信息系统交互，可实现提票信息的跨系统的传递，避免有可能出现的重复劳动的情况发生，减少了漏提票事件的发生，极大提高了机车走行部的质量。不仅如此，本系统中的自动诊断算法模型实现走行部旋转部件健康状态自动评价，能准确定位轴承、齿轮和踏面失效模式，指导精准维修，实现自身设备异常判断，防止故障设备伴随机车运营，引发走行部故障漏监测。

本系统是基于目前在用的JK11430 地面分析系统数据库设计的，简单易用，仅需软件辅助就能切换到“机车走行部监测数据自动分析处理系统”进行工作，不影响原有系统的正常工作，具备向全局乃至全路推广的良好前景。