铁路货车智能监测系统关键技术研究及探讨

王毅 陆强 祝笈 周炯

摘要：综述了国内外铁路PHM技术研究的现状，提出我国铁路货车智能监测系统的设计目标及建议，并进行关键技术研究及探讨。

关键词：铁路货车;智能监测;技术研究

0  引言

为了实现“中国制造2025”提出的信息化与工业化深度融合的目标，迫切需要研究新型的铁路货运运行安全监控与保障技术。国际重载协会（IHHA）指出：未来世界重载技术将进一步向智能化、数字化方向发展，2017年国际重载大会首次提出了“国际重载4.0”理念，即搭建现代化数字网络平台，广泛应用传感器、大数据计算、信息通信、人工智能等技术，大幅提升货运技术装备智能化水平，提高运输效率、安全性。

1  国内外现状

PHM技术的起源可以追溯到上世纪50年代，从最初的可靠性分析、故障分析、系统监测逐步发展到后来的机内测试、飞行器健康监控、综合系统健康管理再到现在的故障预测与健康管理PHM。20世纪70年代PHM技术初步应用于A-7E的发动机监控系统。20世纪90年代末，美军又把PHM技术应用到F-35联合战斗机项目。2005年11月，美国国家航天局举办了首届国际宇航“综合系统健康工程和管理”论坛。2009年，国际PHM学会成立，PHM技术获得世界主流认可并建立PHM相关标准。PHM技术在军事领域获得广泛应用的同时，其在民用领域应用也获得巨大传播。美国波音公司已经在波音777等客机上采用PHM技术，有效提高了客机的可靠性和维修效率。

国内关于PHM的研究起步相对较晚，但发展迅速，己在一些领域取得了较好成果。中国铁道科学研究院的钱坤将PHM技术应用到高速道岔，并对应用难点进行了详细分析。北京航空航天大学的孙博等人对PHM技术的发展及应用现状进行了综述。西南交通大学的罗鸣州建立了高铁牵引供电的PHM监测平台，实现了设备监测信息的高效利用。

而在轨道交通领域，PHM的研究才刚刚起步。德国、法国、加拿大、美国等铁路公司正在应用或开展故障预测与健康管理技术研究，主要是针对机车开发的安全性监测系统，以降低车辆运维成本，提高可用性。这些系统普遍具备车辆状态监测、故障远程报警、故障专家诊断等功能。尤其是美国GE公司的RM&D系统，具备实时监测异常数据、自动故障诊断、部件剩余寿命预测和智能维修建议等功能。目前国内机车远程监测与诊断系统（CMD）已经开始建设，动车组都安装了远程数据传输系统（WTDS）。为保障动车组安全可靠运营，提高检修效率，铁路局和主机企业各自开发了动车组数据监控平台、检修平台、健康管理与运维决策平台，实现了车辆运行状态的监测、故障预警、故障分析、故障诊断及检修支持等功能。

2  主要研究目标

在货车转向架上安装货车安全运行状态监测系统，在车辆上安装车辆状态监测系统，在机车上安装车载PHY监测终端，建立地面PHY监测软件平台。通过车载和地面系统的构建实现货车运行中状态信息的全监测，实现“状态修”的目的，并提供规范化和标准化的服务，让车辆更安全且高效地运营。满足智慧监测、智慧诊断和智慧运维服务等运维需求，实现现有运维服务体系的创新和提升。

3  创新点

铁路货车故障预测与健康管理创新点体现在：

①研发建立车内标准窄、宽带通信系统，提供可靠的、可扩展的车车之间通信。解决现有车车通信的通信可靠性、自由编组后的自动组网、多种设备的协议不统一等问题。

②研究開发货运车载综合监测系统。研究开发车辆运行状态监测系统、车体状态监测系统、转向架监测系统、空气制动监测系统。采用多传感器技术、高速数据采集技术、低功耗数据采集技术，结合神经网络的模式识别技术，对轨道、车辆关键部件定位识别和异常分析判决，实现货运的车载综合检测，提升车辆安全运营能力。

③研究货车的故障预测与健康管理智能分析模型。通过大数据、云计算、机器学习等先进技术对采集的重载货车状态监测数据进行智能分析和挖掘，构建专家库，建立健康评估模型、故障预测模型、维修决策模型，用于实现系统的健康监测、预测预警以及运维决策的核心功能。

④构建基于状态修的货车的智能化运维管理体系。引入故障预测与健康管理技术，利用尽可能少的监测数据，借助故障预测与健康管理智能分析模型，由传统的基于传感器诊断转向基于智能预测和诊断，促进状态修取代周期修和故障修的进程，可以缩短车辆检修时间，提高车辆检修效率，提高车辆利用率，降低检修维护成本。

4  关键技术研究

4.1 车辆运行平稳性和蛇形失稳监测

根据GB/T 5599-1985规定，货车的运行平稳性采用车体最大振动加速度和平稳性指标来表示。新造货车的平稳性指标应达到GB/T 5599-1985的良好标准，即横向及垂向平稳性指标应低于4.0，车体横向和垂向最大振动加速度应分别小于0.5g和0.7g。

根据AAR M-976标准中空车Hunting试验的要求，采用横向加速度峰-峰值（限度值为≤1.5g）和标准差（限度值为≤0.13g）来描述车辆的蛇形失稳状态。采用微机电（MEMS）三轴加速度传感器，安装位置按照GB/T 5599-1985的规定置于车体上心盘内侧纵向1000mm内中梁下盖板上。

4.2 超、偏载监测

参考《铁路货车超偏载检测装置检定规程》的相关规定，弹簧的静挠度可间接反映车辆的超、偏载。货运车辆有前后两个转向架，共有4组二系承载弹簧组，分别位于车辆对称的四个方向。位移传感器安装在车体前后转向架的摇枕与二系弹簧托梁之间，测定4组二系承载弹簧组压缩量变化。在动力学试验中，监测弹簧挠度的传感器安装于摇枕和侧架的弹簧承台部位，采用高动态响应的激光测距传感器实现弹簧伸缩测量。

4.3 空气制动系统异常监测

空气制动异常监测系统能改善列车运行品质，保障列车行车安全及运输秩序，消除技检作业中对制动故障的误检、漏检，避免列车带故障运行;能实时掌握制动系统的性能状态，及时发现并排除制动系统故障，提高列车运输效率，保证运行安全;在长期积累监测数据的基础上，利用大数据挖掘和分析技术，总结和探索车辆制动部件故障规律，逐步实现故障预警和预报，为实现状态修提供技术支撑，避免“过度修”，进一步提高车辆运用效率和效益。

系统监测分析车辆各制动管系压力变化及列车中前后车辆的管系压力数据，能实时判断出意外紧急、列车管漏泄、自然制动、缓解不良、自然缓解等10余项空气制动系统故障，提升运行品质、保障行车安全。

4.4 转向架监测项目

4.4.1 轴承状态监测

我国绝大部分铁路货车采用承载鞍与轴承连接，其外圈外露，因此采用了外探方式进行状态监测，即5T系统。在5T系统中，有两个系统是针对轴承进行监测的。THDS系统监测轴承温度，TADS系统监测轴承异音。这些外探监测系统不可能遍布整个线路，存在监测盲点，如THDS每隔30km左右设置1个。车载轴承监测系统可实现对轴承运行状态的实时监测，进一步保障车辆运行安全。

对照5T系统监测项点，车载轴承状态监测系统监测轴温和异音。其中，轴温探测采用非接触式。根据我国既有三大件式铸钢转向架的结构特点，相对比较合适的监测点可考虑在侧架导框、承载鞍、挡键等部位。

异音监测拟采用宽动态范围的拾音传感器，采集系统对其采用高速数据采集和特征值计算分析。

4.4.2 闸瓦状态监测

闸瓦状态监测主要分两个部分，一是闸瓦磨耗限度、熔渣夹渣等外观情况，二是判断缓解不良。闸瓦磨耗限度、熔渣夹渣等拟采用串口视觉传感器，定时采集闸瓦图片信息实现监测。缓解不良时，轮瓦会贴靠在一起产生磨耗，可导致车轮和闸瓦温度上升，考虑采用温度监测方法判断。传感器的安装部位均考虑在侧架滑槽部位。

4.4.3 货车车辆状态监测系统、列车监测系统

车载健康状态分析与评估系统即为列车监测系统，部署在机车上，主要实现车辆关键设备及零部件的实时故障检测等功能。列车监测系统依据原始数据的分布式采集，进行数据本地存储、实时数据清洗和特征提取等。原始监测数据由于数据量大，将通过车载WiFi传送到车头监测系统中，然后采用定期拷贝下载的方式，将数据接入地面故障预测与健康管理系统的大数据平台中。应用层将根据数据层的数据，实现单车监测、健康评估、故障预警、模型管理、故障诊断、故障分析等。

4.5 车内和车地无线通信系统

通信系统包括车内通信和车地通信。車内通信为机车与各车辆之间的通信，车地通信为机车与远程管理平台之间高速数据通信。根据采集数据对无线传输的需求，无线通信系统分为窄带通信系统和宽带通信系统，窄带通信系统采用LoRa，宽带通信系统采用WIFI，考虑到货车场景，采用定向天线技术。考虑到通信系统为其它系统提供可扩展的通信需求，研究开发可扩展的帧协议。

4.5.1 基于WIFI Direct的车载自组网

每节车辆均设置汇聚节点，将各节车辆中多个传感器采集到的原始数据通过WIFI链路汇聚到每节车辆的汇聚点，聚集点再将这些数据传到车头，利用4G/5G网络传输到服务器，或者缓存在机车存储设备中，待列车进入车站再进行统一下载。

各节车辆内的传感器配备传统的WIFI模块，直接接入到汇聚节点中，将实时采集数据上传到汇聚点。每个汇聚点安装WIFI Direct模块，WIFI Direct技术允许无线网络中的设备无需通过无线路由器即可相互连接，实现信息的传输及共享。每个汇聚点的WIFI Direct模块一方面充当网关，将各个车辆传感器的数据进行汇聚，另一方面则通过自组织网络的形式彼此相连，将汇聚的数据进一步传到机车。

4.5.2 基于LoRa星型组网的车载通信

列车上的传感器配备LoRa通信模块，它们通过LoRa星型网的形式，接入到车载LoRa网关，将传感器采集的重要状态信息实时传到车头。

4.5.3 车地通信方案

在4G/5G网络覆盖不佳的线路或者区间，可以根据采集数据特点不同选择不同传输方式。车载PHM系统数据主要分为原始数据和状态数据，其中原始数据为车载PHM系统状态感知部分采集的车辆关键系统及零部件等的温度、风压、振动加速度等物理量数据，数据量较大，但对数据传输的实时性要求不高，因此在无线网络覆盖欠佳的路段可以暂时将数据缓存在车载存储系统中。状态数据为原始数据经过车载PHM系统处理后提取而来，包含车辆状态信息、预警报警信息、故障信息等。这些数据实时性要求较高，可以通过GPRS网络将其实时传回地面PHM平台。

4.6 地面故障预测与健康管理系统

4.6.1 地面故障预测与健康管理系统架构及功能设计

地面故障预测与健康管理系统主要包括云计算+大数据平台、应用平台两部分。作为地面故障预测与健康管理系统的平台支撑，云计算平台层接收智能感知采集系统采集到的海量数据进行整合分析，为上层大数据平台和应用系统提供统一基础设施服务，包括计算资源和存储资源。除了车载状态监测数据外，大数据平台还采集包括车辆制造数据、5T监测数据、现场巡视数据以及环境数据等地面数据。大数据平台实现系统数据的规范化、集中管理、持续积累以及跨专业数据共享，提供大数据智能分析的基础能力集，集中存储分析模型的运行结果数据和大数据挖掘及分析应用的各类智能分析模型，为后续更多的智能分析数据应用提供支持。

4.6.2 故障预测与健康管理闭环管理流程的实现

在地面故障预测与健康管理系统的研究、设计和实现中，如何构建各类智能分析模型，如何应用模型来实现状态监测、故障预测以及健康管理各类功能，如何实现故障预测与健康管理的闭环管理都是研究的重点。地面故障预测与健康管理系统各类用户在故障预测与健康管理系统管理流程中的核心操作，通过智能分析模型构建、状态监测、健康评估、故障预测、健康管理及运维决策等五个阶段，实现故障预测与健康管理的闭环管理。

5  结束语

建议进一步针对铁路货运的特殊性，开展货车安全监测标准的定义和评价，车地无线信息传输、智能监测系统集成定制和现车运行试验等研究工作，提升系统的安全性和可靠性。

参考文献：

[1]王会武，韩俊峰.铁路货车智能化的初步设想[J].铁道车辆，2017（2）：37-39.

[2]陆正刚，王洁，孙效杰，郭帅.快捷货车转向架运行安全智能监测系统研究[J].铁道车辆，2015（12）：25-28.