城轨电客车走行部在线监测系统研究与开发

黄单栋, 朱红求

(中南大学 自动化学院， 湖南 长沙 410083)

1 引言

城市轨道交通作为最具可持续性的交通运输模式，对我国经济社会发展、民生改善和社会安全起着不可替代的支撑作用。随着科技的发展和进步,我国的新型城市轨道交通技术已经融入到人们的生活[1]。城市轨道交通运营里程迅速增加，运送客流规模急剧增大，如何在快速运行条件下保障城市轨道交通列车的运营安全，已经成为各个城市共同面临的严峻考验。研制城市轨道车辆在线监测系统，实现对城市轨道车辆核心装备的实时故障监测，提升城市轨道交通列车车辆运营的安全性和稳定性，已经成为城市轨道运营公司的首要任务。

城轨电客车走行部是地铁电客车上最重要的组成部件之一，它是支撑车体及承载重量并引导电客车沿着轨道方向运行的装置。目前，城轨电客车走行部运维主要以日常巡检和预防性维修为主。日常巡检是在电客车完成当日运行任务回库后，维修人员对电客车情况进行系统性目视检查。走行部预防性维修是为防止设备出现故障影响正常运营生产，实施提前预防的计划性维修。通常对走行部的状态的监测只能采取人工测量方式，人为因素较大，实时性不强，对车辆早期出现的故障不能及时发现[2]。通常计划性预防维修的周期都是固定周期，如双周检、月检、季检、年检、均衡修[3]等，这种维修维护方式可能造成过修或失修，极易导致维护成本的提高和设备运行可靠性的降低。重大的故障可能导致列车脱轨等重大安全事故，造成人员和财产的重大损失。由于在线监测系统具备故障预警、状态预测及数据分析等功能，越来越受到行业青睐[4]，研制城轨电客车走行部在线监测系统刻不容缓，对于提升城市轨道交通列车运营的安全性和稳定性具有重要意义。

本论文基于智能故障诊断技术和计算机控制系统技术，在分析走行部基本原理和常见故障的基础上，结合城轨电客车运营的实际需求，研究和开发城轨车辆走行部在线自动监测系统，实现车辆走行部运行状态的实时监测、关键部件故障诊断等功能，有效提高车辆的安全性和运行的可靠性。

2 电客车走行部原理及在线监测总体方案

为确保电客车车辆的安全可靠运行，需要对列车的一些关键信息进行集中监测，包括转向架状态、列车实时行驶状态等，实现对列车运行环境、动态行为的全方位感知，并通过无线通信方式将各类感知信息实时传输到地面预警分析系统。地面预警分析平台对列车运行状态实现实时可视化展示、历史数据分析、列车实时状态评估、故障诊断辅助决策等功能。结合地铁运行的现场实际需求，考虑到轴箱轴承、齿轮箱、牵引电机等设备故障无法通过外观进行检查的问题，提出了走行部在线监测系统的总体框架，具体如图1所示。

图1 城轨电客车在线监测系统整体构成

系统遵循标准规范，采用层次化设计方法进行系统设计、统一的技术体系和框架建设应用系统、松耦合的业务建设思路统一数据交换接口。整个应用系统基于松耦合架构，对多变的需求具有很好的动态适应能力。

系统架构由服务展示、应用系统、应用支撑、数据资源、基础运行平台、感知层以及标准规范体系、安全保障体系和运行维护体系组成。

数据资源层负责将收集到的数据用结构化的方式进行存储；应用系统层负责按数据采集、管理、查询、分析的业务流程对数据进行处理；服务展示层负责实现系统与用户的图形用户接口；安全保障体系负责数据信息化各层面的完整的安全技术和措施；运行维护体系是贯穿系统设计到运行的全过程保障体系；标准规范体系负责系统的标准建设，是保障整个系统建设实施成功的重要环节。

2.1 系统功能设计

电客车走行部在线故障诊断系统是一种电客车走行部安全监测装备，基于广义共振与共振解调的故障诊断体系，实现电客车走行部关键部件的车载在线实时诊断，对故障实现早期预警和分级报警，准确指导列车的运行和维修。走行部在线检测系统架构如图2所示。

图2 走行部在线检测系统架构

每节车厢都有一台车载诊断分机，分机对前置处理器下达切换通道指令，并负责对传感器的信号进行处理、采集、诊断与存储。系统速度传感器通过霍尔原理感应测速齿盘的磁性脉冲，当获取的电客车实时速度≥20 km/h时，速度传感器激活系统开始工作，例如：速度大于20 km/h时，分机会对当前车厢的所有测点进行依次检测，先指定前置处理器切换到1号轴箱测点，然后分机对传感器进行数据采集，采样频率根据速度传感器感应测速齿盘的脉冲决定，每次脉冲采集1个数据，每通道采集1 024个数据，然后切换通道。数据采集完成后对数据进行算法分析计算，完成后再指定前置处理器切换到下一个通道2号轴箱，进行采样及分析。通过不断切换通道、采集、分析，完成对所有测点的监测与诊断。

分机每通道采样数为1 024个点，采集的原始数据系统称为精密档案；分机内置在线故障诊断专家系统软件，实现在线自动诊断，并实时给出诊断结论，计算结果系统称为简易档案，分机会将精密档案与简易档案都发给主机。列车主机内置4G无线通信模块，收集所有分机的诊断结论与原始样本数据，通过4G无线模块将数据传输至地面预警分析系统。

2.2 在线检测系统功能实现

(1)系统采用冲击、振动、温度三参数复合传感器对轴箱轴承、齿轮箱轴承、电机轴承、传动齿轮等进行实时监测、自动诊断，实现对轴箱轴承、齿轮箱输入端轴承和牵引电机输出端轴承内外环、滚动体、保持架的裂纹、剥离等故障进行精确自动诊断，对齿轮箱小齿轮断齿、裂纹、偏磨等故障进行自动诊断。

(2)系统具有将报警信息通过短信/WiFi/4G等网络传输至地面的功能，以便将车载报警信息实时传输至OCC(operation control center)或地面检修人员，用于对严重故障实施调度控制，保障列车运营安全。

(3)系统具有分级诊断参考标准，并具备运营维修指导参考规范，系统报警准确率高于98%，漏报率低于0.1%。

(4)系统配置地面分析管理系统，包括服务器和配套软件，具有历史数据分析和趋势分析预测，含温度数据分析、冲击数据分析、振动数据分析、故障信息统计、综合决策、全寿命周期管理、知识库管理等功能。

图3 走行部在线监测设备状态

图4 走行部在线监测系统平台展示

2.3 手机APP服务设计

为在线监测系统设计手机客户端，利用手机实时查看系统数据，是当前比较流行的工作方式。走行部检测APP成为未来该系统的开发方向，功能栏目主要分为两个：当前设备状态、历史设备状态。

当前设备状态信息主要包括轴箱、齿轮箱、电机各自的温度和振动的正常状态和预警状态，其中预警状态分为Ⅰ级报警、Ⅱ级报警等，如图5所示。

查看所有监测设备在历史状态的状态信息，选择预警或报警状态的设备个数时，显示该设备的设备位置以及在当天的采集数据情况，如图6所示。

图5 移动端实时状态界面

图6 移动端历史状态界面

3 系统的应用与测试

3.1 功能界面

地铁走行部在线监测系统由安装在车辆上的48个传感器采集数据，并且能实时展示在显示界面，包括系统管理、设备管理、监控管理、基础分析、质量管理、风控管理和故障诊断七大模块。故障诊断是其中的重要部分，用以实时查询监测故障信息，它包括监测车辆车号、车辆设备信息、监测设备参数信息、故障信息四大区域。地铁走行部在线监测系统监控界面如图7所示。

依据获取的走行部在线监测系统的运行数据，基于提出的故障诊断模型，就可以实时故障诊断，并将诊断结果进行显示。同时显示设备的标识信息以及地铁电客车走行部的设备参数，为地铁电客车的快速维护提供完整的信息。具体的故障诊断界面如图8所示。

图7 地铁走行部在线监测系统监控界面

图8 电客车故障诊断界面

3.2 系统实验测试

电客车走行部故障诊断系统性能实验的主要目的，是验证由本文提出的电客车走行部故障诊算法调用中，在状态数据的传输过程中，故障诊断准确率以及故障诊断实时性等性能。

实验装置为数据模拟发射器及电客车走行部故障诊断系统。实验计算机为thinkPad X1笔记本电脑，其主要性能参数为Intel(R)core(TM) i5,RAM 8.0GB,CPU @2.9GHz 2.9GHz，64位操作系统；linux服务器10台，4核8G内存。

分别对表1所列的12个特征指标的40个样本计算其指标值，得到4个10×12矩阵，对10个样本所得到的特征指标取均值，可得到4×12矩阵，代表每一种信号的12个指标参数，然后将相同指标的四种信号参数值做归一化处理。图中横坐标为12个特征指标，纵坐标为归一化值，不同颜色代表不同类型的信号。一个优异的特征指标需具备以下特征：A类两种信号计算出来的指标值应接近，B类两种信号计算出来的指标值应接近，而A类与B类计算出来的指标值应差距较大，即图中蓝点和红点应靠近，黑点和绿点应靠近，而这两类应尽量疏远。

图9 不同信号的特征指标值

将A类20个样本根据指标参数做均值处理，得到1×12同类样本的平均指标值，B类类似处理，然后求AB类相应指标差值，作为AB的类间距，计算结果如表2所示。

表1 各特征指标的类内距

表2 各特征指标的类间距

表3 各特征指标的距离评价因子

对应类内距与类间距的比值为距离评价因子，其值越小说明该指标值的敏感度越高，计算结果如表3所示。由表可知，特征灵敏度排序为：峭度、裕度因子、脉冲指标、波形指标、峰值指标、偏度、整流均值、最值、峰峰值、标准差、有效值、均值。

在上述10个样本中取8个做训练样本，2个做测试样本，即共有32个训练样本和8个测试样本。将以上特征指标排序，将其逐个添加进SVM的参数计算模型中，计算其测试样本的准确度，在其准确度达到最高时的参数个数即为我们所要采用的判断依据个数。如图10所示，只取一个特征指标作为SVM参数计算模型时，测试样本的准确度最高100%，此特征为峭度值，当按上述排序取两个特征指标，即采用峭度和裕度因子作为训练参数时，测试样本的准确度下降至99.65%，所以按此结果来看，只用峭度指标作为我们判断分类依据时准确率最高。

图10 测试样本的准确度

接下来我们用峭度值来验证分类结果，分别计算上述四种类型信号的峭度值，其计算结果如表4所示。从表中可以看出，多故障信号和单故障信号的值较为接近，且>10，周期振动信号与非周期振动信号的值较为接近，且<5，很容易就能根据计算结果将这四个信号分为两类，且分类结果与仿真最初设定是一致的。

表4 四种信号的峭度值

4 结语

根据系统的开发环境、技术特点以及现场实际需求等，设计了电客车走行部在线监测故障诊断系统平台的总体架构以及系统的软件结构，并提出了接口设计以及数据库设计等关键技术，开发完成了一套符合实际需求、功能完善、性能稳定的电客车走行部在线监测故障诊断系统，实现了电客车走行部的远程监控与故障诊断。系统的模拟测试结果表明了该系统的有效性。该系统的开发为电客车的运营提供了远程监控与管理的具体手段，可以降低企业的运维成本，提高设备的综合管理水平。