基于加速寿命试验的动车组牵引系统接触器寿命预测研究

张哲瑞，徐小明,3，余俊,3

（1 中国铁道科学研究院集团有限公司 机车车辆研究所，北京 100081；2 北京纵横机电科技有限公司，北京 100094；3 动车组和机车牵引与控制国家重点实验室，北京 100081）

动车组目前仍采用定期修和故障修相结合的计划性维修体制，其中定期修施行的是“以走行公里周期为主、时间周期为辅”的检修方式，需要耗费巨大的人力、物力和财力［1］。故障预测与健康管理是修程修制优化的关键使能技术，因此开展动车组关键设备的健康评估和寿命预测研究，能够促进动车组状态修的实现。牵引变流器中的大功率接触器是牵引系统的关键组件之一，接触器故障将会直接影响动车组的出库运行，造成非计划维修，严重影响动车组的调度使用。开展牵引变流器大功率接触器的健康评估和寿命预测，是优化其定期更换、故障维修的关键途径之一，同时可以提高牵引系统的可靠度、减少故障发生率。

目前，国内外针对接触器开展了大量的寿命预测研究。李奎等将累计燃弧能量和吸合时间作为特征参数，开展了基于BP 神经网络的交流接触器剩余电寿命预测［2］；另外，通过建立基于Wiener过程的交流接触器性能退化模型，确定交流接触器剩余电寿命分布函数，提出剩余电寿命的预测方法和预测模型参数的估计方法［3］。马洁等将寿命预测物理模型与数据处理算法融合，实现了动车组电连接器可靠度与寿命的评估［4］。Qian 等利用半隐马尔科夫模型进行了电连接器剩余寿命预测研究［5］。魏志远根据典型交流接触器的结构特点和电压电流特性，以失效理论作为基础理论，对交流接触器的失效机理、失效判据以及可靠性评价和寿命模拟的试验条件等内容进行了深入的研究［6］。焦通等将小波变换与灰色理论相结合，进行交流接触器电寿命预测［7］。朱凯强等提出了一种基于性能退化的剩余寿命预测方法，通过单调性指标、相关性指标、冗余性指标进行特征选择，利用选择的特征训练长短期记忆网络进行退化轨迹预测［8］。

总体来说，目前针对接触器主要是以数据驱动的统计方法和人工智能方法进行寿命预测，并对接触器相关性能参数的数据处理进行研究，存在的不足是寿命预测的结果未与接触器的维修活动关联起来。健康评估能够将性能相关的参数进行融合，构建健康指标（Health Indicator，HI），指示健康状态等级，并与维修计划进行关联［9-10］。基于健康指标进行寿命预测，已在航空等装备的锂电池、旋转机械相关对象进行了应用，是寿命预测的重点发展方向［11-13］。

文中以复兴号动车组牵引系统中一种典型接触器为研究对象，开展接触器工作原理和性能参数分析，进行接触器电寿命试验设计与实施，通过分析试验数据，选择特征参数构建可用于表征接触器健康状态的指标，基于健康指标对接触器电寿命进行预测，并利用寿命试验数据进行验证。

1 动车组牵引系统接触器分析

1.1 工作原理分析

选择牵引辅助变流器中的预充电接触器为研究对象。该接触器为单极接触器，额定工作电压为3 000 V，电流130 A，由主触头、辅助触头、控制端口电磁装置及灭弧装置组成，灭弧方式采用非接触式陶瓷罩灭弧。接触器主触点为常开触点，通过控制端口给电磁装置通电后，电磁力拉动主触头连杆使主触点动触头和静触头搭接，形成闭合回路，同时连杆末端推动辅助触点开关，使辅助触点给出闭合反馈信号。

预充电接触器位于牵引变流器的中间直流环节和辅助变流器的逆变模块之间，预充电电阻并联在接触器上，如图1 所示。当辅助变流器开始工作时，输入接触器闭合，预充电单元为中间支撑电容预充电，以抑制辅助变流器的浪涌电流。电容电压达到设定值后，预充电接触器闭合，辅助变流器投入工作。当切除辅助变流器或发生其他异常情况时，输入接触器和预充电接触器需要带电主动断开，其分闸和合闸过程中均有大电流通过，接触器触头电磨损是该接触器的主要寿命影响因素。

图1 牵引辅助变流器工作原理简图

1.2 性能参数分析

根据接触器的工作原理，结合接触器在动车组中实际使用情况可知，接触器寿命的决定性因素是主触头电磨损。接触器触头的电磨损不仅与分断电流的大小相关，而且与燃弧时间的长短有关。因此，为更准确地预测接触器的电寿命，可以通过记录每次分断时接触器触头的燃弧时间、分断电流，分别累积计算每次分断电流的电磨损量。根据电接触理论，单次分断时触头的电磨损量q与分断电流的关系为式（1）：

式中：K为常数，与灭弧介质、触头材料、触头运动速度和冷却条件相关；ta为燃弧时间；ib（t）为分断电流均值；β是介于1～2 之间的常数，与触头材料有关。

另外根据电寿命预测与触头磨损监测相关资料［2，6，14］，除燃弧 时间和电流均值外，最大燃弧 电压、接触电阻、焦耳积分、恢复电压这4 项参数和接触器性能都有着直接或间接的关系。因此，在接触器的电寿命试验中，采集上述6 项参数，并同步记录2 项试验配置和试验状态参数，开关通断时间和开闭次数。分析得出的性能参数可能包含较多冗余特征，不适合直接作为预测模型的输入，还需要经过试验选择有效的特征值，构建健康指标，从而更高效地训练模型，构建寿命预测模型。

2 电寿命试验与数据分析

2.1 电寿命试验

接触器电寿命试验的难点在于，接触器规律地进行通断的过程中，需要检测其性能参数，就需要把接触器反复接入到负载电路进行数据的采集试验。为了解决这难题，文中设计并搭建了接触器电寿命试验台。试验台主要由高压电源柜、可编程电源、采集与控制柜、负载和受试接触器组成，如图2 所示。

图2 接触器电寿命试验环境

同步开展了3 个全新试验件（简称Q22-1、Q22-2、Q22-3）的加速电寿命试验，施加的电应力为1 800 V/53 A，触点闭合持续时间设定为15 ms。接触器在带载情况下以1 min 4 次的闭合断开频率进行加速试验，同时采集和记录最大燃弧电压、恢复电压、电流平均值、接触电阻等参数。试验的终止条件综合试验的成本、时间和接触器在动车组上的实际使用情况等多方面的因素，设置为10 万次或接触器出现无法断开和闭合的情况。

2.2 试验数据分析

加速电寿命试验完成后，其中试验件Q22-1 和Q22-2 仍可断开闭合，但触头磨损严重，电气性能明显下降；Q22-3 试验件在试验进行到75 847 次时，触头与触点粘接，无法分断，如图3 所示。

图3 试验件Q22-3 主触头与触点粘接

试验过程共收集到285 条有效样本数据，其中试验件Q22-1 有104 个有效样本，Q22-2 有94 个 有效样本，Q22-3 有87 个有效样本。试验件Q22-3 特征参数的趋势如图4 所示，纵坐标表示各参数的幅值，横坐标表示样本序列，各样本点对应的接触器开闭次数如图4（a）所示；最大燃弧电压的趋势如图4（b）所示，能够直观地观察到随着接触器开闭次数的增加，最大燃弧电压呈下降趋势；恢复电压趋势如图4（c）所示；电流平均值趋势如图4（d）所示；焦耳积分趋势如图4（e）所示；燃弧时间趋势如图4（f）所示；通断时间趋势如图4（g）所示，各参数随着接触器开闭次数的增加，参数趋势无显著变化；接触电阻的趋势如图4（h）所示，随着接触器开闭次数增加，接触电阻呈现上升趋势，但是第55 个样本存在较大的误差，该误差可能是离线测试过程中，测试仪器以及接触器闭合状态差异导致的。

图4 试验件Q22-3 特征参数趋势图

2.3 特征选择

为了量化特征参数对于接触器性能退化的表征情况，采用Fisher 准则对特征参数进行选择，并且作为健康指标构建权重系数的依据。Fisher 准则是一种常用的降维技术，使用均值和方差来量化2 个数据集之间的差异，计算给定特征的Fisher值Jfi(P，Q)，为式（2）：

式中：P和Q分别为正常和有缺陷的类；fi为第i个特征参数；μ和σ分别为特征样本的均值和方差。Fisher 准则计算健康变为故障引起的特征值变化，较高的Fisher 值意味着试验件性能退化时，给定特征更可能表现出显著的变化。文中将试验过程中发生失效时的试验件数据作为有缺陷类，其余为正常类，利用Fisher 准则从图4 所示的参数中选择最合适的特征量。另外考虑到实际退化与开闭次数也相关，因此将开闭次数也作为参数代入公式（2）进行计算。

根据Fisher 计算得出的结果，最大燃弧电压、接触电阻、开关次数特征与接触器的退化状态相关性较好，如图5 所示，即接触器性能退化时，上述参数变化较明显。开关次数是接触器寿命预测的时间尺度，不纳入健康指标的构建，因此将最大燃弧电压和接触电阻作为特征参数选择的结果。

图5 接触器特征参数Fisher 计算结果

3 健康评估分析

3.1 健康指标构建

对最大燃弧电压和接触电阻数据进行处理，构建接触器的健康指标。首先，对2 项参数进行拟合处理，优化方法采用最小二乘法，容差设置为0.01，通过拟合能够更好地表现参数的趋势变化，减少随机干扰。拟合后的最大燃弧电压和接触电阻趋势如图6 所示，最大燃弧电压指数拟合后的趋势如图6（a）所示，接触电阻指数拟合后的趋势如图6（b）所示，与图4 对比可知，拟合后的特征参数更加平滑，更加能够体现参数的趋势变化。

图6 试验件Q22-3 最大燃弧电压和接触电阻拟合趋势

为了减少最大燃弧电压和接触电阻数量级差异对于健康指标构建和寿命预测建模的影响，采用Z-score 归一化方法，对拟合后的2 项特征参数数据进行归一化处理，为式（3）：

式中：Y为特征参数归一化数据；X为长度为n的特征参数样本数据；xi为x的第i个元素。

健康指标呈单调趋势变化，是基于健康指标进行寿命预测的前提条件，因此将最大燃弧电压归一化后，并进行趋势取反，如图7（a）所示；归一化后的接触电阻趋势如图7（b）所示。

图7 试验件Q22-3 最大燃弧电压和接触电阻归一化趋势图

按照图5 所示Fisher 值分配这2 个参数的融合权重，最大燃弧电压权重为62%、接触电阻权重为38%，并依据此权重将2 项特征参数融合为接触器的健康指标（HI）。对试验件Q22-1 和Q22-2 作相同的数据处理，并将3 个试验件的样本数据进行组合，得到285 个健康指标样本，如图8 所示。

图8 试验件健康指标趋势图

3.2 健康状态等级

结合接触器故障及其影响的严重程度情况，参考相关标准，设定4 个等级的健康状态，分别是：正常、预警、报警和失效。各健康状态等级及其状态修含义为：正常是指接触器运行中未发现异常情况；预警是指接触器运行中出现电性能较明显下降，但仍可以运行，运行维护时需要加强检查，对接触器运行的异常情况进行持续关注，及时准备备品备件；报警是指接触器运行中出现较严重的电性能退化情况，继续运行可能会导致非计划维修，应根据动车组调度使用情况，视情进行检修更换；失效是指接触器功能失效或即将失效，应尽快安排检修更换。

根据试验完成后试验件的技术状态，以及指标的统计分析情况，健康状态等级对应的健康指标阈值设置见表1。阈值的设置可根据实际情况进行适当调整，减少虚警和漏报情况的发生。

表1 健康指标阈值设置

4 寿命预测分析

4.1 寿命预测思路

动车组接触器在使用过程中，如果不进行修复性维护，接触器的剩余使用寿命（Remaining Useful Life，RUL）应该有逐渐减少的趋势。然而，在实践中，由于测量噪声和运行条件的变化，估计的RUL 会随时间波动［15］。也就是说，在t时刻估计的RUL，即RUL（t）可以表示为式（4）：

式中：HI(t)、OC(t)和e(t)分别为t时刻的健康指标、接触器的运行状态和噪声。f()为健康指标和运行状态是RUL的函数，在RUL 试验或估计的过程中，接触器运行状态获取一般比较困难，所以，主要利用健康指标去估计RUL。

文中的动车组接触器RUL 预测思路如图9 所示，首先采集原始数据进行分析处理，接着根据数据分析情况进行特征提取或者特征选择，然后建立特征参数与健康指标的数值模型，对接触器的健康状态进行评估，最后建立健康指标和剩余使用寿命的数据驱动模型。这是一种间接的RUL 预测建模方法，需要先构建健康指标，通过健康状态等级来定义接触器的寿命终止条件，然后进行寿命预测建模。与直接通过众多特征参数进行RUL预测相比，这种方法能够和健康等级以及维修行动建立关系。

图9 接触器剩余使用寿命预测过程

4.2 剩余寿命预测建模与验证

预测建模就是要建立健康指标和接触器剩余开闭次数的数据驱动模型。接触器寿命终止条件设置为健康状态的失效线，如果考虑接触器失效的危害，以及给接触器的预测性维修预留出足够的时间，也可将接触器寿命终止条件设置为报警线。

RUL 是根据接触器当前状态下的健康指标，发展至失效线所需要的接触器开闭次数。那么预测建模实际上是动态的过程，根据历史数据的积累，不断进行动态更新，外推健康指标的发展趋势，计算得到RUL，如图10 所示。而且预测RUL时，也能根据预警线预计接触器的检查时间，根据报警线预计接触器的更换计划安排时间，这样就将预测结果与接触器的状态修进行关联。

图10 接触器RUL 预测方法

文中采用应用较为广泛的BP 神经网络方法进行RUL 预测建模，主要包括预测模型训练和RUL预测验证2 个过程。

综合考虑样本数据的数量以及建模方法验证的效果，开展4 次建模和预测验证，按照接触器开闭次数由低到高，第1 次预测建模和RUL 预测，共有50 个样本数据；第2次，共累积样本数据100 个；第3次，共累积样本数据150 个；第4次，共累积200个样本数据。寿命终止时接触器开闭次数的期望值是健康指标失效阈值对应的开闭次数94 000次。预测样本设置情况如图11 所示。

图11 接触器RUL 预测样本设置

利用BP 神经网络进行建模，输入是接触器的开闭次数，回归目标是健康指标。经过多次参数调优，将神经网络的参数设置如下：层数设置为3层，初始权值为（-1，1）之间的随机数，学习率设置为0.05，期望误差设置为0.02。

每一次模型构建完成后，输入未来的接触器开闭次数，将健康指标趋势进行外推，直至达到寿命终止条件所对应的健康指标值2.0，计算接触器的剩余开闭次数。4 次模型的RUL 预测结果如图12所示，经过计算，接触器RUL 预测误差最大为12 080次，最小为2 090次，平均预测误差为5 920次，平均相对预测误差为6.9%，预测结果准确度相对较高，证明了本方法的有效性。另外，随着历史数据的不断积累，本方法的预测结果准确度也不断提升。

图12 接触器RUL 预测结果

5 结论

针对动车组牵引系统接触器寿命与状态修脱节的问题，提出一种基于健康指标的接触器寿命预测方法。通过接触器原理分析和相关资料调研获取了最大燃弧电压、燃弧时间等8 项性能参数；搭建了加速电寿命试验环境，开展了性能参数采集与分析；通过Fisher 方法选择了最大燃弧电压和接触电阻作为优选的特征参数，并进行归一化等预处理后构建了健康指标，给出了健康状态等级、评估阈值以及状态修含义；最终建立了基于健康指标进行数据驱动的接触器寿命预测模型，并验证了本方法的有效性。