地鐵車輛轉向架的故障檢修分析

曾琦

摘 要：在地鐵車輛中，轉向架是其重要的組成部分，直接關系到地鐵車輛的安全運行。因此需要時時對地鐵車輛的轉向架進行故障檢修和診斷，維持地鐵車輛轉向架的安全運作。隨著科學技術的發展，現階段出現了多種地鐵車輛轉向架的故障診斷技術，實現了在線智能地鐵轉向架的故障診斷。本文主要從收集振動信號的小波包包絡分析技術和智能識別方法入手進行分析，討論了現階段最常用的地鐵車輛轉向架故障診斷技術，論述了其技術的診斷方法、優點和缺陷，旨在為今后地鐵車輛轉向架新故障診斷技術的開發貢獻力量。

關鍵詞：地鐵車輛；轉向架；故障診斷

0 引言

隨著我國社會經濟的快速發展，城建建設的速度也在不斷加快。越來越多的人們開始涌入城市，給城市帶來巨大的居住壓力，使得城市交通變得更加擁堵。為了緩解現階段城市擁堵的交通現狀，需要在城市中實施地鐵車輛的建設工作，地鐵交通運輸量大、運輸速度快，相較于其他交通方式更加安全可靠。維持地鐵安全運行的因素多種多樣，其中地鐵車輛的轉向架就做出了自己的貢獻。地鐵車輛的平衡性和安全性直接受到地鐵轉向架的影響，由于地鐵轉向架常年處在惡劣的工作環境中，承受的壓力十分巨大，極容易出現故障甚至損壞，如果不能及時檢測出地鐵車輛轉向架的故障原因和位置，及時對其進行更換和處理，就會造成嚴重的地鐵事故。因此，需要采用高新的地鐵車輛轉向架故障診斷技術，對其實施實時在線的故障診斷，從而保障地鐵車輛的安全運行。

1 小波包包絡分析技術

在地鐵車輛轉向架的故障診斷技術中，對故障對象特征的提取是故障診斷的關鍵。這些特征必須具有代表性和典型性，能夠表示故障設備的具體狀態。而小波包包絡分析技術作為傅里葉分析思想的延續，能夠對非線性領域提供較大的幫助。這種分析技術最大的特點就是具有良好的時頻局部化特征，能夠有效地消除信號當中的噪聲并提取已經較為微弱的信號。在地鐵車輛轉向架故障檢修診斷過程中，需要關注地鐵車輛轉向架出現故障而導致的不正常信號，小波變換能夠有效地將時域信號展開，疊加小波函數足的線性內容，從而達到診斷地鐵車輛轉向架故障原因的目的。

由圖1的典型結構圖我們可以得出：

內圈旋轉角速度設置為wr=2πfr，那么wa=2πfa就是外圈旋轉角的速度。由此也可以得出公轉角速度為wc=2πfc，自轉角速度為ws=2πfs。得出了轉向架內外圈旋轉的速度之后，可以算出：

由上式得出：

最后將角速度轉化為園頻率的形式，得出式子：

2 智能故障識別方法

傳統的地鐵車輛轉向架故障識別技術還包括人們觀察頻譜圖當中的故障譜縫來判斷地鐵車輛是否出現了相應的故障。近年來，隨著科學技術的發展，人工神經網路和非線性混沌與分形理論的出現使得智能故障識別方法被運用在了地鐵車輛轉向架的故障識別當中。這種故障診斷方法不但能夠達到無人的智能化診斷，并且在不斷的診斷識別當中還能自我學習、自我適應。但這種故障識別技術需要大量的故障樣本打底，并且事前需要用人工對網絡進行訓練，加上這種智能故障識別方法需求的環境較高，診斷率相對不夠精準，在工程當中也應用較少。

這種智能故障識別方法首先要對頻譜有一個充分的認知，要了解和分析頻譜當中的譜峰。從一般意義上來說，譜峰就是頻譜當中峰值的最大值。假如某個地鐵車輛的轉向架故障頻率在90Hz左右，那么計算機能搜索到的最大值就是故障的特征峰頻，為了避免出現診斷失誤，在進行計算機的搜索工作時，要確定譜峰大于頻帶當中其他的數值。在完成了對譜峰的信息收集之后需要對故障特征頻率來搜索頻帶設定。設定的搜索頻帶不能太寬，如果出現兩種或兩種以上的故障原因，而最大值只取一個，勢必會漏掉一個譜峰。這個漏掉的譜峰可能會在接下來的搜索當中成為第二個最大值，如果兩個譜峰的值相比要小于設定的臨界值，那么計算機就不能識別任何一個譜峰，因此設定的搜索頻帶寬度一定要符合檢索要求，這樣才能滿足對地鐵車輛轉向架的故障診斷要求。

3 結論

地鐵車輛的轉向架是地鐵車輛中相當重要的組成部分，一旦出現故障就必須立即更換，否則就會影響到地鐵車輛的安全運行。為了實現對地鐵車輛的在線監管和故障診斷，保障地鐵車輛運行的可靠性，需要對其實施故障診斷技術，檢測出其中容易出現故障的區域，將故障的原因分析出來并且進行及時的處理和更換。本文論述了現階段最常使用的兩種故障診斷技術，從數據模型和頻譜分析當中闡述了如何完成對地鐵車輛轉向架的故障診斷工作。這兩種診斷技術只需要前期做好數據灌輸和樣本輸入工作就可以在實際的故障診斷過程中完全脫離工作人員的參與和操作，實現智能化、自動化的轉向架故障診斷，從而更好地為地鐵車輛轉向架故障診斷貢獻力量。

參考文獻

[1]許帥帥.地鐵車輛故障信息統計分析及檢修策略優化[D].西南交通大學，2013（06）：24-26

[2]劉建強，趙治博，章國平，王廣明，孟雙，任剛.地鐵車輛轉向架軸承故障診斷方法研究[J].鐵道學報，2015（01）：30-36.