重載機車輪軌黏著利用技術研究綜述

何 靜， 劉建華, 張昌凡

(1. 湖南工業大學 電氣與信息工程學院，湖南 株洲 412007; 2. 湖南工業大學 交通工程學院，湖南 株洲 412007)

隨著國家經濟建設和西部大開發戰略的深入推進，“貨運重載”是繼“客運高速”之后，成為我國鐵路發展的又一大引擎[1]。作為鐵路重載運輸牽引動力的重要提供者，重載機車是指牽引質量達到或超過8 000 t、車輛軸重超27 t的貨物運輸列車，是實現中長距離大宗貨物運輸的最佳途徑。《中國制造2025》技術路線圖將研制30 t軸重的重載電力機車列為6個重點發展產品之一，并將研制適用30 t軸重重載需求的機車牽引控制系統列為重點突破的核心技術[2]。重載機車牽引動力的有效發揮依賴輪對和鋼軌接觸時形成的黏著力[3]，機車通過黏著作用獲得并保持運行所需黏著力的本質就是通過控制牽引電機輸出轉矩調整輪軌蠕滑速度。

重載機車輪軌黏著利用技術從20世紀60年代起就得到了世界范圍內的廣泛關注，日本的黏著控制器已發展到第三代，尤其在高速鐵路黏著控制領域有著領先的地位；采用微處理器的FAIVELEY AEF 83P型防空轉/滑行裝置已得到法國國營鐵路的認可；美國通用公司研發的黏著控制系統可在軌面連續變化的情況下，將黏著系數從0.18提升到0.35，這意味著3臺動車就能完成原來需要5臺動車才能完成的工作[4]。國內黏著利用技術起步較晚，研究機構主要集中在西南交通大學、中國鐵道科學研究院、中車株洲電力機車有限公司等高校和科研院所。目前，我國的黏著利用裝置仍以引進為主，如ND5內燃機引用的是美國GE公司的黏著控制裝置，8K型電力機車引用的是法國FAIVELEY公司的再黏著控制裝置。在引進基礎上，我國也自主研發了TFX1、SFH-2等黏著和防滑控制裝置，如中車株洲電力機車有限公司發明了高黏著重載機車Co轉向架，中車株洲電力機車研究所有限公司研制的黏著控制裝置已成功應用在出口南非的20E型機車上。

確保黏著工作點(實時黏著系數)位于最大黏著系數附近是實現高性能黏著利用的基本條件，而最大黏著系數處于黏著特性穩定區和非穩定區的交界處，且隨輪軌運行條件的變化而改變[5-6]，這給黏著利用的操作調整帶來了困難，調整幅度過大易使系統進入空轉/滑行等異常情況的非穩定區，過小又難以保證牽引性能的有效發揮。重載機車輪軌黏著利用的目的不僅要對實時黏著系數和最大黏著系數進行辨識，還要對運行過程中發生的空轉/滑行等黏著故障進行檢測，并通過控制機車牽引動力，使實時黏著系數盡量逼近最大黏著系數，以提升機車牽引性能。為此，本文在簡要介紹輪軌黏著基本理論的基礎上，著重從黏著系統建模、黏著系數辨識、黏著故障檢測、黏著控制等方面對重載機車黏著利用技術進行綜述。

1 黏著基本理論

黏著和蠕滑是機車輪軌接觸過程的具體表象，機車的牽引和制動正是通過輪軌黏著實現的。

1.1 黏著和蠕滑

在機車重力作用下，輪對和鋼軌接觸部分會產生一定的彈性形變，使得接觸區域變為由蠕滑區和黏著區組成的近似橢圓形接觸斑，見圖1[7-9]，其中蠕滑區內的車輪與鋼軌會產生相對的微觀滑動現象(即蠕滑)，黏著區內的車輪和鋼軌相對靜止。

vs=v-ωr

( 1 )

蠕滑的大小可用蠕滑率εs表示,即

( 2 )

1.2 黏著特性

列車的牽引與制動正是通過輪軌接觸黏著實現的[7]，輪軌接觸斑內的黏著可分為縱向黏著、橫向黏著和自旋蠕滑力偶[10]。為簡化起見，本文只討論對機車前向牽引和制動起主要驅動作用的縱向黏著(以下簡稱黏著)，黏著系數μ理論上定義為輪軌間能傳遞的最大切向力FT和輪軌垂向力P之比[11]，即

( 3 )

而輪軌黏著系數是一個由多種因素決定的變數，隨機車運行狀態和輪軌條件的不同而變化。國內外學者通過黏著機理和試驗等手段對黏著影響因素開展了一定的研究工作。吳兵等借助數值計算工具，系統討論了機車速度、接觸壓力、輪徑、輪軌表面粗糙度及不同“第三介質”等因素對黏著特性的影響，給出了黏著系數隨輪軌狀態的變化規律[3, 9]。這些成果為深入分析黏著特性提供了一定的理論支撐，但因難以實現機車運行狀態和輪軌條件的有效檢測，目前對黏著系數的計算大多仍基于經驗關系式[12]

μ=c·e-a·vs-d·e-b·vs

( 4 )

式中：a、b、c、d分別為黏著系數計算參數，不同輪軌條件下的黏著系數計算參數選擇各異，三種典型軌面下的黏著系數計算參數及黏著蠕滑特性曲線見圖2[7, 13-14]。

由圖2可以看出，盡管不同軌面狀態的黏著-蠕滑特性曲線互不相同，但所有黏著-蠕滑特性曲線均表現出相同的曲線變化趨勢特征，即每條曲線都具有一個黏著系數峰值點，即最大黏著系數μmax，其對應的蠕滑速度為最優蠕滑速度。最大黏著系數左側區域為機車運行穩定區，右側區域為機車運行空轉區，穩定區內的黏著系數隨牽引轉矩的增加而增大，而空轉區的黏著系數隨牽引轉矩的增加而減小[15]。

顯然，機車實時黏著系數只有工作在最大黏著系數時，才能使傳遞的牽引力達到最大，而輪軌黏著特性由輪軌接觸物理性質決定，且隨著輪軌狀況和蠕滑速度等因素不同，輪軌黏著特性表現出非線性、快時變等特征，即使同一地點的黏著特性也會因環境不同而發生顯著變化，相應的最大黏著系數也會隨之改變，這種復雜多變的輪軌條件限制了式( 4 )所示的經驗公式在實際中的應用，給黏著系數辨識與控制帶來了挑戰。

2 黏著系統建模

輪軌黏著關系模型是黏著系數和蠕滑速度之間關系的形式化描述，是深入分析輪軌黏著曲線特性的有效手段，不僅可為實時黏著系數和最大黏著系數辨識提供理論依據和先驗知識，還可為高性能黏著控制方法的設計提供關鍵支撐。輪軌黏著特性分析可從黏著機理建模和試驗研究兩方面進行綜述。

在黏著機理模型建立方面，Carter在英國皇家學會上發表的輪軌黏著-蠕滑特性研究報告中，基于Hertzian原理和Coulomb理論將機車輪軌接觸斑分為黏著區和蠕滑區，開啟了輪軌黏著系統建模研究的序幕[16-18]。之后出現了Johnson-Vermeulen蠕滑率/力模型、Kalter模型、Polach黏著模型等[19-20]。Vo等為探討輪軌黏著和溫升之間關系，構建了三維柔性有限元模型[21]。肖乾等利用混合拉格朗日歐拉方法，建立了輪軌滾動接觸三維有限元模型[22]。常崇義等基于隨機拉格朗日歐拉有限元法建立輪軌穩態滾動接觸三維彈性體有限元模型[23]。王文健等通過分析不同介質下的輪軌黏著特性，構建了輪軌黏著模型[24-26]。常崇義等較詳細地述評了干燥條件和“第三介質”存在時的黏著蠕滑機理研究進展[27]。

在試驗研究方面，中國鐵道科學研究院高速輪軌關系實驗室搭建的1∶1高速輪軌試驗臺，可完成高速狀態下輪軌蠕滑黏著特性試驗性能的研究[28]。西南交通大學牽引動力國家重點實驗室利用1∶1整車滾振試驗臺分別研究了干燥和噴水狀況下黏著系數和蠕滑速度之間的關系[29]。Ohyama采用大型尺寸試驗裝置研究了干燥和潮濕對黏著特性的影響[30]。王文健等結合輪軌黏著試驗，并基于二維滾動接觸理論和部分彈流潤滑理論建立了輪軌黏著數值仿真模型，給出了水油介質下輪軌表面粗糙度對輪軌黏著系數的影響規律[31]。

考慮到物理樣機仿真實驗過程中的昂貴費用等因素，張昌凡等利用機械多體動力學仿真軟件ADAMAS的可視化特點和Matlab強大的函數庫功能，搭建了圖3所示的轉向架、機車車體、機車輪軌等機車關鍵部件模型[32]，并通過調整相應的參數，以模擬不同輪軌條件下的機車運行狀態，進而通過ADAMS/Control模塊，將仿真模型導入到Matlab/Simulink中，實現ADAMS與Matlab之間的數據傳遞。

然而，現有的模型大多是輪軌條件確定下的靜態黏著系統模型，模型參數受輪軌條件影響較大，如水介質下的黏著系數比干態下降低了40%。而且，受雨、雪、落葉、砂土等復雜多變輪軌條件影響，輪軌黏著特性表現為強烈的不確定性和非線性，不利于現有模型在實際系統中的應用。

3 黏著系數辨識

輪軌實時黏著系數工作在最大黏著系數附近是牽引動力高性能利用的標志，而復雜多變的輪軌條件加大了黏著系數辨識難度，實時黏著系數和最大黏著系數辨識一直是黏著利用研究的熱點問題之一。

3.1 實時黏著系數辨識

在數據分析方面，Castillo等利用神經網絡估計ABS系統中的黏著系數[38]。Pichlík等基于機車模型和機車運行速度，提出基于卡爾曼濾波的黏著力計算方法[39]。Hussian等基于多級卡爾曼濾波和模糊邏輯，給出了輪軌黏著條件評價方法[40]。Cai等通過構造觀測器實現黏著系數的感知[41-42]。Xu等利用機車車輪旋轉速度和牽引轉矩在線檢測輪軌黏著系數[43]。在負載轉矩不變時，通過構造擾動觀測器實現黏著系數的估計也可獲得較好的應用效果[44]。

盡管基于模型和基于數據的實時黏著系數辨識方法在特定環境與情況下的黏著系數辨識效果較好，但各有局限性: 如基于模型的觀測器方法對噪聲敏感較大，基于數據的神經網絡方法又需要數據樣本標簽完備。而重載機車復雜作業環境的諸多特點導致重載機車運行數據的不完備性，且數據中存在的非高斯噪聲等不確定擾動，增加了現有方法對實時黏著系數的辨識難度。

3.2 最大黏著系數辨識

黏著斜率法和蠕滑速度法是常見的最大黏著系數辨識方法。黏著斜率法主要通過計算黏著特性曲線的斜率來搜尋黏著峰值點，這實際上等價于黏著系統模型中黏著系數對蠕滑速度的導數，其值在黏著區為正、空轉或滑行區為負，而在最大黏著系數點處為零。蠕滑速度法則是通過調節蠕滑速度，使其反復地增加和降低，自動搜尋最大黏著系數。然而，黏著斜率法是基于線性化機車牽引模型，其觀察頻率工作點范圍很小；蠕滑速度法采用的蠕滑速度需將車輪速度和車體速度進行換算才能得到，由于尚不具備經濟適用的車速測量方法，該法在實際應用時效果欠佳。

基于運行數據的最大黏著系數獲取方法也得到了重視，Aguilar等提出基于神經網絡的最大黏著系數獲取方法[45]；何靜等基于Kiencke黏著-蠕滑模型，構造了極大似然意義下的模型參數辨識框架，進而將參數估計問題轉化為二次規劃問題進行求解，建立了依據輪軌條件實時更新參數的最大黏著系數辨識模型[46]。

綜上所述，無論是基于機理還是基于數據的實時黏著系數和最大黏著系數辨識方法，都很少考慮因輪軌條件多變引起黏著特性變化問題，且受地域跨度廣、地形和線路復雜、運行范圍寬等客觀條件制約。不同輪軌條件的關鍵變量和參數都可能發生隨機變化，這種復雜多變的運行環境使重載機車面臨的輪軌條件更加惡劣，加大了黏著特性的精確分析難度。

4 黏著故障檢測

重載機車運行過程中的空轉、打滑等黏著故障時有發生，能有效檢測出這些故障不僅可為黏著控制提供依據，還可為預防故障惡化提供支撐。黏著故障通常可分為兩類，一是特征比較明顯，利用常規手段較易檢測出的顯著故障; 二是特征不明顯，利用常規手段難以檢測，但經過時間累計可發展為顯著故障的微小故障或故障隱患[47-49]。

4.1 顯著黏著故障檢測

機車運行時出現的空轉、打滑等故障常伴隨著列車某些狀態的明顯變化，如發生空轉時的車輪轉速大于正常車輪轉速、車輪速度發生突變時加速度增大、空轉時的定子實際電流和基準電流的差大于設定閾值等，這些可通過運行狀態變化判斷的故障均可表示為顯著黏著故障。蠕滑率、速度差、加速度、加速度微分、電流差等判據方法是常見的顯著黏著故障檢測方法[50]。然而，這些方法的適用性受制于車輪速度、蠕滑速度等運行數據檢測的精確程度，對噪聲的抑制魯棒性較差。

從機車運行數據統計規律出發，何靜等針對車輪狀態檢測中存在的類間樣本誤分代價不等的問題，利用自適應變異粒子群算法優化支持向量機參數，提出了參數優化的輪軌黏著狀態檢測方法[7]。任強等利用觀測器獲得黏著系數與機車車軸速度，構造了基于模糊規則的機車運行路況識別系統[13]。陳哲明等利用改進的遞歸最小二乘算法預測黏著-蠕滑曲線斜率，以判斷車輪處于黏著還是滑動狀態[51]。Wang等通過集成多速率法和擴展卡爾曼濾波方法辨識電機牽引轉矩，實現機車滑行故障監測[52]。Sichani等基于輪軌黏著模型，利用機車動態仿真環境，對故障引起的危害進行了分析[53]。Gou等提出了電力牽引傳動系統的牽引變流器開環切換故障診斷方法[54]。Hussain等基于運行數據和先驗知識，構造了基于卡爾曼濾波和模糊邏輯多級模型的黏著異常辨識方法[55]。鑒于滑模觀測器較高的魯棒性能，加之算法簡單、實時性強、易于工程實現，在黏著異常檢測方面也得到了應用[56]。

4.2 微小黏著故障檢測

黏著微小故障通常包括不明顯的微小故障和未發生的故障隱患，前者通常指故障已經發生但故障特征不明顯，偏離正常運行狀態程度較小，難以被檢測的故障類型；后者是指機車仍處于正常運行狀態，故障尚未發生，但依據系統運行狀態的動態變化趨勢，極有可能發展為故障的故障隱患。現有的微小故障檢測方法主要包括基于解析模型的故障診斷方法、基于知識的故障診斷方法和基于數據的故障診斷方法[57- 59]。文成林等基于微小故障幅值低、易被未知擾動和噪聲掩蓋等特點，從數據驅動的角度對微小故障診斷方法進行了綜述[60]。然而，目前關于黏著微小故障和故障隱患檢測方面的研究成果還很少。

綜上所述，現有的黏著故障檢測方法大多是在故障特征比較顯著的基礎上進行的，而由于黏著微小故障特征表現為較強的隱蔽性，且處于正常運行工況但會演變為故障的故障隱患特征與正常運行狀態特征差異較小，這種微小的差異使得反映故障信息的敏感特征往往被淹沒在豐富的數據中，微小故障和故障隱患檢測仍是黏著故障檢測面臨的一個難題。

5 黏著控制

提高機車黏著利用的方法除撒砂等物理方式改善軌面狀態外，實施黏著控制則是最主要的途徑。對于多牽引動力機車來說，不僅需要解決單輪對的黏著控制問題，更主要的是解決多輪對牽引系統之間的動力協調問題，以確保機車整體性能最優。

5.1 單輪對黏著控制

單輪對黏著控制可分為再黏著控制和優化黏著控制兩類[61]，前者主要是對空轉/滑行等黏著故障發生的輪對實施控制作用，使其進入再黏著狀態；后者主要是使輪對工作在最大黏著點附近，最大化牽引性能。

對于再黏著控制而言，蠕滑速度和加速度信息集成的組合校正法、模型控制法等是常見的單輪對再黏著控制方法[15]。實際上，再黏著控制的目的就是為了確保黏著控制系統具有自調節功能，即具備容錯控制性能。容錯控制根據實現機理不同可分為被動容錯和主動容錯兩種[62]。被動容錯控制主要利用魯棒控制技術設計固定增益控制參數，但當故障類型以及嚴重程度超出預定范圍時，控制器性能劣化甚至失效。而主動容錯控制則是基于自適應、故障診斷與分離等技術設計動態控制策略，以補償故障造成的影響，能更大范圍內提高系統容錯性能[63]。迅速削減電機輸出轉矩是常見的再黏著容錯控制方法[64-65]。Yuan等提出了基于非線性模型預測控制的機車滑行故障控制方法[66]。Lu等針對執行器故障，設計了自適應容錯的高速列車黏著控制方法[50]。Song等基于虛擬參數方法，研究了高速列車牽引/制動故障下的容錯自適應控制策略[67]。Jesussek等采用混合擴展卡爾曼濾波方法研究了非線性鐵路車輛系統中的故障檢測與隔離方法[68]。Gao等采用自組織神經網絡研究了高速列車自適應故障容錯控制方法[69]。

優化黏著控制的目的是使實時黏著系數工作點接近黏著特性曲線峰值點，常見的有蠕滑速度、黏著特性曲線斜率、智能優化控制等方法[70-73]。李寧洲等結合車輪加速度和黏著特性，通過調節牽引電機轉矩，提出機車黏著智能模糊控制策略[74]。利用實時蠕滑速度和黏著系數的估算值對機車運行軌面進行辨識，獲取當前軌面的最大黏著系數，進而采用PID控制方法對電機輸出轉矩進行調整，形成基于軌面辨識的黏著控制方法，具體實施框架見圖5[15]。

5.2 多輪對黏著協同控制

對于多牽引系統提供動力的機車而言，單輪對黏著性能最優并不意味著機車運行狀態整體性能最優。為確保某輪對發生故障的情況下，系統仍具有較好的整體牽引性能，就需要對其他輪對動力進行協調。協同容錯就是針對某個輪對發生故障后，通過綜合協調其他正常各輪對，實現整體黏著控制的目的[75]。作為協同控制的基礎與核心，一致性在生物科學、計算機科學、控制工程等領域得到了廣泛應用[76-78]。一致性是指各智能體某些狀態變量趨于相同，多智能體協同不僅能替代單個復雜個體，而且能完成超出單個個體能力范圍的任務[79-80]。而機車牽引系統是以多臺牽引電機構成，在軸控模式下，各牽引電機都有獨立逆變驅動裝置，通過協同各獨立驅動裝置等措施消除或減少故障[81]。

為確保機車正常運行，多牽引系統動力協同的前提是確保機車總的牽引動力基本保持恒定。為此，張昌凡等創新性的首次提出總量協同一致的容錯控制方法，以軸式(B0-B0)重載機車為例，搭建了含有8個牽引系統的總量協同一致容錯控制方案，見圖6[82- 83]。然后，通過將牽引總量恒定問題轉化為誤差系統在有限時間內的收斂問題，利用有限時間內的滑模控制技術，實現了機車牽引總量有效跟蹤設定期望值的目標，但其研究成果缺少各牽引動力之間的優化分配方案。

綜上所述，現有黏著控制器往往只關注提升單輪對黏著性能，較少考慮各牽引動力冗余之間的協調。目前，重載機車多采用6或8臺牽引電機的集中動力驅動方式，若某輪對發生故障，易使動力過于集中于某一輪對，會因連鎖效應引起其他發生打滑/空轉等故障。另外，在起動階段，因牽引質量大，重載機車要有相當大的牽引動力，并要求在包括輪軌關系極端惡劣環境的任何工況下，都要確保0～34 km/h 的起動速度，使黏著力達到最大給定包絡線的95%以上[84]，從而給黏著利用提出了更高的要求。因此，相對分散動力機車，重載機車安全性能受黏著異常影響更大。這就需要充分研究考慮各輪對之間的關系，利用各輪對動力對機車總牽引力進行動態補償，以提升重載機車整體性能。

6 研究展望

為實現重載機車輪軌黏著的高性能利用，國內外學者做了大量的工作。然而，由于機車輪軌運行條件的復雜性，復雜輪軌條件下的黏著系統建模、微小故障診斷以及多牽引動力協同分配問題仍是今后需要研究的重點。

(1) 復雜多變輪軌條件下的黏著系統建模問題: 由于我國地域跨度廣、地形線路復雜、機車運行范圍寬等客觀復雜條件的制約，機車運行的輪軌軌面狀態經常發生變化，不同的輪軌狀態決定了不同的輪軌關系，這就需要研究復雜多變輪軌條件下的輪軌軌面關鍵參數感知、各工況內在關聯性分析、多工況模型切換等方法，為實時黏著系數和最大黏著系數的精確辨識提供保障。

(2) 黏著微小故障在線檢測: 重載機車運行環境的復雜多變性引起的輪軌黏著異常類型種類多樣，故障檢測不及時意味著車輪空轉或滑行等故障已經發生。越早檢測出黏著異常，越有助于實施主動容錯控制，越利于確保機車安全可靠運行。由于反映微小故障和故障隱患的特征信息難以獲取，黏著微小故障診斷和故障隱患仍是黏著故障檢測亟待解決的關鍵問題。同時，該問題也是其他復雜系統故障診斷理論所面臨的難點問題。

(3) 多牽引動力優化協調分配: 機車多牽引系統之間的強關聯性，對機車牽引性能的整體提升提出了更高的要求，這不僅要求機車單輪對運行在較優的黏著狀態，更需要在確保機車牽引動力總量基本不變的條件下，通過對各輪對冗余動力進行再分配，確保各輪對均運行在較優黏著狀態。因此，確保機車各牽引動力總量一致下的牽引/制動力優化分配方法則成為機車運行性能整體提升需要解決的難點問題。

7 結束語

結合日益增長的鐵路運輸需求對機車牽引性能提出的更高要求，重載機車的黏著利用問題亟待突破和解決。本文在簡要敘述黏著利用基本理論的基礎上，著重闡述了機車黏著利用情況: 通過分析黏著系統模型的研究現狀，闡述了實時黏著系數辨識和最大黏著系數辨識的研究狀況；從顯著黏著故障和微小黏著故障兩方面，對機車黏著類型進行了區分，并說明了現有的黏著故障檢測方法；從單輪對黏著性能提升、多輪對黏著系統協調等方面，對黏著控制問題進行了綜述。最后，從復雜多變輪軌條件下的黏著系統建模、黏著微小故障在線檢測、多牽引系統優化協調分配等方面，指出了機車高性能黏著利用亟待解決的問題。