機車變流器故障診斷專家系統研究與實現

葉青

（中國鐵路武漢局集團有限公司江岸機務段技術科，湖北 武漢 430301）

1 項目背景

隨著軌道交通行業的快速發展，保障列車的安全穩定運行已成為鐵路運輸的工作重點。牽引變流器系統作為列車關鍵的核心子系統，其故障范圍包含牽引變流器的自身故障和各電氣設備間產生的耦合故障，涉及傳動控制單元（TCU）、主電路、供電網、受電弓、牽引變壓器、輔助電路、牽引電機等多個部件，使得機車牽引變流器故障復雜程度高，診斷技術難度大。

故障診斷專家系統是根據機車運行過程中產生的系統控制狀態、電壓、電流、速度等關鍵信息確定故障源。一般來講，故障診斷專家系統由專家經驗知識庫、數據庫、專家規則、推理機、人機交互軟件等幾個部分組成。本文設計并實現了一種用于HXD1系列機車的牽引變流器的故障診斷專家系統，構建一套故障診斷模型，實現機車變流器故障的智能診斷。專家系統可通過數據定位故障發生的部件，從而指導列車維護人員排查故障作業，提升機車智慧運營服務水平。

變流器故障診斷專家系統基礎。

1．1 機車數據采集

（1）車載故障數據記錄。隨著嵌入式微機控制技術和現場總線技術的發展，現在列車的控制系統已由簡單的集中控制發展成為基于通信網絡的分布式控制系統。車載故障診斷系統將機車狀態信息（如原邊電壓、原邊電流、回流電流、變壓器狀態、牽引電機狀態、主變流器狀態、各類輔機狀態、制動系統狀態等）轉化為網絡控制系統能夠識別的信號，以故障數據或事件記錄形式進行存儲。傳動控制單元（TCU）故障數據記錄了牽引變流器運行過程中關鍵信息，如中間電壓、網側電壓、輸入/輸出電流及控制命令信號等，其中網側控制板（LCC）、電機控制板（MCC）、輔逆控制板（ACC）、SMC板分別負責網側故障（LCC）數據、電機側故障（MCC）數據、輔助逆變側故障（ACC）數據、SMC故障數據收集和管理。當變流器發生故障時，TCU將記錄故障點前后共17500個點波形數據，形成故障記錄文件。TCU故障文件記錄了牽引變流器故障發生前后牽引系統的狀況，可作為牽引變流器故障診斷的重要依據。

（2）車地數據傳輸。車地數據傳輸是專家系統的數據通道中重要的一環。傳統通過USB端口下載文件方式需要人力介入，給數據傳輸和管理帶來了不便。采用車地間無線數據傳輸方式可實現數據自動上傳，支持實現故障的實時診斷。目前，機車TCU故障文件可無線通信方式進行車地傳輸。

1．2 專家系統方案

專家系統的診斷平臺負責變流器故障數據的傳輸、預處理，執行診斷算法和呈現診斷結果。平臺部署于地面服務器，它通過監聽方式接收變流器故障數據，一旦接收到TCU故障文件，系統隨即對故障數據進行分析。如圖1所示，變流器算法由診斷平臺進行調用，算法接受的參數為解析后的TCU故障文件名，輸出為診斷結果標簽。

圖1 牽引變流器故障診斷算法接口

2 變流器故障診斷算法設計與實現

牽引變流器診斷算法主要負責TCU數據的故障診斷，通過對LCC故障文件、MCC故障文件和ACC故障文件分析定位具體故障部件。算法由一組Python程序實現，它包含一個主程序和多個子模塊程序，每個子模塊程序將負責一個故障項點的診斷工作。主程序是算法的對外接口，它從平臺接收解析后的TCU故障文件，調用子程序進行故障診斷，將結果返回給平臺。

2．1 牽引變流器故障診斷項點

圖2 牽引變流器故障診斷項點

如圖2所示牽引變流器診斷算法由三個診斷組件組成：LCC診斷組件、MCC診斷組件、ACC診斷組件，分別負責處理LCC、MCC、ACC故障文件。LCC診斷組件包含原邊過流、輸入過流、四象限模塊、充電超時等項點。MCC診斷組件包含逆變過流、逆變模塊等診斷項點。ACC診斷組件包含輔逆峰值過流、輔逆峰值過壓等項點。

每個故障項點包含一顆故障樹，樹的葉子節點為所有可能導致該故障的故障原因，即故障診斷結論。如四象限輸入過流項點的葉子節點為可診斷出的故障原因點如圖3。

圖3 四象限輸入過流故障樹

2．2 故障項點診斷流程

在變流器故障診斷算法內部，各大故障項點有確定的優先級和診斷流程，算法根據故障文件中的車型、數據類型（LCC、MCC、ACC）和故障碼信息開展診斷判別。以HXD1C車型為例，其診斷流程如下。（1）故障CSV文件輸入模型后，按故障碼標識依據附件流程開展診斷判別。（2）如故障文件中同時含多類故障，同樣基于流程所示的先后順序展開判別。判別時，如果優先展開診斷規則輸出了明確結論，則建議定位為該故障原因；如果輸出為未知原因，則繼續基于文件名中其它故障代碼進行診斷，直至輸出具體故障原因或最終輸出未知原因為止。

2．3 特征量提取

圖4 次邊網壓

圖5 次邊網壓周期峰值

圖6 次邊網壓周期峰值變化率

牽引變流器故障診斷算法從TCU數據中提取大量特征量，以便進行專家規則判斷。這些特征量涵蓋原邊電壓、原邊電流、四象限輸入電流、中間直流電壓、逆變輸出電流、速度信號、磁鏈等信號，提取最大值、最小值、均值、方差、變化率、變異系數、正弦量周期峰值、周期谷值、周期峰值、頻率、相位等特征量。

TCU數據中次邊網壓信號可記錄接觸網的電壓波形。對次邊網壓波形的周期峰值、周期谷值提取，并其計算變化率（見公式1），用來描述TCU故障發生時刻網壓的幅值和震蕩狀況。如圖4 次邊網壓～圖6 次邊網壓周期峰值變化率所示，當網壓出現幅值震蕩時，其周期峰值描繪出網壓振幅的外包絡，而周期峰谷值變化率表達了震蕩程度。

變化率和變異系數用來描述穩態曲線的變化情況。變化率是指曲線相鄰點變化幅度，而變異系數描述一整段曲線的變化整體狀況，它們計算方法如公式1與公式2所示。

機車正常情況下，TCU數據中的中間直流電壓信號與速度傳感器信號屬于穩態量，對其一段數據求變異系數可判定曲線的穩定程序。

許多情況下，需要對正弦量基波頻率、相位進行提取，比如判斷逆變器輸出電流頻率、相序，可判斷三相頻率是否一致，以及輸出大線是否接反，判斷原邊電壓與四象限輸入電流相序關系分析整流逆變工況，提取對逆變電流求傅里葉變換。

對HXD1D 0028號機車某故障數據中輔逆輸出AB相電壓（圖7）進行離散傅里葉變換，其頻譜如圖8 輔逆輸出電壓頻譜，頻率f=35，初相=160°所示，其基頻為35Hz，計算得到初相位為160°，原始數據采樣頻率為25000Hz。

圖7 輔逆輸出電壓波形

3 算法測試結果

從2017年1～8月期間HXD1、HXD1D、HXD1C三類機車報出TCU故障文件挑選出的512個典型故障作為實驗數據，對每個故障文件的原因進行了人工標志。使用TCU診斷算法程序對實驗數據進行診斷，其結果如表1所示。

表1 525個典型TCU故障文件診斷準確率

圖8 輔逆輸出電壓頻譜，頻率f=35，初相=160°

4 結語

本文對機車故障診斷專家系統方案進行研究，對機車變流器故障診斷算法進行模塊化設計與實現，使用兩組真實的機車變流器故障文件展開了實驗。

實驗表明，機車變流器故障診斷算法的準確率可達到95%。從目前收集的樣本數據測試結果來看，本文的機車故障診斷專家系統能夠較好的滿足鐵路大數據智能運維需求。

后續，隨著故障樣本數量的不斷積累，診斷模型不斷的調優，機車故障診斷專家系統能夠進一步擴大故障項點范圍，并持續提高故障診斷的準確性。