軌道車輛走行部振動檢測及PHM系統

文/丁亞琦、陳超、黃貴發、吳志勇

城市軌道交通車輛走行部的機械故障是影響車輛運行安全的重要因素，同時車輛走行部的維護保養成本在車輛維護保養總成本中所占的比重較大，如何運用有效的運維手段，實時掌握走行部及軌道的運行狀態并做出合理的應對策略，規避安全風險，節約維修成本，成為軌道交通運維工作中亟待解決的問題。本文介紹了該問題的解決方案：車輛走行部振動檢測及PHM系統，是上海軌道交通車輛智能運維系統（RISE系統）中的重要組成部分。

走行部振動檢測及PHM系統實現條件

要實現軌道車輛走行部振動檢測及PHM，需要以下幾個基礎條件：

·高可信和高可靠的車載傳感和采集系統；

·成熟的車載振動檢測數據預處理和特征提取以及存儲模塊；

·精確的故障診斷和健康評估模型及算法；

·先進的故障預測和維修決策模型及算法。

上述模型及算法從可用性的角度來說，不能僅僅是理論模型，重要的是還必須保證算法的實用、高效率和收斂性，本項目采用的基于物理模型驅動和數據驅動的融合型故障診斷和預測方法，保證了最佳性能的獲得。

唐智科技的研究團隊分析了走行部的運動學和幾何學規律，建立了故障特征數學模型并由此奠定了故障診斷的基礎，根據機械部件失效機理分析，建立了機械部件性能退化的物理模型為故障預測提供了條件。另一方面，基于20多年軌道交通車輛走行部及軌道振動的海量歷史監測數據，以及在監測過程中積累的40000多起走行部機械故障案例數據，形成了一套完整的全壽命周期故障診斷和預測的專家知識庫，支撐了故障診斷和預測的算法模型的訓練、測試和完善。

在本項目之前，上述PHM方法已經具備了獨立性和完整性，但在信息化的角度來說還存在不足。比如傳統方式下要實現數據無線傳輸需要建立獨立的通道或借助其他通道，比如與車輛其他子系統之間的數據關聯分析需要平臺支撐等。

隨著信息化和智能化，物聯網、大數據、云計算、人工智能等技術的接入，上海軌道交通車輛智能運維系統建立了統一的車聯網（IOR），實現了數據無線傳輸，建立了車輛運維大數據平臺，為各子系統關聯分析提供了基礎條件，使得走行部專業子系統只需要專注于本專業的數據挖掘和應用開發，從整體上來講提高了效率，并為深度挖掘應用創造了條件。

走行部振動檢測及PHM系統

軌道車輛走行部振動檢測及PHM系統由“走行部車載故障診斷系統”、“走行部數據分析及健康管理軟件”組成，其組成及工作流程如圖1所示。

“走行部車載故障診斷系統”通過安裝在軸箱等部位的復合傳感器完成列車運行過程中的沖擊、振動、溫度等關鍵數據的采集。然后對采集到的數據進行預處理、分析，提取故障特征值，并將故障前后的數據存儲到車載故障診斷系統。走行部實時狀態數據經“走行部車載故障診斷系統”實時診斷分析之后將報警狀態與特征數據通過IOR（車聯網）傳輸到“上海地鐵大數據平臺”。

圖1：軌道車輛走行部振動檢測及PHM系統

“上海地鐵大數據平臺”通過調用部署在平臺上的“走行部數據分析及健康管理軟件”，進行健康評估與維修決策運算，輸出維修建議指令，由大數據平臺負責調度生產相關的系統執行維修。同時負責調取走行部相關數據供其他子系統關聯分析所用。

圖1中，“唐智PHM大數據服務中心”負責提供遠程支持服務，包括算法更新，知識庫調用等服務。

走行部振動檢測及PHM系統實現的功能如下：

狀態監測與實時診斷：通過預定的振動、沖擊、溫度參數指標實時在線監測走行部的狀態，同時采用車載實時故障診斷專家系統進行診斷運算，及時將分級故障報警信息通過列車MVB網絡推送到列車控制與診斷系統（TCMS），并通過車聯網（IOR）傳輸至地面，檢修人員可以第一時間收到系統發出的分級報警信息，可及時高效地做出相應的處置措施。

健康評估：通過部署在上海地鐵大數據平臺上的健康管理軟件完成原始數據的提取特征、故障診斷、趨勢分析以及健康評估，并利用評估結果給出相應的維修建議，車輛檢修和管理人員據此可實現對車輛走行部及軌道進行精準維修。

壽命預測與維修預判：采用預先建立的失效物理模型和性能退化數學模型，對數據進行運算，預測車輛走行部各部件的剩余使用壽命，對走行部的運行狀態變化趨勢進行監控分析和預測。同時綜合考慮統計分析、健康評估、剩余使用壽命預測等結果，結合車輛修程、維修成本、維修方式等信息，在保障車輛安全運營的前提下，為合理安排生產任務和維修計劃提供信息。

統計分析：通過統計分析功能，實現多發故障統計，統計維度包含：故障部位、故障模式、部件品牌、型號、批次等，可為用戶進行車輛部件、配件選型提供參考建議。

圖2：軌道車輛走行部振動檢測及PHM系統與RISE系統的融合

圖3：踏面鏇修之后故障未再重復發生

圖4：輪軌振動檢測為輪軌匹配關聯分析提供數據

走行部振動檢測及PHM系統與上海地鐵RISE系統的融合應用

車輛走行部振動檢測及PHM系統實現了與上海地鐵RISE系統的深度融合，如圖2所示，系統將獲得的振動、沖擊、溫度、趨勢信息、健康評估結論、維修建議輸出到RISE大平臺，實現可視化信息管理，同時也可以從平臺獲取列車運營基礎信息、維修數據、測量數據、送檢數據等來進行關聯分析，更為精準的為用戶提供智能運維信息服務。

目前上海地鐵在所有線路的部分列車上都配置了走行部振動檢測及PHM系統，投入運營的已經有100多列車，隨著增購車投入運營和新線的開通，數量還會不斷增加。該系統的已經成為檢修和管理人員的重要工具，一線檢修技術人員利用該系統在檢修優化和提高效率上取得了良好的效果。以下列舉兩個具體案例來說明。

案例一，16號線踏面鏇修策略優化延長車輪使用壽命。16號線存在一定比例的車輪踏面內部缺陷故障，若采用傳統的故障修方法，針對車輪踏面內部缺陷故障平均需要鏇修13mm才能修復。16號線檢修技術人員很好地結合了走行部振動檢測及PHM系統的檢測數據，依據該系統給出的維修指導意見實施了經濟鏇，實現了平均鏇修量僅5mm就能修復踏面，而且修復之后故障不再重復發生，如圖3所示，明顯的延長了車輪壽命。案例二，輪軌振動檢測為優化輪軌匹配狀態提供了基礎數據。列車運行的平穩性和舒適性與輪軌匹配狀態密切相關。然而，傳統的檢修方式是按專業分工，車輛和工務專業各負責自己的檢修，輪軌相互作用的匹配狀態往往被忽略，現在走行部振動檢測及PHM系統的輪軌振動實時檢測功能可客觀地反映輪軌匹配狀態，為車輛和工務兩個專業提供了關聯分析的參考數據。如圖4所示，完成了1號線“徐家匯-上海火車站”鋼軌大修工作之后，輪軌振動檢測數據的變化客觀地反映了輪軌匹配狀態的明顯改善。

軌道車輛走行部振動檢測及PHM系統的應用，使得檢修人員只需要通過屏幕信息顯示或者平臺推送到移動檢修終端的信息，就能了解列車走行部當前的狀態，有助于減少檢修人員在常規普查上花費的時間，降低其勞動強度，進而將主要精力集中在故障的排除上，進一步提升維保作業效率。

在“中國制造2025”創新驅動、質量為先、綠色發展的基本方針指導下，堅持“創新驅動發展”的理念，本項目將對“軌道車輛走行部振動檢測及PHM系統”在技術深度和應用廣度上進行持續不斷的推動。比如故障預測方面，需要實施軸箱軸承狀態修，就要求實時在線監測保障安全的前提下，利用故障預測優化修程，挖掘軸箱軸承這一關鍵部件在設計壽命之內的潛在價值，延長中間解體檢查周期。這些工作的深入推進將能發揮人工智能+大數據的最大價值，推動行業科學發展，為智慧軌道交通的可持續發展注入活力。