機車走行部監測數據自動分析及處理系統的應用

李英治 中國鐵路上海局集團有限公司合肥機務段

1 前言

目前各機務段大多存在數據分析人員分析水平欠缺、數據分析耗時較長、數據分析工作量大等問題。這些問題給機務段各級管理人員及基層作業人員帶來了很大的困擾，同時也給機車走行部帶來安全隱患。通過研發一套“機車走行部監測數據自動分析及處理系統”，解決現有地面軟件智能化程度欠缺，依賴分析人員水平和經驗等問題。同時，提高軟件自動化程度。最終達到提高機車走行部質量，減輕工作人員工作壓力，提高工作效率等目的。

2 技術方案

2.1 選定方案

依據實際現場情況，該系統需要在原JK11430 地面軟件的硬件基礎上，無需投入大量資金進行升級改造即可實現課題目標。本系統一方面依托原JK11430 地面軟件的數據庫，進行部分表結構調整和優化，可滿足兩套系統同時使用，另一方面采用高效靈活的“Net Framework”框架、“插件化”模塊設計思路和多任務并行處理模型，讓系統具備高度的可擴展性和數據快速處理能力。

2.2 技術路線

系統的研制過程嚴格按照軟件開發流程進行，依據高內聚、低耦合的設計要求，使系統具有良好的靈活性、可移植性和可擴展性。系統采用的主要技術路線如下：

（1）拉通新老兩套系統數據源：本系統是基于原JK11430地面軟件數據庫基礎設計，采用兼容性設計方案，新老數據之間采用一定的映射和處理后，在不影響原有JK11430 地面軟件使用的前提下，使得數據能夠被兩套系統識別，并能同時使用。

（2）搭建數據自動分析處理模型：本系統的數據自動分析處理模型利用“大數據挖掘”和“健康管理”的新理念，通過大量數據的迭代、計算和學習，建立了一套基本符合現場分析情況的模型。同時充分考慮了影響數據自動分析結果的條件(數據)，為這些條件(數據)預留了數據接口，在條件成熟時將數據直接引入模型，能夠進一步提高分析準確度。

（3）拉通與其他系統的銜接：本系統充分考慮數據分析與機車檢修各部門的業務需要，建立了與整備系統之間“機車維修提票”與“維修提票反饋”通道，充分保證數據的共享和實效性。

（4）基于關系數據庫的數據結構化加密和存儲空間優化處理：數據分析結果及相應的提票等信息，采用數據結構化加密處理，并采用流式數據的數據組織方式對這些數據進行了存儲空間壓縮、優化處理。可以有效的降低數據泄露的風險以及數據庫對存儲空間的要求。

2.3 系統結構

系統功能結構如圖1 所示。

圖1 系統功能結構圖

整個系統分為信息處理子系統和數據自動分析子系統，它們均采用“插件式”的C/S 架構設計。從邏輯上將每個子系統都分為三層，分別為展現層、業務邏輯層和數據層（展現層：該層主要集中在數據自動分析子系統，它負責數據顯示與人機交互；業務邏輯層：該層整合了公共模塊、數據訪問接口和業務處理邏輯；數據層：該層是整個系統的數據來源，主要包含基礎數據庫、信息數據庫、原始數據庫等）。

3 工作原理

3.1 故障診斷原理

故障診斷技術的理論基礎是我司自主知識產權的“廣義共振與共振解調”理論體系，廣義共振理論，包含了物體經典共振過程，同時也包含外力突然施加或突然撤銷的自由衰減振動過程，即外力施加和撤銷時物體從外力獲取能量，產生按照物體固有頻率的自由衰減振動現象。共振解調技術，實現從繁雜、強大的振動噪聲中提取、識別、分析、診斷故障沖擊的大小、原因，直至具體的發生部件。在此基礎上，實現故障沖擊特征提取、識別，能及時、有效地發現故障，保證機械設備運用安全。

通過研究機械結構的幾何學、運用學規律，我們建立了診斷軸承、齒輪、踏面等故障的一系列數學模型，從定量（沖擊幅值大小）和定性（故障部位）兩個角度，對故障進行確定性的診斷。

故障定性方面，如圖2 所示，若軸承的中徑是D0，滾動體的直徑是d，內外環相對轉速頻率是fn，滾動體的數量是Z，軸承滾動體的接觸角是A，則按照“多個同類故障的歸類診斷準則”進行簡化，軸承各零件故障的特征頻率公式如表1 所示。

圖2 軸承參數示意圖

表1 故障特征頻率計算表

故障定量方面，考慮到內外環相對運轉轉速N、軸承軸徑D對于沖擊值SV的影響，建立故障定量模型如下式所示：

對于通用工業用的軸承，國際標準規定：若dB 值大于35 dB，軸承報廢。針對中國鐵路的研究表明：在50 dB 以下，尚能安全應用。

3.2 走行部數據自動診斷及健康狀態評估

通過結合“沖擊趨勢”、“溫度趨勢”、“SV 趨勢”、“報警情況”等信息，計算故障發展趨勢，挖掘隱藏在大量常規數據中的故障信息，綜合各類因素后，得到存在故障隱患的部位、嚴重程度以及健康等級，并依據健康等級給出相應的維修處理意見。

4 技術難點

4.1 數據預處理

數據預處理是數據處理及分析軟件的重要組成部分，其結果影響著數據處理及分析軟件的準確性。本系統主要是通過光滑噪聲數據、識別并刪除離群點數據、刪除重復數據、插補缺失數據等技術解決數據不一致問題。

4.2 趨勢分析法

本系統中，趨勢分析算法是自動診斷算法的重要組成部分，直接影響著自動診斷算法的效果。本系統利用趨勢分析算法對走行部的dB 數據進行趨勢分析。

首先對dB 數據進行數據預處理，依據里程有效性原則得到其剔除異常值的dB 數據序列，然后利用滑動平均方法分段計算滑動平均值。再利用處理信息得到趨勢結果判斷，最終得到dB 數據的趨勢分析結果，且dB 數據趨勢分析模塊為單獨的子模塊，有利于后續對該算法的改進和優化。

通過dB 趨勢分析展示該趨勢分析方法效果。圖3 是原始dB 值趨勢，經數據預處理結果如圖4 所示，利用滑動平均方法處理，得到結果如圖5 所示。

圖3 原始dB 值趨勢圖示

圖4 數據預處理圖示

圖5 結果圖示

4.3 沖擊特征識別方法

針對軸承、齒輪和踏面診斷對象，建立沖擊特征識別模型，實現診斷對象不同失效模式分析及準確定位，同時基于此給出的更為貼切合理的維修處理建議。

4.4 走行部數據自動診斷及健康模型建立

走行部數據自動診斷是整個系統的核心功能之一，自動分析結論的準確性直接關系到整個系統的價值。為了建立這一模型，我們將“大數據”、“數據挖掘”和“健康管理”等先進理論與我們的理論相結合，經過了大量的試驗驗證，最后形成了該模型，具體驗證過程如下：

（1）我們對已有的40 TB 的數據進行數據研究及模型初步建立，將識別為正常的模型固化及優化；

（2）將我們收集整理的超過3 000 個的各類故障案例，通過初步建立的模型，查看故障識別率，然后依據識別情況對模型進一步優化和完善；

（3）重點對上海局配屬車型以及曾經發生過的案例進行進一步優化完善；

（4）將該模型重新經過40 TB 的大數據驗證，修訂錯誤識別方法，使模型進一步完善；

（5）完善了自動診斷模型后我們通過對大量歷史的沖擊、溫度和SV 信息進行整理、挖掘，建立起了能夠預測今后一段時間內機車走行部健康狀態的模型。

此模型是“人工智能”判斷故障及健康預測的初級階段，對于某些特殊的故障還未能夠有很精確的定位和判斷，后續還需持續研究，進一步提高分析結論的準確性。

4.5 設備工況自診斷算法研究

走行部數據自動診斷與健康評估是整個系統的核心，那設備工況自診斷就是整個系統的基礎。設備工況的好壞直接關系到系統“數據”可不可用、可不可信的問題，如果連數據都存在問題，那就無從談起走行部數據自動診斷的準確性了。為此我們通過如下的工作來進行該問題的研究：

（1）通過拆解大量的“工況故障”傳感器和前置處理器，通過分析他們各自的問題點，并對照各傳感器、前置處理器在數據中的體現，并通過大量的試驗驗證，研究出了傳感器、前置處理器工況自診斷算法；

（2）對于“無轉速”的故障識別，我們查閱了大量“無轉速”的機車數據，總結歸納了該問題的特征，并通過實驗室模擬數據進行驗證試驗。

4.6 多任務數據并行診斷

數據自動分析為了提高精準度，不僅僅是對當趟行車數據進行分析，而且需要當趟數據前一個月內的連續數據作為重要判斷依據。處理這些數據時，特別是處理沖擊樣本數據時是非常耗時的。處理一條單樣本數據的平均時間約為20 ms，和諧型機車一個月的單樣本數據量約在20 000 條左右，僅在處理沖擊樣本數據耗時就在400 s 左右，整個數據自動分析處理流程完成約在500 s，這種分析效率在機務段日常作業中是不被接受的。

采用多任務(Tasks)并行處理方法，為每個任務分配獨立的資源和通道，解除各任務間的耦合關系或前后關聯關系。各任務完成時將各自的運算結果整理合并，提交綜合決策，實現多任務并行診斷處理，將自動分析時間控制在120 s 內。

5 實踐應用

5.1 技術創新

首先，機車走行部數據自動診斷算法模型，采用多元數據（報警趨勢數據、溫度趨勢數據、SV 趨勢數據、dB 趨勢數據等）、長跨度（連續30 天的數據，且時間跨度可調）聯合分析方法，提升數據自動分析準確性，并對數據進行預處理，剔除了無關數據、重復數據，對其中缺失值采用三次樣條插值法、K 均值聚類方法識別到異常值并剔除。

其次，對趨勢分析方法采用長短均線分析方法，提升趨勢分析科學性，準確分析趨勢上升/下降趨勢，精準定位故障發展程度。

最后，建立多種軸承、齒輪和踏面故障沖擊特征識別模型，軸承方面有保持架早期故障識別模型、齒輪裂紋/斷齒故障識別模型、踏面多邊形失圓故障識別模型等，實現診斷對象不同失效模式分析及準確定位。

5.2 應用效果

通過建立全新的數據自動分析模式，不僅讓數據分析業務擺脫了完全依賴人工分析水平和經驗的處境，而且首次加入了對JK11430 設備自身工作狀態的自診斷能力，讓數據分析變得簡單易操作，提升了軟件的智能化水平。同時，和段內整備系統關聯實現了維修處理意見與“機統6”等系統的對接、與維修處理結果反饋的信息關聯，實現了信息的閉環，提高了軟件的自動化程度。

該系統具有靈活的軟件框架，能夠為后期的功能擴展提供基礎。通過類似CMD 等系統，讓實時監測機車在線運用狀態、機車遠程點下載數據、機車回庫后自動下載數據等功能，通過擴展包的形式加掛到系統中，進一步完善系統生態圈，做到“線上、線下”全兼顧。

6 推廣前景

本系統能夠實現JK11430 數據自動處理及分析，無需長時間的專業數據分析培訓，僅需掌握軟件使用方法的工作人員就能勝任該崗位的工作，避免了分析員水平和經驗欠缺，未分析出故障點而可能引起的機車安全事故的發生，減少了人力成本、提升數據分析效率。同時，和段內整備系統等信息系統交互，可實現提票信息的跨系統的傳遞，避免有可能出現的重復勞動的情況發生，減少了漏提票事件的發生，極大提高了機車走行部的質量。不僅如此，本系統中的自動診斷算法模型實現走行部旋轉部件健康狀態自動評價，能準確定位軸承、齒輪和踏面失效模式，指導精準維修，實現自身設備異常判斷，防止故障設備伴隨機車運營，引發走行部故障漏監測。

本系統是基于目前在用的JK11430 地面分析系統數據庫設計的，簡單易用，僅需軟件輔助就能切換到“機車走行部監測數據自動分析處理系統”進行工作，不影響原有系統的正常工作，具備向全局乃至全路推廣的良好前景。