鐵路貨車智能監測系統關鍵技術研究及探討

王毅 陸強 祝笈 周炯

摘要：綜述了國內外鐵路PHM技術研究的現狀，提出我國鐵路貨車智能監測系統的設計目標及建議，并進行關鍵技術研究及探討。

關鍵詞：鐵路貨車;智能監測;技術研究

0? 引言

為了實現“中國制造2025”提出的信息化與工業化深度融合的目標，迫切需要研究新型的鐵路貨運運行安全監控與保障技術。國際重載協會（IHHA）指出：未來世界重載技術將進一步向智能化、數字化方向發展，2017年國際重載大會首次提出了“國際重載4.0”理念，即搭建現代化數字網絡平臺，廣泛應用傳感器、大數據計算、信息通信、人工智能等技術，大幅提升貨運技術裝備智能化水平，提高運輸效率、安全性。

1? 國內外現狀

PHM技術的起源可以追溯到上世紀50年代，從最初的可靠性分析、故障分析、系統監測逐步發展到后來的機內測試、飛行器健康監控、綜合系統健康管理再到現在的故障預測與健康管理PHM。20世紀70年代PHM技術初步應用于A-7E的發動機監控系統。20世紀90年代末，美軍又把PHM技術應用到F-35聯合戰斗機項目。2005年11月，美國國家航天局舉辦了首屆國際宇航“綜合系統健康工程和管理”論壇。2009年，國際PHM學會成立，PHM技術獲得世界主流認可并建立PHM相關標準。PHM技術在軍事領域獲得廣泛應用的同時，其在民用領域應用也獲得巨大傳播。美國波音公司已經在波音777等客機上采用PHM技術，有效提高了客機的可靠性和維修效率。

國內關于PHM的研究起步相對較晚，但發展迅速，己在一些領域取得了較好成果。中國鐵道科學研究院的錢坤將PHM技術應用到高速道岔，并對應用難點進行了詳細分析。北京航空航天大學的孫博等人對PHM技術的發展及應用現狀進行了綜述。西南交通大學的羅鳴州建立了高鐵牽引供電的PHM監測平臺，實現了設備監測信息的高效利用。

而在軌道交通領域，PHM的研究才剛剛起步。德國、法國、加拿大、美國等鐵路公司正在應用或開展故障預測與健康管理技術研究，主要是針對機車開發的安全性監測系統，以降低車輛運維成本，提高可用性。這些系統普遍具備車輛狀態監測、故障遠程報警、故障專家診斷等功能。尤其是美國GE公司的RM&D系統，具備實時監測異常數據、自動故障診斷、部件剩余壽命預測和智能維修建議等功能。目前國內機車遠程監測與診斷系統（CMD）已經開始建設，動車組都安裝了遠程數據傳輸系統（WTDS）。為保障動車組安全可靠運營，提高檢修效率，鐵路局和主機企業各自開發了動車組數據監控平臺、檢修平臺、健康管理與運維決策平臺，實現了車輛運行狀態的監測、故障預警、故障分析、故障診斷及檢修支持等功能。

2? 主要研究目標

在貨車轉向架上安裝貨車安全運行狀態監測系統，在車輛上安裝車輛狀態監測系統，在機車上安裝車載PHY監測終端，建立地面PHY監測軟件平臺。通過車載和地面系統的構建實現貨車運行中狀態信息的全監測，實現“狀態修”的目的，并提供規范化和標準化的服務，讓車輛更安全且高效地運營。滿足智慧監測、智慧診斷和智慧運維服務等運維需求，實現現有運維服務體系的創新和提升。

3? 創新點

鐵路貨車故障預測與健康管理創新點體現在：

①研發建立車內標準窄、寬帶通信系統，提供可靠的、可擴展的車車之間通信。解決現有車車通信的通信可靠性、自由編組后的自動組網、多種設備的協議不統一等問題。

②研究開發貨運車載綜合監測系統。研究開發車輛運行狀態監測系統、車體狀態監測系統、轉向架監測系統、空氣制動監測系統。采用多傳感器技術、高速數據采集技術、低功耗數據采集技術，結合神經網絡的模式識別技術，對軌道、車輛關鍵部件定位識別和異常分析判決，實現貨運的車載綜合檢測，提升車輛安全運營能力。

③研究貨車的故障預測與健康管理智能分析模型。通過大數據、云計算、機器學習等先進技術對采集的重載貨車狀態監測數據進行智能分析和挖掘，構建專家庫，建立健康評估模型、故障預測模型、維修決策模型，用于實現系統的健康監測、預測預警以及運維決策的核心功能。

④構建基于狀態修的貨車的智能化運維管理體系。引入故障預測與健康管理技術，利用盡可能少的監測數據，借助故障預測與健康管理智能分析模型，由傳統的基于傳感器診斷轉向基于智能預測和診斷，促進狀態修取代周期修和故障修的進程，可以縮短車輛檢修時間，提高車輛檢修效率，提高車輛利用率，降低檢修維護成本。

4? 關鍵技術研究

4.1 車輛運行平穩性和蛇形失穩監測

根據GB/T 5599-1985規定，貨車的運行平穩性采用車體最大振動加速度和平穩性指標來表示。新造貨車的平穩性指標應達到GB/T 5599-1985的良好標準，即橫向及垂向平穩性指標應低于4.0，車體橫向和垂向最大振動加速度應分別小于0.5g和0.7g。

根據AAR M-976標準中空車Hunting試驗的要求，采用橫向加速度峰-峰值（限度值為≤1.5g）和標準差（限度值為≤0.13g）來描述車輛的蛇形失穩狀態。采用微機電（MEMS）三軸加速度傳感器，安裝位置按照GB/T 5599-1985的規定置于車體上心盤內側縱向1000mm內中梁下蓋板上。

4.2 超、偏載監測

參考《鐵路貨車超偏載檢測裝置檢定規程》的相關規定，彈簧的靜撓度可間接反映車輛的超、偏載。貨運車輛有前后兩個轉向架，共有4組二系承載彈簧組，分別位于車輛對稱的四個方向。位移傳感器安裝在車體前后轉向架的搖枕與二系彈簧托梁之間，測定4組二系承載彈簧組壓縮量變化。在動力學試驗中，監測彈簧撓度的傳感器安裝于搖枕和側架的彈簧承臺部位，采用高動態響應的激光測距傳感器實現彈簧伸縮測量。

4.3 空氣制動系統異常監測

空氣制動異常監測系統能改善列車運行品質，保障列車行車安全及運輸秩序，消除技檢作業中對制動故障的誤檢、漏檢，避免列車帶故障運行;能實時掌握制動系統的性能狀態，及時發現并排除制動系統故障，提高列車運輸效率，保證運行安全;在長期積累監測數據的基礎上，利用大數據挖掘和分析技術，總結和探索車輛制動部件故障規律，逐步實現故障預警和預報，為實現狀態修提供技術支撐，避免“過度修”，進一步提高車輛運用效率和效益。

系統監測分析車輛各制動管系壓力變化及列車中前后車輛的管系壓力數據，能實時判斷出意外緊急、列車管漏泄、自然制動、緩解不良、自然緩解等10余項空氣制動系統故障，提升運行品質、保障行車安全。

4.4 轉向架監測項目

4.4.1 軸承狀態監測

我國絕大部分鐵路貨車采用承載鞍與軸承連接，其外圈外露，因此采用了外探方式進行狀態監測，即5T系統。在5T系統中，有兩個系統是針對軸承進行監測的。THDS系統監測軸承溫度，TADS系統監測軸承異音。這些外探監測系統不可能遍布整個線路，存在監測盲點，如THDS每隔30km左右設置1個。車載軸承監測系統可實現對軸承運行狀態的實時監測，進一步保障車輛運行安全。

對照5T系統監測項點，車載軸承狀態監測系統監測軸溫和異音。其中，軸溫探測采用非接觸式。根據我國既有三大件式鑄鋼轉向架的結構特點，相對比較合適的監測點可考慮在側架導框、承載鞍、擋鍵等部位。

異音監測擬采用寬動態范圍的拾音傳感器，采集系統對其采用高速數據采集和特征值計算分析。

4.4.2 閘瓦狀態監測

閘瓦狀態監測主要分兩個部分，一是閘瓦磨耗限度、熔渣夾渣等外觀情況，二是判斷緩解不良。閘瓦磨耗限度、熔渣夾渣等擬采用串口視覺傳感器，定時采集閘瓦圖片信息實現監測。緩解不良時，輪瓦會貼靠在一起產生磨耗，可導致車輪和閘瓦溫度上升，考慮采用溫度監測方法判斷。傳感器的安裝部位均考慮在側架滑槽部位。

4.4.3 貨車車輛狀態監測系統、列車監測系統

車載健康狀態分析與評估系統即為列車監測系統，部署在機車上，主要實現車輛關鍵設備及零部件的實時故障檢測等功能。列車監測系統依據原始數據的分布式采集，進行數據本地存儲、實時數據清洗和特征提取等。原始監測數據由于數據量大，將通過車載WiFi傳送到車頭監測系統中，然后采用定期拷貝下載的方式，將數據接入地面故障預測與健康管理系統的大數據平臺中。應用層將根據數據層的數據，實現單車監測、健康評估、故障預警、模型管理、故障診斷、故障分析等。

4.5 車內和車地無線通信系統

通信系統包括車內通信和車地通信。車內通信為機車與各車輛之間的通信，車地通信為機車與遠程管理平臺之間高速數據通信。根據采集數據對無線傳輸的需求，無線通信系統分為窄帶通信系統和寬帶通信系統，窄帶通信系統采用LoRa，寬帶通信系統采用WIFI，考慮到貨車場景，采用定向天線技術。考慮到通信系統為其它系統提供可擴展的通信需求，研究開發可擴展的幀協議。

4.5.1 基于WIFI Direct的車載自組網

每節車輛均設置匯聚節點，將各節車輛中多個傳感器采集到的原始數據通過WIFI鏈路匯聚到每節車輛的匯聚點，聚集點再將這些數據傳到車頭，利用4G/5G網絡傳輸到服務器，或者緩存在機車存儲設備中，待列車進入車站再進行統一下載。

各節車輛內的傳感器配備傳統的WIFI模塊，直接接入到匯聚節點中，將實時采集數據上傳到匯聚點。每個匯聚點安裝WIFI Direct模塊，WIFI Direct技術允許無線網絡中的設備無需通過無線路由器即可相互連接，實現信息的傳輸及共享。每個匯聚點的WIFI Direct模塊一方面充當網關，將各個車輛傳感器的數據進行匯聚，另一方面則通過自組織網絡的形式彼此相連，將匯聚的數據進一步傳到機車。

4.5.2 基于LoRa星型組網的車載通信

列車上的傳感器配備LoRa通信模塊，它們通過LoRa星型網的形式，接入到車載LoRa網關，將傳感器采集的重要狀態信息實時傳到車頭。

4.5.3 車地通信方案

在4G/5G網絡覆蓋不佳的線路或者區間，可以根據采集數據特點不同選擇不同傳輸方式。車載PHM系統數據主要分為原始數據和狀態數據，其中原始數據為車載PHM系統狀態感知部分采集的車輛關鍵系統及零部件等的溫度、風壓、振動加速度等物理量數據，數據量較大，但對數據傳輸的實時性要求不高，因此在無線網絡覆蓋欠佳的路段可以暫時將數據緩存在車載存儲系統中。狀態數據為原始數據經過車載PHM系統處理后提取而來，包含車輛狀態信息、預警報警信息、故障信息等。這些數據實時性要求較高，可以通過GPRS網絡將其實時傳回地面PHM平臺。

4.6 地面故障預測與健康管理系統

4.6.1 地面故障預測與健康管理系統架構及功能設計

地面故障預測與健康管理系統主要包括云計算+大數據平臺、應用平臺兩部分。作為地面故障預測與健康管理系統的平臺支撐，云計算平臺層接收智能感知采集系統采集到的海量數據進行整合分析，為上層大數據平臺和應用系統提供統一基礎設施服務，包括計算資源和存儲資源。除了車載狀態監測數據外，大數據平臺還采集包括車輛制造數據、5T監測數據、現場巡視數據以及環境數據等地面數據。大數據平臺實現系統數據的規范化、集中管理、持續積累以及跨專業數據共享，提供大數據智能分析的基礎能力集，集中存儲分析模型的運行結果數據和大數據挖掘及分析應用的各類智能分析模型，為后續更多的智能分析數據應用提供支持。

4.6.2 故障預測與健康管理閉環管理流程的實現

在地面故障預測與健康管理系統的研究、設計和實現中，如何構建各類智能分析模型，如何應用模型來實現狀態監測、故障預測以及健康管理各類功能，如何實現故障預測與健康管理的閉環管理都是研究的重點。地面故障預測與健康管理系統各類用戶在故障預測與健康管理系統管理流程中的核心操作，通過智能分析模型構建、狀態監測、健康評估、故障預測、健康管理及運維決策等五個階段，實現故障預測與健康管理的閉環管理。

5? 結束語

建議進一步針對鐵路貨運的特殊性，開展貨車安全監測標準的定義和評價，車地無線信息傳輸、智能監測系統集成定制和現車運行試驗等研究工作，提升系統的安全性和可靠性。

參考文獻：

[1]王會武，韓俊峰.鐵路貨車智能化的初步設想[J].鐵道車輛，2017（2）：37-39.

[2]陸正剛，王潔，孫效杰，郭帥.快捷貨車轉向架運行安全智能監測系統研究[J].鐵道車輛，2015（12）：25-28.