基于全生命周期的磨合測試設備設計

田 賀

（青島杰瑞工控技術有限公司，山東青島 266000）

0 引言

目前國內城市軌道交通車輛保有量接近40 000輛，年復合增長率約19%，高鐵動車保有量超過30 000輛，年復合增長率約20%［1］，鐵路貨車保有量達到91.2萬輛，年復合增長率約5%。一方面新增在軌車輛的不斷投入運行，另一方面是大批在軌車輛進入檢修年限，而轉向架作為車輛的支撐及驅動部件，對車輛的在軌運行安全性起著決定性作用［2］。輪對跟軸箱的配合度也將影響整個轉向架的穩定性，如出現配合不當，極易出現輪對熱軸、燃軸，導致車輛運行的重大事故［3］。目前各大路局檢修段多采用人工手檢或者半自動化設備進行檢驗，由于人工的隨意性及半自動化設備的效率低等原因，造成檢測的結果存在很多不確定性，且造成大量的人力成本［4］。同時在檢修環節，由于輪對單體及軸箱呈不規則外形，檢修人員雖依檢修規程進行組裝，但無法檢驗其裝配效果；而輪對在不同工況下工作，也會造成與軸箱的配合間隙的不同變化，如果僅按檢修規程約束的時長或里程來進行檢修，無法做到精準檢修及及時檢修。隨著國家產業升級的外部要求，各大路局均提出要應用大數據、深度學習、故障預測與健康管理（PHM）、增強現實等先進技術，實現技術裝備的全過程管理，提高動車組等技術裝備維修的智能化水平，降低裝備的全生命周期成本，提高運輸效率和安全水平。為解決現有磨合測試設備的自動化程度低、安全系數低、數據處理能力低、無法覆蓋全生命周期［5］等核心弱點，經過長期的技術研究，將大數據分析與機器視覺技術進行了應用，優化電氣控制原理，實現了一鍵啟動功能，全程無需人員干預，操作人員可以遠距離監控檢修全過程，通過機器視覺及傳感器技術進行多項關鍵數據的采集，“中樞大腦”對龐雜的數據流進行預處理、信息轉換加工、分析預判。同時開放接口，與目前主流的列車智能運維系統進行兼容［6］，實現數據的上傳下達，實時互動。

1 設計原理

該測試設備主要由輸送裝置、驅動裝置、采集單元、機器視覺系統、電氣控制系統、運維軟件等組成。通過對軸箱溫度、軸承溫度、橫向偏移量、振動量等物理量的監測，以數量流的形式進入“中樞大腦”，借助大數據挖掘分析，對其裝配質量進行判定，并以圖表的形式進行直觀地展示。

運維軟件為整個設備的中樞神經，統一下發各項檢修指令，同時對反饋的各項數據進行分析，實時修正指令，正激勵與反激勵相結合，確保設備各項動作無誤，同時進行數據挖掘分析，并與系統內的預測模型進行實時對比，得出經過理論分析與實踐驗證的最佳結論，精準預判其最佳檢修方案。該系統還具有自學習及自適應能力，并開發有標準的接口，可實現與主流智能運維系統的兼容；各采集單元及機器視覺系統為神經觸角，通過各采集單元及機器視覺系統，對輪對及驅動部件的位置進行確定，并識別上傳輪對及軸箱的各項外部參數；輸送系統根據所設定的指令控制各個動作單元進行指定的動作，實現輪對上架、上鎖、解鎖、下架等規定的各個試驗動作全過程的自動化；電氣系統通過PLC可編程控制對驅動系統各驅動單元進行精準控制，采用變頻技術實現無級變速，對驅動電機啟動速度、升速加速度、運行速度、降速加速進行可變設計，最大程度模擬真實工況。

2 硬件設計

該設備硬件部分主要由驅動機構、可變導軌、頂升裝置、夾緊裝置、主框架、輸送機構、外圍傳感設備、控制柜等組成。試件通過輸送機構及可變導軌運送至檢修工位，夾緊裝置則對分布于兩側的軸箱施加垂直壓緊力，確保整個實驗過程中試件的穩固。整個動作全部采用氣動系統，氣源通過三級過濾器進入多級調壓閥及氣動電磁閥，輸出可變氣源來控制夾緊裝置及輸送機構，通過4個布置于不同方向的可伸縮氣缸完成以上動作。待檢修動作完成后，“中樞大腦”將發送指令至可編程控制器，由控制器控制變頻器的電壓輸出頻率，以此達到驅動電機調速的目的。同時為確保完全模擬真實工況，在控制器程序內進行了啟動-提速-穩速-降速-關停等運動狀態參數的設定。在該設備中還大量采用機器視覺及外圍傳感設備進行整個檢修流程的信息采集、信息反饋及信息預處理，為多重安全互鎖提供了信息支撐。所有信息量通過“中樞大腦”運算分析，對輪對磨合檢修進行全生命周期管理，同時實現了所有檢修動作的統一性、精準性、實時性。

該設備基于模塊化的設計。設備機械部分主要由驅動機構、可變導軌、頂升裝置、夾緊裝置、主框架、輸送機構等組成。驅動機構采用兩個主動橡脂輪，通過摩擦力帶動輪對轉動，同時在輪對兩側的軸箱上施加一定的壓力，確保輪對不會出現縱向的位置偏移。

該套設備高度集成，采用立體多層布局，大大節省了資源。功能模塊合理布局，創新性的將驅動設備與輔助設備融為一體，較傳統產品節省占地20%，降低資金投入，減少建設用地審批。全工況應用設計，工廠預制。模塊化機械體以“標準化設計、工廠化加工、裝配式建設”為設計理念，設備的生產與集成在工廠內完成。依托于先進的裝配技術、精益求精的生產理念、清潔有序的裝配環境、定制化的結構設計，將極大提高產品的使用性能和壽命。同時由于該產品屬于預制式產品，極大減少了現場的施工難度跟施工時間，縮短了整個安裝周期，為使用方節省了大量時間。

機械結構如圖1所示。

圖1 機械結構

3 軟件設計

3.1 基于大數據挖掘與分析技術的應用

在該系統中，將轉速、環境溫度等變量作為RBF網絡的輸入，即將轉速、環境溫度、預緊力等對輪對磨合產生影響的因子作為RBF網絡的輸入量，并將軸箱溫度、軸承溫度、橫向偏移量、振動量等作為RBF網絡的輸出，根據裝配規程及試驗數據，調整RBF網絡權值，改變輸出量與各輸入變量間的關系，提取需要進行數據挖掘的數據集，對核心數據進行數據完整性和有效性檢查以及單位裝換和元素修補等工作［7］。然后依托龐大的數據庫進行有目的、有效率的數據挖掘分析，建立出輪對裝配性能對影響因子的響應模型以及輪對使用的預測模型［8］。

基于已建立的輪對裝配性能對影響因子的響應模型以及輪對使用的預測模型，預測輪對在多環境因素協同作用下的使用壽命，并根據輪對的溫度變化或振動變化，定性判斷輪對配合情況并定量判斷在該環境下輪對安全運行的里程及最佳維修節點，建立不同環境下的最佳維修節點知識庫。通過RBF網絡訓練，使其具有自組織自適應性，同時適合并行處理和分布存儲，擁有非線性映射能力和容錯能力［8］。通過試驗實時信息、輪對性能變化等進行推理和決策，獲得下次最佳維修節點，精準檢修，極大減少了維修成本，實現了輪對與軸箱配合的全生命周期管理。

3.2 基于機器視覺技術的應用

在該系統中，系統硬件裝置由攝像頭、圖像視頻采集卡、計算機等組成。可實現全方位多角度的輪對運轉行為監視工作，通過內置的安全互鎖機制，采用正反饋與負反饋結合的方式，確保試驗過程的安全；系統利用機器視覺技術，實現輪對序列號的智能識別，建立輪對裝配情況的全生命周期信息庫；同時可以按照需求保留長期的試驗圖像采集資料，作為檢驗的過程的追溯依據。

機器視覺系統包含圖像預處理、特征提取、轉動模型構建等流程。進行輪對識別，首先對采集到的輪對圖像進行預處理，然后對輪對圖像特征提取，利用權重化特征的卷積神經網絡構建出輪對識別模型，并建立有關輪對識別算法模型［9］。

利用攝像機進行輪對運轉狀態數據采集，對圖像大小、采集頻率、圖像進行存儲，傳輸至智能分析軟件，通過比對標準圖像，計算出輪對運轉過程中的橫向偏移量。但因為輪對運轉速度很快，且工況比較惡劣，所以在提取特征前，需要進行灰度化、圖像增強、濾波去噪等圖像預處理操作［10］。

4 驗證與結果分析

在該設備中，軟件界面涵蓋檢測記錄、設備狀態、檢修項趨勢查詢、變量分析、數據統計、萬公里磨耗、多維統計分析、未來檢修預測等內容，實現了輪對磨合試驗的全生命周期管理，同時有效推演下次檢修時間，實現了檢修的精準性，提高了檢修的有效性。對比傳統檢修設備，該設備在日檢修量、工人利用率、設備占地面積、無故障運行時間等方面也具有巨大的優勢。目前該設備樣機已在部分車輛廠進行推廣，產品運行性能穩定，得到了使用方的一致好評。

表1 傳統檢修設備與本設備對比

5 結束語

在本文的產品方案中，通過運維軟件的運用，將大數據挖掘與分析技術運用到檢修環節，通過對多目標、多時態的對比分析，實現了全生命周期的管理［11］，極大降低了檢修運維成本，且檢修更加自主化、智能化；通過機器視覺的運用，對檢修件進行了實時的動態監控［12］，有效提取檢修件的物理特征，匯入大數據庫。同時借助機器視覺的甄別，可以智能判定檢修工況是否正常，增強了設備運行的安全性；在電氣構造上，通過外圍傳感設備的數據采集及可編程控制器的運算處理，操作者僅需按引導點擊按鈕，即可實現試件進庫、試驗、出庫；在硬件系統的搭建上也非常巧妙，采用機械一體化設計，極大減少了現場的施工難度跟作業時間。