动车组故障预测技术研究

动车组故障预测技术研究

孟凡清,王华卫,国华

中车青岛四方机车车辆股份有限公司  山东省  青岛市  266111

摘要：近年来，我国动车组列车迅速发展并取得了举世瞩目的成绩，动车行驶速度不断刷新世界纪录。伴随着服役时间的增加、服役设备的性能退化，如何保证行车安全、提高旅客舒适度、降低运维成本、减少或降低故障的发生，对未来我国的高速动车组产业具有重要意义。本文探讨动车组故障预测与健康管理技术。

关键词：动车组运行；故障预测；健康管理

《中长期铁路网规划》规划了我国高铁运营里程将达到万，标志着高铁在我国的基础设施和交通设施中占有重要地位。由于国内动车组保有量的快速增长、服役车型的种类增多以及大规模的运营，动车组装备产业由大规模的制造阶段向全寿命周期的运营维保阶段转移，动车组的高故障率、低上线率、高维修成本等诸多问题暴露出来，亟待解决。

1动车组运用特点

1.1服役环境复杂

我国动车组运营工况复杂，很多线路的续航里程都在1000km以上，单组车辆每天最多可以行驶3000km以上，沿途可能会遇到雨雪、风沙、雷电等异常气象侵袭）。高速铁路覆盖30余个省份，不同线路间存在高寒、高温、高湿、高风沙、高海拔等复杂外界环境，各运营区域架空接触网的供电质量和最大允许电流存在显著差异，因此在进行系统或部件的故障预测与健康管理(PHM)研究时需要充分考虑外界因素的影响。

1.2系统结构、原理的复杂

我国动车组存在自由编组、8辆编组、16辆编组、17辆编组等复杂的编组情况，不同动车组车型的车上车下布局亦不相同，比如“和谐号”CRH5系列动车组采用5动3拖模式，而“复兴号”CR400BF系列动车组则采用4动4拖模式，关键系统和部件的结构、原理和功能都存在较大差异，PHM的研究需要充分考虑动车组的结构特性，定制准确的模型来提高智能运维能力。近年来，动车组对于新技术、新材料和智能化的需求逐步提升，比如自动驾驶功能、基于动力电池的应急自走行功能、永磁电机、碳陶制动盘、碳纤维等新技术和新材料逐步应用到新造动车组上。

1.3数据多源异构复杂

动车组在新造设计生产阶段、运维阶段、高级修阶段会由不同的生产运用单位产生大量不同结构和类型的数据。例如：回收的数据通常以日志的形式存储；在运维中，实时数据通过4G发给地面服务器存储：用户日常检修的检测数据存储在用户的特定系统中：高级修产生的检测数据则根据高级修执行地点，分别存储于主机厂、用户特定的系统中。PHM应用是支撑动车组全寿命管理的重要手段，各类数据格式兼容、接口互通是需要解决的重要因素。

2动车组故障预测与检修管理要素

面向动车组线上应急处置、日常运用管理、高级检修管理和健康评估管理4种业务场景，PHM系统与相关系统之间的交互融合体现在3个方面：

（1）动车组管理信息系统（EMIS）。EMIS是动车组信息化管理的统一平台，PHM系统依托EMIS中动车组履历、构型、故障、运用、检修、交互式电子技术手册（IETM）等数据进行模型计算，将产生的故障预测结果、预测性维修建议、健康评估结果等在EMIS检修生产各环节进行落实与执行，并将EMIS中生成的故障复核与处理、检修作业实绩等信息进行反馈，支撑PHM系统各类模型的迭代更新。

（2）多平台行车安全监测系统。行车安全监测系统作为PHM系统的重要数据源，依托PHM系统跨业务域的数据汇集和基于并行计算的数据处理能力，实现对动车组车载信息无线传输系统（WTDS）及动车组滚动轴承故障轨边声学诊断系统（TADS）、动车组运行故障动态图像检测系统（TEDS）、动车组运行品质轨旁动态检测系统（TPDS）等监测系统数据的实时采集处理；并通过与应急指挥和EMIS的联动，实现故障的预警预测和对动车组及其部件的健康评估，完成故障预测、应急处置和故障处理的流程管理。

（3）主机企业与核心供应商。动车组生产制造企业内的系统，作为动车组构型、履历、IETM各类手册等数据的参与方，通过与EMIS交互，实现对PHM系统的支撑，也是PHM系统输出的设计制造优化建议的执行载体。通过传统方式描述了动车组PHM系统各业务场景中与外部数据交互流程、系统内部数据流转过程，与国铁集团（铁路局集团公司）用户、主机企业（核心供应商）和模型研发单位等PHM系统参与方的业务活动流程，以及相关核心PHM系统元数据处理技术、模型封装技术和评价与验证技术，构成完整逻辑架构。逻辑架构自左至右描述了PHM系统的信息传递流转过程，其中数据源涵盖目前动车组检测监测体系下，车载WTDS、轨旁安全监测设备（TEDS、TADS、TPDS等）及根据《动车组技术履历信息采集技术规范》约定的入段自动化检测设备数据。

4基于PHM的智能运维管理技术

健康管理（PHM）技术涉及到数据处理、状态监测、故障预测、故障诊断、健康管理、运维决策等众多技术。面向主动运维服务的PHM系统以服务的形式向用户开放式提供故障预测于健康管理服务，所以PHM系统必须注意以下几个关键技术的研究。

4.1多数据融合技术

识别由两个或多个传感器创建的传感器阵列的特性，进行智能处理，分析数据结构特性，判断状态标识、连续或离散性质、传输特性等、连续或断开、传输特性等，从各类结构化、半结构化和非结构化数据中挖掘趋势信息，以尽量高效率的诊断方法将各自的信息关联起来，以便确定系统状态，获得更为准确的结论。

4.2数据处理与故障诊断技术

为了打通PHM平台各类数据，数据贯通是平台的基础，及时、准确、可靠的数据处理和状态监测技术是实施PHM的前端技术），将直接影响PHM系统的性能。PHM平台通过保存、分类和分析处理在线或离线的设备状态参数(电压电流、压力、温度等)进行故障诊断和预测。但是这些数据资源具有多源、异构、高维和非线性的特点，通过有效的数据处理方式，从数据中获取有用的信息和知识是进行故障诊断、故障预测的前提。

4.3故障预测与健康评估技术

故障预测与健康评估技术是PHM区别与传统故障诊断技术的重要特点，将传统的事后维修转变为状态性维修。针对复杂装备系统、子系统或部件的渐变性衰退过程，通过相关检测方法进行故障预测与健康评估是PHM系统的主要内容之一1o。具体实现方法包括基于阈值的判断方法，基于机理研究、数据驱动分析等的预测方法。由于复杂装备系统具有复杂的结构系统、使用环境恶劣等特点，导致难以建立合理有效的数学模型进行预测，并且系统衰退过程数据、信息难以获取和识别，导致预测过程具有较大的不确定性。

4.4知识建模与服务技术

故障预测与健康管理过程包含知识的获取、知识管理级知识应用全过程，这些知识资源具有分布式、多远、异构等特点。大多数主机厂和运用部门积累了大量的故障案例和经验知识，但是资源分布在不同的业务系统中，知识的存储和应用方式迥异，难以进行有效的资源整合和资源共享。由于大量知识资源无法被反复利用，导致专家知识无法发挥应有的价值。所以，通过研究知识获取技术、知识服务技术、知识评价技术和知识可视化技术，能够为设备故障预测和健康管理提供有效的决策支持和知识服务。

4.5平台管理与服务技术

平台管理与服务技术主要包括资源维护封装技术、服务注册、检测、协调与规划技术、安全认证技术等。

5结语

总之，通过系统工程的正向设计，PHM系统可以更好地集中行业各参与方优势，使其在动车组检修运用各场景中发挥作用。后续将根据动车组技术发展、运用检修需求和各层级不同业务用户反馈，持续完善动车组PHM系统建设，针对系统核心功能、各类模型不断优化迭代，支撑动车组的安全运用和智能维修，促进动车组造修技术发展。

参考文献：

[1]李燕,张瑜,周军伟.动车组故障预测与健康管理系统方案研究[J].铁路计算机应用,2018,27(09):1-7.

[2]池毓敢.动车组故障预测与健康管理技术的研究及应用[J].机车电传动,2018(05):118-124.

[3]邵俊捷,邓洋,于闯.故障预测与健康管理技术在动车组中的应用[J].城市轨道交通研究,2018,21(02):102-104.