轉(zhuǎn)轍機的故障預測與健康管理技術(shù)

汪　倩　周振威　陸裕東　史崢宇　孟凡江

(1. 暨南大學信息科學技術(shù)學院　廣州　510632；2. 工業(yè)和信息化部電子第五研究所　廣州　510610；　3. 廣州市地下鐵道總公司　廣州　510310)

?

轉(zhuǎn)轍機的故障預測與健康管理技術(shù)

汪倩1,2周振威2陸裕東2史崢宇2孟凡江3

(1. 暨南大學信息科學技術(shù)學院廣州510632；2. 工業(yè)和信息化部電子第五研究所廣州510610；3. 廣州市地下鐵道總公司廣州510310)

闡述國內(nèi)外轉(zhuǎn)轍機故障預測與健康管理(prognostics and health management, PHM)技術(shù)的發(fā)展現(xiàn)狀，提出轉(zhuǎn)轍機PHM技術(shù)的原理框架，并給出轉(zhuǎn)轍機PHM技術(shù)的關(guān)鍵點，包括敏感參數(shù)分析、數(shù)據(jù)采集、故障物理分析、特征提取、健康評估、故障診斷、故障預測以及決策計劃等，為轉(zhuǎn)轍機PHM技術(shù)的工程應用提供理論基礎(chǔ)。

轉(zhuǎn)轍機；故障預測與健康管理；技術(shù)框架

1　國內(nèi)外研究現(xiàn)狀

轉(zhuǎn)轍機是控制道岔轉(zhuǎn)換、鎖閉及監(jiān)督的關(guān)鍵設(shè)備，隨著我國城市軌道交通的建設(shè)規(guī)模不斷擴大，速度和運量不斷增加，其故障率呈現(xiàn)上升趨勢，容易導致道岔的誤動作、不動作、不完全動作，嚴重影響軌道交通的運營效率(見表1)。由于轉(zhuǎn)轍機的數(shù)量龐大、結(jié)構(gòu)復雜，傳統(tǒng)的事后維修和定期維護，耗費資源且效率低，很難嚴格保障道岔和轉(zhuǎn)轍機的正常運行。為了提高可靠性和工作效率, 對轉(zhuǎn)轍機進行狀態(tài)監(jiān)控和故障預測顯得越來越迫切。故障預測與健康管理(prognostics and health management，PHM)技術(shù)是一種綜合的技術(shù)解決方案，包括設(shè)備狀態(tài)監(jiān)測、健康評估、故障診斷和故障預測等功能，能夠滿足地鐵設(shè)備維修保障的需求，有效地降低故障率，節(jié)約保障資源并減少經(jīng)濟損失。因此，將PHM技術(shù)應用于轉(zhuǎn)轍機的維修維護具有現(xiàn)實意義。

國外在裝備系統(tǒng)等領(lǐng)域的PHM技術(shù)，已經(jīng)擁有一套成熟的設(shè)計思路和技術(shù)體系，轉(zhuǎn)轍機等機械設(shè)備的PHM技術(shù)也有長足的發(fā)展。主要采集電流、功率、位移及轉(zhuǎn)換力等信號進行實時監(jiān)測，運用聚類、分類和回歸等數(shù)據(jù)挖掘方法，實現(xiàn)系統(tǒng)的故障診斷和健康狀態(tài)評估[1-3]。但是，故障預測技術(shù)和剩余使用壽命模型還不成熟，仍需要不斷完善，同時缺少標準的評價體系和驗證平臺支撐理論的可行性。

表1　轉(zhuǎn)轍機原因?qū)е碌罔F道岔故障

注：信息來源于《信息時報》和《國際金融報》等報紙刊物。

我國的PHM技術(shù)起步相對較晚，主要用于裝備的關(guān)鍵系統(tǒng)和部件，系統(tǒng)集成能力較弱。電子產(chǎn)品和工業(yè)控制等方面的PHM技術(shù)研究逐步將理論應用于實踐[4]，加快實現(xiàn)工程產(chǎn)業(yè)化的進程。然而，針對轉(zhuǎn)轍機等復雜機械設(shè)備的PHM技術(shù)仍處于起步階段，逐步從最初的便攜式測試儀發(fā)展到在線實時監(jiān)測。雖然轉(zhuǎn)轍機的故障檢測和診斷的研究不少，但是技術(shù)重點相對分散，故障預測的工程化應用程度不高[5]，尚未形成完整的轉(zhuǎn)轍機PHM技術(shù)框架。

下面給出轉(zhuǎn)轍機PHM技術(shù)的原理框架，并闡述其技術(shù)的關(guān)鍵點及應用。

2　原理框架

轉(zhuǎn)轍機PHM技術(shù)框架如圖1所示，可分為敏感參數(shù)分析、數(shù)據(jù)采集、故障物理分析、數(shù)據(jù)挖掘以及決策計劃5個部分。其中，數(shù)據(jù)挖掘包括特征提取、健康評估、故障診斷及故障預測4個環(huán)節(jié)。

圖1　轉(zhuǎn)轍機PHM技術(shù)的原理框架

首先，分析轉(zhuǎn)轍機的故障機理，確定故障的形成誘因和表現(xiàn)形式，劃分故障類型，并將其映射到電氣或物理參數(shù)變化上，從而確定監(jiān)測信號。其次，根據(jù)傳感器安裝及數(shù)據(jù)獲取的難易程度，選擇最優(yōu)的信號采集方案，對原始數(shù)據(jù)進行降噪、剔除異常值以及缺失數(shù)據(jù)處理等操作，再采用數(shù)據(jù)挖掘方法提取故障特征，并建立數(shù)學模型用于診斷和預測。隨后，以健康基準為標桿，評估系統(tǒng)的健康狀態(tài)，定義維修級別：若檢測信號處于故障狀態(tài)，發(fā)出警告并診斷系統(tǒng)的失效模式，定位故障；若檢測信號處于健康狀態(tài)，則持續(xù)監(jiān)測信號，分析可能的故障類型和退化模型，并對轉(zhuǎn)轍機未來可能發(fā)生的故障進行預測，估算剩余使用壽命。最后，根據(jù)健康狀態(tài)評估故障預測的結(jié)果，給出相應的維修維護的建議和措施，降低轉(zhuǎn)轍機的保障成本。

3　關(guān)鍵技術(shù)

3.1敏感參數(shù)分析

大致而言，轉(zhuǎn)轍機故障可分為電氣和機械故障，常見的機械故障有30多種，其固有的關(guān)聯(lián)性和偶發(fā)性導致故障難以排查。實驗證明，大部分的故障發(fā)生前后，都會引起電流、轉(zhuǎn)換力等信號的緩慢變化或突變。為此，采集轉(zhuǎn)轍機的工作電壓、工作電流、轉(zhuǎn)換力、缺口，以及尖軌與基本軌密貼度等電氣和物理參數(shù)信號。利用多組傳感器(如CMOS數(shù)字圖像傳感器、熱電偶、加速度計等)的協(xié)調(diào)互補進行智能化處理[6]。面向交流轉(zhuǎn)轍機，由于功率與轉(zhuǎn)換力線性相關(guān)，可通過采集電壓和電流信號并進行曲線擬合得到有功功率[7-8]，通過監(jiān)測有功功率信號的變化來反映故障。此外，應結(jié)合振動和溫度等環(huán)境信號及歷史維修數(shù)據(jù)進行輔助判斷。

3.2數(shù)據(jù)采集

數(shù)據(jù)采集是轉(zhuǎn)轍機PHM技術(shù)實施的重要環(huán)節(jié)，只有在轉(zhuǎn)轍機合適的部位正確安裝傳感器，才能保證采集數(shù)據(jù)的有效性。轉(zhuǎn)轍機數(shù)據(jù)采集的拓撲結(jié)構(gòu)如圖2所示，傳感器的輸出信號通常需要進行信號調(diào)理，經(jīng)過數(shù)據(jù)采集卡傳輸至數(shù)據(jù)采集控制器中，再通過總線或者無線的方式連接至在線監(jiān)測平臺，應用Measurement Studio、LabVIEW等軟件，進行數(shù)據(jù)采集、控制和表達，實現(xiàn)轉(zhuǎn)轍機的實時監(jiān)測。

圖2　數(shù)據(jù)采集的拓撲結(jié)構(gòu)

在數(shù)據(jù)采集過程中，需要注意兩方面的問題；

1) 傳感器的安裝與優(yōu)化。傳感器安裝部位和數(shù)量既不能影響轉(zhuǎn)轍機的正常運行，又要確保數(shù)據(jù)的可靠性和有效性，排除測量誤差引起的數(shù)據(jù)分析和健康狀態(tài)的錯誤估計。

2) 采樣率和精度的選擇。保證數(shù)據(jù)的采樣間隔在不會影響故障診斷的前提下，盡量減少內(nèi)存負荷。

3.3故障物理分析

根據(jù)轉(zhuǎn)轍機的設(shè)計參數(shù)和應力參數(shù)，建立數(shù)學模型進行失效分析[9]。道岔轉(zhuǎn)轍機是一套復雜的機械系統(tǒng)，在實際工程應用時其加載條件和環(huán)境因素不斷變化，很難精確地模擬實際的工作環(huán)境，因而需要考慮外部不確定性所帶來的影響。此外，利用大量的轉(zhuǎn)轍機實際工作數(shù)據(jù)進行模型驗證，并不斷修正模型參數(shù)。

3.4數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是指從大量數(shù)據(jù)或者數(shù)據(jù)庫中提取有用的信息?？赏ㄟ^統(tǒng)計分析、機器學習、專家系統(tǒng)和模式識別等諸多方法來實現(xiàn)。數(shù)據(jù)挖掘算法非常豐富(見表2)，以下說明這些方法在轉(zhuǎn)轍機的特征提取、健康評估、故障診斷和故障預測中的應用，為轉(zhuǎn)轍機的故障數(shù)據(jù)分離和故障預測等環(huán)節(jié)提供理論基礎(chǔ)。

表2　數(shù)據(jù)挖掘方法在PHM技術(shù)中的應用

3.4.1特征提取

單一指標不能反映事物的屬性，無權(quán)重的多指標導致數(shù)據(jù)的冗余，而特征提取可將多指標轉(zhuǎn)化為少數(shù)幾個對故障信息貢獻率較大的綜合指標，從而保持特征量的最優(yōu)性。主成分分析(PCA)、時頻域分析和小波分析是分析轉(zhuǎn)轍機電流及轉(zhuǎn)換力數(shù)據(jù)時最常用的數(shù)據(jù)處理方法。以PCA分析振動信號為例，采集水平和垂直方向的加速度信號，分別計算兩路信號幅值的峰-峰值、均方根、振幅因子、峭度和方差，得到10維特征，以適當頻率采集2 803次，形成2 803×10的數(shù)據(jù)矩陣。數(shù)據(jù)標準化之后，將10維相關(guān)的特征映射到4維不相關(guān)的正交特征，計算對方差的貢獻率并進行高低排序，即第一主成分、第二主成分，以此類推。忽略信息貢獻率較低的成分，因此數(shù)據(jù)由10維降至4維，選擇主成分作為新的特征量。同時，在特征提取過程中，需要根據(jù)轉(zhuǎn)轍機的故障或失效機理，分析敏感的物理參數(shù)，并利用數(shù)據(jù)的固有特征進行建模。

3.4.2健康評估

利用數(shù)學計算特征量的值并不能直接反映設(shè)備的健康狀態(tài)，而需要將數(shù)據(jù)轉(zhuǎn)化為反映故障程度的等級量，對現(xiàn)存或潛在的故障程度進行量化度量，即利用采集(現(xiàn)場和歷史)的數(shù)據(jù)判斷設(shè)備是否還處于健康的運行狀態(tài)。因此健康評估是實現(xiàn)定量評價和質(zhì)性評價的有效結(jié)合。評估轉(zhuǎn)轍機是否處于健康狀態(tài)的方法很多，如秩和檢驗和馬氏距離。另外，高斯混合模型、自組織映射和羅杰斯特回歸等方法也能給出良好的健康評估結(jié)果。推薦采用霍特林T2系數(shù)法(HotellingT2)，應用綜合評判方法對多維變量的轉(zhuǎn)轍機健康信息進行評估。首先通過實驗得到轉(zhuǎn)轍機的健康樣本，然后判斷實際數(shù)據(jù)是否來自健康樣本。定義T2為實際數(shù)據(jù)與健康樣本之間的距離，根據(jù)距離值判斷設(shè)備是否健康，劃分不同的故障等級，分級報警，并采取相應等級的維修或者維護措施。

3.4.3故障診斷

針對轉(zhuǎn)轍機，利用微機監(jiān)測道岔電流曲線，通過圖像處理技術(shù)監(jiān)測缺口位移量或者基于人工神經(jīng)網(wǎng)絡(luò)的智能故障診斷系統(tǒng)，通常都只能診斷部分故障。然而，利用轉(zhuǎn)換力、電流以及位移等多種信號的數(shù)據(jù)進行信息融合，靈活運用隱馬爾可夫模型和支持向量機等分類方法進行故障診斷，可以達到更好的效果。在此基礎(chǔ)上，采用功率(電流)分段曲線法可以實現(xiàn)更精準的診斷。如圖3所示，將轉(zhuǎn)轍機的有功功率曲線劃分為若干個工作區(qū)間，根據(jù)功率曲線的特征判斷轉(zhuǎn)轍機在哪一工作區(qū)間出現(xiàn)了故障或異常，從而實現(xiàn)故障的定位[1]。具體而言，可以考慮將轉(zhuǎn)轍機工作過程分為3個階段：啟動解鎖、轉(zhuǎn)換和鎖閉。在啟動解鎖階段，涉及到電源、電機、摩擦連接器、齒輪以及解鎖裝置的啟動；在轉(zhuǎn)換階段，動作桿、螺母、表示桿、檢測桿以及滑床板等容易發(fā)生故障；在鎖閉階段，檢測桿、速動開關(guān)組、鎖閉塊和鎖舌等是故障頻發(fā)部件。這些部件按一定的先后順序運作完成轉(zhuǎn)轍機的一次正(反)轉(zhuǎn)，因此可將轉(zhuǎn)轍機每一步動作進行分割，以區(qū)間為單位進行觀察。若某區(qū)間的信號異常，則對該區(qū)間的工作部件進行剖析，進一步查找故障的具體原因。

圖3　功率曲線的劃分區(qū)間

3.4.4故障預測

轉(zhuǎn)轍機的運行環(huán)境惡劣，部件磨損和累積形變都可能導致故障。結(jié)構(gòu)復雜度越高，故障的偶發(fā)性越大。因此故障預測是轉(zhuǎn)轍機PHM技術(shù)的至關(guān)重要環(huán)節(jié)，也是實現(xiàn)狀態(tài)修的必要條件。避免維修盲目性，縮短維修工期，提高安全性、可靠性，同時降低運營成本。對于轉(zhuǎn)轍機而言，建立自回歸模型和灰色預測模型是目前普遍采用的方法，即利用預測對象特征參數(shù)的歷史數(shù)據(jù)和現(xiàn)場數(shù)據(jù)，建立特征參數(shù)的發(fā)展變化模型，預測該參數(shù)到達某個閾值的時間。但是，由于轉(zhuǎn)轍機工作時受到溫度、濕度等多種環(huán)境因素的影響，難以建立準確的轉(zhuǎn)轍機特征參數(shù)退化模型，從而影響了轉(zhuǎn)轍機故障時間的預測精度。

3.5決策計劃

基于設(shè)備健康狀態(tài)的視情維修是定期維護和事后維修的有效補充，目前鐵路部門也逐步從預防修、分散修和事后修向?qū)嵭袪顟B(tài)修過渡，從而壓縮故障恢復時間，減少檢修作業(yè)次數(shù)和時間。若轉(zhuǎn)轍機的檢測結(jié)果為故障，則立即隔離故障，對故障影響和就緒狀態(tài)進行評估，采取相應等級的維修措施，排查故障，啟動應急預案，保證地鐵道岔的正常運行。若轉(zhuǎn)轍機的檢測結(jié)果為正常，則利用故障預測模型預測其故障發(fā)生的時間，提前采取相關(guān)維護措施，保證轉(zhuǎn)轍機處于健康運行狀態(tài)，實現(xiàn)轉(zhuǎn)轍機的狀態(tài)修，從而保障地鐵營運效率和降低維修成本，實現(xiàn)良好的社會效益。

4　結(jié)語

針對轉(zhuǎn)轍機可靠性和維修維護經(jīng)濟性的需要，給出了轉(zhuǎn)轍機PHM技術(shù)的原理框架，并討論了轉(zhuǎn)轍機PHM技術(shù)的關(guān)鍵點，包括敏感參數(shù)分析、數(shù)據(jù)采集、故障物理分析、特征提取、健康評估、故障診斷、故障預測以及決策計劃等環(huán)節(jié)，形成了較完整的轉(zhuǎn)轍機PHM技術(shù)的解決方案，為轉(zhuǎn)轍機的維修維護決策提供理論依據(jù)，提高了轉(zhuǎn)轍機的可靠性并降低了維修維護成本。未來的工作是將轉(zhuǎn)轍機PHM技術(shù)進行工程應用，形成綜合的解決方案。

[1] Ardakani H D，Lucas C，Siegel D，et al.PHM for railway system：a case study on the health assessment of the point machines[C]//IEEE Conference on Prognostics and Health Management (PHM).Denver, 2012.

[2] Omer F E, Fatih C, Uday K.Failure diagnostics on railway turnout systems using support vector machines[C]//The 1st International Workshop and Congress on Maintenance. Lule?,2010.

[3] McHutchon M A, Staszewski W J , Schmid F.Signal processing for remote condition monitoring of railway points [J].Blackwell Publishing Ltd Strain, 2005(41):71-85.

[4] 孔學東，恩云飛，陸裕東,等.電子產(chǎn)品故障預測與健康管理：應用構(gòu)架與實踐[M].北京:電子工業(yè)出版社，2013.

[5] 郭瑞峰，陳曉雯，何銀暉，等.基于灰色系統(tǒng)理論的轉(zhuǎn)轍機動作桿疲勞裂紋擴展壽命預測[J].機械設(shè)計與研究，2013，29(2):114-116.

[6] 鄭霄.基于圖像處理技術(shù)的轉(zhuǎn)轍機實時在線監(jiān)測的研究[D].北京：北京交通大學，2009.

[7] 王安，于娜，程傳暢.電動轉(zhuǎn)轍機測試儀道岔阻力測試方法設(shè)計[J].現(xiàn)代電子技術(shù)， 2011，34(8):208-210.

[8] 王安，羅世剛，焦美鵬.轉(zhuǎn)轍機轉(zhuǎn)換力在軌監(jiān)測方法研究[J].現(xiàn)代電子技術(shù)，2012，35(7):139-141.

[9] 孔學東，陸裕東，恩云飛.電子產(chǎn)品PHM及其關(guān)鍵技術(shù)[J].中國質(zhì)量，2010(3)：15-18.

(編輯：曹雪明)

Prognostics and Health Management Technology of Point Machine

Wang Qian1,2Zhou Zhenwei2Lu Yudong2Shi Zhengyu2Meng Fanjiang3

(1. Institute of Information and Technology, Ji’nan University, Guangzhou 510632；2. China Electronic Product Reliability and Environmental Testing Research Institute, Guangzhou 510610;3. Guangzhou Metro Corporation, Guangzhou 510310)

The trend of prognostics and health management (PHM) about point machine was introduced, and the principle framework of PHM for point machine was proposed. Then, the key steps for point machine’s PHM technology were presented, including sensitive parameters analysis, data acquisition, physical analysis of failure, feature extraction, health assessment, fault diagnosis, prognostics and maintenance decision. These steps provide theoretic backgrounds for point machine’s PHM technology in engineering.

point machine; prognostics and health management (PHM); technology framework

10.3969/j.issn.1672-6073.2015.01.014

2014-01-04

2014-03-24

汪倩，女，碩士研究生，從事故障預測與健康管理研究，christy201314@126.com

科技部國際科技合作項目(2010DFB10070)

U231.94

A

1672-6073(2015)01-0058-04