動(dòng)車組牽引電機(jī)軸承剩余壽命預(yù)測方法研究

張 春，黃天立

（北京交通大學(xué) 計(jì)算機(jī)與信息技術(shù)學(xué)院，北京 100044）

故障預(yù)測與健康管理（PHM，Prognostics and Health Management)技術(shù)起源于美國空軍，隨著科技的不斷發(fā)展該技術(shù)也應(yīng)用到了其他復(fù)雜裝備上，近些年已有不少相關(guān)的研究[1]。這些研究雖然都是關(guān)注機(jī)械零件的健康狀態(tài)，但由于針對的應(yīng)用場景和部件千差萬別，故而難以直接復(fù)制。目前，我國已在動(dòng)車組列車關(guān)鍵部件上安裝了相應(yīng)的傳感器，傳感器采集信息后，通過無線網(wǎng)絡(luò)發(fā)送到信息中心[2]。數(shù)據(jù)經(jīng)過解析后被用來分析相關(guān)部件是否存在發(fā)生故障的可能。現(xiàn)行的故障預(yù)警方式主要是閾值預(yù)警，比如通過檢測軸承溫度是否超過特定的值，以此來判斷軸承當(dāng)前情況[3]。但是只能評價(jià)當(dāng)前狀態(tài)，無法進(jìn)行剩余壽命預(yù)測，不能分析其變化趨勢。對于這些問題，本文針對牽引電機(jī)軸承提出了一種基于實(shí)時(shí)數(shù)據(jù)的分析方法和剩余壽命預(yù)測的思路。

1 車地?cái)?shù)據(jù)概述

1.1 車地?cái)?shù)據(jù)存在問題

PHM相關(guān)研究是近些年的熱點(diǎn)，但在動(dòng)車組實(shí)時(shí)監(jiān)控方面應(yīng)用較少，目前，我國速鐵路動(dòng)車組的牽引電機(jī)軸承上只安裝有溫度傳感器[4]。經(jīng)過對車地?cái)?shù)據(jù)的研究和分析，動(dòng)車組實(shí)時(shí)狀態(tài)監(jiān)控和故障預(yù)警的研究存在以下難點(diǎn)：

（1）數(shù)據(jù)難以直接使用：由于網(wǎng)絡(luò)延遲和傳輸中有丟包等情況的發(fā)生，動(dòng)車實(shí)際運(yùn)行數(shù)據(jù)存在缺項(xiàng)多，噪聲大等問題。此外，當(dāng)前剩余壽命預(yù)測，人工智能方面的算法大多對數(shù)據(jù)本身要求高，不能有過多缺項(xiàng)和噪聲[5]，所以此類算法主要應(yīng)用于檢修探傷等情況。

（2）外界干擾大：此問題對預(yù)警結(jié)果的影響體現(xiàn)為誤警率高，主要是環(huán)境因素對傳感器的影響。因?yàn)檫\(yùn)行環(huán)境復(fù)雜多變，機(jī)械設(shè)備高度耦合，動(dòng)車組運(yùn)行動(dòng)力來自于高壓電網(wǎng)，所以實(shí)際運(yùn)行過程中受外界物理、電磁干擾大，對于敏感的傳感器讀數(shù)有一定影響[6]。此外，天氣因素也會干擾傳感器，我國南北溫差大，地質(zhì)環(huán)境多樣，這些因素都會使得實(shí)時(shí)監(jiān)控和故障預(yù)警方面研究難度加大。

（3）動(dòng)車組運(yùn)行狀態(tài)多樣：由于動(dòng)車組運(yùn)用方式并不固定，所以機(jī)械系統(tǒng)的工況隨時(shí)間不斷變化。而不同的工況顯然不能使用同一套分析方法。例如：軸承在牽引、制動(dòng)、惰行過程中溫度的變化趨勢一定是不一樣的。如何應(yīng)對不同的運(yùn)行狀態(tài)，是本文的研究重點(diǎn)之一。

1.2 解決方案

通過對軸溫?cái)?shù)據(jù)進(jìn)行分析，可以對運(yùn)行中的動(dòng)車組進(jìn)行在線剩余壽命預(yù)測，無需人為肉眼觀察檢修。改進(jìn)以往閾值預(yù)警而無法預(yù)測的問題，將維修思路由狀態(tài)修改變?yōu)轭A(yù)測性維修。

（1）合理利用軸承溫度數(shù)據(jù)：溫度數(shù)據(jù)能體現(xiàn)軸承健康程度。常見軸承故障如裂紋缺口，滾動(dòng)軸承滾道表面金屬剝離等發(fā)生初期，均表現(xiàn)為溫度升高，磨損越嚴(yán)重，運(yùn)行時(shí)溫度就越高[7]。所以通過監(jiān)控動(dòng)車組牽引電機(jī)軸承的溫度變化，可以達(dá)到故障預(yù)測和軸承剩余壽命預(yù)測的目的。但是只有閾值預(yù)警的思路還遠(yuǎn)遠(yuǎn)不夠，需要提出新的方法。

（2）溫度數(shù)據(jù)抗環(huán)境因素影響能力強(qiáng)：由于溫度數(shù)據(jù)變化是連續(xù)的，短時(shí)間內(nèi)不會出現(xiàn)大幅度的跳變[4]。如前所說，動(dòng)車組實(shí)時(shí)數(shù)據(jù)產(chǎn)生的環(huán)境較為惡劣，并且獲取到的實(shí)時(shí)數(shù)據(jù)也存在間隔較大，噪聲大等問題，而利用溫度數(shù)據(jù)不會大幅跳變這一特性，進(jìn)行剩余壽命估計(jì)，很大程度上可以減輕這些干擾的影響。

（3）針對特定過程分析：不只是考慮某時(shí)刻的狀態(tài)，而是面向某個(gè)完整的運(yùn)行過程進(jìn)行分析。將整個(gè)運(yùn)行過程作為一個(gè)完整的整體[8]。針對某個(gè)特定的運(yùn)行過程提取過程的特征值，再使用預(yù)測模型進(jìn)行下一步分析。這樣做的好處在于，既考慮溫度的絕對值也可以考慮運(yùn)行過程中溫度的相對變化量[9]。同時(shí)，還可以減小單個(gè)采樣點(diǎn)的誤差對整體結(jié)果的影響，達(dá)到更好的效果。

2 牽引電機(jī)軸承剩余壽命預(yù)測

2.1 數(shù)據(jù)預(yù)處理

如上所述，需要針對某個(gè)特定的運(yùn)行過程進(jìn)行分析，為了便于分析且有足夠的樣本，選擇的運(yùn)行過程需要保證在該過程中軸承速度變化為單調(diào)的。因?yàn)樗俣鹊膯握{(diào)變化可以保證溫度的單調(diào)變化，只有保證溫度是單調(diào)變化的，才有分析的意義[6]。本階段主要處理兩個(gè)問題：選取目標(biāo)過程和還原目標(biāo)過程中的軸溫特性曲線。

2.1.1 劃分和選取運(yùn)行過程

動(dòng)車組實(shí)際運(yùn)行速度圖，如圖 1所示?？梢钥闯鰧?shí)際運(yùn)行中，速度的變化規(guī)律相當(dāng)復(fù)雜。比如時(shí)速由0加速到300 km/h的加速過程中，有時(shí)時(shí)速并不是直接達(dá)到300 km/h，中間有惰行的部分。惰行時(shí)軸溫會出現(xiàn)輕微下降的情況，如果用包含惰行部分的過程和不包含的過程進(jìn)行軸溫對比分析，必然會導(dǎo)致誤差較大。

圖 1 動(dòng)車組速度變化圖

經(jīng)觀察，時(shí)速由0加速到300 km/h的加速過程中，如果在6～8 min內(nèi)能完成，則其中不會包含惰行。所以本文選取研究過程為：在6～8 min 內(nèi)時(shí)速由0加速到300 km/h的加速過程（以下簡稱：目標(biāo)過程）。由于在此過程中不存在惰行的部分，所以軸承溫度的變化是單調(diào)上升的，減少分析時(shí)的影響因素。并且在實(shí)際運(yùn)行中有足夠的實(shí)驗(yàn)數(shù)據(jù)用于分析。

2.1.2 還原溫度特性曲線

選定目標(biāo)過程后，取得某一軸承每次進(jìn)行目標(biāo)過程的軸溫?cái)?shù)據(jù)。由于車地?cái)?shù)據(jù)本身質(zhì)量較低，對于不同的目標(biāo)過程來說，完成過程的時(shí)間并不相等，數(shù)據(jù)間的采樣頻率也不固定，需要做相應(yīng)的處理。考慮到目標(biāo)過程的用時(shí)雖有差距，但時(shí)速的變化均為0加速到300 km/h，所以可以將時(shí)間維度映射到速度維度上，從而使得不同的目標(biāo)過程可以進(jìn)行對比。

考慮到數(shù)據(jù)密度和為了便于計(jì)算和觀察，將速度按每10 km/h分區(qū)間，對于目標(biāo)過程來說共30個(gè)區(qū)間，每一個(gè)區(qū)間均對應(yīng)一個(gè)溫度值，如圖 2所示。

圖 2 目標(biāo)過程中速度與溫度關(guān)系

每個(gè)速度區(qū)間均對應(yīng)一個(gè)溫度值，這樣就可以構(gòu)建目標(biāo)過程中的溫度特性曲線。而由于溫度數(shù)據(jù)不會出現(xiàn)大幅度的跳變，且目標(biāo)過程中不存在惰行導(dǎo)致軸溫降低的情況，所以雖然有些速度區(qū)間上沒有對應(yīng)的溫度值，也可以比較容易地估計(jì)并補(bǔ)全合理的缺失值。如此就可以得到所有目標(biāo)過程的溫度曲線，如圖 3所示。

圖 3 還原后的軸承溫度特性曲線

補(bǔ)全后，每個(gè)速度區(qū)間均對應(yīng)一個(gè)溫度值，之后即可將整個(gè)目標(biāo)過程當(dāng)做一個(gè)整體進(jìn)行分析，以溫度的變化規(guī)律為特征值進(jìn)行分析，并估計(jì)剩余壽命。

2.2 特征提取

還原目標(biāo)過程的溫度特征曲線后，就可以針對整個(gè)目標(biāo)過程為單位進(jìn)行特征提取?？紤]到動(dòng)車組在實(shí)際運(yùn)行中會頻繁的進(jìn)行目標(biāo)過程，本文從整個(gè)目標(biāo)過程中的溫度絕對值和相對值變化量兩個(gè)方面進(jìn)行特征提取。

本文以溫度的最大值，最小值，平均值與標(biāo)準(zhǔn)差的和，平均值與標(biāo)準(zhǔn)差的差作為4個(gè)特征值構(gòu)建一種特殊的盒圖(也叫N-S圖)。這4個(gè)特征值的整體大小代表了本次目標(biāo)過程中軸承溫度的整體情況；4個(gè)值之間的大小表示在單次過程中溫度的變化幅度。即是說在圖中既可以體現(xiàn)溫度的絕對值，也可以體現(xiàn)相對變化量。如圖 4所示，圖中，A、B、C、D依次對應(yīng)目標(biāo)過程中溫度最大值、平均值加標(biāo)準(zhǔn)差、平均值減標(biāo)準(zhǔn)差和最小值。

圖 4 特征提取結(jié)果

為了減小單次過程的誤差以及體現(xiàn)軸承在整個(gè)生命周期中的工作情況，可以計(jì)算一定里程數(shù)內(nèi)，多次目標(biāo)過程中特征值的平均值。圖 4中按照每10 萬km統(tǒng)計(jì)平均值，并展示出來。單純的展示只是最基本的方法，可以在此基礎(chǔ)上運(yùn)用其他機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘的算法進(jìn)行分析。

2.3 剩余壽命預(yù)測

通過以上研究，本文選取特定過程作為目標(biāo)過程，并還原其中軸溫?cái)?shù)據(jù)特征曲線，在動(dòng)車組每次進(jìn)行目標(biāo)過程時(shí)獲取特征值，從而建立特征值和剩余壽命間的關(guān)系。在分析中，取軸承設(shè)計(jì)壽命為最大剩余壽命。而由于運(yùn)輸安全原因，動(dòng)車組實(shí)際運(yùn)行中不可能使用報(bào)廢或接近報(bào)廢的牽引電機(jī)軸承，所以也就無法獲取剩余壽命接近0時(shí)的目標(biāo)過程的準(zhǔn)確特征值[7]。

CRH3型動(dòng)車組安裝有圓錐滾子軸承和圓柱滾子軸承。軸承設(shè)計(jì)壽命為240萬km，120萬km內(nèi)免修，三級修（120萬km）需分解檢測[10]。故可根據(jù)軸承的設(shè)計(jì)壽命，利用接近設(shè)計(jì)壽命時(shí)的目標(biāo)過程，計(jì)算出特征值的上限。另外，由于軸承的設(shè)計(jì)壽命是用里程衡量的，對于動(dòng)車組牽引電機(jī)軸承來說，剩余壽命預(yù)測也就是對剩余里程的預(yù)測。而根據(jù)上述內(nèi)容和軸承的車地?cái)?shù)據(jù)可以得出已運(yùn)行里程和特征值的關(guān)系，再轉(zhuǎn)化為特征值和剩余里程的關(guān)系即可。

基于上述算法，對于此類型的軸承，獲取在其生命周期中所有目標(biāo)過程的所有數(shù)據(jù)。據(jù)統(tǒng)計(jì)，某動(dòng)車組某軸承從開始服役到停止服役共使用約230萬km。為了便于觀察和計(jì)算，將前面所說的4個(gè)特征值整合為一個(gè)，稱為故障指數(shù)，該指數(shù)依然是要體現(xiàn)出目標(biāo)過程中溫度的整體大小和變化幅度。

由式（1）可知，在目標(biāo)過程中軸承溫度整體偏高或變化幅度較大時(shí)故障指數(shù)也就越大，故障的可能也就越高。本文使用Java語言，基于Presto分布式查詢引擎編寫程序，計(jì)算出軸承在整個(gè)服役過程中的故障指數(shù)。從而得出軸承全生命周期中目標(biāo)過程軸溫?cái)?shù)據(jù)故障指數(shù)與已運(yùn)行里程的關(guān)系，結(jié)果如圖 5所示。

圖 5 動(dòng)車組運(yùn)行里程對應(yīng)目標(biāo)過程故障指數(shù)

可以看出，從總里程達(dá)到200萬km開始，特征值會明顯增大，此時(shí)剩余壽命大約有40萬km，經(jīng)統(tǒng)計(jì)動(dòng)車組平均每月運(yùn)行里程大致為4.8萬km，所以在實(shí)際生產(chǎn)中有足夠的調(diào)整時(shí)間。那么，得到了里程和故障指數(shù)的關(guān)系，再用設(shè)計(jì)壽命減去故障指數(shù)對應(yīng)的已運(yùn)行里程即可得出剩余壽命,如圖 6所示。

圖 6 通過故障指數(shù)進(jìn)行牽引電機(jī)剩余壽命預(yù)測

在列車運(yùn)行時(shí)，經(jīng)歷目標(biāo)過程時(shí)就會產(chǎn)生新的特征值，計(jì)算出故障指數(shù)后根據(jù)曲線可算出剩余壽命。

3 結(jié)束語

故障預(yù)測和健康管理是制造業(yè)提高服務(wù)質(zhì)量，降低成本的關(guān)鍵技術(shù)。本文先分析了動(dòng)車組牽引電機(jī)軸承的數(shù)據(jù)特點(diǎn)和現(xiàn)有分析方法的不足，再針對動(dòng)車組牽引電機(jī)軸承實(shí)時(shí)數(shù)據(jù)提出了使用軸承溫度數(shù)據(jù)預(yù)測剩余壽命的方法，并針對動(dòng)車組實(shí)際運(yùn)行時(shí)的一種典型過程進(jìn)行分析，實(shí)現(xiàn)了動(dòng)車組牽引電機(jī)剩余壽命預(yù)測，可為動(dòng)車組的維修管理和修程修制優(yōu)化提供參考。

[1] 中國鐵路總公司運(yùn)輸局.鐵路動(dòng)車組運(yùn)用維修規(guī)程[J]. 軌道交通裝備與技術(shù)，2014（3）：27.

[2] 何廣堅(jiān), 邢宗義, 左 成,等.基于EMD與SVM的城軌列車滾動(dòng)軸承故障診斷方法研究[J]. 鐵路計(jì)算機(jī)應(yīng)用, 2015，24（8）：1-4.

[3] 陶海龍, 辜琳麗, 張勝召. 改進(jìn)粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)在機(jī)車滾動(dòng)軸承故障診斷中的應(yīng)用[J]. 鐵路計(jì)算機(jī)應(yīng)用，2012，21（2）：9-12.

[4] 楊朋飛, 蔡 陽, 胡林福. 高速動(dòng)車組牽引電機(jī)滾動(dòng)軸承常見故障及預(yù)防措施[J]. 文摘版：工程技術(shù), 2015（29）：122-122.

[5] 邢宗義，姚小文. 基于EMD和包絡(luò)分析的城軌列車滾動(dòng)軸承故障診斷[J]. 鐵路計(jì)算機(jī)應(yīng)用， 2016，25（7）：57-60.

[6] 常振臣, 張海峰. 動(dòng)車組PHM技術(shù)應(yīng)用現(xiàn)狀及展望[J]. 電力機(jī)車與城軌車輛，2016（1）：1-4.

[7] Beganovic N, S?ffker D. Structural health management utilization for lifetime prognosis and advanced control strategy deployment of wind turbines: An overview and outlook concerning actual methods, tools, and obtained results[J].Renewable & Sustainable Energy Reviews, 2016(64): 68-83.

[8] 王中明. CRH3型動(dòng)車組軸承溫度升高報(bào)警的原因分析及解決措施[J]. 鐵道車輛，2016，54（7）：38-39.

[9] 申中杰, 陳雪峰, 何正嘉,等. 基于相對特征和多變量支持向量機(jī)的滾動(dòng)軸承剩余壽命預(yù)測[J]. 機(jī)械工程學(xué)報(bào)，2013，49（2）：183-189.

[10] 張 洋, 陳 浩， 郭 波，等. 鋰離子電池剩余壽命在線預(yù)測[J]. 機(jī)械科學(xué)與技術(shù)，2016，35（8）：1286-1290.