高速動(dòng)車組輪對(duì)動(dòng)態(tài)監(jiān)測(cè)體系的構(gòu)建與應(yīng)用

李樹枝，宋培元，盧 凱

（中車青島四方機(jī)車車輛股份有限公司，山東 青島 266111）

0 引言

動(dòng)車組運(yùn)用過程中，輪對(duì)踏面易發(fā)生擦傷、硌傷及剝離等故障。踏面損傷會(huì)導(dǎo)致輪對(duì)運(yùn)行時(shí)產(chǎn)生異常的周期性沖擊，如不及時(shí)處理，損傷會(huì)在運(yùn)用過程中快速發(fā)展，最終導(dǎo)致軸箱軸承滾道表面金屬剝離、緊固件松脫或斷裂[1]。為保障動(dòng)車組運(yùn)行安全，目前采取每次一級(jí)修必須進(jìn)行輪對(duì)組成狀態(tài)檢修的措施。隨著動(dòng)車組保有量的逐年增加，該檢修任務(wù)量急劇上升。另外，按照動(dòng)車組修程修制改革要求，一級(jí)修周期和里程逐漸延長(zhǎng)，輪對(duì)踏面潛在安全風(fēng)險(xiǎn)將隨之增加，動(dòng)車組安全運(yùn)行管控的難度大增。目前，為了提高檢修效率、降低人工檢修強(qiáng)度，包括輪對(duì)鏇修系統(tǒng)及輪對(duì)故障動(dòng)態(tài)檢測(cè)系統(tǒng)在內(nèi)的各類自動(dòng)化設(shè)備逐步投入使用。這些系統(tǒng)雖然實(shí)現(xiàn)了數(shù)據(jù)采集、閾值判定等功能，但也存在系統(tǒng)功能單一且簡(jiǎn)單的不足，難以通過數(shù)據(jù)融合進(jìn)一步挖掘各系統(tǒng)數(shù)據(jù)的價(jià)值。

目前，針對(duì)高速動(dòng)車組車載設(shè)備的狀態(tài)監(jiān)測(cè)和數(shù)據(jù)收集的研究已較為全面，應(yīng)用也較為廣泛[2]。文獻(xiàn)[3]研究并構(gòu)建了適用于城市軌道交通車輛部件狀態(tài)修的FORESEE智能運(yùn)維平臺(tái)，并通過對(duì)牽引、制動(dòng)等主要系統(tǒng)進(jìn)行數(shù)據(jù)的采集與分析來實(shí)現(xiàn)關(guān)鍵部件的狀態(tài)修。文獻(xiàn)[4]研究了動(dòng)車組故障預(yù)測(cè)與健康管理（prognostics health management,PHM）數(shù)據(jù)處理框架，提出了基于Spark Streaming和Kafka的數(shù)據(jù)處理框架，滿足了數(shù)據(jù)處理的需求。文獻(xiàn)[5]提出了一種以傳感器技術(shù)和大數(shù)據(jù)分析技術(shù)為支持的地鐵車輛故障預(yù)測(cè)和管理方法。文獻(xiàn)[6]針對(duì)列車運(yùn)行過程中產(chǎn)生的動(dòng)態(tài)數(shù)據(jù)，提出了基于一致性表現(xiàn)的流數(shù)據(jù)分析方法，其開發(fā)了用于列車MVB網(wǎng)絡(luò)的智能維護(hù)設(shè)備。文獻(xiàn)[7]基于多特征融合與機(jī)器學(xué)習(xí)理論，提出了一種基于電信號(hào)的多變量解析診斷法，將采集到的電信號(hào)數(shù)據(jù)進(jìn)行降噪重構(gòu)以提高信噪比，再提取故障特征并利用決策樹實(shí)現(xiàn)多特征融合診斷。文獻(xiàn)[8]通過整合列車生產(chǎn)、運(yùn)營(yíng)、維修中產(chǎn)生的數(shù)據(jù)并結(jié)合運(yùn)營(yíng)環(huán)境，提出了一種適用于高速動(dòng)車組的大數(shù)據(jù)平臺(tái)。上述相關(guān)研究多側(cè)重于PHM平臺(tái)搭建、數(shù)據(jù)處理框架以及車載傳感器監(jiān)測(cè)較為全面的系統(tǒng)，而輪對(duì)組成車載設(shè)備監(jiān)測(cè)還不完善，僅軸箱軸承溫度振動(dòng)檢測(cè)設(shè)備在智能動(dòng)車組上有小批量裝車應(yīng)用[9]，因此目前輪對(duì)狀態(tài)的監(jiān)測(cè)仍需要地面設(shè)備來實(shí)現(xiàn)。

本文通過構(gòu)建輪對(duì)動(dòng)態(tài)監(jiān)測(cè)體系，將輪對(duì)組成相關(guān)車載設(shè)備與地面監(jiān)測(cè)系統(tǒng)相結(jié)合，利用多維數(shù)據(jù)的融合，實(shí)現(xiàn)輪對(duì)狀態(tài)趨勢(shì)判斷和關(guān)聯(lián)信息挖掘等功能；并針對(duì)異常問題及時(shí)采取相應(yīng)措施，降低運(yùn)行風(fēng)險(xiǎn)，保障運(yùn)用安全，以達(dá)到動(dòng)車組輪對(duì)組成動(dòng)態(tài)監(jiān)測(cè)的目的。

1 輪對(duì)動(dòng)態(tài)監(jiān)測(cè)體系組成

輪對(duì)動(dòng)態(tài)監(jiān)測(cè)體系主要基于PHM系統(tǒng)，并融合了輪對(duì)故障動(dòng)態(tài)檢測(cè)系統(tǒng)（簡(jiǎn)稱“LY系統(tǒng)”）、動(dòng)車組鏇輪作業(yè)管理信息系統(tǒng)及軸溫監(jiān)測(cè)系統(tǒng)等，如圖1所示。

圖1 輪對(duì)動(dòng)態(tài)監(jiān)測(cè)體系組成Fig.1 Composition of the dynamic monitoring system for wheelset

PHM系統(tǒng)作為動(dòng)車組主要的運(yùn)維支持系統(tǒng)，目前實(shí)現(xiàn)了車載數(shù)據(jù)的傳輸、列車開行基礎(chǔ)數(shù)據(jù)（走行里程、運(yùn)行交路等）的集成、列車實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)的查詢以及列車狀態(tài)監(jiān)測(cè)和故障預(yù)警等功能。但針對(duì)與走行部相關(guān)的狀態(tài)監(jiān)測(cè)，PHM系統(tǒng)目前僅能完成輪對(duì)軸箱體的溫度監(jiān)測(cè)，無法實(shí)現(xiàn)輪對(duì)其余參數(shù)的動(dòng)態(tài)測(cè)量。

LY系統(tǒng)能夠在動(dòng)車組低速通過檢測(cè)設(shè)備時(shí)，通過軌旁傳感器來動(dòng)態(tài)測(cè)量輪對(duì)尺寸參數(shù)，同時(shí)能夠監(jiān)測(cè)踏面擦傷情況。當(dāng)存在尺寸數(shù)據(jù)超出閾值或擦傷面積超出限度時(shí)，系統(tǒng)會(huì)報(bào)警提示。鏇修周期內(nèi)動(dòng)車組主要通過該系統(tǒng)實(shí)現(xiàn)輪對(duì)踏面尺寸數(shù)據(jù)的測(cè)量、擦傷情況的監(jiān)測(cè)。但目前該系統(tǒng)存在檢測(cè)參數(shù)不全面、動(dòng)態(tài)測(cè)量精度較低、誤差較大的問題。

動(dòng)車組鏇輪作業(yè)管理信息系統(tǒng)能夠?qū)崿F(xiàn)輪對(duì)踏面主要參數(shù)鏇修前后的精準(zhǔn)測(cè)量；同時(shí)，能夠通過鏇修作業(yè)，解決輪對(duì)運(yùn)用過程中產(chǎn)生的參數(shù)惡化、輪徑差過大及輪緣厚度超限等問題[10]。但由于完成一次全列車輪對(duì)測(cè)量并鏇修作業(yè)所需花費(fèi)的時(shí)間較長(zhǎng)，難以實(shí)現(xiàn)短期內(nèi)頻繁作業(yè)，因此效率較低。

輪對(duì)動(dòng)態(tài)監(jiān)測(cè)體系[11]整合了現(xiàn)有的軸溫監(jiān)測(cè)、鏇修及LY系統(tǒng)等系統(tǒng)，通過數(shù)據(jù)的采集、分析及融合，實(shí)現(xiàn)閾值報(bào)警、趨勢(shì)判斷和輪對(duì)組成異常提醒，達(dá)到故障預(yù)測(cè)、狀態(tài)維修的目的。

2 輪對(duì)動(dòng)態(tài)監(jiān)測(cè)模型構(gòu)建及系統(tǒng)功能實(shí)現(xiàn)

輪對(duì)動(dòng)態(tài)監(jiān)測(cè)體系將各系統(tǒng)數(shù)據(jù)進(jìn)行融合，依托PHM系統(tǒng)開發(fā)相應(yīng)的數(shù)據(jù)監(jiān)測(cè)和分析模型，對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)和交叉分析，實(shí)現(xiàn)輪對(duì)踏面狀態(tài)參數(shù)的閾值監(jiān)測(cè)、關(guān)鍵因素分析、關(guān)聯(lián)信息挖掘和運(yùn)維決策的支持。如圖2所示，該體系基于PHM系統(tǒng)對(duì)流數(shù)據(jù)進(jìn)行采集處理，通過建立各參數(shù)的分析模型，實(shí)現(xiàn)數(shù)據(jù)閾值報(bào)警、歷史數(shù)據(jù)變化趨勢(shì)分析以及故障的預(yù)測(cè)功能；同時(shí)，通過多種數(shù)據(jù)的交叉，對(duì)關(guān)聯(lián)信息進(jìn)行挖掘。

圖2 輪對(duì)動(dòng)態(tài)監(jiān)測(cè)模型構(gòu)建Fig.2 Construction of the dynamic monitoring model for wheelset

2.1 輪對(duì)狀態(tài)監(jiān)測(cè)、參數(shù)測(cè)量及超限報(bào)警功能

目前的LY系統(tǒng)、動(dòng)車組鏇輪作業(yè)管理信息系統(tǒng)、軸溫監(jiān)測(cè)系統(tǒng)等均具備數(shù)據(jù)采集和閾值報(bào)警功能，但不同系統(tǒng)的測(cè)量原理和檢測(cè)頻率不同，其性能對(duì)比如表1所示。

表1 不同系統(tǒng)的檢測(cè)性能對(duì)比Tab. 1 Detection performance comparison among different systems

從表1可知，LY系統(tǒng)能夠動(dòng)態(tài)測(cè)量輪對(duì)的尺寸參數(shù)和擦傷數(shù)據(jù)，如輪徑、輪緣高度、輪緣厚度、踏面磨耗、徑向跳動(dòng)、QR值、同軸輪徑差、同架輪徑差以及踏面缺陷等。通過對(duì)數(shù)據(jù)進(jìn)行閾值設(shè)定，可以實(shí)現(xiàn)異常等級(jí)提示、超限報(bào)警的功能。

動(dòng)車組鏇輪作業(yè)管理信息系統(tǒng)能夠在輪對(duì)鏇修前后分別進(jìn)行輪對(duì)參數(shù)的測(cè)量，實(shí)現(xiàn)輪徑值、徑向跳動(dòng)、輪緣厚度、輪緣高度、QR值、同軸輪徑差、同架輪徑差、內(nèi)側(cè)距、等效錐度及粗糙度等參數(shù)測(cè)量。相比LY系統(tǒng)，該系統(tǒng)因?yàn)槭庆o態(tài)單軸測(cè)量，所測(cè)數(shù)值更精確。

軸溫監(jiān)測(cè)系統(tǒng)是動(dòng)車組重要的車載監(jiān)測(cè)系統(tǒng)。當(dāng)輪對(duì)組成出現(xiàn)異常時(shí)，軸箱體溫度往往會(huì)異常變化，因此，系統(tǒng)通過實(shí)時(shí)監(jiān)測(cè)軸箱體的溫度變化，一定程度上能夠?qū)崿F(xiàn)對(duì)輪對(duì)故障的識(shí)別和判斷。同時(shí)，根據(jù)設(shè)定的溫度預(yù)判、預(yù)警和報(bào)警等閾值，系統(tǒng)可采取不同措施對(duì)異常進(jìn)行處置，這樣既保證了運(yùn)用安全，又不影響行車秩序。

2.2 趨勢(shì)分析及故障預(yù)測(cè)功能

為了能夠提前識(shí)別輪對(duì)參數(shù)異常、提前預(yù)測(cè)輪對(duì)運(yùn)用到限日期，需要對(duì)輪對(duì)數(shù)據(jù)變化趨勢(shì)進(jìn)行動(dòng)態(tài)分析。各系統(tǒng)采集數(shù)據(jù)能夠?qū)崿F(xiàn)的分析計(jì)算指標(biāo)如圖3所示。

圖3 數(shù)據(jù)采集及趨勢(shì)分析指標(biāo)Fig.3 Data collection and trend analysis indicators

利用LY系統(tǒng)及動(dòng)車組鏇輪作業(yè)管理信息系統(tǒng)所測(cè)量的參數(shù)（輪徑值、輪徑差、輪緣厚度、QR值、等效錐度、多邊形、徑向跳動(dòng)等），結(jié)合PHM采集的走行線路里程信息，能夠?qū)崿F(xiàn)磨耗速率和偏磨速率的計(jì)算；再結(jié)合時(shí)間、交路、里程等運(yùn)用信息，實(shí)現(xiàn)輪徑、輪緣磨耗到限以及鏇修日期的預(yù)測(cè)；同時(shí)，通過對(duì)歷史數(shù)據(jù)的分析和對(duì)比，發(fā)現(xiàn)動(dòng)車組運(yùn)行在不同線路上的輪緣磨耗差別。

軸溫監(jiān)測(cè)系統(tǒng)能夠?qū)崟r(shí)采集軸箱溫度，監(jiān)控軸箱軸承或軸端的健康狀態(tài)。當(dāng)軸箱軸承出現(xiàn)甩脂、剝離等異常情況時(shí)，其溫度值或溫升速率會(huì)隨之出現(xiàn)異常。通過統(tǒng)計(jì)大量故障數(shù)據(jù)，建立基于溫度的故障預(yù)警和報(bào)警模型，利用模型來監(jiān)控溫度變化及溫升速率變化，則可以實(shí)現(xiàn)故障的提前預(yù)判。相比超限報(bào)警后處置，提前預(yù)判并采取措施能夠有效避免故障的發(fā)生，顯著提高經(jīng)濟(jì)效益和安全性。

2.3 關(guān)聯(lián)信息挖掘功能

由于輪軌耦合作用的復(fù)雜性，多種原因會(huì)導(dǎo)致踏面參數(shù)的惡化，踏面參數(shù)的異常又會(huì)導(dǎo)致走行部緊固件的松脫、零部件的斷裂等故障。因?yàn)楦鞣N因素的緊密關(guān)聯(lián)，通過各系統(tǒng)數(shù)據(jù)的融合，挖掘相關(guān)參數(shù)之間的內(nèi)在聯(lián)系，既可以根據(jù)已有的經(jīng)驗(yàn)預(yù)測(cè)故障并及時(shí)采取措施加以規(guī)避，又可以根據(jù)已發(fā)生的故障現(xiàn)象分析原因。

以輪緣厚度參數(shù)變化監(jiān)測(cè)為例，建立PHM輪緣厚度磨耗速率監(jiān)測(cè)模型；通過LY系統(tǒng)、鏇修系統(tǒng)采集數(shù)據(jù)后進(jìn)行磨耗速率的計(jì)算，對(duì)比前期磨耗速率，判斷是否存在異常磨耗。如存在明顯異常磨耗，監(jiān)測(cè)模型可結(jié)合歷史走行線路、里程等進(jìn)行差別分析，并與其他車組數(shù)據(jù)進(jìn)行對(duì)比，查找可能存在的原因，提出相應(yīng)的處置措施。監(jiān)測(cè)模型執(zhí)行分析流程如圖4所示。

圖4 輪緣厚度磨耗速率數(shù)據(jù)分析流程Fig.4 Data analysis process of flange thickness wear rate

3 輪對(duì)動(dòng)態(tài)監(jiān)測(cè)體系運(yùn)用實(shí)例

動(dòng)車組輪緣磨耗情況對(duì)于輪對(duì)使用壽命的影響較大。當(dāng)輪緣厚度值接近安全限度時(shí)，需要通過鏇修來增加輪緣厚度，以保障運(yùn)用安全。然而，根據(jù)經(jīng)驗(yàn)，每恢復(fù)1 mm輪緣厚度需要消耗約6 mm輪徑（約為輪徑可鏇修量的1/11）。通過消耗輪徑來增加輪緣厚度時(shí)，輪對(duì)的可走行里程會(huì)迅速縮短，極大浪費(fèi)了資源。因此有必要建立輪緣磨耗監(jiān)測(cè)機(jī)制，及時(shí)發(fā)現(xiàn)異常輪緣磨耗，查找原因并采取預(yù)防處置措施。

本實(shí)例選取前期正線運(yùn)行出現(xiàn)輪緣厚度異常磨耗的一列動(dòng)車組近一個(gè)月的輪對(duì)動(dòng)態(tài)監(jiān)測(cè)、鏇修和軸溫?cái)?shù)據(jù)。以輪緣厚度為目標(biāo)，使用輪緣厚度磨耗速率監(jiān)測(cè)模型，對(duì)數(shù)據(jù)進(jìn)行計(jì)算和分析。在一個(gè)月內(nèi)每2～3天獲取一次動(dòng)態(tài)監(jiān)測(cè)數(shù)，共采集8次，所得到的該列車各車輪緣厚度均值的變化趨勢(shì)如圖5所示。

圖5 輪緣厚度變化趨勢(shì)Fig.5 Trend of flange thickness

由圖5可以看出，在8次數(shù)據(jù)采集周期內(nèi)，各車的輪緣厚度均值由30.2～30.6 mm下降至29.0～29.6 mm，輪緣厚度值出現(xiàn)明顯的下降。但因各輪對(duì)的厚度均在29 mm以上，因此不會(huì)觸發(fā)報(bào)警閾值（LMA踏面輪緣厚度閾值為26 mm）。

為判斷輪緣厚度異常磨耗的情況，需要結(jié)合輪緣厚度數(shù)據(jù)和數(shù)據(jù)周期計(jì)算各時(shí)間段內(nèi)的輪緣厚度磨耗量。每個(gè)采集周期內(nèi)輪緣磨耗量如圖6所示。每個(gè)周期的輪緣磨耗量差異較大，其中第3～6個(gè)采集周期的平均磨耗較高，其余周期磨耗較低，且各車磨耗差異較大。

圖6 輪緣磨耗量對(duì)比Fig.6 Flange wear comparison

因每個(gè)周期的走行里程不同，需要結(jié)合里程數(shù)據(jù)計(jì)算輪緣磨耗速率。通過該項(xiàng)指標(biāo)對(duì)比前期磨耗速率，以及與其他車組輪緣磨耗數(shù)據(jù)進(jìn)行對(duì)比，可以判斷是否存在異常磨耗。結(jié)合里程數(shù)據(jù)得到的輪緣厚度磨耗速率如圖7所示。

圖7 輪緣磨耗速率變化趨勢(shì)Fig.7 Trend of wheel flange wear rates

根據(jù)該型動(dòng)車組長(zhǎng)期運(yùn)行跟蹤結(jié)果可知，當(dāng)輪緣厚度磨耗速率超出1 mm/105km時(shí)（圖7中紅色虛線），為嚴(yán)重磨耗現(xiàn)象。由歷史數(shù)據(jù)計(jì)算得出，該列車輪緣厚度磨耗平均速率為0.7 mm/105km。而在此調(diào)查階段內(nèi)，除第2和第7采集周期外，其余采集周期的輪緣磨耗速率均已經(jīng)嚴(yán)重超過了歷史平均磨耗速率和該型動(dòng)車組的正常磨耗速率范圍。

結(jié)合每個(gè)采集周期內(nèi)的走行交路情況發(fā)現(xiàn)，磨耗很嚴(yán)重的采集周期1內(nèi)的走行交路中包括某新建線路。由于該線路某處進(jìn)出站彎道半徑過小，導(dǎo)致了車組輪緣磨耗激增。通過對(duì)流數(shù)據(jù)動(dòng)態(tài)監(jiān)測(cè)發(fā)現(xiàn)，其他走行該新建線路的車組輪緣也出現(xiàn)了異常趨勢(shì)。對(duì)此，在該線路小半徑處設(shè)置輪緣潤(rùn)滑裝置，該列車輪緣磨耗速率由 0.7 mm/105km 降至 0.426 mm/105km，避免了因長(zhǎng)期異常磨耗帶來的損失。

4 結(jié)語(yǔ)

隨著動(dòng)車組運(yùn)行維護(hù)過程中自動(dòng)化設(shè)備的投入使用，列車維護(hù)模式逐漸由故障處置與調(diào)查分析向狀態(tài)監(jiān)測(cè)和故障預(yù)測(cè)轉(zhuǎn)變。通過數(shù)據(jù)的采集與分析，實(shí)現(xiàn)列車狀態(tài)監(jiān)測(cè)、決策支持、故障預(yù)測(cè)及健康評(píng)估，對(duì)保障車輛運(yùn)用安全、提升運(yùn)用效率、降低維護(hù)成本、優(yōu)化檢修規(guī)程具有重要意義。

本文提出一種輪對(duì)動(dòng)態(tài)監(jiān)測(cè)體系并建立動(dòng)態(tài)監(jiān)測(cè)模型，在動(dòng)車組運(yùn)用過程中，通過對(duì)狀態(tài)數(shù)據(jù)的獲取和分析，掌握輪對(duì)參數(shù)的變化趨勢(shì)，實(shí)現(xiàn)故障預(yù)測(cè)；在檢修過程中，利用數(shù)據(jù)和模型深入分析故障原因以及影響，合理選擇維修策略，實(shí)現(xiàn)均衡維修。

目前，動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)的誤差較大且部分踏面參數(shù)（如車輪多邊形和等效錐度）無法實(shí)現(xiàn)動(dòng)態(tài)測(cè)量，因此所獲取的數(shù)據(jù)尚不夠全面和精確，這需要進(jìn)一步研究、解決。此外，基于健康監(jiān)測(cè)及專家支持系統(tǒng)構(gòu)建輪對(duì)動(dòng)態(tài)監(jiān)測(cè)體系，進(jìn)一步挖掘監(jiān)測(cè)數(shù)據(jù)的價(jià)值，研究輪對(duì)運(yùn)用規(guī)律，為檢修策略由計(jì)劃修向狀態(tài)修轉(zhuǎn)變提供支持，是動(dòng)車組轉(zhuǎn)向架系統(tǒng)智能維護(hù)的重要發(fā)展方向。