基于大數(shù)據(jù)的動車組故障診斷方法研究

王春雨

摘要：在動車組的全生命周期內(nèi)，由于動車組整體結(jié)構(gòu)的復(fù)雜性，運(yùn)行環(huán)境的多樣性以及內(nèi)部零件承受載荷的不同，部分零件出現(xiàn)損失以及發(fā)生故障是在所難免的。及時發(fā)現(xiàn)故障發(fā)生的部位、時間以及原因，不僅可以預(yù)測機(jī)車車輛的早期事故，而且對行車安全和運(yùn)行效果有著重要作用。本文基于?大數(shù)據(jù)的動車組故障診斷方法進(jìn)行研究。

關(guān)鍵詞：大數(shù)據(jù)：動車組：故障診斷

1數(shù)據(jù)挖掘理論

1.1特征提取

特征提取就是通過對海量復(fù)雜的數(shù)據(jù)進(jìn)行深度分析和挖掘，從這些原?始數(shù)據(jù)中提取出一些能夠描述對象的特征。在特征提取時，要盡可能多地?保留與分析對象相關(guān)的信息，與此同時，要盡可能地去除與分析對象不相關(guān)的信息，還要減少一些干擾所需特征的因素，并且反饋給數(shù)據(jù)分析模型，?使機(jī)器學(xué)習(xí)算法能夠向真值逼近。在進(jìn)行大數(shù)據(jù)資源整合時，應(yīng)該利用數(shù)?據(jù)關(guān)聯(lián)規(guī)則，找出與分析對象相關(guān)的數(shù)據(jù)，并將這些多個來源、多個維度的數(shù)據(jù)與分析對象聯(lián)系起來。除此之外，我們還需從歷史數(shù)據(jù)中提取與分?析對象對應(yīng)的類別信息，給算法的訓(xùn)練確立目標(biāo)。

1.2Hadoop?平臺介紹

Hadoop?是一個由?Apache?基金會用?Java?編寫的開源分布式系統(tǒng)基礎(chǔ)構(gòu)架。Hadoop?主要由數(shù)據(jù)倉庫工具（Hive）、分布式數(shù)據(jù)庫（HBase）、分布式文件系統(tǒng)（HDFs）和?MapReduce?引擎等幾個部分組成，其中，最基礎(chǔ)最核心的部分是?HDFs?和?MapReduce。HDFs?一般位于最底部，用來儲存所有位于節(jié)點(diǎn)上的文件，它具有高度容錯性，對硬件的要求不高，可廣泛地用于各種廉價的硬件。除此之外，它以流的形式訪問應(yīng)用程序中的數(shù)?據(jù)集，可以提高整個系統(tǒng)數(shù)據(jù)的吞吐量。因此，在處理大數(shù)據(jù)集的時候是非常合適的。MapReduce?是一個軟件框架，主要用于海量數(shù)據(jù)的并行計(jì)算，?其過程主要包括映射（Map）和化簡（Reduce），計(jì)算時，先把總的計(jì)算任務(wù)分配到集群的各個節(jié)點(diǎn)上，進(jìn)行多節(jié)點(diǎn)計(jì)算，然后合并各個節(jié)點(diǎn)的計(jì)算結(jié)果，從而得到最終的計(jì)算結(jié)果。并行計(jì)算時，無論是任務(wù)調(diào)度、負(fù)載均衡還是容錯處理，均有一個簡單的編程模型即可完成。

2轉(zhuǎn)向架軸承故障檢驗(yàn)原理和方法

檢驗(yàn)高速動車組轉(zhuǎn)向架軸承故障的手段眾多，但當(dāng)前運(yùn)用的比較多的是脈沖法和共振解調(diào)法。沖擊脈沖軸承故障檢驗(yàn)方式實(shí)際上通過滾動軸承滾道上的剝離區(qū)域兩兩沖擊所形成的能量來診斷軸承的故障。高速動車組的軸承滾動體碰撞滾道上剝離的尖銳部位時會出現(xiàn)極為強(qiáng)烈的彈性波，通過軸承固定座把此彈性波輸送給傳感器。若在軸承的滾道發(fā)生剝離程度較為顯著時會形成高幅值的沖擊脈沖，且這一沖擊脈沖的范圍相對較寬，其中含有很多的高頻能量分量，沖擊脈沖的幅值和滾動體相對剝離位置與速度相關(guān)。在使用此方式的過程中須搜集軸承運(yùn)作中所形成的波動信號，并于搜集之中使用帶通濾消除其中的中低頻干擾信號，再運(yùn)用數(shù)字包絡(luò)技術(shù)取得特征信號，進(jìn)而辨識出軸承的運(yùn)作情況。

3應(yīng)用與檢修

為了有效地監(jiān)測和控制軸承故障，在高速動車組轉(zhuǎn)向架軸承運(yùn)行性能的實(shí)際監(jiān)測和日常維護(hù)中，務(wù)必要落實(shí)好如下幾個方面的工作：

3.1要不斷提高高速動車組機(jī)械工程師判斷高速動車組轉(zhuǎn)向架軸承故障的能力，以便及時監(jiān)測和判斷高速動車組軸承組的運(yùn)作實(shí)況，重點(diǎn)監(jiān)測軸承運(yùn)行中頻繁故障的范圍和位置;此外，根據(jù)以往軸承故障診斷的經(jīng)驗(yàn)，?可以開發(fā)出有關(guān)的軸承故障聲音特征，使機(jī)械師可以更加及時、準(zhǔn)確地確?定高速動車組運(yùn)作中的軸承故障。

3.2可以選擇運(yùn)用追蹤檢測的方式。這就要求機(jī)械師對高速動車組中滿足檢測條件的軸承編制和其相適應(yīng)的軸承運(yùn)作實(shí)況測試方案，應(yīng)于規(guī)定的時間內(nèi)診斷和一一檢查高速動車組轉(zhuǎn)向架的軸承，如此一來便可以提早且及時地察覺到軸承的初期故障，從而編制出軸承故障的跟蹤辦法。

3.3適當(dāng)優(yōu)化高速動車組的轉(zhuǎn)向架裝配技術(shù)。由于在軸承的高速運(yùn)轉(zhuǎn)之后會產(chǎn)生某些問題。在這一基礎(chǔ)上，這就要求對軸承的裝配過程以及設(shè)備的可行性等皆做全方位的檢查，以至于很好地避免裝配過程中所導(dǎo)致的軸承表層損壞。還應(yīng)該關(guān)注的是，就現(xiàn)今的高速動車組轉(zhuǎn)向架軸承故障診斷結(jié)果分析而言，當(dāng)前多使用測試及診斷方式仍只能判斷軸承所有部件發(fā)生剝離故障，但是，剝離失效后的剝離長度以及剝離深度等維度的具體判?斷信息無法明確界定，也無法對故障發(fā)生部位失效后的運(yùn)行狀態(tài)進(jìn)行合理的推理和預(yù)測，需要進(jìn)一步研究。

4基于?Hadoop?的動車組故障診斷方案的分析和設(shè)計(jì)

4.1需求分析

1）隨著動車組技術(shù)的日趨成熟，動車組的車型也越來越多，動車組車載故障診斷系統(tǒng)也積累了海量的監(jiān)測數(shù)據(jù)，監(jiān)測數(shù)據(jù)的快速增長的同時，?也給動車組故障診斷與在線狀態(tài)監(jiān)測帶來了嚴(yán)峻的考驗(yàn)，挖掘和運(yùn)用隱藏?在這些數(shù)據(jù)背后的價值，這對于動車組的主動運(yùn)維服務(wù)是十分必要的。

2）在處理海量的監(jiān)測數(shù)據(jù)時，傳統(tǒng)的數(shù)據(jù)挖掘算法的弊端也漸漸暴?露了出來，不僅精確性得不到滿足，效率、擴(kuò)展性、健壯性也達(dá)不到要求，?這就使得傳統(tǒng)的數(shù)據(jù)挖掘算法不能高效應(yīng)用于動車組故障診斷與狀態(tài)監(jiān)測中，因此，我們需要一種能克服這些缺點(diǎn)的算法。

4.2方案設(shè)計(jì)

本文對動車組海量的故障診斷和狀態(tài)監(jiān)測數(shù)據(jù)進(jìn)行處理和計(jì)算，通過?深度學(xué)習(xí)形成動車組故障診斷模型，提高故障診斷的精確性，包括故障發(fā)生的時間、部位以及原因等，擴(kuò)大故障診斷的范圍，實(shí)現(xiàn)故障的綜合診斷。?下面詳細(xì)介紹該方案，方案系統(tǒng)框架如圖?2?所示：

1）數(shù)據(jù)預(yù)處理模塊。動車組故障診斷和在線狀態(tài)監(jiān)測數(shù)據(jù)來自多個數(shù)據(jù)源，包括觀測數(shù)據(jù)、分析測定數(shù)據(jù)、統(tǒng)計(jì)調(diào)查數(shù)據(jù)等，通過預(yù)處理，?可將這些來自多個數(shù)據(jù)源或者數(shù)據(jù)庫的數(shù)據(jù)按任何所需的方式進(jìn)行合并或聚合，將預(yù)處理后的結(jié)果放人HDFs?中，用于數(shù)據(jù)的分類預(yù)測。

2）數(shù)據(jù)的儲存和計(jì)算。在使用?HDFs?模塊來儲存故障診斷數(shù)據(jù)時，因?yàn)?HDFs?的特點(diǎn)，非常適合處理大數(shù)據(jù)集，可以為故障診斷數(shù)據(jù)的處理提供保障，除此之外，HDFs?還提供了多種訪問接口，可以對數(shù)據(jù)進(jìn)行查看、儲存和下載。在數(shù)據(jù)處理的過程中，通過?MapReduce?計(jì)算模塊，將計(jì)算任務(wù)分配到?Hadoop?集群中的各個節(jié)點(diǎn)，同時將各個模塊的數(shù)據(jù)交互聯(lián)系起來，通過抽象出的?Map?/?Reduce?等編程接口可以快速實(shí)現(xiàn)各種算法的并行化，提高了數(shù)據(jù)運(yùn)算效率。

結(jié)束語：隨著傳感器、大數(shù)據(jù)、物聯(lián)網(wǎng)和云計(jì)算等技術(shù)的發(fā)展和應(yīng)用，?我國動車組列車將實(shí)現(xiàn)故障綜合診斷，故障診斷的效率將得到大幅度的提?高，綜合運(yùn)營管理水平也將更上一個臺階。

參考文獻(xiàn)

[1]賈利民，秦勇，李平.新一代軌道智能運(yùn)輸系統(tǒng)總體框架與關(guān)鍵技術(shù)[J].中國鐵路，2017（4）：14?_?19

[2]宋龍龍.基于非規(guī)范知識處理的高速列車綜合智能故障診斷方法研究[D].北京：北京交通大學(xué)，2016