加强对动车组故障与诊断的应用措施分析.docx

          加强对动车组故障与诊断的应用措施分析                    摘要：现阶段，随着我国高速铁路建设及运营的迅速发展，当前动车组运用管理对于列车及保障系统的安全性、可靠性、运用效率、维修成本等的要求越来越高为解决运维需求并适应技术发展趋势，本文对故障预测与健康管理（PHM,prognosticandhealthmanagement）技术和动车组运维现状进行了分析，并基于该技术建立了动车组健康管理及运维决策系统该系统可实现对动车组系统及关键部件的监测、诊断、健康评估及对性能演化趋势和剩余寿命的预测，能够为运用维修保障方案的制定提供合理的决策支持，以降低动车组装备运用与维修保障费用，实现提高装备安全性、可靠性和任务成功性的目的关键词：动车组故障预测；健康诊断系统；应用研究引言我国动车组车型较多，应用环境较国外差别较大，行车设备故障、源头质量、作业检修质量等问题时有发生，对动车组运营、维修时常产生不可避免的影响同时，动车组的计划预防修和状态更正修方式，存在过度修和欠维修的情况，导致动车组维修保养成本高昂、次生灾害及行车设备故障时有发生基于上述现实情况，建立一套适合中国高速铁路国情的故障预测与健康管理系统（PHMP，PrognosticsandHealthManagement）具有重要的现实意义。

近年来,国外已在航空航天、国防军事以及工业领域开展了PHM技术的研发和应用工作直升机健康与使用监控系统（HUMS）,用来监控转子轨迹和平衡等，提供维修趋势信息；飞机状态监测系统（ACMS）系统能够保证航空公司减少飞行延误、航班取消、中途返航和中途换机等事件在动车组领域，法国TGV、德国ICE、美国AC6000CW、英国IC125型高速列车等依靠车载网络控制系统实现了全列动车组关键部件及系统实时状态监控和自动诊断1ＰＨＭ现状分析1.1ＰＨＭ分析ＰＨＭ系统监控人员每天监控动车组运行状态，重点对轴温、齿轮箱、牵引电机等关键部件的实时温度变化曲线进行监控分析，记录温度值变化趋势和关键值，作为模型评价的依据ＰＨＭ系统监控人员每日梳理运行动车组各级故障及模型预警情况，建立并下发ＰＨＭ故障复核单，由动车组检修部门对复核单中的预判内容进行现车检查确认和处理２０２０年以来，ＰＨＭ数据分析人员通过监控ＰＨＭ数据，总计发现及预防动车组故障６　０００余件，有效的保障了动车组运行安全1.2ＰＨＭ预警模型ＰＨＭ系统内部设置了预警模型，涵盖了关键部件温度预判模型、动车组高压散热系统预判模型、动车组制动系统参数异常预警模型、动车组空调系统参数异常预警模型、动车组辅助供电系统参数异常预警模型等各类模型，在动车组故障预警方面发挥了重要作用。

轴箱温度预判模型逻辑为实时监测齿轮箱温度达到１００℃，或与同车同侧其他轴的温度差平均值大于等于４０℃小于５０℃时，弹屏报出齿轮箱温度阈值预判；齿轮箱温度预判模型逻辑为实时监测齿轮箱温度达到１１５℃，或与同车同侧其他齿轮箱的温度差平均值大于等于３０℃至４０℃，或温升速率大于等于８℃／ｍｉｎ小于１０℃／ｍｉｎ（按３０ｓ平滑计算）时，弹屏报出齿轮箱温度阈值预判；电机定子温度预判模型逻辑为实时监测电机定子温度大于１８０℃，或高于同一辆车同侧温度平均值３５℃（去除报警温度），或温升速率≥１３℃／ｍｉｎ（按６０ｓ平滑计算），同时温度值≥９０℃时，弹屏报出电机定子温度阈值预判地面监控人员根据模型预判情况及时做到故障状态提前介入，防止温度升高对动车组硬件设备产生不可逆影响例如ＣＲＨ３８０ＡＬ－２５８３动车组０３车８位齿轮箱发生温度预判，预判时刻同侧齿轮箱温度为６３℃、６５℃、８２℃、１０１℃，人工介入后轴温呈明显降低趋势ＰＨＭ系统模型总计有４８个种类，每个模型种类下具有若干个不同的预警模型，涵盖了高压牵引系统，制动供风系统等１５大系统，通过进行各种状态参数的组合分析，能够及时预判人为误操作2系统设计方案2.1总体架构PHM系统的结构形式取决于装备的组成结构和功能关系，从信息处理方式的角度，可将装备PHM系统的结构归结为3种类型，即集中式结构、分布式结构和分层融合式结构。

集中式结构简单、信息传递过程清晰、中央故障管理控制器的功能强大，但执行效率低，一般只用于小型系统；分布式可有效地提高子系统故障管理控制器的执行效率，但无法有效利用健康状态信息之间的冗余信息，系统级诊断/预测的可信度较低，适用于大型但结构简单的装备；分层融合式结构能够在系统各层全面的利用冗余信息，降低了系统整体的虚警概率，更适用于结构复杂、产品结构层次多的装备动车组作为结构复杂的大型装备，宜采用分层融合式结构进行故障预测与健康管理系统的建设系统物理部署可分为两层，总公司服务器部署在铁科院动车组技术中心，支持全路动车组的健康管理应用、通用模型的建立和训练；铁路局级服务器部署在各铁路局动车组技术分中心，支持铁路局范围内动车组的健康管理、通用模型的配置和个性化建模应用在逻辑结构上，动车组故障预测与健康管理系统划分为总公司级、铁路局级及动车（车辆）段级3层，分别与EMIS的总公司、铁路局、动车段层相对应，可逐级嵌入，进行故障、检修等数据的交互，形成紧密耦合的统一整体PHM系统设计为B/S架构，总公司级别的应用由铁科院动车组技术中心服务器集群支撑相关应用、计算和数据管理；铁路局级别和动车（客车）段级别功能均由各铁路局动车组技术分中心服务器集群支持，通过用户和权限管理区分不同层级的应用和不同属性用户的功能。

PHM系统本身无车间级应用，故障预警、个性化检修周期配置等功能在段级PHM系统与EMIS进行交互，在车间级EMIS内部，通过计划及检修管理模块完成闭环管理3.2逻辑架构参考铁路大数据应用体系架构，基于5大类26个小类基础数据，PHM系统逻辑架构自下而上划分为数据采集处理、数据管理、智能分析支撑、健康管理应用和用户访问5个层次，其架构1）数据采集层：通过数据自动接入、人工导入和人工录入等方式，获取项目所需的监测、检测数据，运用检修数据等，通过对数据进行格式处理、清洗等操作，形成符合要求的数据，存储到主数据库2）数据管理层：集中存储和管理经过结构化和标准化处理的监测、检测数据，业务数据以及知识库数据等，为数据分析打好基础3）智能分析支撑层：为分析模型提供数据和模型运行环境，支撑分析模型的实现和评估集中存储分析模型的运行结果数据和大数据挖掘及分析应用的各类指标数据，为后续更多的智能分析数据应用提供支持结语本文通过对动车组故障数据来源进行分析，提出了动车组多源故障管理平台的总体架构设计，通过构建动车组故障数据标准化结构体系，实现动车组多源故障统一管理，以及故障闭环管理、统计分析、故障知识库管理、重点故障管理、故障预测与维修决策管理等功能。

动车组多源故障管理平台目前还在设计阶段，尤其是多源故障数据的汇集，仍需要与各个系统建立完备的接口协议而且故障预测与维修决策模型建立，仍需要对动车组不同部位的故障数据反复验证分析，开展更深的研究参考文献［1］蒋觉义，李璠，曾照洋.故障预测与健康管理标准体系研究［J］.测控技术，2013，32(11)：1-5.［2］张宝珍.国外综合诊断、预测与健康管理技术的发展及应用［J］.计算机测量控制，2008，16(5)：591-594.  -全文完-。