动车组故障预测与健康管理体系架构研究

动车组故障预测与健康管理体系架构研究

张秀纯

中车唐山机车车辆有限公司 河北唐山 064000

摘要：我国有很多EMU模式，应用环境与国外大不相同。运营设备故障、源质量、运营和维护质量等问题经常出现，这必然会影响EMU的运营和维护。同时，在EMU的预防和纠正维护模式下，观察到过多的维护和维护不足，导致EMU维护成本高，次生灾害和操作设备故障。基于以上现实，创建适合中国高速铁路的一系列误操作预后健康管理系统(PHMP)具有重要意义。本文主要分析动车组故障预测与健康管理体系架构。

关键词：故障预测；健康管理；PHM；智能运维；精准维修；动车组

引言

近年来，我国动车组列车迅速发展并取得了举世瞩目的成绩，动车行驶速度不断刷新世界纪录。《中长期铁路网规划》规划了我国高铁运营里程将达到４万ｋｍ，标志着高铁在我国的基础设施和交通设施中占有重要地位。由于国内动车组保有量的快速增长、服役车型的种类增多以及大规模的运营，动车组装备产业由大规模的制造阶段向全寿命周期的运营维保阶段转移，伴随着服役时间的增加、服役设备的性能退化，动车组的高故障率、低上线率、高维修成本等诸多问题暴露出来，如何保证行车安全、提高旅客舒适度、降低运维成本、减少或降低故障的发生，对未来我国的高速动车组产业具有重要意义。

1、PHM定义与内涵

根据定义，PHM是指实时监控各种先进传感器对设备运行的各种状态参数和特征信号，使用各种智能算法和推理模型评估设备的状态，在故障发生前进行预测，并提供一系列与各种可用资源信息相结合的维护支持解决方案来执行技术。设备维护。上述定义涵盖了以下几个相关概念:(1)基于状态的维护:是指检测设备状态，根据健康状态组织维护，做出决定的方法。(2)故障诊断:是指利用对被诊断对象的各种知识综合处理信息的过程，最终为了判断是否出现故障，获得评估设备运行和故障状态的综合结果的过程。(3)故障预测:根据设备的维护状态，结合各类信息，预测、分析和判断未来可能的设备故障。(4)健康状况:说明系统在执行设备、子系统和组件的设计功能方面的功能。(5)状态监测:根据设备状态的特点，由检测设备连续或定期收集设备系统状态的特性参数，进行分析和说明。(6)状态评估:使用先进的状态监测技术、可靠的评估方法和完整的操作数据评估设备的状态。这些概念不仅涵盖了phM研究内容的一部分，或者说明了PHM研究的最终目标，而且从不同角度详细分析了缺陷预测和健康管理的内容和功能以及它们之间的关系。

2、现阶段运维的不足

现阶段国内动车组实际运用维保过程中存在以下三方面不足。

2.1系统及设备状态的检测手段单一

目前，我国动车组状态感知主要通过温度传感器、振动传感器、速度传感器、压力传感器以及电压电流互感器等数据采集装置实时监控车辆状态，用模拟量和开关量来衡量系统和部件之间的状态，但是对系统或部件内部的检测手段缺乏，无法精准定位故障，无法准确地形容系统和部件内部性能衰减趋势；另一方面利用轨旁检测设备，通过图像识别等智能手段来检测车顶高压部件、车体及风挡组成和走行部系统外部是否存在结构性损伤，但对于系统和部件内部缺少检测方法，检测手段较单一，无法判断行驶中车辆的内部机械损伤。

2.2故障诊断缺乏提前预判机制

动车组关键系统和部件的故障诊断均采用故障后处理的方式，无法在故障发生前提前预判，会造成系统部件损坏、列车延误以及其他影响运营秩序和运营安全的问题。同时，故障发生后的故障处理也需要大量的人力、物力来阻止故障范围的扩大和故障程度的恶化，这不仅会增加维护成本，还会显著影响动车组的安全和质量。

2.3日常运用检修中的控制措施落实不到位

日常运用检修中制定的各项控制措施落实不到位的现象时有发生。例如要求随车机械师到存车场后进行换弓作业，要求停放动车组每３天进行一次制动试验等，这些要求经常难以真正落实。

3、基于PHM的智能运维技术研究内容

PHM技术涉及到数据处理、状态监测、故障预测、故障诊断、健康管理、运维决策等众多技术。面向主动运维服务的PHM系统以服务的形式向用户开放式提供故障预测于健康管理服务，所以PHM系统必须注意以下几个关键技术的研究。

3.1多数据融合技术

识别由两个或多个传感器创建的传感器阵列的特性，进行智能处理，分析数据结构特性，判断状态标识、连续或离散性质、传输特性等、连续或断开、传输特性等，从各类结构化、半结构化和非结构化数据中挖掘趋势信息，以尽量高效率的诊断方法将各自的信息关联起来，以便确定系统状态，获得更为准确的结论。

3.2故障预测与健康评估技术

故障预测与健康评估技术是PHM区别与传统故障诊断技术的重要特点，将传统的事后维修转变为状态性维修。针对复杂装备系统、子系统或部件的渐变性衰退过程，通过相关检测方法进行故障预测与健康评估是PHM系统的主要内容之一。具体实现方法包括基于阈值的判断方法，基于机理研究、数据驱动分析等的预测方法。由于复杂装备系统具有复杂的结构系统、使用环境恶劣等特点，导致难以建立合理有效的数学模型进行预测，并且系统衰退过程数据、信息难以获取和识别，导致预测过程具有较大的不确定性。

3.3知识建模与服务技术

故障预测与健康管理过程包含知识的获取、知识管理级知识应用全过程，这些知识资源具有分布式、多远、异构等特点。大多数主机厂和运用部门积累了大量的故障案例和经验知识，但是资源分布在不同的业务系统中，知识的存储和应用方式迥异，难以进行有效的资源整合和资源共享。由于大量知识资源无法被反复利用，导致专家知识无法发挥应有的价值。所以，通过研究知识获取技术、知识服务技术、知识评价技术和知识可视化技术，能够为设备故障预测和健康管理提供有效的决策支持和知识服务。

3.4构型化数据管理

也就是说，数据将通过各种合理化进程整合和整合，并为与其他机构交换和交换提供平台。固定模式是在基础上建立的，经常是大型工业设备和机器的信息数据的单一集成，这是非常巨大和复杂的。首先，必须以适当的大规模EMU设备为核，在很大程度上与信息和数据设备的其他部件和设备相关。构成数据管理模型的增长是因为工业工程中经常存在结构复杂、数据复杂的设备和机器。为了便于数据管理和清晰的结构，企业利用配置数据管理数据系统，全面接种和交换各类数据，充分利用资源，使动车组项目更加安全，间接减少缺陷维护的高成本，增加经济效益，加快高速铁路产业的发展。

3.5形成平台级的验证确认指标

在进行PHM系统总体设计时，需对设计类文档进行确认审查，对上级分解需求进行确认，并构建初步的验证策略和评价指标体系，主要针对平台级。设计阶段结束后，PHM系统进入工程研制阶段，包括软硬件开发、制造和组成，该阶段的验证主要为软硬件的功能验证及确认，如传感器性能验证测试、数据采集功能及接口验证，该阶段形成了PHM系统的核心算法群，需对算法性能进行验证，包括诊断功能、预测功能及相关评价。对于动车组PHM系统决策支持、运维分析等输出层的核心功能，需对PHM系统与其他平台系统的交互功能进行验证，保证其能够实现决策支持的能力，并对PHM系统作出综合评价。

结束语

随着我国高速铁路由大规模建设期向全面运营维护期的转变，检修不足和检修过剩的问题逐渐暴露出来，针对以上不足，本文总结了动车组在服役环境复杂性、系统结构及原理的复杂性和数据多源异构的复杂性方面进行了分析，利用多数据融合、故障预测与健康评估等技术，通过常用的建模方法，实现动车组基于故障预测与健康管理的智能运维技术应用，将为动车组全寿命周期的维修维护工作提供理论基础并提供智能化决策支持。

参考文献：

［1］钱铭.我国铁路机车车辆修程修制改革初探［J］.中国铁路，2019（10）：1-5.

［2］钱铭，吕晓春，黄成荣.机车车辆造修一体化的思考［J］.中国铁路，2020（10）：1-8.

［3］王隆龙，张顺广，叶鹏迪.支持4G传输和北斗系统的动车组车载无线传输模块研制［J］.铁道机车车辆，2020，40（6）：24-27.

［4］章阳.动车组制动系统PHM方案研究［J］.铁道机车车辆，2020，40（5）：19-22.

［5］中国国家铁路集团有限公司.铁路移动装备PHM研究［EB/OL］.（2018-12-26）［2022-01-18］.