吳 誤，沈 鋼

（同濟大學鐵道與城市軌道交通研究院，上海201804）

鐵路在現(xiàn)代經(jīng)濟發(fā)展中有著舉足輕重的作用，也給人們帶來了巨大便利。與此同時由列車故障引發(fā)的事故也帶來了巨大人員和經(jīng)濟損失，如德國ICE884次高速列車脫軌事故，當時一節(jié)拖車的輪轂發(fā)生破裂，發(fā)出劇烈的摩擦聲，但司機毫不知情，最后導致101人死亡，88人重傷[1]。鐵路運輸?shù)目旖菖c安全需要一種有效的故障預警系統(tǒng)能及時將列車運行狀態(tài)反饋給司機。

軌道車輛振動系統(tǒng)的故障檢測屬于機械振動故障檢測范疇，但兩者又有明顯區(qū)別，主要如下：

1）傳統(tǒng)的機械故障模式是固定的，而軌道車輛的故障是難以預知的；

2）傳統(tǒng)的機械振動故障診斷系統(tǒng)是針對單一故障系統(tǒng)，而軌道車輛不需要確切的故障信息，更重要的是能預判重大故障，并將信息反饋給司機；

3）傳統(tǒng)的機械系統(tǒng)工況相當穩(wěn)定，而軌道車輛的振動隨運行速度及線路條件的變化很大，并且軌道和車輛還存在耦合作用[2]；

4）傳統(tǒng)機械系統(tǒng)沒有相當運動的軌道，而軌道車輛的軌道是隨著運行地點和時間而變化的。

基于以上軌道車輛振動的特殊性分析可知，軌道車輛故障診斷嚴格意義上不是故障診斷，而是振動異常預警，并及時將信息反饋給司機。因此，故障檢測方法也不同于傳統(tǒng)的機械故障診斷方法，而需要根據(jù)實際對象、振動特點和相應的信息處理方法，同時還要考慮到不同的運行速度和線路條件，研究出適合軌道車輛的故障預警系統(tǒng)。

目前軌道車輛的機械故障診斷系統(tǒng)主要分為地面和車載兩大類。地面的檢測系統(tǒng)只針對輪對或車軸故障，而且只限于局部固定區(qū)域，不具備列車運行過程中的實時預警功能，而實時預警功能正是故障監(jiān)測系統(tǒng)的重要要求[3-4]。目前道旁探測系統(tǒng)包含了熱軸探測器、熱輪探測器、軸承聲學探測器、車輪沖擊載荷探測器、貨車性能探測器等。技術最成熟的車載機械故障診斷系統(tǒng)是軸溫監(jiān)測，已得到大量應用[5-6]。西方國家還有應用聲納探測系統(tǒng)進行軸承振動噪聲監(jiān)測[7]。戴津等[8]利用絕對評判與相對評判方法結合，對轉向架性能采用整列車橫向對比和單車歷史對比的方式，直觀有效地分析了轉向架運行的振動情況和性能的變化趨勢，屬于理論研究。影響列車走行部故障診斷最大的是監(jiān)測環(huán)境千變萬化，不同的線路、不同的運行速度、不同的工況，這使得故障信息極易被掩蓋。為此，提出了基于振動信息的、采用自學習特性的模糊控制診斷概念（SLFD），并且考慮不同線路及不同速度來進行軌道車輛走行部機械故障預警。

1 走行部機械故障預警方案

已知被檢測的車輛數(shù)為n，在每一車輛上軸箱、構架、車體上設置的測點信號為N個，在機車或第一節(jié)車輛上安裝一套測速定位裝置。在每一被測車輛上設一從機及采樣分析系統(tǒng)，控制信號的采樣、數(shù)據(jù)分析和特征量的提取，并將特征等參數(shù)提交列車數(shù)據(jù)交換總線。在每一列車上設一列車層次的分析報警系統(tǒng)，能根據(jù)列車的速度、運行地點和各被測車輛上傳的特征信息及時作出最終的判斷及故障識別。同時在每一車廂還設置了顯示模塊，供乘客和技術人員了解本車廂狀況，且在司機室還有主顯示模塊，可以顯示整列車的運行狀態(tài)，如速度、位置、各車廂運行狀態(tài)等。當列車有重大故障隱患時，能進行文字、語言提示。視故障預警級別而定，特別嚴重情況下，甚至可以采取緊急停車。方案示意圖如圖1所示。

圖1 走行部機械故障預警方案示意圖Fig.1 Schematic diagram of mechanical fault forecast system for the running gear

2SLFD系統(tǒng)介紹

SLFD系統(tǒng)是一種不需要針對具體故障建立復雜模態(tài)來識別故障的方法，具有自學習特性，特別適用于機械結構及運行狀況及其復雜的軌道車輛走行部機械故障診斷，可以運用成本低、運算速度快的單片機有效及時地反饋信息。利用系統(tǒng)的自學習特性，在不同速度、特定線路長時間的運行下記錄正常狀態(tài)下應有的特征參數(shù)，并以此作為判斷故障與否的依據(jù)。

考慮速度及線路的數(shù)據(jù)庫建立示意圖如圖2所示。設時刻t第w節(jié)車輛的m維的特征參數(shù)向量u(t)已知，對應的車速為v，對應的線路公里數(shù)為s。設已將速度分為若干個段，標記為：(vi，vi+1)，i=1.…，I；設線路里程已分為若干區(qū)段，標記為：(sj，sj+1)，j=1，…，J。根據(jù)v和s確定所落速度區(qū)間號i和里程區(qū)段號j。如圖2所示，i=3；j=4。即可依據(jù)速度、里程區(qū)建立特征信息矩陣。

圖2 關于速度及線路的特征信息矩陣形成示意圖Fig.2 Formation schematic diagram of feature information matrix concerning speed and road

因此定義關注的檢測特征量的值域U為圖2所示范圍內。U由許多集合Pij組成，每一集合Pij對應特定的速度和里程區(qū)間(i，j)，集合中的元素u是檢測特征向量。根據(jù)以上的分類，首先應建立一原始的數(shù)據(jù)庫U0，并使其各個集合具有足夠的元素集{u0w}∈(i，j)，然后根據(jù)元素集提取特征向量的統(tǒng)計參數(shù)u1w∈(i，j)。因此得到含有特征向量的統(tǒng)計參數(shù)的原始數(shù)據(jù)庫U1，其中的元素是統(tǒng)計參數(shù)u1w，仍對應特定的速度和里程區(qū)間(i，j)。

數(shù)據(jù)庫的記錄項有車輛號，速度段號，里程段號，特征向量，記錄時間等。車輛號是列車的唯一代碼，每種型號的列車對應唯一的車輛號，它們有共同或類似的機械結構，可以認為在正常工況下具有相同的特征量。根據(jù)車載速度傳感器可以實時掌握列車當前運用速度，并歸入指定的速度區(qū)間。利用計時器結合速度信息或者道旁裝置可以知道車輛運行區(qū)間。從而車載主機運算得到的特征量就可以唯一確定，形成原始數(shù)據(jù)庫。

利用SLFD系統(tǒng)，在列車正常情況下采用系統(tǒng)自記憶方式記錄。假設各轉向架及其車體處于正常狀態(tài)。當線路有異常時，數(shù)據(jù)中將包含線路的影響；當車輛異常時，可以采用適當?shù)姆椒▽?shù)據(jù)篩選掉。

當U0中子集的元素量達到最低要求時，可以生成一個統(tǒng)計參數(shù)數(shù)據(jù)庫U1。每一個特征量可以有一組統(tǒng)計參數(shù)，各個特征量的統(tǒng)計參數(shù)個數(shù)可以不同。比如可以有均值、方差、標準差等。判斷不同的故障需要提取不同的特征值參量，可以是一個，也可以是一組。

3 軟件算法實現(xiàn)

機械振動的實質是能量的傳遞，而為了獲得良好的乘坐舒適度，振動需要經(jīng)過多層過濾，即彈簧和阻尼元件，能量也就得到消耗。將機車結構視為一個輸入為軌道不平順性，輸出為乘客感知到的舒適度的系統(tǒng)，設想如果系統(tǒng)出現(xiàn)故障，能量的傳遞規(guī)律勢必將發(fā)生變化，從而可依次判斷故障。根據(jù)文獻[9]，振動能量特征可以用速度均方差來表示。由安裝在軸箱、構架、車體上的加速度傳感器獲取加速度模擬信號，經(jīng)A/D電路輸入DSP處理器，將加速度譜裝換為速度譜。經(jīng)軟件處理得到輪對、轉向架、車體的振動速度方差向量，并保存為參考向量，引入能量傳遞參數(shù)，軟件記錄，并綜合此參數(shù)進行故障預警。

4 仿真分析

在Simuliink中建立17自由度的軌道車輛，以實測軌道數(shù)據(jù)作為激勵。車輛仿真速度為80 km·h-1，工況如下正常車輛，正常軌道不平順性正常車輛，較差軌道不平順性空氣彈簧故障，正常軌道不平順性。仿真分析結果如圖3。利用Matlab計算振動均方差及傳遞參數(shù)結果如表1。

圖3 不同情況下車體垂向振動速度譜Fig.3 Velocity spectrum of body under normal conditions

從表1中可知，在較差路況下，因軌道輸入加大，車輛輪對、構架和車體的振動明顯增加，甚至輪對的振動超過了發(fā)生空氣彈簧故障時的振動，但傳遞參數(shù)并沒有發(fā)生顯著變化，說明能量傳遞規(guī)律并沒有改變，這是因為車輛結構完好無損，仍然保持原有的能量傳遞特性。而當車輛發(fā)生空氣彈簧故障時，系統(tǒng)機械結構發(fā)生變化，必然導致能量傳遞規(guī)律相應隨之改變，從表中明顯發(fā)現(xiàn)構架與車體間的傳遞參數(shù)發(fā)生了較大的變化。故能量傳遞參數(shù)可以很好體現(xiàn)軌道車輛走行部懸掛系統(tǒng)機械故障，并且可以排除由單純線路條件變化引起的振動異常誤報為故障的情況，是一種有效可行的故障診斷方法。

表1 不同工況下速度方差及傳遞參數(shù)Tab.1 Velocity mean square deviation and transfer parameters under different modes

5 試驗驗證

前期已經(jīng)完成仿真分析，并提出了故障診斷的算法，即基于能量特征傳遞參數(shù)，利用SLFD系統(tǒng)生成特征參數(shù)數(shù)據(jù)庫?，F(xiàn)階段需要做實驗對以上算法的有效性和可行性加以驗證，并對算法進行相應的改善。目前已初步完成試驗裝置方案設計，如圖4所示。

圖4 試驗裝置三維效果圖Fig.4 3D effect graph of test bed

試驗裝置由安置基座、軸承座、滾動軸承、搖臂、搖臂支撐彈簧、振動電機、彈簧、質量塊等構成。4臺振動電機運轉后，帶動搖臂振動，從而將激勵傳遞給彈簧質量系統(tǒng)。振動電機可以用來模擬軌道的不平順，左右兩橫向質量塊可以用來模擬輪對，H型質量塊則可以看作構架。通過控制振動電機的轉速，可以對彈簧質量系統(tǒng)輸入不同頻率、不同振幅的外激勵，從而研究輪對及構架的振動特性。

通過合理布置加速度傳感器，經(jīng)過一系列信號處理，最終獲得需要的特征參數(shù)值。根據(jù)振動電機不同的轉速、不同的激振力劃分不同的區(qū)間，然后將獲得的參數(shù)值填入相應的矩陣，不斷的循環(huán)試驗，已獲得正常狀態(tài)下系統(tǒng)應有的特征量，這一過程就是系統(tǒng)自學習過程。然后人為設置機械故障，如彈簧故障，重新試驗，以驗證該系統(tǒng)能否準確及時地預報。

6 結論

1）提出了基于振動信息，利用SLFD系統(tǒng)進行軌道車輛機械故障預警的方案。具有自學習特性的SLFD系統(tǒng)可以記錄車輛在特定線路、不同速度長期正常運行下應具有的特征信息，并按預先設定好的速度區(qū)間和線路區(qū)間存入相應的矩陣，從而構成參考數(shù)據(jù)庫。

2）利用Simulink建立17自由度軌道車輛，模擬3種不同工況，并分析統(tǒng)計數(shù)據(jù)特征，得出能量特征傳遞參數(shù)能較好的表征軌道車輛走行部懸掛系統(tǒng)機械故障，并且可以排除由單純線路條件變化引起的振動異常誤報為故障的情況，是一種有效可行的故障診斷方法。

3）設計了與軌道車輛走行部等效的機械試驗裝置，能對走行部的輪對、構架和懸掛系統(tǒng)進行振動分析。在后期工作中，需要進行各零部件選型、參數(shù)優(yōu)化等，并進行不斷調試和試驗，以驗算故障預警的有效性。

4）需要做更多的試驗驗證，并結合現(xiàn)實軌道車輛和線路做進一步的研究，以改進故障預警理論，形成具體、高效、可行的技術方案。

[1]丁福焰，杜永平.機車車輛故障診斷技術的發(fā)展[J].鐵道機車車輛，2004（4）：23-26.

[2]陳松，雷曉燕，房建，等.客運專線車-線-橋垂向耦合系統(tǒng)振動的特性[J].華東交通大學學報，2011，28（5）：41-45.

[3]馮庚斌，王瀾，許慰平，等.機車車輛滾動軸承故障振動診斷技術[J].中國鐵道科學，1994，15（3）：41-55.

[4]張兵.列車關鍵部件安全監(jiān)測理論與分析研究[D].成都：西南交通大學，2008.

[5]TSUNASHIMA H.Condition monitoring and fault detection of railway vehicle suspension using multiple-model approach[R].Seoul：IFAC，2007.

[6]WILLIAM C V.故障探測技術的發(fā)展趨勢[J].國外鐵道車輛，1999（3）：16-20.

[7]JOSEPH E B.采用聲學技術檢測損傷的滾柱軸承[J].國外鐵道車輛，1990（4）：33-37.

[8]戴津，劉峰，董孝卿，等.基于同一轉向架歷史對比與同一列車橫向對比的轉向架狀態(tài)監(jiān)測[J].鐵道機車車輛，2010（2）：32-35.

[9]李杰，陳建兵.隨機振動理論與應用新進展[M].上海：同濟大學出版社，2009：18-34.