劉元清 耿曉峰 祁成

摘 要：通過(guò)分析城市軌道交通制動(dòng)系統(tǒng)PHM技術(shù)應(yīng)用現(xiàn)狀，結(jié)合PHM建設(shè)理念，介紹如何在城市軌道交通制動(dòng)系統(tǒng)開(kāi)展PHM技術(shù)研究與應(yīng)用。提出制動(dòng)系統(tǒng)PHM目標(biāo)及架構(gòu)，從數(shù)據(jù)采集與處理、異常檢測(cè)、故障診斷及故障預(yù)測(cè)方面對(duì)制動(dòng)系統(tǒng)PHM主要功能進(jìn)行闡述，并結(jié)合相關(guān)案例進(jìn)行說(shuō)明。

關(guān)鍵詞：城市軌道交通;車(chē)輛;制動(dòng)系統(tǒng);PHM;故障診斷;故障預(yù)測(cè)

中圖分類(lèi)號(hào)：U231.3

1 制動(dòng)系統(tǒng)PHM應(yīng)用現(xiàn)狀分析

故障預(yù)測(cè)與健康管理系統(tǒng) （Prognostic and Health Management，PHM）是指利用傳感器采集和分析系統(tǒng)運(yùn)行狀態(tài)數(shù)據(jù)，以提供先進(jìn)的故障診斷和預(yù)測(cè)行為，進(jìn)而能夠預(yù)測(cè)未來(lái)的健康狀況、問(wèn)題的出現(xiàn)及需要的維修行為;基于診斷/預(yù)測(cè)信息、可利用資源和運(yùn)行要求，對(duì)維修和后勤活動(dòng)做智能、充分和適合的決策，從而在產(chǎn)品設(shè)計(jì)、生產(chǎn)、檢驗(yàn)、運(yùn)行、維護(hù)、配置等整個(gè)生命周期過(guò)程中體現(xiàn)出管理成本效益。簡(jiǎn)單地說(shuō)，PHM就是借助各種算法和模型，找到故障表象與故障原因之間的關(guān)系，推導(dǎo)出設(shè)備故障的原因及故障部位，并對(duì)故障征兆趨勢(shì)進(jìn)行跟蹤，對(duì)未來(lái)可能發(fā)生的故障進(jìn)行預(yù)測(cè)，并通過(guò)維修決策合理調(diào)配維修保障資源，從而制定出最佳維修保障方案。PHM項(xiàng)目的研發(fā)與應(yīng)用，可在成本優(yōu)化、運(yùn)營(yíng)效率提升、運(yùn)營(yíng)安全性及運(yùn)營(yíng)品質(zhì)提升等方面獲得卓越成效，將為城市軌道交通帶來(lái)顯著的經(jīng)濟(jì)效益和社會(huì)效益。

制動(dòng)系統(tǒng)作為行車(chē)安全的關(guān)鍵子系統(tǒng)，承擔(dān)著保證列車(chē)安全、可靠停車(chē)的重要職能。隨著現(xiàn)代工業(yè)技術(shù)尤其是傳感器、嵌入式系統(tǒng)、網(wǎng)絡(luò)通信技術(shù)、基于大數(shù)據(jù)的信息技術(shù)的迅速發(fā)展，制動(dòng)系統(tǒng)的智能化管理、智能化診斷已經(jīng)逐步開(kāi)始應(yīng)用。在極大地降低司機(jī)和軌道車(chē)輛運(yùn)維人員工作強(qiáng)度的同時(shí)，提高產(chǎn)品的可維護(hù)性及可用性，實(shí)現(xiàn)軌道交通裝備的預(yù)測(cè)性維護(hù)、遠(yuǎn)程診斷監(jiān)控維護(hù)與全生命周期管理。設(shè)備維修方式也逐漸由定期維修轉(zhuǎn)變?yōu)闋顟B(tài)維修。

目前國(guó)內(nèi)外城軌車(chē)輛制動(dòng)系統(tǒng)均具備系統(tǒng)自診斷功能，但是不同制動(dòng)系統(tǒng)的診斷覆蓋率不盡相同。故障診斷和維修維護(hù)方面主要存在以下不足。

（1）故障排查存在缺陷。制動(dòng)系統(tǒng)很多故障，例如抱死、制動(dòng)力不足等存在著多系統(tǒng)耦合的情況，因此僅靠制動(dòng)系統(tǒng)的自身判斷很難快速進(jìn)行故障定位。

（2）無(wú)法實(shí)現(xiàn)故障的中間狀態(tài)預(yù)警。目前制動(dòng)系統(tǒng)的診斷條件只能等故障影響到一定程度后才能發(fā)現(xiàn)故障，即只有“正?！薄ⅰ肮收稀?種狀態(tài)判斷。

（3）維護(hù)模式存在缺陷。目前制動(dòng)系統(tǒng)存在著維修不足或維修過(guò)剩的現(xiàn)象，無(wú)法對(duì)產(chǎn)品的壽命進(jìn)行預(yù)測(cè)。

2 制動(dòng)系統(tǒng)PHM建設(shè)理念

2.1 系統(tǒng)目標(biāo)

將PHM技術(shù)應(yīng)用在城市軌道交通車(chē)輛制動(dòng)系統(tǒng)中，應(yīng)充分考慮車(chē)輛的實(shí)際運(yùn)行環(huán)境以及制動(dòng)系統(tǒng)的產(chǎn)品特點(diǎn)，結(jié)合現(xiàn)有的設(shè)計(jì)理念、運(yùn)營(yíng)方式以及維護(hù)體制等內(nèi)容，對(duì)多樣、繁雜的數(shù)據(jù)進(jìn)行失效物理、機(jī)器學(xué)習(xí)以及專(zhuān)家知識(shí)等多技術(shù)的融合分析，以期達(dá)成以下目標(biāo)。

（1）針對(duì)系統(tǒng)中搜集的海量數(shù)據(jù)，建立統(tǒng)一的數(shù)據(jù)管理平臺(tái)，研究大數(shù)據(jù)背景下的數(shù)據(jù)分析方法，實(shí)現(xiàn)對(duì)制動(dòng)系統(tǒng)中數(shù)據(jù)的有效處理、分析和綜合應(yīng)用。

（2）結(jié)合產(chǎn)品PHM技術(shù)研究，對(duì)產(chǎn)品運(yùn)行全壽命周期中已出現(xiàn)的故障實(shí)現(xiàn)精確快速定位;對(duì)潛在的故障或異常進(jìn)行提前告警，實(shí)現(xiàn)故障預(yù)測(cè)。

（3）從制動(dòng)系統(tǒng)眾多狀態(tài)參數(shù)中，提取表征制動(dòng)系統(tǒng)狀態(tài)的參數(shù)指標(biāo)，建立制動(dòng)系統(tǒng)健康狀態(tài)評(píng)價(jià)指標(biāo)體系，并對(duì)其健康狀態(tài)分級(jí)。

（4）綜合運(yùn)維體系中的各個(gè)環(huán)節(jié)因素，例如人員、備件、站點(diǎn)、維護(hù)等，研究最優(yōu)組合，形成完善的制動(dòng)系統(tǒng)運(yùn)維解決方案。

2.2 系統(tǒng)架構(gòu)

依據(jù)制動(dòng)系統(tǒng)PHM建設(shè)目標(biāo)，構(gòu)建制動(dòng)系統(tǒng)PHM架構(gòu)，如圖1所示。制動(dòng)系統(tǒng)車(chē)載PHM單元對(duì)綜合采集到的數(shù)據(jù)進(jìn)行故障診斷、系統(tǒng)自評(píng)價(jià)以及故障預(yù)警、預(yù)測(cè)，并將原始數(shù)據(jù)、狀態(tài)信息以及故障信息發(fā)送至車(chē)輛端車(chē)載PHM系統(tǒng)，數(shù)據(jù)由車(chē)輛端PHM系統(tǒng)經(jīng)整車(chē)廠地面PHM系統(tǒng)整理后通過(guò)互聯(lián)網(wǎng)發(fā)送至制動(dòng)系統(tǒng)地面PHM平臺(tái)。

制動(dòng)系統(tǒng)地面根據(jù)預(yù)先定義的數(shù)據(jù)視圖將數(shù)據(jù)歸類(lèi)以便進(jìn)行大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)，找尋故障、分析關(guān)聯(lián)、預(yù)測(cè)故障，通過(guò)企業(yè)接口系統(tǒng)接入專(zhuān)家系統(tǒng)以協(xié)助分析;在控制中心查看外部資產(chǎn)性能、故障趨勢(shì)及內(nèi)部相關(guān)流程、告警、現(xiàn)場(chǎng)維修狀態(tài)、資源等。

3 制動(dòng)系統(tǒng)PHM主要功能

制動(dòng)系統(tǒng)PHM技術(shù)主要包含數(shù)據(jù)采集與處理、異常檢測(cè)、故障診斷和故障預(yù)測(cè)功能，下面將重點(diǎn)介紹這4個(gè)功能。

3.1 數(shù)據(jù)采集與處理

制動(dòng)系統(tǒng)的信號(hào)采集主要覆蓋制動(dòng)系統(tǒng)的關(guān)鍵部位，目前城市軌道交通車(chē)輛制動(dòng)系統(tǒng)各相關(guān)部件信號(hào)采集內(nèi)容如表1所示。

3.2 異常檢測(cè)

制動(dòng)系統(tǒng)常見(jiàn)的異常檢測(cè)故障有抱死故障、摩擦制動(dòng)施加故障、摩擦制動(dòng)緩解故障、速度傳感器故障、防滑閥故障、壓力傳感器故障、指令類(lèi)故障、控制類(lèi)故障、功能性故障、通信類(lèi)故障等。

現(xiàn)有的故障診斷均為邏輯性診斷，具有安全導(dǎo)向、事后檢測(cè)、實(shí)時(shí)性差、精確度低等特點(diǎn)，結(jié)合現(xiàn)有的數(shù)據(jù)現(xiàn)狀、異常檢測(cè)的方法可逐步向故障預(yù)警進(jìn)行過(guò)渡。如針對(duì)摩擦制動(dòng)施加/緩解等系統(tǒng)級(jí)異常，以制動(dòng)缸壓力為最終表征。車(chē)輛制動(dòng)過(guò)程中，制動(dòng)缸壓力數(shù)據(jù)是動(dòng)態(tài)的、大量的，因此如何挖掘出制動(dòng)缸壓力數(shù)據(jù)的特征就指向于如何使用簡(jiǎn)易的方式表達(dá)該段數(shù)據(jù)。針對(duì)制動(dòng)缸壓力的數(shù)據(jù)特性，將制動(dòng)缸壓力過(guò)程分為系統(tǒng)響應(yīng)、建立、穩(wěn)定3個(gè)階段。針對(duì)每個(gè)階段的特性，使用8個(gè)特征量（表2）表達(dá)制動(dòng)的時(shí)序數(shù)據(jù)。

針對(duì)多次制動(dòng)的特征量進(jìn)行自相關(guān)對(duì)比，借助機(jī)器學(xué)習(xí)、專(zhuān)家經(jīng)驗(yàn)等確定異常的原因，持續(xù)積累經(jīng)驗(yàn)形成樣本，逐步形成自動(dòng)化的系統(tǒng)異常檢測(cè)和原因分析。

3.3 故障診斷

故障診斷的目的是快速定位故障及其失效模式，提升維修分析的效率，城市軌道交通車(chē)輛制動(dòng)系統(tǒng)目前的故障診斷已具備快速排查大部分故障的能力，但仍存在以下缺陷：

（1）系統(tǒng)級(jí)故障檢測(cè)較多，部件級(jí)故障定位自動(dòng)化程度低;

（2）人工排查程序規(guī)范化程度低，多數(shù)依靠專(zhuān)家經(jīng)驗(yàn)現(xiàn)場(chǎng)分析。

由于制動(dòng)系統(tǒng)存在數(shù)據(jù)樣本量小、系統(tǒng)學(xué)科性復(fù)雜等特點(diǎn)，傳統(tǒng)的基于機(jī)器學(xué)習(xí)的故障分析、聚類(lèi)的診斷推理在精確度方面存在較大瓶頸，因此如何結(jié)合機(jī)理及數(shù)據(jù)分析技術(shù)成為城市軌道交通車(chē)輛制動(dòng)系統(tǒng)故障診斷領(lǐng)域的重點(diǎn)研究方向。

常見(jiàn)的故障診斷內(nèi)容包括電路板故障、閥類(lèi)故障、傳感器故障、管路泄漏故障、連接器故障、通信類(lèi)故障。這些故障種類(lèi)在很多時(shí)候其信號(hào)的表征是深度耦合的，因此如何進(jìn)行診斷定位是制動(dòng)系統(tǒng)較為特有的需求方向。

以常見(jiàn)的抱死故障為例，其可能的故障原因有以下3種：①速度傳感器故障;②軸抱死;③電路板故障。由于抱死的后果較為嚴(yán)重，往往對(duì)車(chē)輛運(yùn)營(yíng)產(chǎn)生影響，因此需要對(duì)以上的故障原因進(jìn)行快速診斷及定位。筆者針對(duì)以上的故障原因，采用卡爾曼濾波方法進(jìn)行研究。卡爾曼濾波算法核心是運(yùn)用遞歸算法來(lái)達(dá)到最優(yōu)狀態(tài)估計(jì)，利用前一時(shí)刻的估計(jì)值和現(xiàn)時(shí)刻的觀測(cè)值來(lái)更新當(dāng)前狀態(tài)變量的估計(jì)值，結(jié)合殘差判斷故障及佩特里（Petri）網(wǎng)等技術(shù)進(jìn)行故障診斷，進(jìn)而將速度信號(hào)自身的故障和真實(shí)的軸抱死故障進(jìn)行區(qū)分。其算法流程如圖2所示。

3.4 故障預(yù)測(cè)

故障預(yù)測(cè)一般有2種方法，一種是基于已有的產(chǎn)品壽命模型進(jìn)行預(yù)測(cè)，一種是基于歷史數(shù)據(jù)建立模型進(jìn)行預(yù)測(cè)。

3.4.1 基于已有產(chǎn)品的壽命模型

在城市軌道交通行業(yè)中，產(chǎn)品的實(shí)際運(yùn)用很難得到全壽命周期的特性數(shù)據(jù)，因此如需得到較為完整周期的模型，有仿真和實(shí)驗(yàn)2種方法獲取數(shù)據(jù)。仿真的成本較低，可以通過(guò)仿真實(shí)現(xiàn)多種故障注入的驗(yàn)證，由此獲得產(chǎn)品不同的響應(yīng)特性數(shù)據(jù)。

仿真的局限性在于其研究成果很大程度上依賴(lài)于模型的精確程度以及對(duì)于產(chǎn)品失效機(jī)理的理解深度，目前應(yīng)用比較廣泛的是采用可靠性實(shí)驗(yàn)技術(shù)開(kāi)展一定樣本量的產(chǎn)品加速壽命實(shí)驗(yàn)，實(shí)時(shí)監(jiān)測(cè)全實(shí)驗(yàn)過(guò)程的產(chǎn)品性能退化特征，利用基于相似性建模的方法進(jìn)行故障預(yù)測(cè)，常用的加速壽命實(shí)驗(yàn)?zāi)Ｐ陀幸韵?種。

（1）溫度加速模型：

（1）

式（1）中， AFT是溫度加速因子，E是活化能，k是玻爾茲曼常數(shù)， T1是典型工作絕對(duì)溫度， T2是加速試驗(yàn)絕對(duì)溫度。該加速模型被廣泛的應(yīng)用在各種溫度加速測(cè)試?yán)?，包括MIL-STD-217和Telcordia SR332 可靠性預(yù)計(jì)標(biāo)準(zhǔn)。同時(shí)也被運(yùn)用在MIL-STD-883，IEC 60025-2 的可靠性測(cè)試和壽命驗(yàn)證方法中。

（2）溫濕度加速模型 （Pecks Model）綜合了溫度和濕度加速模型，可以提高加速因子，減少測(cè)試時(shí)間。其加速模型公式如下：

（2）

式（2）中， AFH是濕度加速因子， H1是使用環(huán)境相對(duì)濕度， H2是加速試驗(yàn)環(huán)境相對(duì)濕度，n是未知模型參數(shù)，由腐蝕特性決定，一般取值1～5。

目前大部分產(chǎn)品都采用溫濕度測(cè)試加速模型，而且在電子元器件和半導(dǎo)體領(lǐng)域，已經(jīng)形成了標(biāo)準(zhǔn)，為各個(gè)國(guó)家各個(gè)領(lǐng)域所共同遵守。這些標(biāo)準(zhǔn)包括 EIA/JSTD 22-A 101-B 恒溫恒濕壽命測(cè)試。

3.4.2 基于歷史數(shù)據(jù)的預(yù)測(cè)模型

預(yù)測(cè)是在了解和掌握系統(tǒng)的運(yùn)行狀態(tài)及狀態(tài)變化規(guī)律的基礎(chǔ)上，根據(jù)一定的預(yù)測(cè)方法推測(cè)其狀態(tài)的變化趨勢(shì)，估計(jì)故障的傳播、發(fā)展和系統(tǒng)的性能劣化趨勢(shì)，是進(jìn)行事故預(yù)防、實(shí)現(xiàn)視情維修和健康管理的重要手段。其中基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)方法主要利用設(shè)備的歷史工作數(shù)據(jù)、故障注入數(shù)據(jù)以及仿真實(shí)驗(yàn)數(shù)據(jù)等，通過(guò)各種數(shù)據(jù)分析處理算法進(jìn)行趨勢(shì)預(yù)測(cè)，是目前應(yīng)用比較廣泛的預(yù)測(cè)方法。

基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)是數(shù)據(jù)采集、特征提取、趨勢(shì)預(yù)測(cè)、故障識(shí)別的過(guò)程（圖3），主要分為以下3個(gè)步驟。

（1）預(yù)測(cè)樣本數(shù)據(jù)準(zhǔn)備和預(yù)測(cè)模型訓(xùn)練。將監(jiān)測(cè)到的設(shè)備狀態(tài)數(shù)據(jù)進(jìn)行分析、特征提取后形成歷史數(shù)據(jù)，結(jié)合故障注入數(shù)據(jù)或仿真數(shù)據(jù)等其它數(shù)據(jù)，構(gòu)建用于故障預(yù)測(cè)的訓(xùn)練樣本，并進(jìn)行預(yù)測(cè)模型的訓(xùn)練。

（2）趨勢(shì)預(yù)測(cè)。將監(jiān)測(cè)到的潛在故障狀態(tài)信息進(jìn)行分析處理，利用第一步所建立的模型進(jìn)行狀態(tài)變化趨勢(shì)和系統(tǒng)性能劣化趨勢(shì)預(yù)測(cè)，得到表征設(shè)備將來(lái)狀態(tài)的特征趨勢(shì)數(shù)據(jù)。

（3）潛在故障識(shí)別。利用預(yù)測(cè)得到的特征趨勢(shì)數(shù)據(jù)進(jìn)行故障模式識(shí)別，預(yù)測(cè)設(shè)備未來(lái)可能發(fā)生的故障或設(shè)備的剩余壽命。

基于數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)的典型方法有時(shí)間序列分析、灰色模型預(yù)測(cè)、隱馬爾可夫模型預(yù)測(cè)、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)和支持向量機(jī)預(yù)測(cè)等，優(yōu)缺點(diǎn)如表3所示。由于預(yù)測(cè)本身具有不確定性，需要提高預(yù)測(cè)的精度和穩(wěn)定性，采用混合預(yù)測(cè)方法和組合預(yù)測(cè)方法的故障預(yù)測(cè)逐步得到應(yīng)用，也是故障預(yù)測(cè)技術(shù)發(fā)展的必然趨勢(shì)。

4 結(jié)束語(yǔ)

以城市軌道交通發(fā)展現(xiàn)狀為基礎(chǔ)，提出城市軌道交通制動(dòng)系統(tǒng)的PHM架構(gòu)，論述了PHM的主要功能，并結(jié)合相關(guān)案例進(jìn)行了說(shuō)明。但城市軌道交通制動(dòng)系統(tǒng)PHM技術(shù)仍處于起步階段，隨著未來(lái)工業(yè)互聯(lián)網(wǎng)的深化應(yīng)用，其工程應(yīng)用的可行性及其能效將逐步體現(xiàn)，同時(shí)伴隨城市軌道交通行業(yè)智能運(yùn)維技術(shù)的逐步推廣，制動(dòng)系統(tǒng)PHM技術(shù)將成為產(chǎn)品的核心競(jìng)爭(zhēng)力。

參考文獻(xiàn)

[1] 王玘，何正友，林圣，等. 高鐵牽引供電系統(tǒng)PHM與主動(dòng)維護(hù)研究[J]. 西南交通大學(xué)學(xué)報(bào)，2015，50（5）：942-952.

[2] Sun B，Kang R，Xie J. Research and application of the prognostic and health management system[J]. Systems Engineering and Electronics，2007，29（10）： 1762-1767.

[3] Farhat A，Guyeux C，Makhoul A，et al. On the coverage effects in wireless sensor networks based prognostic and health management[J]. International Journal of Sensor Networks，2018，28（2）：125-138.

[4] Yi X，Chen Y，Hou P，et al. A survey on prognostic and health management for special vehicles[C] //2018 Prognostics and System Health Management Conference（PHM-Chongqing）. IEEE，2018.

[5] 尹方，楊永勤，崔虎山. 動(dòng)車(chē)組軸抱死檢測(cè)誤報(bào)故障的解決方案[J]. 電力機(jī)車(chē)與城軌車(chē)輛，2013，36（1）：83-84.

[6] 張堯庭，方開(kāi)泰. 多元統(tǒng)計(jì)分析引論[M]. 北京：科學(xué)出版社，1982.

[7] Ralston P，DePuy G，Graham J H. Computer-based monitoring and fault diagnosis：a chemical process case study[J]. ISA Transactions， 2001，40（1）：85-98.

[8] Kwon D，Hodkiewicz M R，F(xiàn)an J，et al. IoT-based prognostics and systems health management for industrial applications[J]. IEEE Access，2016（4）：3659-3670.

[9] Macaluso A，Jacazio G. Prognostic and health management system for fly-by-wire electro-hydraulic servo actuators for detection and tracking of actuator faults[J]. Procedia CIRP，2017（59）：116-121.

[10] Elsayed A.Elsayed. 可靠性工程[M]. 北京：電子工業(yè)出版社，2013.

[11] Peysson F，Ouladsine M，Outbib R，et al. A generic prognostic methodology using damage trajectory models[J]. IEEE transactions on reliability，2009，58（2）：277-285.

[12] 韓東，楊震，許葆華. 基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)模型框架研究[J]. 計(jì)算機(jī)工程與設(shè)計(jì)，2013，34（3）： 1054-1058.

收稿日期 2019-08-16

責(zé)任編輯 宗仁莉