(中車青島四方機(jī)車車輛股份有限公司,山東青島 266111)

0 引言

軸承作為動車組轉(zhuǎn)向架的重要部件，該工件的好壞直接影響著動車的安全性能和維護(hù)成本。經(jīng)調(diào)查美國每年有超過10起與軸承相關(guān)的列車故障發(fā)生[1]，而我國機(jī)車軸承每年有40%需要下車檢驗，33%需要更換[2]。動車組長期工作在沙漠、高鹽、高海拔、高濕度、多涵洞、永凍土、超載等各種復(fù)雜惡劣環(huán)境，對軸承的健康狀態(tài)有著極大的影響，一旦軸承故障，輕則停運救援，重則脫軌。惡劣的環(huán)境及高額的故障成本，進(jìn)一步加劇了軸承壽命預(yù)測工作的緊迫性，但實驗室通過工況模擬很難做到與現(xiàn)場復(fù)雜的工況數(shù)據(jù)一致；因此，在大數(shù)據(jù)背景下，應(yīng)用車載傳感器的完整數(shù)據(jù)，對軸承的剩余壽命進(jìn)行預(yù)測，可有效降低事故率，為軸承從故障修、計劃修向預(yù)測修、狀態(tài)修轉(zhuǎn)變提供重要的技術(shù)支撐；從而有效提高動車組安全性、降低運維成本。隨著大數(shù)據(jù)、5G等互聯(lián)網(wǎng)技術(shù)逐漸成熟，軸承剩余壽命預(yù)測將變得更加智能、精準(zhǔn)、高效。

目前，國內(nèi)外學(xué)者對于航空、轎車、風(fēng)電、精密機(jī)床主軸配套軸承等高端軸承都有著廣泛而深入的研究，但鐵路軸承及其壽命的研究仍然較少。國內(nèi)動車組運行工況較國外復(fù)雜，國內(nèi)外各大軸承廠商大多根據(jù)各自的研究結(jié)果及現(xiàn)場經(jīng)驗提出各種軸承壽命的計算方法，針對軸承壽命預(yù)測至今沒有統(tǒng)一的被行業(yè)接受的方法。長期以來大都通過統(tǒng)計分析或振動信號分析開展軸承狀態(tài)監(jiān)測，過去的研究主要從力學(xué)或故障診斷的觀點出發(fā)，包括利用力學(xué)公式推導(dǎo)或模糊邏輯方法對軸承三維受載、軸承狀態(tài)和故障模式進(jìn)行分析，利用統(tǒng)計參數(shù)（方根值）、峭度系數(shù)或者峰度因子的變化趨勢對軸承的缺陷進(jìn)行建模。或基于國家標(biāo)準(zhǔn)的軸承壽命計算公式基礎(chǔ)上，提出不同的修正額定壽命計算方法?，F(xiàn)有文獻(xiàn)，或是基于載荷進(jìn)行軸承壽命預(yù)測方法[3]，考慮了車輛在低速的情況下載荷等因素對軸承壽命預(yù)測，但未對其它（如潤滑）影響軸承壽命因素進(jìn)行考慮?；蚴峭ㄟ^神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測軸承壽命的方法[4]，用加速度傳感器測得軸承振動信號，提取振動信號的峭度指標(biāo)和方均根指標(biāo)作為特征參數(shù)，用神經(jīng)網(wǎng)絡(luò)預(yù)測軸承未來的振動特征，但沒有估計出軸承的剩余壽命?；蚧谡駝油嘶盘柡蜕窠?jīng)網(wǎng)絡(luò)的軸承剩余壽命方法[5]，先通過軸承加速壽命試驗獲得反映軸承性能退化的振動信號，建立軸承退化信號數(shù)據(jù)庫；然后以故障特征頻率及其諧波的振幅為特征參數(shù)，用神經(jīng)網(wǎng)絡(luò)來估計失效壽命。采用相對方均根值研究軸承性能退化規(guī)律，利用相關(guān)分析選取敏感特征作為輸入，構(gòu)造多變量支持向量機(jī)用于軸承剩余壽命預(yù)測；然而，由于沒有充分考慮軸承處實際運行環(huán)境的影響，難以有效的對動車組軸承剩余壽命進(jìn)行預(yù)測。

1 建立反映軸承性能退化的特征指標(biāo)

根據(jù)目前動車組軸承工況復(fù)雜、所處環(huán)境惡劣等因素，通過構(gòu)建軸承性能退化指標(biāo)描述軸承壽命退化特性、應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)建立一個泛化度較高的一般軸承壽命預(yù)測模型，以完成軸承壽命預(yù)測模型構(gòu)建，技術(shù)路線如圖1所示。

圖1 技術(shù)路線圖

圖2 動車軸承性能退化指標(biāo)隨時間的變化

基于軸承溫度監(jiān)測數(shù)據(jù)，構(gòu)建軸承相對溫升來描述軸承性能退化特性，有效避免單一工況對軸承剩余壽命預(yù)測結(jié)果值偏高問題，智能、精準(zhǔn)預(yù)測軸承剩余壽命，對軸承剩余壽命預(yù)測方法的探索性研究具有重要意義。具體步驟如：（1）計算列車?yán)塾嬂锍?；?）計算每包數(shù)據(jù)的里程；（3）計算每行數(shù)據(jù)累計里程。

篩選一年內(nèi)，時速大于200km/h的數(shù)據(jù)，觀察軸溫工作溫度、環(huán)境溫度、工作溫度-環(huán)境溫度、（工作溫度-環(huán)境溫度）/轉(zhuǎn)速隨時間的變化關(guān)系；獲取軸承溫度的相對溫升與軸承行駛里程相關(guān)性。獲取工作溫度-環(huán)境溫度，即軸承溫度的相對溫升，同列車行駛里程對應(yīng)關(guān)系。其與軸承行駛里程對應(yīng)關(guān)系明顯，可作為軸承溫升性能退化指標(biāo)如圖2所示。

2 基于性能退化特征構(gòu)建軸承壽命預(yù)測模型

模型構(gòu)建以動車組軸承全壽命周期內(nèi)數(shù)據(jù)為依托，擬合軸承性能退化指標(biāo)與每萬公里行駛里程的對應(yīng)關(guān)系，構(gòu)建近似工況的軸承性能退化特征與行駛里程的一般性關(guān)系模型。應(yīng)用LSTM預(yù)測溫差性能退化指標(biāo)，構(gòu)建軸承的具體工況與性能退化特征關(guān)系模型構(gòu)建。后期優(yōu)化基于樣本數(shù)據(jù)逐漸增加、預(yù)測與實測差異計算，實現(xiàn)模型模型參數(shù)調(diào)優(yōu)、閾值調(diào)整，進(jìn)一步降低軸承故障誤報率，軸承剩余壽命預(yù)測準(zhǔn)確率。

2.1 近似工況下軸承性能退化指標(biāo)與行駛里程的一般性關(guān)系模型

近似工況的軸承性能退化，指的是選取同一條運行線路、同型、同列動車組，相同的制造工藝、相同部位、相同滑條件、相似工作環(huán)境等工況的軸承，進(jìn)行軸承性能退化研究。模型通過擬合軸承性能退化指標(biāo)與行駛里程的關(guān)系，完成軸承性能退化溫升特征構(gòu)建如圖3所示。該模型的輸入量為軸承的運行里程、輸出量為軸承性能退化溫升特征。首先，構(gòu)建單個具體軸承生命周期內(nèi)性能退化指標(biāo)隨里程的變化；隨后運用此方法對近似工況下全生命周期的軸承進(jìn)行性能退化指標(biāo)與里程關(guān)系擬合；最后根據(jù)軸承擬合結(jié)果，創(chuàng)建泛化能力較高的趨于一般軸承的特征曲線簇。

軸承全生命周期，可通過故障的發(fā)生、發(fā)展程度，構(gòu)造故障標(biāo)識量、性能退化指標(biāo)進(jìn)行數(shù)量化表征。通常故障的發(fā)生一般由一些細(xì)微有害因素不斷累積擴(kuò)大或次生危害性因素的產(chǎn)生與累加，最終使得零部件或系統(tǒng)的性能不能滿足設(shè)計要求，從而表現(xiàn)為失效或故障。即，其軸承全生命周期運行可分為四種時態(tài)為正常軸承運行狀態(tài)、故障萌生和初步發(fā)展的故障初期、故障進(jìn)一步發(fā)展的故障中期、故障持續(xù)惡化導(dǎo)致最終失效的故障晚期如圖4所示。

圖3 近似工況的軸承性能退化特征與行駛里程模型構(gòu)建

2.2 軸承的具體工況與性能退化特征關(guān)系模型構(gòu)建

DNN作為全連接的神經(jīng)元結(jié)構(gòu)，目前運用于國內(nèi)外多個神經(jīng)網(wǎng)絡(luò)預(yù)測模型，取得了不錯的效果，可惜這些模型仍需較多的軸承試驗來保證預(yù)測精度。因無過多的軸承來確保試驗的準(zhǔn)確性，故其試驗結(jié)果缺乏相關(guān)實際根據(jù)。原始的RNN無法記住長期信息，而LSTM（長短記憶神經(jīng)網(wǎng)絡(luò)），細(xì)胞狀態(tài)直接在整個鏈上運行，只有一些少量通過“門”進(jìn)行線性交互，信息在上面流傳保持不變變得容易，保證了信息長期記憶。從而使動車組軸承通過變化的時間序列預(yù)測軸承性能退化指標(biāo)成為了可能。

通過應(yīng)用LSTM算法預(yù)測軸承性能退化指標(biāo)，構(gòu)建軸承的具體工況與性能退化特征關(guān)系模型，獲取預(yù)測軸承性能退化指標(biāo)輸出；以實現(xiàn)軸承特定工況下，未來某個時刻軸承的性能退化軸承性能退化指標(biāo)的預(yù)測。該模型的輸入量為某軸承最近5小時工況數(shù)據(jù)，輸出量為未來軸承性能退化指標(biāo)，進(jìn)行未來某時刻軸承性能退化指標(biāo)的預(yù)測。

最終，將預(yù)測的未來軸承性能退化指標(biāo)代入近似工況的軸承性能退化特征與行駛里程的一般性關(guān)系模型，完成軸承剩余壽命預(yù)測模型的構(gòu)建，該模型的輸入量為某軸承最近工況數(shù)據(jù)，輸出量為軸承的剩余運行里程。

3 剩余壽命預(yù)測模型驗證與應(yīng)用

為檢測具體工況下軸承剩余壽命模型的一般泛化能力和應(yīng)用效果。以CR400AFXXXX動車組為例，通過輸入當(dāng)前時間點對應(yīng)的運行時間、里程、時速等軸承的工況數(shù)據(jù)如表1所示。結(jié)果表明，該軸承已進(jìn)入故障初期，將于50400h后徹底失效。并將預(yù)測結(jié)果存入檢測中心軸承監(jiān)測數(shù)據(jù)庫，經(jīng)后期維護(hù)數(shù)據(jù)與預(yù)測數(shù)據(jù)對比，得知該模型誤差為1.24%，能夠達(dá)到軸承壽命預(yù)測預(yù)期目標(biāo)。軸承壽命預(yù)測模型示意圖如圖5所示。

表1 軸承壽命預(yù)測數(shù)據(jù)展示

圖5 軸承壽命預(yù)測模型示意圖

4 結(jié)論

本文以解決動車組實際工況環(huán)境下軸承剩余壽命預(yù)測為主旨，以動車組軸承實際工況下運行數(shù)據(jù)為依托，完成基于大數(shù)據(jù)的高速動車組軸承剩余壽命預(yù)測方法研究。后期經(jīng)大量軸承真實數(shù)據(jù)進(jìn)行分析、擬合與驗證模型，最終形成研究結(jié)論如下：

（1）提出了基于溫度的軸承性能退化指標(biāo)構(gòu)造方法。本實驗采用動車組實際運行全生命周期數(shù)據(jù)進(jìn)行試驗；綜合考量軸承性能退化影響因素后，通過軸承性能退化機(jī)理及算法擬合軸承溫度、軸承溫度-環(huán)境溫度、（軸承溫度-環(huán)境溫度）/轉(zhuǎn)速與軸承運行時間確立的；該指標(biāo)結(jié)合了軸承工況下的多重因素，且對早期故障敏感，為剩余壽命預(yù)測奠定了基礎(chǔ)。（2）形成了基于溫度的性能退化指標(biāo)的軸承壽命預(yù)測方法。本模型基于大量動車組全生命周期內(nèi)的軸承運行數(shù)據(jù)，完整的反應(yīng)同類軸承的性能預(yù)測，相較其他在實驗室中的模型能夠更真實的展示軸承剩余壽命信息；通過長短記憶神經(jīng)網(wǎng)絡(luò)精準(zhǔn)地預(yù)測未來某時刻溫差性能退化指標(biāo)，實現(xiàn)對軸承剩余壽命預(yù)測。（3）提出了一種全新的軸承故障概率計算方法。該方法基于LSTM溫差性能退化指標(biāo)，通過將預(yù)測溫差性能退化指標(biāo)與里程對應(yīng)面積與全生命周期軸承性能退化指標(biāo)與里程面積進(jìn)行求比值即可得到軸承的全生命周期中不同階段的故障概率。