章天宇，荊玉山，王淏澤，王悅東

(1.中國鐵路呼和浩特局集團公司，內蒙古 包頭 014000；2.中國國家鐵路集團有限公司，北京 100055；3.大連交通大學 機車車輛工程學院， 遼寧 大連 116028)*

自動車組車載信息無線傳輸系統(tǒng)(WTDS)被廣泛推廣應用以來，高速鐵路動車組的運營維護真正邁入了數(shù)據(jù)信息化時代.布置于動車組各系統(tǒng)的傳感器將列車實時狀態(tài)數(shù)據(jù)準確傳輸?shù)杰噧瓤刂茊卧暗孛姹O(jiān)控系統(tǒng)，為動車組的運營維護提供了可靠的數(shù)據(jù)支撐[1-2].

輪對軸承作為高速鐵路動車組走行部的重要組成成分，其運行狀態(tài)的好壞直接影響著動車組的行車安全.然而在對動車組運營單位的實際調查研究中發(fā)現(xiàn)，WTDS中對于軸溫的監(jiān)控僅限于將運行途中采集的散點數(shù)據(jù)呈現(xiàn)給工作人員，并將當日運行途中的峰值溫度加以標注，這就導致在運行途中發(fā)生熱軸、燃軸等突發(fā)故障時，留給應急人員的反應時間十分短暫[3-4].因此，若能基于WTDS接收到數(shù)據(jù)，通過建立適宜分析預測方法，預判峰值溫度及出現(xiàn)時間，即可以有效解決上述問題.本文針對WTDS軸箱溫度數(shù)據(jù)，設定更全面的閾值線，采用標準曲線比樣法以及多元非線性回歸算法等數(shù)學方法，進行數(shù)據(jù)的深度挖掘，建立軸溫數(shù)據(jù)分析預測模型，作為WTDS的補充應用. 并以CRH5A型動車組實際軸溫數(shù)據(jù)為例， 驗證了模型的準確性，明確了其應用價值.

1 軸溫數(shù)據(jù)分析預測模型的建立

本文針對WTDS接收的軸溫數(shù)據(jù)，建立數(shù)據(jù)分析預測模型.通過采用標準曲線比樣法對動車組運行當日的軸箱溫度數(shù)據(jù)進行趨勢對比，對軸箱的隱性故障進行研判排查；通過采用多元非線性回歸算法構建軸箱溫度峰值預測模型，對次日上線的動車組的軸箱溫度情況進行準確的把握.

1.1 軸溫標準曲線的構建

通過對動車組WTDS軸溫數(shù)據(jù)的長期調查研究發(fā)現(xiàn)，同一車組運行同一交路時，其運行途中軸溫的走勢保持穩(wěn)定.隨著外界環(huán)境的變化，軸溫的走勢會有小幅度的上下波動，但總體趨勢仍保持不變.因此根據(jù)動車組軸溫運行走勢的穩(wěn)定特性，可以構建軸溫的健康走勢曲線(即標準曲線)，在標準曲線建立完善后，通過對比運行曲線與標準曲線，即可對動車組軸箱有無故障進行定性研判.

在WTDS采集的軸溫數(shù)據(jù)中，傳輸間隔頻率時有差異且存在因傳輸頻率不穩(wěn)定或因網(wǎng)絡問題

造成的數(shù)據(jù)流斷點，這就導致數(shù)據(jù)的離散型差異較大.而建立標準曲線時，需要保證數(shù)據(jù)的連續(xù)性，無法直接將采集到的歷史數(shù)據(jù)進行擬合計算.本文使用樣條插值將離散型數(shù)據(jù)轉化為可用于擬合的連續(xù)運行曲線.為減小使用低階多項產(chǎn)生的插值誤差，本文采用三次樣條建立運行曲線.對于某運行時段中采集的n+1個軸溫離散數(shù)據(jù){xi}，使用n段三次多項式在采集到的數(shù)據(jù)點之間構建一個三次樣條[5-7].

對于n組軸溫運行曲線，其標準曲線g可用式(1)、式(2)所給的方程構建：

(1)

(2)

考慮到數(shù)據(jù)量的積累及季節(jié)變化等因素對動車組軸溫的影響，標準曲線需不斷的進行更新，更新的標準曲線記為gn+1，則有：

gn+1=hn+1·[g(x)·hn+fn(x)]

(3)

將新采集數(shù)據(jù)轉化為運行曲線后，考慮天氣等外界因素對動車組軸溫的影響，建立對比運行曲線f0，對比運行曲線f0與標準曲線的吻合度ε可用式(4)和式(5)表示，其中，w(x)為天氣等外界因素對運行曲線影響的比例系數(shù).w(x)是本文通過采集大量動車組數(shù)據(jù)與標準曲線擬合得到的經(jīng)驗參數(shù)，w(x)的取值見表1.

f0(x)=f(x)·w(x)

(4)

(5)

表1 w(x)參數(shù)取值

1.2 軸溫預測模型的建立

如果動車組運行途中軸溫過高，出現(xiàn)熱軸、燃軸、切軸等情況，則需進行停車檢查，會對行車組織造成比較嚴重的影響.因此本文以動車組運行中軸溫峰值溫度作為預測的目標函數(shù)，采用多元非線性回歸算法建立預測模型.考慮到軸箱溫度傳感器或者網(wǎng)絡故障引起的軸溫突變會對函數(shù)的擬合結果造成精度缺失，進行預測分析前需對WTDS采集的軸溫數(shù)據(jù)進行數(shù)據(jù)清洗[8-10].

(6)

則對于采集的軸溫數(shù)據(jù)tmax進行剔除，對剔除后的n-1個運行數(shù)據(jù)進行重新清洗，將滿足條件的tmax作為軸溫峰值y.

對于清洗后的n組軸溫峰值yn及其k個影響因子xk，構建多元非線性回歸方程[11]：

其中,βi為軸溫峰值各影響因子的回歸系數(shù)，μi為隨機擾動項.本文認為，運行中軸溫的峰值變化，是一個連續(xù)的，相互影響的過程，因此可以由前日軸溫的狀態(tài)，結合當日的運行實際對當日軸溫峰值進行表征.將動車組輪對軸承的檢修項目信息、運行線路狀況、行車信息、外界溫度、天氣狀況及前一天軸溫狀態(tài)作為軸溫峰值預測的影響因子，可以得到較為精準的預測結果.

為防止數(shù)據(jù)中存的離群值[12]xout(對應的殘差具有較大方差的值)降低預測精度，需對離群值xout進行剔除處理.對于n組軸溫數(shù)據(jù)yn，使用奈爾檢驗法檢驗離群值，則有：

(8)

(9)

(10)

對數(shù)據(jù)進行清洗后，由上述公式得到βi、μi，則預測值yn可以表達為：

(11)

2 軸溫數(shù)據(jù)分析預測模型的應用

本文以一組CRH5A型動車組為例，采集其自6月1日至8月31日以來的所有軸溫數(shù)據(jù)，運用分析預測模型，驗證模型的準確性.

2.1 標準曲線比樣法的應用

本文選取車組CRH5A-5051，采集了共76天的運行數(shù)據(jù)，按照不同的交路信息，構建了不同交路的標準曲線，其標準曲線如圖1所示.由圖1可知，同一動車組在不同的交路下其標準曲線是有著明顯的差別的.對于不同的天氣狀況因素，在構建標準曲線時，進行了比例系數(shù)的調整，降低了標準曲線構建時不同外界環(huán)境的干擾.

圖1 CRH5A型動車組軸溫數(shù)據(jù)標準曲線

建立標準曲線后，將每日的運行數(shù)據(jù)轉化為運行曲線后，與標準曲線進行對比.為說明本文模型的準確性和實際應用價值，本文選取了存在故障信息的運行數(shù)據(jù).經(jīng)過模型的分析處理(圖2)，可以看到在8月5日，8車6位軸箱存在著明顯異常，在運行當日始發(fā)后，溫度急劇升高，整個運行當日軸溫遠遠大于標準曲線所提供的標準值.然而對于WTDS的軸溫監(jiān)控來說，其運行數(shù)據(jù)完全處于設定的閾值之下，并不會給工作人員提供相關的提示報警.經(jīng)調查發(fā)現(xiàn)，動車組于運行前日進行了全列空心軸探傷作業(yè)，8車6位軸箱在空心軸探傷后未徹底清理耦合液，使得在空心軸內有大量耦合液殘留，致使運行途中8車6位軸箱異常溫升.

圖2 CRH5A型動車組軸溫數(shù)據(jù)分析結果

2.2 軸溫預測模型的建立

本文以上述的CRH5A型動車組的軸溫數(shù)據(jù)為基礎，驗證軸溫預測模型的準確性.通過對動車組軸溫數(shù)據(jù)的長期跟蹤分析，訓練擬合了一個相對精度滿足使用要求的預測模型，其預測結果與真實結果的對比見圖3.由圖3可知，本文以6月1日的軸溫峰值數(shù)據(jù)作為預測模型的訓練初始值，設定初始預測值為0，對預測模型進行訓練迭代.在6月1日～6月11日之間，軸溫峰值的預測結果與實際值有較大的差距，這是由于在初始訓練階段，影響因子的系數(shù)βk的個數(shù)k大于回歸方程的個數(shù)n，在回歸分析中，影響因子的系數(shù)βk存在空值，因此對于牽引電子的預測結果yn+1呈現(xiàn)著跳動的不穩(wěn)定性.隨著數(shù)據(jù)的不斷積累，可用于歸回的方程數(shù)目不斷的增加，影響因子的系數(shù)βk的空值漸漸消除，預測值也逐漸向真實值靠攏.由圖4可知，數(shù)據(jù)經(jīng)過不斷的積累訓練之后，預測精度可達90%以上，隨著數(shù)據(jù)的進一步積累，預測精度仍然會有一定的提升.

圖3 CRH5A型動車組軸溫數(shù)據(jù)預測結果

3 結論

本文基于WTDS傳輸?shù)臄?shù)據(jù)，建立了一種軸溫數(shù)據(jù)分析預測模型，填補了WTDS在隱性故障研判及數(shù)據(jù)預測分析上的空白.本文建立的軸溫數(shù)據(jù)分析預測模型結合WTDS 數(shù) 據(jù) 實時傳輸， 可

以有效的預防動車組軸箱故障，并為實際生產(chǎn)提供更合理準確的數(shù)據(jù)支撐.

(1)本文通過標準曲線比樣法建立了一種軸溫分析模型，通過對比每日的運行曲線與標準曲線，可以準確的對軸箱的隱性故障進行研判.通過選取的一組CRH5A型動車組的驗證，表明了標準曲線比樣法建立的分析模型具有一定的生產(chǎn)使用價值;

(2)本文通過多元非線性回歸算法建立了軸溫數(shù)據(jù)的預測模型，通過對CRH5A型動車組軸溫數(shù)據(jù)的長期積累和分析，擬合出了滿足生產(chǎn)實際要求精度的預測模型.經(jīng)過76天的數(shù)據(jù)積累，實現(xiàn)的預測精度可達90%以上，并且隨著數(shù)據(jù)量的不斷提升，預測精度仍可進一步提高.