左建勇，劉寅虎，丁景賢，耿曉峰

（1 同濟大學 鐵道與城市軌道交通研究院，上海 201804；2 南京中車浦鎮(zhèn)海泰制動設備有限公司，南京 211800）

隨著我國高速鐵路的飛速發(fā)展，高速列車最長服役時間已超過十年，其服役安全問題已成為業(yè)內關注的焦點。制動系統作為高速列車的關鍵子系統，在準確控制列車運行速度、提高乘客舒適度、保證列車安全高效運行方面扮演著十分重要的角色，其服役狀態(tài)直接關系到高速列車運營安全、效率與維護成本。

隨著運營里程的累積、服役時間的增加以及運行環(huán)境的持續(xù)影響，制動系統性能不可避免地發(fā)生降級甚至功能故障［1-2］。而現役高速列車制動系統的自診斷功能主要采用各部件獨立的超限報警機制，一方面，由于制動系統各部件間的耦合關系，現有診斷系統雖然可以給出如制動不緩解、制動力不足以及軸抱死等故障代碼［3-7］，但是卻無法準確描述出故障點，使得維護人員根據故障提示找不到故障原因，如軸抱死故障的可能原因有速度傳感器故障、速度采集板卡故障等，摩擦制動施加故障的可能原因有EP 閥故障、中繼閥故障等。另一方面，由于未充分利用歷史數據信息，對于制動系統性能降級造成的潛隱故障無法識別，無法基于多傳感器信息及歷史數據做到準確有效的特征提取，故障無法預警。此外，制動系統故障預測研究仍處于起步階段［8］。故障出現前無法預警，故障點無法定位以及故障預測等問題給高速列車制動系統運用、維護及檢修帶來不便。

國內外已有學者［9-12］對軌道交通車輛制動系統的列車管模塊、電磁閥以及制動缸壓力的檢測和診斷方法進行了研究，但尚未發(fā)現系統性研究高速列車制動系統故障診斷與維護的方法。文中以高速動車組制動系統為研究對象，提出制動系統分層次故障診斷與維護思路，即“系統級—子系統級—部件級”3 層故障診斷方法，對早期潛在的故障隱患做出預警，提高故障定位的精度以及故障診斷的覆蓋率。

1 制動系統分層結構診斷架構

制動系統是一個復雜的“機—電—氣”系統，在制動過程中表現為瞬態(tài)離散特性，屬于典型的時變動態(tài)系統。制動系統的異常狀態(tài)涉及到系統集群、子系統集群、部件集群等多個層次，各個層次之間的狀態(tài)特征相互關聯，使得故障診斷和維護變得極為復雜［13］。分層結構模型［14-15］是目前在復雜系統故障診斷中常用的方法。文中從制動系統的3 個層次開展故障診斷與維護技術研究。首先，對制動系統狀態(tài)數據進行特征提取，深入挖掘歷史數據，建立系統級的故障預警模型。其次，對子系統的特征數據及關聯關系進行監(jiān)測和邏輯推導，建立子系統級的故障定位模型。最后，在得到系統預警信息并定位到具體部件以后，為了能夠進一步了解故障原因、部位和剩余使用壽命，設計針對部件的故障診斷及預測方法。診斷架構如圖1 所示。

圖1 診斷架構

2 制動系統故障識別與診斷維護方法及應用

2.1 基于“三特征”方法的制動系統故障預警技術

2.1.1 方法介紹

制動系統內部的變化會對最終的輸出產生影響，進而影響整車性能。文中從系統層次將制動系統視為黑盒子，運用“黑盒”理論將制動系統隔離，在只關注系統輸出（制動缸壓力）的情況下，基于數據挖掘理論，以數理統計為核心，結合機器學習算法對制動系統性能進行狀態(tài)評估和故障預警研究。

由于制動數據存在采樣率不同、數據量大等問題，為了能夠提高運算效率且有效表征制動過程數據特征，文中基于空氣制動系統控制響應特性，將制動過程動態(tài)壓力分為建立、穩(wěn)定2 個階段。針對每個階段的特性，使用共計“三特征”6 個參數表達制動系統的性能狀態(tài)，如圖2 所示。

圖2 制動缸壓力階段劃分及三特征參數

在得到“三特征”參數以后，基于聚類與數據融合方法，對特征參數進行橫向對比評估，將指標歸一化，針對“三特征”值落在基準的位置將特征數據投影到0～100，對制動系統的服役性能一致性進行評價。由于客觀賦值法從數據本身的關系角度賦給權重，避免了人為偏好的影響，因此文中運用客觀賦值中的變異系數法設計對“三特征”參數的綜合權重，以結果K值為綜合性能穩(wěn)定性判斷參數進行量化，100 表示穩(wěn)定性良好，0 表示性能失去穩(wěn)定性，根據系統得分大小，設置相應的預警提示。

2.1.2 案例分析

為了驗證方法的可行性，分析國內某線路列車16 次相同制動工況的制動缸壓力數據如圖3 所示，結果見表1。

圖3 制動缸壓力數據曲線簇

由表1 可知，其綜合性能穩(wěn)定性得分K值為：

表1 “三特征”參數分析表

K=0.088 377 2PA+0.169 29PB+0.031 603PC+0.640 577PD+0.033 022PE+0.037 131PF= 88.444 9，由此，可根據得分大小對制動系統性能進行相應預警提示，證明了方法的有效性。

當前很多建筑企業(yè)的施工隊伍，基本上是以農民工為主，無論是在專業(yè)能力方面還是安全防護意識方面都存在缺失，在實際施工過程中，認識不到安全管理工作的重要性，不執(zhí)行甚至拒絕執(zhí)行安全管理制度，給建筑施工安全管理工作的開展制造了一定的困難。

2.2 基于SDG 方法的制動系統故障定位技術

2.2.1 方法介紹

在得到系統預警信息后，為了定位到具體部件，需要設計故障定位方法。

符號有向圖（Signed Directed Graph，SDG）可以依據給定的在線監(jiān)測數據尋找所有可能的擾動源。在基于模型的方法中，SDG 模型是基于深層知識的因果推理，易于構造故障的定性傳播關系，具有推理簡單、推理效率高等優(yōu)點［16-17］。

文中首先分析了制動系統結構，從功能角度分析各部件潛在的故障。其次，針對每一種故障，結合相關聯的電信號與壓力信號，基于制動系統故障識別中的可觀測性與可分辨性，構建了包含制動系統各部件故障等級、故障內容、相關信號的故障狀態(tài)矩陣空間，如圖4 所示。

圖4 制動系統故障狀態(tài)矩陣空間

最后，在建立制動系統故障狀態(tài)矩陣空間的基礎上，評價制動系統現有傳感器布局。運用SDG 方法構造制動系統各故障的定性傳播圖，建立各故障模式的可觀測性與可分辨性分析模型，并提出了基于SDG 方法的制動系統可觀測、可分辨?zhèn)鞲衅髋渲门c優(yōu)化方法。

2.2.2 案例分析

以高速動車組制動系統為研究對象，為了建模方便，將制動系統劃分為供風模塊、制動控制模塊、制動執(zhí)行模塊、停放控制模塊等，基于“影響方程組”分別建立制動系統各模塊的SDG 模型［17］。通過分析故障頂點及受影響傳感器頂點，得到制動系統故障SDG 模型。針對不可觀測、不可分辨的故障，列出故障頂點及傳感器頂點的對應關系，生成二部圖，利用貪心算法求解傳感器覆蓋問題，得到制動系統最優(yōu)傳感器布局對應的故障狀態(tài)矩陣空間，如圖5 所示。

圖5 最優(yōu)傳感器布局下故障狀態(tài)矩陣空間

應用該方法后，高速動車組制動系統可觀測故障的數量從23 個增加到30 個，可分辨故障的數量從6 個增加到22 個，顯著提高了高速動車組制動系統故障診斷的覆蓋率和準確率。

2.3 制動系統關鍵部件故障診斷技術

2.3.1 方法介紹

在得到系統預警信息并定位到具體部件以后，為了能夠進一步了解故障原因及部位，預測剩余使用壽命，需要設計針對部件的故障診斷與預測方法。技術路線如圖6 所示。

圖6 關鍵部件故障診斷技術路線

氣控閥（中繼閥、EP 閥等）和電子元器件（EB?CU 板、速度傳感器等）是制動系統中關鍵部件，其可靠性和可用性至關重要。由于氣控閥結構復雜，帶有密封元件并對密封性能要求較高，在實際使用中容易發(fā)生泄漏故障。文中以關鍵氣控閥—中繼閥的泄漏故障診斷為例，在中繼閥FMEA 分析的基礎上，按照工作氣路流向，將中繼閥泄漏分為內泄漏和外泄漏，見表2。

表2 中繼閥泄漏類型

為了診斷中繼閥泄漏類型，選擇了8 個值作為中繼閥的故障特征值，見表3。根據制動指令信號，這8 個故障特征量用于內、外泄漏故障診斷。

表3 中繼閥故障特征值及其定義

目前，液壓氣動系統智能故障診斷方法主要有 故 障 樹［18］，BP 神 經 網 絡［19-21］以 及 專 家 系 統［22］等。但故障樹在線診斷有很大的局限性，BP 神經網絡收斂速度慢，增加了訓練時間，容易得到局部解，專家系統對數據需求量大。 支持向量機（SVM）［23-25］屬于基于數據驅動的機器學習算法，在小樣本、高維度、非線性問題中具有特殊優(yōu)勢，且能夠很好地克服上述方法存在的問題，因而被選作中繼閥泄漏故障診斷方法。算法流程圖如圖7 所示。

圖7 基于SVM 的中繼閥內、外泄漏診斷算法流程圖

2.3.2 案例分析

為了驗證泄漏診斷算法的可行性，在高速動車組制動系統地面型式試驗臺上進行了內、外泄漏模擬試驗，如圖8 所示。內、外泄漏模擬試驗各進行了10 次，CV1 和BC 壓力傳感器用于采集內、外泄漏情況下的中繼閥預控CV1 壓力和中繼閥輸出BC 壓力數據。

圖8 中繼閥內、外泄漏模擬試驗平臺

故障特征量共計20 組樣本，文中將內、外泄漏的各8 組作為目標故障樣本進行訓練，其余4 組樣本作為測試故障樣本，對內泄漏和外泄漏分類，1 代表內泄漏，-1 代表外泄漏，診斷結果如圖9 所示。

由圖9 可以看出，基于中繼閥輸入、輸出壓力的8 個故障特征量的SVM 可以在100% 的故障識別率下診斷出內泄漏和外泄漏，證明了方法的有效性。

圖9 中繼閥內、外泄漏診斷結果

3 結 論

文中針對高速列車制動系統故障預警與定位的問題，提出了制動系統分層次故障診斷與維護思路，主要結論如下：

（1）基于“三特征”方法的故障預警技術可對制動系統性能降級做出狀態(tài)評估和預警提示。

（2）以高速動車組制動系統為例，基于SDG 方法的最優(yōu)傳感器布局將可觀測故障的數量從23 個增加到30 個，可分辨故障的數量從6 個增加到22個，提高了故障定位的精度以及故障診斷的覆蓋率。

（3）基于SVM 的中繼閥泄漏故障診斷技術可進一步定位部件的故障類型，為部件維護、檢修提供指導，降低維護成本。

（4）由于中繼閥、EP 閥等氣控閥具有長壽命、高可靠的特點，若采用傳統的壽命試驗技術則所需試驗時間長、費用高。同時其密封圈和彈簧等組件具有耗損性特點，且對溫度應力比較敏感，具有可加速性，后續(xù)會開展基于溫度應力加速壽命試驗的壽命預測研究，從而提高制動系統的主動安全防護能力。