基于金屬磁記憶的高鐵輪對早期故障檢測研究

畢貞法 孔樂

摘 要：列車安全性檢測是鐵路機車車輛工程的重要研究課題。輪對是高速列車行走部的關鍵部件，傳統檢測模式只能發現宏觀存在的缺陷，而不適用于運行過程中的早期缺陷的發現與狀態跟蹤。為了實現對早期故障的快速識別與輪對壽命預測，針對傳統測試方法在早期檢測與動態檢測方面的不足，提出了全新的動態檢測系統，以滿足列車運行的安全要求，還對磁記憶信號與該材料所受載荷狀態之間的關系進行了大量的試驗研究。研究結果表明：在50～150 kN的載荷區間內，試件的磁記憶信號呈單調變化，變化趨勢明顯；對試件進行疲勞載荷后發現磁記憶信號的原始值及梯度、峭度等信號特征均有所變化，峭度變化較為明顯，能夠有效反應材料的疲勞狀態。采用金屬磁記憶技術進行輪對早期故障檢測與動態檢測，對于保證列車的運行安全具有重要的現實意義，可為無損檢測領域的應用提供借鑒。

關鍵詞：鐵路機車車輛工程；高速列車；安全性檢測；輪對材料；金屬磁記憶檢測法；早期故障

中圖分類號：U279.4 文獻標志碼：A

文章編號：1008-1542（2018）04-0306-08doi：10.7535/hbkd.2018yx04003

Abstract：The detection of train safety is an important research topic for railway locomotive and vehicle engineering. Wheelsets are key components of high-speed train bogies. The traditional detection method can only diagnose macroscopic structural defects， and it is not suitable for the diagnosis of microscopic defects and status tracking in the operation process. In order to achieve rapid identification of early failures and life prediction of wheelsets， in light of the shortcomings of traditional test methods in early detection and dynamic detection， a new system of dynamic detection is proposed to meet the safety requirements of train operations. This paper also conducts a large number of experimental studies on the relationship between magnetic memory signals and the loading conditions of the material. The results show that in the 50～150 kN load range， the magnetic memory signal of the experimental workpiece changes monotonously， and the change trend is obvious； after fatigue loading， the original values of the magnetic memory signal and the signal characteristics of gradient and kurtosis both have some change， and the kurtosis changes more obviously， which can effectively reflect the fatigue state of the material. The use of metal magnetic memory technology for wheelset early failure detection and dynamic detection has important practical significance in ensuring the safety of the train， and provides reference for its application in non-destructive testing.

Keywords：railway rolling stock engineering； high speed train； safety test； wheelset material； metal magnetic memory method； early failure

隨著中國鐵路向高速重載方向發展，使用中的輪對承受著越來越多的動載、靜載、裝配應力、閘瓦與制動器之間的熱應力、曲線離心力等，在輪對踏面、輪輞、輻板會產生應力集中和疲勞裂紋（兩者稱為早期故障，是早期小裂紋的異常癥狀），這會導致動態性能的惡化[1-4]。振動和噪聲反復作用于輪對加速了應力集中和疲勞擴展，導致宏觀缺陷的發展。當宏觀裂紋快速形成并加重時甚至會導致輪對破裂，從而造成重大安全事故[5]。例如，1998年由于輪對故障未被盡早診斷，導致德國ICE高速列車發生災難性事故。因此，盡早地檢測高速列車輪對早期故障對列車行駛安全具有重大的實際意義。

目前，超聲波、電渦流、X光等輪對無損檢測方法有很多，但是沒有適用于動態檢測輪對工作狀態的測量工具[6]。許多檢測都在檢修基地完成，稱為地面檢測，但該檢測方式不能顯示負載情況下的實際工作狀態，僅能夠識別已經存在的缺陷[7-8]。傳統檢測手段效率低下，導致人力、物力和財力資源的浪費。金屬磁記憶（metal magnetic memory，以下簡稱MMM）方法是21世紀的一種新型無損檢測方法，它能夠定位鐵磁性金屬設備的微觀缺陷（如裂紋、夾雜、氣孔）或應力集中區的漏磁場（RMF）[9-14]。金屬磁記憶理論與工程研究主要集中在俄羅斯、東歐和中國，對列車輪對安全檢測方面的研究較少，為實現對早期故障實時動態預測，本文提出了基于金屬磁記憶方法的動態檢測系統，構建了包含信息采集、信息處理、定量評估和綜合分析的綜合智能平臺。

1 選擇檢測模式

1.1 早期故障的動態檢測

如圖1所示，漏磁場場強Hp的最大值存在于應力和變形的集中區域[15]。普遍能夠接受的理論是漏磁場Hp（x）的切向分量具有最大值，并且法線分量Hp（y）改變符號并且具有零點。在消除了工作載荷之后，磁疇狀態的不可逆變化將繼續。它可以確定應力集中區（疲勞裂紋產生），并通過測量漏磁場的法向分量來實現微小裂紋的早期診斷。

河北科技大學學報2018年第4期畢貞法，等：基于金屬磁記憶的高鐵輪對早期故障檢測研究與傳統的無損檢測方法相比，金屬磁記憶法可以發現應力集中區等早期缺陷，可以用于失效預測。傳統的無損檢測方法只能應用于檢測后期檢測的宏觀故障[16-17]，且在檢測過程中需要水或油等介質，檢測時效性較差，不利于動態檢測，而金屬磁記憶方法不需要介質，可以實現動態檢測。高速列車輪對早期故障的動態檢測如圖2所示。

1.2 檢測的復雜性

高速列車行駛中輪對的工作環境較惡劣，輪對是運行過程中的高速旋轉部件且負載情況十分復雜，如力、熱和振動等多重載荷的疊加加劇了輪對的疲勞損傷[18]。如果采用傳統的檢測方法，運行過程中輪對的狀態很難模擬，多耦合量的應力集中將被忽略，檢測結果與實際情況有較大誤差，給列車的安全運行帶來很大風險。

2 檢測系統的組成

由于高速列車的復雜工作環境和動態載荷影響，使用金屬磁記憶法對輪對進行動態定量診斷面臨諸多難點，主要有以下幾個方面，如圖3所示。

1）多傳感器動態檢測。動態檢測輪對的核心是實時負載狀態的檢測，其需要各種類型的傳感器，如磁阻傳感器、加速度傳感器、力傳感器、速度傳感器、溫度傳感器和位置傳感器等。通過傳感器信息，得到磁記憶信號與各種負載之間的耦合關系，并在出現異常信息時正確定位負載情況。

2）大容量信息傳輸技術。目前，中國運營的高速列車共有16節車組。在輪軸上使用多個傳感器進行在線檢測，會產生大量的數據信息，如磁記憶信息、位置信息、溫度信息、控制信息、振動信息和加速度信息等，所有的信息均需要送到中央控制站進行分析和現場總線處理。為了實時了解輪對的運行狀態，應及時傳輸和處理信息，提高數據傳輸網絡系統的通信負載。輪對上的檢測框架如圖4所示。

3）低信噪比信號的降噪[19-21]。磁記憶傳感器主要用于檢測輪對的狀態，在輪對上安裝多個磁記憶傳感器，其他類型的傳感器用于同時研究各物理量與磁記憶信號之間的耦合關系。由于磁記憶信號是在地磁場的影響下表現出鐵磁部件表面的漏磁場分布，因此它對外界環境非常敏感。磁記憶傳感器在不同位置的輸入表示如式（1）所示：yi=Si+Ni ， （1）式中：yi是磁記憶傳感器的輸入，i是傳感器的位置編號； Si是有用的信號；Ni是噪聲信號。

同樣，不同位置的背景噪聲信號也可以被收集為Ni0。Ni0與Ni相關并且與Si無關。通過2個輸入噪聲之間的相關性和信號與噪聲的獨立性，自適應濾波算法用于處理信號yi，因此濾波器的輸出盡可能接近噪聲信號Ni。因此，如果濾波器的輸出等于Ni，則通過 yi=Ni的表達式，系統的輸出等于有用信號，其表達式如式（2）所示：ei=Si+Ni-yi≈Si ， （2）式中：ei是系統的輸出；yi是過濾器的輸入。

圖5顯示了用于磁記憶信號的自適應降噪系統的原理圖。

4）應力集中區的信號特征提取。在以往的試驗研究中應力集中區域的判定效果較好，但由于情況復雜，常見特征值很容易在輪對檢測的工程應用中導致誤檢。某些情況下，在Hp（y）非零的位置也存在應力集中。磁場梯度較大的位置并不總是存在應力集中或缺陷。選擇適當的特征量，如法向磁場、相變點等的最大值與最小值的差值，用于表征失效度與泄漏磁場信號的關系。但是，磁記憶信號奇異的瞬時特性對應力集中不敏感。Hp（y）的特征提取忽略了Hp（x）和Hp（z）的信號以及多維相關分布的磁記憶信號的綜合利用。

需要利用多維信號的時頻特征提取磁記憶的特征。磁記憶信號的峭度由其四階中心矩描述，反映了信號概率密度函數的陡峭程度[22]。它對信號的瞬時特性非常敏感，適合描述輪對磁記憶信號的特征。時域特征包括峭度、法向梯度、最大切向值、峰值等。頻域特征包括小波包能量、振幅譜熵等。時頻域綜合指數作為磁記憶故障的多輸入，充分體現了早期故障的特征。

3 研究結果

基于金屬磁記憶法的高速列車輪對早期故障動態檢測系統在材料特性研究方面做了大量的工作。

1）自主研發了基于無線技術的智能數據采集控制器。該控制器由4個主要部分組成，即X86平臺、WiFi模塊、12個模擬輸入和4G模塊。測試當前的校準設備，隨機抽取部分試驗數據，如表1所示，采集器共12通道，各通道采用十六進制記錄數據，A/D采集的精度偏差可以小于5/10 000。

WiFi模塊用于傳感器和控制器之間的通信，4G模塊用于控制器和互聯網之間的通信。控制器如圖6所示。

2）對靜載荷下CRH3型“和諧號”高速列車輪對材料25CrMo4的力-磁效應進行了研究。列車運行的實際工況中影響因子較多，本試驗主要從材料的力-磁效應角度分析，采用實驗室小試樣，試驗不影響對材料力-磁的研究，部分的研究結果如下。

通過控制拉伸試驗機對長、寬、厚分別為300 mm，50 mm，6 mm的板材進行拉伸試驗，在每次拉伸后沿著試樣的縱向收集漏磁場強度，試驗設備及儀器如圖7所示。該部分的靜態負載下的磁場強度如圖8所示，選取了50，100和150 kN 3組載荷下的數據進行描述，圖中橫坐標為傳感器小車在試件上掃過的位移，縱坐標為濾波后的磁記憶信號。

根據圖8和表2的數據可知，隨著靜載荷的增加，泄漏磁場強度的切向分量增大，切向分量隨著靜載荷的增大而減小。

峭度是一個無量綱參數，因為它對沖擊信號非常敏感，特別適用于表面損傷問題，尤其適用于早期故障診斷。峭度的計算如式（3）所示：K=E（x（t）-σ）4-3 ， （3）式中：K是信號的峭度； x（t）是瞬時磁場強度值；是幅值的均值； σ是標準差。

表3列出了磁場強度的峭度。表3中， K（x）是磁場強度的切向分量的峭度，K（y）是磁場強度的法向分量的峭度。可以得出結論：不同靜載荷下材料磁場強度的概率密度分布表明磁記憶信號的峭度值隨著靜載荷的增加而增大，但是變化幅度較小，對實際檢測的指導意義不大。

3）在生命周期的不同階段采集和分析輪對的磁記憶信號。

為了探索金屬磁記憶檢測信號與車輪壽命周期之間的關系，對材料進行了疲勞載荷試驗。圖9顯示了用于疲勞拉伸的試驗裝置。

將標本在恒力下拉伸300，500和1 000萬次。疲勞載荷完成后，磁記憶信號以相同的方向和路徑收集。收集的數據如圖10所示。

圖11是3條數據曲線的梯度。根據圖10和圖11可以看出，交變載荷的數量對試樣的磁記憶信號有很大的影響。隨著交變載荷數量的增加，磁記憶信號的切向分量呈現出明顯的增加趨勢，磁記憶信號的法向分量更加分散，并且始終具有零點，存在一定程度的應力集中區。

表4顯示了上述磁記憶信號的峰值和均值。由表4中數據可知，圖像的變化是由交替負載的次數引起的。

3次拉伸試驗后磁記憶信號的峭度也有較大變化。磁記憶信號的切向分量的峭度呈現出明顯的增加，這表明信號的概率密度具有很大的離散現象，峭度在輪對疲勞程度的檢測與壽命預測方面具有較高的應用價值。磁性記憶信號的峭度如表5所示。

4 結 論

提出了基于金屬磁記憶法的輪對早期故障動態檢測系統，以滿足列車安全運行的需求。在這個系統中，引入了檢測模式選擇、數據采集系統和大容量數據傳輸系統，以及信號降噪和特征提取系統。這些研究可以為無損檢測提供參考。

1）開發了基于無線技術的智能數據采集控制器。A/D采集的精度可以小于5/10 000，滿足數據采集要求。

2）輪對材料的靜態試驗表明，隨著靜態負載的增加，磁記憶信號的變化也隨之增加。通過對漏磁場強度的切向及法向分量進行對比分析，在本應力區間內，隨著試件所受載荷的增大，試件表面漏磁場的切向分量均有所增大，載荷變化在50～150 kN之間時，磁記憶信號浮動于-297～-120 A/m，對應磁記憶信號均值變化范圍在-215～-158 A/m之間。而法向分量有所減小，并且切向分量和法向分量的變化趨勢基本呈負相關，載荷變化在50～150 kN之間時，磁記憶信號浮動于-9～3.5 A/m，對應磁記憶信號均值變化范圍在-5.2～-3.2 A/m之間。

3）對輪對材料進行了疲勞試驗。結果表明，隨著交變負載次數的增加，磁記憶信號呈現出更明顯的離散性，磁記憶信號的切向和法向信號的值均有所增大，均值切向變化范圍為-358.597～-144.586 A/m，法向均值變化范圍為-21.726～-15.885 A/m。磁記憶信號的梯度和峭度均有所影響，特別是，隨著交變負載數量的增加，磁場曲線的峭度變化更大，在輪對動態檢測的實際應用中有重要參考價值。

從檢測系統的研究以及靜載和交變載荷對輪對材料影響的測試中，利用自適應降噪系統對不同運行周期的磁記憶信號進行測量和分析，獲得不同使用階段的輪對磁記憶信號特征。通過比較高速列車上的實時信號，可預測車輪的使用壽命。

本文所述檢測系統的設計與試驗均為自主開發，由于技術水平所限，所述研究仍以實驗室研究為主、輪對實測為輔的前期階段，僅對部分列車輪對進行了實地檢測，在未來的研究過程中將進行更多實地測試，加快研究成果向應用型轉化。

參考文獻/References：

[1] CHEN Xing， LI Luming， HU Bin， et al. Magnetic evaluation of fatigue damage in train axles without artificial excitation [J]. Insight - Non-Destructive Testing and Condition Monitoring， 2006， 48（6）：342-345.

[2] 徐坤山， 仇性啟， 姜輝，等. 圓孔缺陷直徑與應力集中對金屬磁記憶信號的影響[J]. 磁性材料及器件， 2016， 47（1）：49-53.

XU Kunshan， QIU Xingqi， JIANG Hui，et al. Influence of hole diameter and stress concentration on metal magnetic memory signal [J]. Journal of Magnetic Materials and Devices， 2016， 47（1）：49-53.

[3] 陶功權， 王衡禹， 趙鑫， 等. 基于輪軌關系的車輪踏面損傷機理研究[J].機械工程學報， 2013，49（18）：23-29.

TAO Gongquan， WANG Hengyu， ZHAO Xin， et al. Research on wheel tread damage mechanism based on interaction of wheel and rail[J]. Journal of Mechanical Engineering， 2013， 49（18）：23-29.

[4] 金寶， 邸新杰， 張建軍，等. 疲勞裂紋擴展的金屬磁記憶信號特征[J]. 材料工程， 2014（11）：102-106.

JIN Bao， DI Xinjie， ZHANG Jianjun， et al. Metal magnetic memory signal feature of fatigue cracking propagation[J]. Journal of Materials Engineering， 2014（11）：102-106.

[18]李沖沖， 董麗虹， 王海斗，等. 疲勞損傷磁性無損評估技術研究現狀及發展前景[J]. 材料導報， 2015， 29（11）：107-113.

LI Chongchong， DONG Lihong， WANG Haidou， et al. Current research and development prospects of magnetic non-destructive assessment techniques for fatigue damage[J]. Materials Review， 2015， 29（11）：107-113.

[19]SABLIK M J， GEERTS W J， SMITH K， et al. Modeling of plastic deformation effects in ferromagnetic thin films[J]. IEEE Transactions on Magnetics， 2010， 46（2）：491-494.

[20]SHI C L， DONG S Y， XU B S， et al. Metal magnetic memory effect caused by static tension load in a case-hardened steel[J]. Journal of Magnetism and Magnetic Materials， 2010， 322（4）：413-416.

[21]WANG Z D， YAO K， DENG B， et al. Theoretical studies of metal magnetic memory technique on magnetic flux leakage signals[J]. NDT & E International， 2010， 43（4）：354-359.

[22]汪立新， 朱戰輝， 黃松濤. 基于峭度和自適應滑動窗的陀螺動態特性分析方法[J]. 中國慣性技術學報， 2015， 23（4）：533-539.

WANG Lixin， ZHU Zhanhui， HUANG Songtao. Analysis method for gyroscope dynamic characteristics based on kurtosis and adaptive sliding window[J]. Journal of Chinese Inertial Technology， 2015， 23（4）：533-539.