直線電機氣隙預警技術在廣州地鐵5號線的應用

何 曄 張愛明

(廣州地鐵集團有限公司運營事業總部， 510380， 廣州//第一作者， 教授級高級工程師)

1 直線電機氣隙在線監測系統研究概述

1.1 項目背景

圖1 直線電機結構示意圖

由于直線電機牽引運載系統的特殊性，直線電機與感應板之間的垂直方向最大存在50 kN的相互吸力。在交變吸力的作用下，直線電機出現垂向吊桿橡膠關節老化，以及垂向吊桿斷裂的現象，從而引起直線電機下沉，導致多起直線電機與感應板之間的接觸碰撞發生，造成直線電機和感應板之間損傷，影響地鐵線路的正常運營。在我國廣州地鐵4號線首次引進并成功運用了日本的直線電機牽引運載系統。為了實時在線監測氣隙的變化，以及實現系統對超出限值自動報警，廣州地鐵集團有限公司與我國相關企業共同攻關，相繼研發了廣州地鐵4、5、6號線直線電機氣隙在線監測系統。

1.2 狀態監測與狀態預判

廣州地鐵5、6號線的直線電機氣隙在線監測系統安裝在正線上，可實現對正線運營列車電機狀態的監測預警。但通常情況下，當直線電機氣隙在線監測系統能夠檢測到異常時，設備已經處于故障狀態了。因此，能否在故障出現前預判出故障的苗頭，就需要研制直線電機下沉預警子系統。這樣，在故障真正出現前，便可預判出故障的苗頭，這對于維護檢修的意義更加重大。

1.3 直線電機氣隙預警子系統的研制意義

直線電機氣隙在線監測系統采集到了大量的直線電機狀態歷史數據，并將數據存儲在數據庫中，通過進行大數據分析和挖掘，可以找出直線電機下沉的趨勢，實現對直線電機故障的預判。

基于上述原因，廣州地鐵5、6號線聯合我國有經驗的企業，對直線電機氣隙預警子系統進行攻關研究，直線電機氣隙預警子系統孕育而生。

直線電機氣隙預警子系統可以準確地發現列車直線電機的故障隱患，能為列車直線電機預防性檢修和維護提供技術依據。

2 直線電機氣隙在線監測系統構成

2.1 原理

直線電機氣隙在線監測系統主要由軌行區模塊、軌邊機房模塊、數據中心模塊及相關傳輸網絡組成，系統的結構示意圖如圖2所示。

圖2 直線電機氣隙在線監測系統結構示意圖

軌行區模塊主要由車輪傳感器、激光傳感器、車號識別裝置及相關的防護裝置組成，負責檢查來車、離車，以及采集電機數據；軌邊機房模塊主要由信號處理模塊、數據采集計算機、光線傳輸設備、配電系統等組成，負責數據的前端處理，并將處理后的數據傳輸到數據處理中心；數據中心模塊由數據庫服務器、用戶操作終端、聲光報警裝置等組成，負責數據的存儲、分析、預警、Web發布等工作。

2.2 直線電機氣隙預警子系統的構成

廣州地鐵5、6號線的直線電機氣隙在線監測系統將所有過車的數據均存儲在DCC的中心數據庫服務器中。直線電機氣隙預警子系統直接利用數據庫中存儲的海量數據，進行大數據綜合分析，得出氣隙下沉的趨勢，并對預警可能超出閾值的電機進行預警。直線電機氣隙預警子系統的工作原理如圖3所示。

圖3 直線電機預警子系統工作原理示意圖

直線電機預警子系統根據每臺電機氣隙的歷史數據，分析判斷電機下沉的趨勢。在確定下沉趨勢的基礎上，根據列車運行的經驗，進行閾值設定，并對超過閾值的電機進行預警。

3 直線電機氣隙預警分析和處理

3.1 分析目標的確定

直線電機呈長方體形狀，由4根吊桿固定在轉向架上。電機位置、吊架與波形的對照如圖4所示。

由圖4可知， ②、③位置為電機吊桿與電機的固定位置，①、④位置為電機的兩個端頭。通過對電機進行結構分析可得：

(1) ②、③位置之間的電機體檢測數據的變化受電機和感應板之間的吸力、車體震動、電機體的翹曲變形、車輪不圓等因素的影響較大，且變化規律比較復雜，無法從中得到電機下沉的信息。

(2) ①、②位置之間，以及③、④位置之間電機體的檢測數據的變化受②、③位置之間電機體變化的影響，同時亦受車體震動、車輪不圓等因素的影響。其變化幅度雖然不大，但是變化規律比較復雜，無法從中得到電機下沉的信息。

(3) ②、③位置是電機吊桿的安裝位置，它的變化可以很好地反映電機的下沉情況。

從上述分析可知，選擇②、③位置作為電機下沉趨勢預警的分析目標位置是最佳的選擇。

圖4 直線電機相關結構與波形圖的對照示意圖

3.2 數據的預處理

通過大數據綜合分析得到的數據質量直接影響到分析結果的正確性。因此，在做數據的綜合分析前，應對目標分析數據進行預處理，由此開發數據預處理模塊。

通過對直線電機在線監測系統的組成進行分析，得到影響數據質量的因素為：①由傳感器本身的測量不確定性造成的差異；②由傳感器周邊的強電磁干擾造成的數據差異；③由車體震動造成的氣隙值與震動位移值之間的疊加；④由輪軌關系導致的檢測值波動；⑤由綜合因素造成的測量毛刺。

針對第一條因素，可選用高品質的傳感器，其影響因素在大數據綜合分析中可忽略不計；針對第二條因素，通過聯合公司專利技術的電磁防護措施，可基本消除電磁干擾的影響，其造成的差異亦可忽略不計；針對第三條因素，由于車體和轉向架之間存在二系彈簧，其相互作用比較復雜，同時考慮直線電機安裝在轉向架上，車體震動對其影響有限，在后續分析中應進一步關注其影響；針對第四條因素，由其帶來的影響實實在在地疊加在了氣隙檢測值當中，因此后續分析處理中可以考慮如何補償的問題；針對第五條因素，由其造成的毛刺需要進行剔除。

根據以上分析，研發團隊研發了直線電機預警子系統的數據預處理模塊，為后續的大數據綜合分析提供了高質量的分析數據。

3.3 氣隙數據綜合分析

3.3.1 氣隙數據的補償

針對3.2節提到的第4個影響因素，由其造成的氣隙數據差異，可能對數據分析預警的結果造成影響，因此需要研究其補償方法。

輪軌關系正常的檢測數據和異常磨耗輪的檢測數據對比如圖5所示。

由圖5中的波形對比可知，由異常磨耗輪造成的數據差異相對較大，如果不進行處理，將會對大數據綜合分析帶來影響。

根據大量數據的分析研究，做出如下對策：

(1) 分析目標數據樣本的差異大小，對于差異比較小的數據樣本，可以考慮不做補償。

(2) 對于差異較大的目標數據樣本，分析其規律，建立動態特征模型庫，并對分析數據樣本進行模型匹配，得出需要的補償值進行補償。

a) 輪軌關系正常的檢測數據

b) 異常磨耗輪的檢測數據

通過上述對策的實施，對于大多數正常的目標數據和差異小的目標數據，不需要進行處理，大大減小了處理的壓力。數據模型及補償算法通過Matlab軟件數據仿真和實際運行測試，完全能夠滿足綜合分析的需要。

從另外一個角度而言，直線電機在線監測系統還可以間接地測量反應車輪的異常磨耗情況。

3.3.2 數據的綜合分析模型

對目標數據樣本做處理后，就可以進行數據的綜合分析，從而得到電機下沉的趨勢。綜合分析的考慮因素和原理如下：

(1) 將綜合分析的目的設定為：得到最近電機下沉的趨勢，對于趨勢持續下去，可能超限的電機進行預警。

(2) 下沉趨勢是動態的，不同時間區間的趨勢代表不同的意義，如較長時間的趨勢反應的是電機在運營、維修，甚至更換過程的狀況。根據下沉預警的目的，選擇最近一周(不超過兩周)的分析期間。

(3) 針對每列車、每個電機的特定部位進行趨勢統計和分析，建立數學模型，并得出趨勢數據。

(4) 采用Kalman算法建立預測模型，對電機的未來發展趨勢進行預測。

(5) 根據直線電機列車大量的實踐數據，設置預警閾值，進行預警信息的生成。

基于以上原理，研發團隊研制了直線電機下沉分析、預測的數學模型及相關軟件，并采用大量的歷史數據和實際案例進行仿真分析，其分析結果與實際案例完全一致。

3.4 直線電機趨勢預警的聲光報警

根據直線電機下沉預警系統得到的預警信息，預測電機發生故障的可能性，并提前介入處理，以最大限度降低運營風險；預警發生后，系統會根據設置進行“聲光報警”。

4 直線電機氣隙預警子系統的運用情況

直線電機氣隙在線監測裝置在廣州地鐵5、6號線的投入使用，極大地提高了直線電機列車的運用安全水平，有效地預防了直線電機運行中電機與感應板發生刮擦事件，提高了地鐵系統運行的可靠性和安全性，為公眾提供了更滿意的交通服務，達到了系統建設預期的技術、經濟及社會效益。在系統投入運行后，直線電機氣隙在線監測系統多次有效檢測到氣隙異常，并多次有效預警電機下沉異常，如表1所示。根據直線電機氣隙在線監測系統的報警和預警，檢修單位及時處理了異常情況，防止了后續可能性安全事故的發生，挽回了后續的經濟損失。

表1 直線電機氣隙在線監測系統預警典型事件

5 結語

目前，廣州地鐵5、6號線的直線電機在線監測系統實現了在線實時檢測、氣隙及槽隙的預警，以及統計查詢等功能，為廣州地鐵5、6號線的安全運行提供了強有力的保障，是車輛檢修部門的重要保障系統之一。未來應在大數據分析方面進一步挖掘，以實現大數據的準確預警、設備評價和檢修效果評價，從而獲得更大的經濟和社會效益。