CRH380動車組軸箱軸承故障預(yù)警系統(tǒng)

王遠霏， 孫海榮， 裴春興， 陳永春， 劉先升

(中車唐山機車車輛有限責(zé)任公司 產(chǎn)品技術(shù)研究中心， 河北唐山 063035)

軸承故障診斷技術(shù)是高速列車安全運行的關(guān)鍵技術(shù)之一。軸承作為動車中重要的旋轉(zhuǎn)零件，也是主要故障源之一[2]。隨著列車里程的增加，軸箱軸承也不斷受到磨損，特別是由于安裝質(zhì)量不佳，潤滑油品質(zhì)不好，外界異物進入時，軸承內(nèi)部會出現(xiàn)剝離、卡傷、裂紋、滾子碎裂等現(xiàn)象[3]。對于高速行駛的列車，做好軸承運轉(zhuǎn)狀態(tài)的監(jiān)測與故障診斷能有效提高高速鐵路的運行管理水平，并具有顯著的經(jīng)濟效益。

國內(nèi)外有關(guān)動車組軸箱軸承故障的研究有許多。代宏偉[4]針對快速鐵路動車軸承故障檢測的不確定性，提出了引入權(quán)重分析優(yōu)化的快速鐵路動車軸承故障檢測方法，以人工神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合，引入權(quán)重分析優(yōu)化的概念對動車軸承參數(shù)權(quán)重進行優(yōu)化。李佳睿等[5]針對動車組走行部軸箱振動信號非平穩(wěn)、非線性且背景噪聲頻率分布范圍廣的復(fù)雜特性，設(shè)計了改進的希爾伯特-黃變換算法(Hilbert-Huang Transform, HHT)，綜合利用了HHT方法有效平穩(wěn)化信號及共振解調(diào)方法有效提高信噪比的優(yōu)點，對軸箱軸承故障信號進行分析。李永華等[6]綜合考慮影響軸箱軸承壽命的模糊因素，運用集對分析理論和模糊集理論對軸箱軸承進行可靠性壽命評估。楊天蘊[7]建立了故障軸承動力學(xué)模型，采用數(shù)值仿真對不同故障特征的軸承振動特性進行分析，并模擬軸承的實際工作環(huán)境設(shè)計了試驗，為轉(zhuǎn)向架軸承的故障檢測提供理論依據(jù)。郝燁江[8]研究了軸承接觸疲勞壽命的評估方法，設(shè)計了軸箱軸承可靠性試驗方法。韓威[9]研究了基于EEMD和小波包的動車組軸箱軸承故障診斷系統(tǒng)。汪志君[10]研究了基于EEMD的共振解調(diào)技術(shù)在CRH380BL動車組軸箱軸承故障診斷中的應(yīng)用，并通過仿真證明了該方法適用于動車組軸箱軸承的早期故障診斷。

首先對重點故障進行關(guān)聯(lián)分析和故障診斷，挖掘故障間的關(guān)聯(lián)關(guān)系，探尋故障與外界因素的關(guān)系，結(jié)合重點故障類型，建立軸箱軸承故障模式庫、故障特征庫、故障特性經(jīng)驗庫等知識庫，同時研究了軸箱軸承故障演變規(guī)律和故障間隙，建立安全性能狀態(tài)的置信區(qū)間和安全健康指標閾值。根據(jù)滾動軸承的發(fā)熱機理、傳熱過程及軸承溫度場分布等利用RBF 神經(jīng)網(wǎng)絡(luò)對軸箱軸承的溫度變化趨勢進行建模。最終結(jié)合平臺數(shù)據(jù)倉庫中存儲的歷史數(shù)據(jù)和實時監(jiān)控數(shù)據(jù)，采用深度機器學(xué)習(xí)、模式匹配、神經(jīng)網(wǎng)絡(luò)等技術(shù)，結(jié)合已有的專家系統(tǒng)知識庫和故障樹，挖掘潛在故障關(guān)聯(lián)關(guān)系，預(yù)測潛在故障，指導(dǎo)作業(yè)人員提前進行維修。

1 故障分析

經(jīng)過分析2011—2017年某鐵路局CRH380B(L)型動車重點故障數(shù)據(jù)庫，可知2011年7月6日至2017年5月7日，軸箱軸承故障共發(fā)生了335起，其中由于溫度升高引起的故障有295起，軸箱軸承滲油故障29起，軸箱軸承異聲/TADS報警11起。由溫度升高引起的295起故障中，屬于1級故障(影響運行安全)的有1起；屬于2級故障(影響車組運行)的有11起；屬于3級故障(影響系統(tǒng)運行)的有64起；屬于4級故障(一般常見故障)的有50起；屬于嚴重故障的有4起。

從以上分析可以看出，軸箱軸承的故障主要是溫度異常，因此，軸箱軸承故障數(shù)據(jù)挖掘模型的關(guān)鍵是刻畫軸箱軸承溫度變化規(guī)律和影響因素的關(guān)系，在軸箱軸承溫度預(yù)測的基礎(chǔ)上進行故障預(yù)測。

目前針對動車組軸溫升高的處理機制如下：

運行途中發(fā)生軸承異常溫升的動車組入庫時需根據(jù)動車組軸承溫度(t)或者軸承溫升(Δt)進行重點檢查[4]。

1.1 符合以下條件之一的，需入庫開蓋檢查軸承

(1)換輪后試運行動車組：47℃≤Δt<65℃或110℃≤t<120℃。

(2)換輪后運行5萬km以內(nèi)動車組：40℃≤Δt<47℃或7日內(nèi)有3日同一軸承出現(xiàn)110℃≤t<115℃。

(3)換輪后運行超過5萬km動車組：105℃≤t<115℃或30℃≤Δt<45℃(裝用美爾森接地裝置的輪對在每年的2月至6月期間按照25℃≤Δt<45℃執(zhí)行)。

(4)若檢查無異常，安排再次試運行或安排局管內(nèi)短交路或停靠站較多交路運行至Δt<45℃，溫度有下降趨勢，可安排長大交路運行。

1.2 符合以下條件之一的，需更換輪對

(1)換輪后試運行動車組：Δt≥65℃或t≥120℃。

(2)試運行1萬km內(nèi)動車組：Δt≥50℃或t≥120℃。

(3)1萬km≤動車組試運行里程<5萬km：Δt≥47℃或t≥115℃。

換輪后運行超過5萬km動車組：Δt≥45℃或t≥115℃或一周(7天)內(nèi)有2天同一軸箱軸承溫度t≥110℃。

這套規(guī)則是根據(jù)現(xiàn)行的軸溫預(yù)警規(guī)則，結(jié)合動車使用經(jīng)驗總結(jié)得出。但該規(guī)則只能在軸溫突破閾值(比如A級預(yù)警的120 ℃)后才能讓動車使用方做出反應(yīng)，如果列車在行進中軸溫再上升到達120 ℃, 列車必須限速運行(250 km/h)，從而打亂列車運行。通過研究軸溫與外溫、速度、輪對里程、軸承位置等特征之間的關(guān)系，分析產(chǎn)生軸溫過高的原因，從而實現(xiàn)對軸溫的智能預(yù)測，進而提前指導(dǎo)維修。

2 數(shù)據(jù)分析

首先觀察單個車組在一天之內(nèi)的行駛和軸溫情況。圖1，圖2記錄了兩天之內(nèi)3517車組1車廂3軸左軸承溫度在兩天之內(nèi)與列車行駛速度和室外溫度的關(guān)系。我們能看到軸溫在一天之內(nèi)與列車行駛速度有關(guān)。車組于2016年8月11日早上出發(fā)，在13點左右到達G12車次的終點站北京南, 此時軸溫達到一天當中的最高點, 我們能夠看到列車保持高速時軸溫上升。在北京南休息了約50 min左右，下午車組又以G3車次返回上海虹橋。即便回程停站少，高速行駛時間比上午要長，軸溫在下午并未超過中午的最高點。同樣的，在其他軸承上也發(fā)現(xiàn)了類似的規(guī)律： 即軸溫在上午的長里程車次中升至一天最高點后，休息一段時間，下午同樣里程的車次很難使軸溫達到上午的最高溫。同時，從圖中可以看出軸溫與室外溫度也有一定的正相關(guān)，軸溫的升降和室外氣溫的升降幾乎是同步的。

圖1 3517車組1車廂3軸左軸溫與列車行駛速度

圖2 3517車組1車廂3軸左軸溫與室外溫度

2.1 軸溫與室外溫度

從圖3觀察可得，室外溫度與軸溫呈明顯的正相關(guān)，且軸溫突破最低閾值都發(fā)生在室外溫度高于25 ℃時。但從圖4可以看到，和行駛速度相比，室外溫度并不是軸溫的決定性因素。只要列車保持高速運行，即便室外溫度降低至一天最低點，軸溫也會持續(xù)升高。

2.2 軸溫與走行速度

圖5反映了軸溫與列車運行速度關(guān)系。3536車組在2016年8月19日運行G230/G231車次，以300 km/h左右的最高速度在京滬高鐵上從上海行駛至濟南，然后通過膠濟線以200 km/h左右的最高速度行駛至終點站青島，下午再通過G236/G233原路返回。我們能看到軸承大幅升溫發(fā)生在速度300 km/h時。當速度在200 km/h時，軸溫能升至一定程度并保持，但升溫幅度明顯降低。我們在其他車組的軸承上也發(fā)現(xiàn)了類似情況。由此看來，軸溫升溫幅度與速度呈很明顯的正相關(guān)。在建立模型樣本時，我們有必要將列車運行時間按不同的速度區(qū)間進行劃分。

圖3 室外溫度與軸溫

圖4 室外溫度、速度與軸溫

圖5 軸溫與列車行駛速度的關(guān)系

根據(jù)數(shù)據(jù)分布情況我們創(chuàng)建了4個速度區(qū)間：320～370 km/h, 270～320 km/h, 220～270 km/h和170～220 km/h。圖6中從左至右的速度區(qū)間依次為：270～320 km/h, 220～270 km/h和170～220 km/h。從圖6能看到只有速度區(qū)間270～320 km/h所占比重與軸溫有持續(xù)正相關(guān)(分析樣本中沒有速度320 km/h以上的行駛記錄)。列車只有長時間高速運行時，軸溫才有可能不斷上升突破閾值。

2.3 軸溫與輪對里程

由趨勢圖分析知，不同的走行里程對于軸溫變化也是有影響的。圖7描述三級修后的輪對里程與每日最高軸溫和平均軸溫的關(guān)系。樣本中有兩個車組在2016年1月至今經(jīng)歷過三級修。由圖可以看出，在5萬km以下時，每日平均軸溫和最高軸溫都還處在一個較為離散的狀態(tài)，突破最低閾值也發(fā)生在這個里程區(qū)間內(nèi)。在三級修后的10萬km內(nèi)這兩個車組的軸溫與里程沒有明顯的正相關(guān)或負相關(guān)。

圖6 不同速度區(qū)間運行時間占比與軸溫

圖8描述了四級修后的輪對里程與軸溫的關(guān)系。樣本中只有一個車組在2016年1月至今經(jīng)歷了四級修。在2萬km內(nèi)，每日平均軸溫與最高軸溫都與里程呈正相關(guān)。但這之后至5萬km時，軸溫緩慢下滑。軸溫與里程沒有呈線性關(guān)系。

圖7 輪對里程與軸溫(三級修后)

圖8 輪對里程與軸溫(四級修后)

圖9描述的是臨時換上的軸承溫度與里程的關(guān)系。小樣本中共有72個軸承在2016年1月后被臨時更換。換上的軸承在里程15萬km以下時，每日平均軸溫和最高軸溫都相對較為離散。度過這個磨合期之后，每日軸溫在里程20萬km時降至最低點，之后再緩慢回升。這些臨時換上的新輪突破最低軸溫閾值甚至都發(fā)生在里程不到1萬km時。

圖9 輪對里程與軸溫(臨時換輪后)

綜上所述，輪對里程對軸溫是有影響的，但不是簡單的正相關(guān)或負相關(guān)，與修程和走行里程的多少相關(guān)聯(lián)。

2.4 軸溫與軸承位置

由圖10可以看到第1和第16車廂出現(xiàn)的軸溫突破閾值的次數(shù)較多，第2、第6、第11和第12車廂的軸溫突破閾值的次數(shù)次之；軸位分布中1、2為動軸，3、4為拖軸，其中第3軸發(fā)生的軸溫突破閾值次數(shù)最多，其他軸的軸溫突破閾值次數(shù)較為均勻。

圖10 突破溫度閾值的軸承在車廂和軸位的分布

為了進一步檢驗軸溫與軸位之間是否有顯著關(guān)系，對樣本數(shù)據(jù)進行了T 檢驗，結(jié)果證實動軸的日最高和日平均軸溫都比拖軸高，其中平均每日最高軸溫66.5 ℃>64.25 ℃,每日平均軸溫50.1 ℃>49.1 ℃。但是，在0.05的顯著性水平下，T 檢驗的P值大于0.05，說明動軸軸承的平均溫度與拖軸平均溫度并無顯著差異。因此，軸承位置中的軸位因素未加入模型中。

此外，由于文中樣本數(shù)據(jù)選取的是同一車廂的數(shù)據(jù)，軸承位置中的車廂變量為控制變量，因此模型中的輸入變量未考慮軸承位置。

3 RBF神經(jīng)網(wǎng)絡(luò)模型

RBF神經(jīng)網(wǎng)絡(luò)是一種三層前向網(wǎng)絡(luò)，通過輸入層空間到隱含層空間的非線性變換以及隱含層空間到輸出層空間的線性變換，實現(xiàn)輸入層空間到輸出層空間的映射。這兩個層間變換參數(shù)的學(xué)習(xí)可以分別進行，使得RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度較快且可避免局部極小問題。

RBF(Radial Basis Function，徑向基函數(shù))是某種沿徑向?qū)ΨQ的標量函數(shù)，通常定義為空間中點 到某一中心 之間歐氏距離的單調(diào)函數(shù)，最常用的徑向基函數(shù)是高斯函數(shù)，形式為式(1)

(1)

其中Cj為函數(shù)中心向量，σj為寬度向量。高斯函數(shù)的作用域表現(xiàn)出局部性，即當x遠離σj時函數(shù)取值較小。

如圖11所示，本次建模選擇的RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)從左至右分為3層，依次是輸入層、隱含層和輸出層：

圖11 RBF神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖

網(wǎng)絡(luò)的輸出如式(2)所示。

(2)

計算流程如圖12。

圖12 基于RBF神經(jīng)網(wǎng)絡(luò)的軸承溫度預(yù)測模型計算過程

4 模型結(jié)果

以預(yù)測2016年2月1日至20日的3537車01-1L軸箱軸承最高溫度為例，模型預(yù)測結(jié)果如圖13和表1。

圖13 2016年2月1日至20日3537車01—1L軸箱軸承最高溫度預(yù)測

日期最高軸溫預(yù)測值最高軸溫實際值絕對誤差相對誤差2月1日54.977 357.82.822 70.048 82月2日61.124 953.927.204 90.133 62月3日61.102 168.046.937 90.1022月4日56.224 551.74.524 50.087 52月5日60.5761.090.520.008 52月6日62.050 163.491.439 90.022 72月7日64.614 463.491.124 40.017 72月8日66.064 268.041.975 80.0292月9日72.838 472.590.248 40.003 42月10日69.028 469.180.151 60.002 22月11日46.514 246.430.084 20.001 82月12日64.178 163.490.688 10.010 82月13日60.593 458.941.653 40.028 12月14日65.184 565.360.175 50.002 72月15日58.97961.222.2410.036 62月16日62.454 762.350.104 70.001 72月17日67.081 666.90.181 60.002 72月18日69.610 269.180.430 20.006 22月19日49.791 749.840.048 30.0012月20日65.828 365.760.068 30.001

根據(jù)預(yù)測結(jié)果對軸箱軸承溫度進行實時預(yù)警，預(yù)警的閾值如下：

一級預(yù)警：

(1)預(yù)測軸箱軸承溫度t≥110℃或115℃或≥120℃或t≥140℃；

(2)預(yù)測與同車同側(cè)其他3套軸承溫度平均值Δt≥50℃；

(3)預(yù)測與同車同側(cè)其他3套軸承溫度平均值Δt≥65℃。

二級預(yù)警：

(1)軸箱軸承溫度跳變：|軸箱軸承溫度(非空)-前1 min軸箱軸承(非空)|>12℃；

(2)10 min內(nèi)發(fā)生兩次軸箱軸承溫度跳變且速度>0，判定軸箱軸承溫度傳感器故障；

(3)預(yù)測軸箱軸承溫度t≥110℃或115℃，且據(jù)上次該故障發(fā)生小于等于7天(當日多次發(fā)生不算)；

(4)預(yù)測與同車同側(cè)其他3套軸承溫度平均值Δt≥45℃。

三級預(yù)警：

預(yù)測軸承溫度≥80℃，且相對溫度*同側(cè)溫差≥2 600。其中，相對溫度=軸溫-環(huán)境溫度，同側(cè)溫差=軸溫-同側(cè)其他三軸平均值。

5 結(jié) 論

通過對CRH380動車組軸箱軸承的故障數(shù)據(jù)進行分析，總結(jié)了軸箱軸承故障發(fā)生的原因及占比，證明了溫度升高對于軸箱軸承的影響。為了研究軸箱軸承溫度升高的相關(guān)因素，分別比較了軸箱軸承溫度與外溫、運行速度、輪對里程、軸承位置等特征之間的關(guān)系。最終選取了外界溫度、運行速度和走行里程3個特征，利用RBF神經(jīng)網(wǎng)絡(luò)算法對軸箱軸承的溫度進行建模預(yù)測。實驗結(jié)果表明該模型具有較高的準確率，可以為今后的動車組維修保養(yǎng)工作提供參考性指導(dǎo)。另外，文中還存在一定的局限性，只考慮了軸溫過高(t≥120℃)情況下，軸溫與軸箱軸承故障的預(yù)警作用，對于軸溫小于120°的情況還有待繼續(xù)研究。