100%低地板輕軌車輛故障預測與健康管理技術研究

吳英帥，宋旭東，夏野

(1.中車大連機車車輛有限公司，遼寧 大連 116000；2.大連交通大學 軟件學院，遼寧 大連 116022；3.中車大連電力牽引研發中心有限公司，遼寧 大連 116000)*

因具有靈活便捷、對使用環境依賴性低、修建工期短、造價低等突出特點，輕軌車輛在城市交通運輸中的占比逐漸增加[1-2]，其中，100%低地板輕軌車輛因其顯著的優勢而備受關注.

100%低地板輕軌車輛基于完整的低地板結構設計，技術先進，國產化程度高，車門多而寬，車內寬敞明亮，極大的提高了乘客的乘車舒適度和安全性[3]，但受低地板結構限制，車輛設備布置緊湊，更多設備需安裝在車輛頂部，導致維修維護難度增加，一定程度上限制了此類車型的發展和應用.為解決此類問題，以預測技術為核心的故障預測與健康管理(Prognostics and Health Management, PHM)技術逐漸引起了車輛廠商的重視，成為重要的研究方向.

文獻[4]報道了西安地鐵1、2號線通過引入PHM系統，成功預測了車門平均故障率，極大的提高了故障分析能力，提升運行可靠性.文獻[5]報道了北京地鐵13號線通過引入PHM系統，成功實現了列車故障預測，避免了隱性問題的進一步惡化，并科學制定了各部件的檢查和更換周期，提升了運維效率.然而，PHM技術在我國城軌車輛領域的應用仍然十分有限，作為重要的輕軌車型，100%低地板車輛尚無PHM技術實際應用.

1 應用PHM可解決的主要問題

100%低地板輕軌車輛作為完整的裝備系統，具備復雜性、多層級性、未來狀態非確定性、關聯性等特性，使其故障發生的可能性更大、復雜性更強，難以進行故障的判斷處理.在100%低地板輕軌車輛發生故障時，往往與組成車輛的大量零部件及多個下級供應商相關，需要多方協同處理，導致車輛故障準確排查的難度增加，影響車輛的使用效率[6].圖1所示為某100%低地板輕軌車輛車頂主要設備布局圖，可見其組成的復雜性.

PHM通過有效傳感類裝置獲取設備運行的實時狀態信息及表征信號，利用適當的模型算法對收集匯總的信息進行綜合評估和分析，進而對各類設備及系統的健康狀態進行診斷和提前預警，并產生相應的健康處理決策，實現對設備的高效維修維護[7-9].

對于100%低地板輕軌車輛而言，應用PHM系統主要可為其解決以下三類問題：

(1)判斷車輛的維護、維修

PHM系統通過對收集匯總的車輛狀態信息進行綜合分析處理，得出相應的車輛健康信息報告，確認各個零部件及子系統的健康狀態，包括功能正常狀態、性能退化狀態、部分功能或全部功能失效狀態等，結合所處狀態的嚴重等級信息，確定車輛的相關部件是否需要維護、維修的健康管理信息.

(2)確定車輛的故障信息

PHM系統可以根據各個部件和子系統的健康管理信息進行故障綜合分析，結合相關的車輛可維護性、可靠性、可維修性和可用性建模數據庫，分析異常狀態發生的誘因，進而對相關零部件的具體故障進行判斷識別，明確車輛的故障信息.

(3)預測車輛的未來故障

PHM系統可以根據車輛系統的健康狀態信息進行決策，若零部件和子系統不需要維修，則繼續監測系統的運行狀態并進行故障預測分析，即在目前車輛狀態的基礎上，結合車輛系統的歷史運營數據，預測故障未來發生的時間，做到提前的故障預警，并給出車輛系統相應的故障預測提示.

PHM技術的應用可以有效推動100%低地板輕軌車輛從定期維修維護向狀態維修維護、從被動故障防御向主動故障預警過渡，通過指導最小性維修和修復性維修的實施策略，降低車輛的雙維成本，同時，輸出相應的故障處理和預測信息，提升車輛的運行可靠性，是解決100%低地板輕軌車輛維修維護問題的有效手段.

2 PHM體系結構

PHM體系結構是指系統的基本構成形式，體現為系統各組成部分間的關系、系統和外部環境間的關系、系統功能實現的原理等方面，直接影響PHM系統的工作效果[10-12].PHM體系結構的劃分多種多樣，對于100%低地板車輛這類多子系統通信的輕軌運輸裝備，從信息處理方式的角度分類PHM更為適合，具體可劃分為集中式、分布式、分層融合式三種結構類型[13-14].

集中式體系結構示意圖如圖2所示：設計獨立的中央處理器用于收集、分析、預測和診斷各子模塊采集、監控傳輸的信息，給出設備狀態評估和健康管理等輸出信息，進而指導維修維護決策.系統結構清晰簡單，數據傳輸易監控，但子系統的個數與中央處理器的工作量呈冪次關系，過多的子系統會嚴重影響中央處理器處理信息的工作效率，導致系統響應緩慢.因此，集中式體系結構只適用于子系統數量不多的小型裝備系統.

圖2 集中式體系結構示意圖

分布式體系結構示意圖如圖3所示：各個子系統進行自身的數據采集和狀態監控，并對自身故障進行分析處理，再將這些信息傳遞給人機交互顯示裝置，指導維修維護決策.分布式體系結構對整個裝備系統的設計集成度要求很高，低集成度系統很難通過各子系統分析的數據獲得準確的系統健康狀態和正確的響應形式.

圖3 分布式體系結構示意圖

分層融合式體系結構示意圖如圖4所示：與分布式體系結構類似，分層融合式體系結構可以在子系統層面進行各自數據的采集和狀態監控，并對自身狀態和健康狀況進行分析、處理及預測.同時，設計中央處理器，將各子系統健康信息傳遞給中央處理器匯總，結合信息數據庫資料進行綜合分析處理，得出維修維護決策.分層融合式體系結構實現了信息的多層次冗余傳遞，能夠有效的提升分析數據的可靠性和準確性，降低誤分析的風險，適用于多級子系統構成的復雜裝備系統.

圖4 分層融合式體系結構示意圖

3 PHM架構設計

100%低地板輕軌車輛一般采用模塊化設計，各層級系統的可靠性和穩定性是車輛廠商必須考慮的重要問題，對系統健康狀態的分析、預測和判斷直接決定著車輛運行的安全與穩定.100%低地板輕軌車輛的PHM架構主要由PHM體系結構、PHM主要功能和PHM必要特征組成.

3.1 PHM體系結構

根據100%低地板輕軌車輛多層級子系統的特點，PHM選用多層融合式體系結構，通過車載PHM收集車輛部件、子系統及整車運行狀態和故障信息，分析健康狀態數據并與地面PHM系統信息交互，結合數據庫和算法模型，對車輛設備進行評估和健康管理，優化維修維護策略，提升車輛系統的作業效率、運行可靠性及安全性.本文所設計的100%低地板輕軌車輛PHM體系結構如圖5所示.

圖5 100%低地板輕軌車輛PHM體系結構圖

列車的各部件將自身信息通過傳感器類設備傳送給相應子系統，進行一定的分析后，子系統將狀態信息輸送給數據處理模塊進行異常判斷，進而對問題系統進行故障診斷和匯總預測，結合地面PHM工作站的數據和模型算法分析，借助健康管理系統最終輸出維修維護決策，指導車輛的實際維保作業.

3.2 PHM主要功能

故障診斷功能：根據PHM的分層融合結構體系，故障診斷功能采用相應的配套程序設計，針對不同層級的信息進行特定的冗余匯總分析，有效提升故障診斷的準確性，降低錯誤故障預警的發生概率.

故障預測功能：根據故障診斷信息，結合地面PHM工作站故障數據和模型算法，分析、判斷各設備的健康狀況和剩余使用壽命，為健康管理提供有效數據.

健康管理功能：對比、學習數據庫信息，根據匯總的故障預測數據，準確的評估相關設備的健康狀態，進而輸出合理的維修維護策略，指導實際運行維護工作.

3.3 輕軌車輛PHM必要特征

為了保證100%低地板輕軌車輛PHM系統的兼容性和開放性，使其有能力擴展新的模型和處理方法，PHM需設計成通用型對外接口，使用主流的通用通信標準，在保證快速拓展功能的同時提升與其他系統間的交互能力，力求同時兼容不同廠家的軟硬件信息.

采用多級分層式結構設計，應將一部分PHM設計工作封閉在層級系統內部，有效的簡化系統的設計和開發流程.同時，供應商分塊式模式有利于問題的快速定位處理，提升PHM系統的維護效率和準確性.

車上PHM部分應具備獨立解析和診斷故障的能力，在不依賴地面PHM工作站的情況下針對突發問題給出可行的快速處理信息，對于軟件問題導致的可恢復類故障做出明確的復位操作指引，避免非必要原因列車下線，提升運行可靠性，降低非必要運營維護成本開支.

PHM需對潛在故障進行準確分析，盡可能將需要維護、維修或更換的部件定位到最小可維護單元層次，在提升車輛運行安全性的同時，降低對外部維保人員及備件的需求，實現設備資源保障和經濟效益雙向提升.

4 PHM方案設計示例

空調系統可對車內溫度、濕度、氣流等參數進行調節，與乘客的乘車舒適度密切相關，是100%低地板輕軌車輛重要的子系統之一.空調系統故障主要可分為兩大類：第一類故障是設備直接故障導致的功能失效，發生突然且故障現象明顯，如風機異常停轉、變頻器停機等；第二類故障初期現象并不明顯，通常表現為部件的部分性能下降，若不進行及時處理會導致更為嚴重的延續性故障，如制冷管路泄露、過濾網阻塞等[15].

100%低地板輕軌車輛結構緊湊，空調系統需置于車體頂部，作業空間狹小，維修維護難度高.本節將以100%低地板輕軌車輛空調系統為例從車輛角度進行PHM方案設計，特別是針對早期不易發現的第二類故障，預測性的進行判斷處理，避免問題放大.

4.1 子系統數據處理

空調系統供應商根據自身設計經驗和用戶需求設計多種傳感器類裝置，實現對壓力、溫度、電流、電壓等模擬量和系統運行狀態、開關器件狀態等數字量的實時監控.對于收集的大量數據信息，空調系統需進行一定處理后再傳輸給車輛PHM系統，子系統數據處理主要包括如下四方面：

一致性檢測：一致性檢查是根據空調每個變量的合理取值范圍和相互關系，檢查數據是否合乎要求，發現超出正常范圍、邏輯不合理或相互矛盾的數據，直接剔除[16].

重復記錄檢查：數據庫中屬性值相同的記錄被認為是重復記錄，通過判斷記錄間的屬性值來檢測記錄是否相等，相等的記錄合并為一條記錄[16].

數據運算：收集的數據通常無法直接用于判定故障，如系統里的壓力、溫度、濕度等，這些參數之間沒有明顯的邏輯和定量關系，具有一定的模糊性[17].系統內部有許多參數難以測量，且通常情況下也不允許測量，此時子系統需要利用與這類參數相關的數據進行間接運算.

異常判斷：子系統檢測實時數據是否超出設定的監控閾值，若超出則將相應數據組的異常標志位置位，用于故障的冗余判斷.

4.2 傳感器選型

子系統通過選用的傳感器及傳感器信號處理算法，將與系統運行相關的重要模擬量實時轉換為數字量信息傳送給控制器，用于實現系統的運行控制、狀態監控及異常報警等功能，空調系統用到的主要傳感器選型如表1所示.

表1 空調系統主要傳感器選型

4.3 接口設計

空調系統與車輛PHM系統間接口采用輕軌列車通用型接口：利用車輛網絡MVB線纜以以太網形式組網，在保證通信效率及數據傳輸準確性的同時兼顧兼容性.連接器使用如圖6所示DB9雙冗余式結構，利用連接器內部的冗余電路，通過軟件設計可使在發生插頭松動或設備端故障離線的問題時可以檢測到相應故障設備的生命信號丟失，給出離線故障提示，便于問題的排查和檢測.

圖6 雙冗余式DB9連接器及電路

4.4 車輛級PHM系統方案設計

車輛級PHM系統工作流程如圖7所示：首先根據傳輸的數據進行異常冗余判斷，若數據存在異常，則檢測子系統級數據異常標志位是否置位，若置位則認為數據為異常數據，傳送給故障處理模塊進行故障預警判斷.采用雙冗余式異常判斷可以有效的降低第一類故障的誤觸發概率，提升車輛運行的可靠性.

圖7 車輛級PHM系統工作流程圖

在判斷數據異常后，會優先在人機交互裝置上提示空調系統存在異常，并根據異常數據的類型進行模型似然度比較，選用匹配度最高的模型進行加載，庫中模型會結合車輛運行期間收集的數據，采用線性回歸算法進行訓練，不斷提升模型的準確性和適應性.加載模型后，系統根據異常數據進行相應的預測運算，使用模型偏差法對故障預警類型進行判斷，以100%低地板輕軌車輛的空調系統幾個典型的第二類故障為例進行車輛級故障預警設計說明：

檢測到電子閥開度、內熱交溫度、外熱交溫度、排氣溫度中有數據存在異常后，系統根據工況和參數加載似然度最高的模型進行正常值預測，并進行如下計算：

A=模型預測電子閥開度-檢測電子閥開度；

B=模型預測內熱交溫度-檢測內熱交溫度；

C=檢測外熱交溫度-模型預測外熱交溫度；

D=實際排氣溫度-模型預測排氣溫度；

E=異常狀態持續時間.

故障預警設計如表2所示，在滿足相應故障預警條件后，人機交互顯示屏會報出相應的故障信息提示，并且健康管理系統會結合數據庫信息，給出相應的處理策略.其中，濾網或蒸發器阻塞故障會給出相應設備更換提醒，將定時更換優化為按狀態更換；冷凝器阻塞故障會給出清洗相應部件提醒，將定時維護優化為按狀態維護；電子膨脹閥卡滯、制冷管路阻塞、制冷管路泄露會提前發出故障預警，提示在更嚴重的延續性問題發生前進行故障預測處理.

表2 故障預警邏輯設計表

上述設計能夠對100%低地板輕軌車輛的空調系統相關運行狀態進行有效的監控和預警，有助于實現故障的快速定位和預測性維護，提升車輛的運維效率.

5 結論

本文從車輛的角度出發，闡明了100%低地板輕軌車輛PHM技術的作用與系統架構分類，完成了車輛PHM系統的架構設計，給出了架構方案的設計方案、功能設計及必要特征，提出了100%低地板輕軌車輛空調子系統PHM方案設計示例，為PHM輕軌車輛應用方案設計提供了設計思路和設計方法，對未來PHM技術在100%低地板輕軌車輛中的實際應用提供技術支持.