智能動車組PHM技術研究與應用

王中堯，李衛東，王連富，麻競文，劉健宇

(1.大連交通大學 機械工程學院，遼寧 大連116033；2. 中車長春軌道客車股份有限公司 國家工程技術中心，吉林 長春130000)

近年來，我國高速鐵路迅速發展并取得了舉世矚目的成績。《中長期鐵路網規劃》規劃了我國高鐵運營里程在2025年將達到3.8萬km左右，標志著高鐵在我國的基礎設施和交通設施中的重要地位[1]。隨著國內動車組保有量的快速增長、服役車型的種類增多以及大規模的運營，動車組裝備產業由大規模的制造階段向全壽命周期的運營維保階段轉移，伴隨著服役時間的增加、服役設備的性能退化，動車組的高故障率、低上線率、高維修成本等諸多問題暴露出來[2]。目前，我國的軌道車輛維修模式仍然采用計劃性維修的預防維修方法和故障性維修的狀態更正修方法，從而導致過度維修或維修不足。如何保證行車安全，提高旅客舒適度，降低運維成本，減少或降低故障的發生，對未來我國的高速動車組產業具有重要意義。故障預測與健康管理(PHM)具有持續的狀態監測，故障診斷、預測，健康管理與維修決策功能，能在準確的時間對準確的部位采取準確的維修，對提升設備安全可靠性、提高使用效率、降低維修成本、推進修程修制完善有著積極的促進作用。

1 智能運維需求

1.1 車輛運用需求

我國動車組列車運營工況復雜，很多線路的續航里程都在1 000 km以上，單組車輛每天最多可以行駛3 000多 km，沿途可能會遇高寒、高溫、高濕、高風沙、高海拔等復雜外界環境[3]。高速鐵路覆蓋30余個省份，各運營區域的架空接觸網的供電質量和最大允許電流存在顯著差異，因此在進行系統或部件的PHM研究時需要充分考慮外界因素的影響。

1.2 用戶使用需求

我國軌道車輛車型較多，應用環境差別較大，行車設備故障、源頭質量、作業檢修質量等方面的問題時有發生，影響車輛運營、維修。同時，車輛的計劃預防修和狀態更正修的維修方式存在過度修和欠維修的情況，導致維修保養成本高昂，次生災害及行車設備故障時有發生。

運用檢修組織從系統自診斷、降低虛警率、關鍵系統和部件的故障預測、故障精準定位以及關鍵部件的壽命預測等方面，為動車組的安全可靠性提出運用需求；運用管理組織從推進狀態預防維修、全壽命周期運維管理以及修程修制優化等方面提出管理需求，形成PHM平臺開發的重要依據。

1.3 主機企業需求

在制造業全球化、服務化趨勢下，我國軌道交通制造行業整體仍處在全球產業價值鏈中低端，產品附加值低，因此必須從生產比重大的價值鏈低端向服務比重大、附加值高的價值鏈高端轉移。發展以車輛全壽命周期管理服務為核心的售后服務作為產品高附加值業務，將成為促進整個行業的轉型升級、邁向產業鏈高端的重要途徑。

隨著我國軌道交通領域的飛速發展，市場對軌道車輛產品的定制化需求以及對車輛的新技術應用需求日益增大，建立科學、完善、安全可靠的PHM平臺具有重要意義。通過PHM平臺，一方面可以實現由計劃修向狀態修的轉變，節省成本，提高售后服務水平；另一方面通過大數據分析可以對整車、系統以及部件進行科學的統計分析，進而為新造設計提供數據基礎，降低設計錯漏，實現產品優化升級。

1.4 全壽命周期維保需求

利用PHM技術，在實現數據貫通的基礎上進行動車組全壽命周期的數據管理，搭建關鍵部件的故障預測模型，支撐運用檢修由計劃故障修向狀態預防修轉變，建立關鍵系統的健康評估模型，支撐高級修的修程修制優化，能夠為動車組全壽命周期的運維成本降低、檢修效率提升提供重要的數據積累與技術支撐。

2 智能動車組PHM設計

智能動車組以車輛關鍵部件全壽命周期數據為基礎，以物聯網、大數據、云計算、人工智能等新興技術為手段，開展數據融合和數據挖掘工作，給出運維決策，構建裝備資源和信息共享的綜合性技術體系。主要目標是：綜合考慮智能動車組修程修制、關鍵系統及關鍵部件的精準維修和均衡維修等因素，在準確的時間、準確的地點對準確的部件開展準確的維修，實現保安全、提效率、降成本、優設計的目標。

2.1 PHM理論

實現基于PHM的主動運維技術應用，要充分考慮系統結構和原理的差異性、服役環境和多源異構數據的復雜性等特點，通過數據采集、數據處理、數據存儲和數據分析，利用神經網絡、深度學習等智能算法[4-6]，實現關鍵系統或部件的故障預測與健康管理功能，實現提高運行安全可靠性、提高旅客舒適度、提高上線率、提高運維效率、降低檢修成本、降低故障率的研究目標。

2.2 PHM設計方法

相較于傳統的故障診斷，PHM技術研究在方法和概念上發生了變化，故障診斷逐漸轉向故障預測。此外，PHM技術意味著擴展一些系統信息檢索和監控技術，利用多元狀態信息的融合處理、故障發生前的預測提醒、系統健康狀態的評估來綜合評價和分析系統未來性能變化趨勢，并提前進行處置。

2.2.1 基于性能失效的故障預測

使用該預測方法可對系統部件在服役周期內性能衰退和失效原理進行分析，并利用半實物仿真方法建立物理模型。性能建模之前需要對系統進行失效模式、機理及影響分析(FMMEA)[7]，確定系統主要功能及其對應的潛在故障模式，分析每個故障模式對應的故障原因及可測量參數或指標的變化，為確定性能指標提供依據。典型的基于失效物理模型的故障預測方法有：機理和影響分析法、故障模式分析法、卡爾曼濾波/粒子濾波法和基于專家知識的方法等[8]。但面對復雜的電子系統，其故障模式和失效機理更加復雜，應用這種故障預測的方法效果相對較差。

2.2.2 基于數據驅動的故障預測

基于數據驅動的故障預測方法是先利用傳感器或試驗采集數據再通過各種數據分析處理的方法進行預測。典型的基于數據驅動的故障預測方法有：主成分分析法(PCA)、隱馬爾可夫模型法(HMM)、最小二乘支持向量機法 (LS-SVM)和人工神經網絡法(ANN)等[9]。

2.2.3 基于模糊理論的故障預測

列車運行環境和工況極為復雜，并且一些系統和部件采集的參數有限，利用數據驅動和機理分析無法滿足建模的要求，這就需要根據系統和部件歷史積累的大量故障數據進行合理的統計分析，以推測出平均剩余壽命[10]。但由于缺乏細節信息，該方法的準確度波動較大，準確率不高，因此常在預測結果中加入一個置信度來表征準確度水平，典型的基于統計可靠性的故障預測方法有：D-S證據理論法、貝葉斯網絡法 (Bayesian Network )[11]和模糊邏輯法 ( Fuzzy Logic) 等。

3 智能動車組PHM系統實際應用

為迎接北京2022年冬奧會和冬殘奧會，中車長春軌道客車股份有限公司研制了具備代際特征的新產品——智能動車組，其智能技術主要圍繞智能行車、智能服務、智能運維三方面開展技術創新和應用。智能行車采用有人值守的自動駕駛；智能服務包括基于環境感知技術的燈光智能調節、多媒體技術的多元信息推送等；智能運維主要基于智能傳感、大數據、特征提取技術及PHM技術等。

智能動車組PHM系統是根據PHM技術理念以及設計方法，并考慮到數據的多種處理方式、存儲周期和多源異構數據的邊緣計算等需求而搭建的[12]，由車載系統、車地數據傳輸系統和地面系統構成，按照系統功能分為子系統PHM功能、車輛級PHM功能和列車級PHM功能，全面覆蓋了“車-空-地”的PHM技術生態鏈。智能動車組PHM體系架構如圖1所示。

圖1 智能動車組 PHM體系架構圖

3.1 車載系統

智能動車組車載系統由車載PHM單元、人機接口單元以及手持移動終端組成。車載PHM單元采用經過第三方測試認證的標準規格工控機，搭載高性能處理單元，能夠進行實時數據采集、數據預處理、數據存儲、模型運算等功能，通過列車以太網，采用標準TRDP通信協議從列車總線上采集關鍵系統及部件的狀態參數、故障參數等信息；人機接口單元通過讀取車載PHM單元數據實現實時狀態顯示、預警報警信息查看、電子交互手冊查詢等功能；手持移動終端利用列車內部專用的具有安全措施的局域網與PHM單元進行數據交互，在列車內部及車外一定范圍內為司乘人員提供可移動的數據查詢終端，極大提高了列車在行駛過程中的應急處理效率，提高了列車運行安全可靠性。

3.2 車地數據傳輸系統

車載PHM系統產生的數據通過車地數據傳輸系統進行壓縮處理，利用5G設備及天線將數據通過規定協議發送至地面服務器進行集中存儲處理，再通過專用通道回傳至各運用單位供地面PHM系統平臺使用，并為模型的開發探索提供數據依據。

3.3 地面系統

地面系統的目標是通過提高動車組智能化程度，優化動車組的設計、制造和運維，保障車輛安全運營，降低車輛運維成本，提升旅客服務滿意度。

地面PHM平臺以維修保障為中心，利用先進傳感器技術獲取列車運行狀態數據，利用智能算法和模型對車載大數據進行挖掘分析以獲取列車設備健康狀態的定量知識，對列車關鍵系統和部件的性能進行檢測和評估，識別早期故障，預測中長期故障，為列車實現基于狀態的均衡修提供支持。同時，在確保列車行車服務質量的要求下，達到降低運維成本的目的。

智能動車組地面PHM系統架構如圖2所示。從系統建設來說，需構建以性能檢測為核心的PHM支撐應用，準確掌握車輛性能狀態，及早處理故障，確保車輛運行安全；基于性能進行備件庫存優化和維修資源規劃，優化修程修制，降低全生命周期維修成本。系統包括數據接入與存儲、狀態監測、故障診斷、故障預警、健康評估、數據分析、運維決策、系統管理等應用功能。

圖2 智能動車組地面 PHM系統架構

4 結束語

隨著我國軌道交通裝備制造業逐漸由“生產加制造”向“智能加服務”轉型，高速鐵路由大規模建設期向全面運營維護期轉變，檢修不足和檢修過剩的情況逐漸暴露出來，對此，本文根據智能運維需求，利用多數據融合、故障預測與健康評估等技術，通過主機企業和運用單位的造修數據貫通和共享，建立了科學健全的全壽命周期管理機制，搭建了統一的應用平臺，可有效追溯動車組全壽命周期各個階段的履歷、狀態等數據，為實現動車組基于故障預測與健康管理的智能運維體系的構建提供了研究思路，為動車組全壽命周期的維修維護工作提供理論基礎并智能化決策支持。