動車組全生命周期服役性能保障技術研究

董威 李彥林

摘 要：我國動車組呈現數量多、運量大、分布地域廣、服役環境復雜、網絡化等綜合特征，給運營安全保障帶來嚴峻挑戰，如何保障車輛安全運營，及時發現并處理潛在的異常風險，提升動車組全生命周期服役質量保障、質量追溯能力，保障列車的安全性和穩定性變得異常重要。因此本文開展動車組全生命周期服役性能保障技術研究。針對列車實時狀態監測，提出了分級協同的健康管理技術架構，搭建了高實時大帶寬列車感知網絡。針對列車走行部關鍵部件監測，提出了基于TRIZ理論的走行部健康監測方案，并通過臺架試驗、可靠性分析等方法，提出走行部關鍵部件失效模式，研發故障預警模型。針對一體化協同運維，構建了基于互聯網的主動化運維平臺和一車一檔，實現全生命周期的質量追溯，保障列車安全運營。

關鍵詞：動車組，服役性能保障，質量追溯

DOI編碼：10.3969/j.issn.1674-5698.2023.08.016

0 引 言

隨著我國鐵路建設進程加快與“一帶一路”倡議、“走出去”重大戰略的實施，我國動車組呈現數量多、運量大、分布地域廣、服役環境復雜、網絡化等綜合特征，給運營安全保障帶來嚴峻挑戰。轉向架是列車的腿和腳，是保證列車在高速下運行安全、平穩最為關鍵的部件，承擔列車走行部以上全部重量、傳遞牽引和制動力。因此如何監測列車走行部關鍵零部件的健康程度，及時發現并處理潛在的異常風險，提升動車組全壽命周期服役質量保障、質量追溯能力，保障列車的安全性和穩定性變得異常重要[1-3]。國內外軌道交通行業比較發達的國家和地區都非常重視列車走行部故障的診斷與服役性能保障。世界領先的軸承技術供應商斯凱福（SKF）、英國高速列車經營者聯盟（AEA）、日本、德國等都研制了相應的走行部故障診斷、預警裝置[4]，但存在如下問題。

（1）監測診斷方式單一：傳統走行部大多通過車載溫度、加速度單一維度進行監測、診斷，診斷系統獨立、分散，數據融合應用較少，車-地協同不足，尚不能支撐走行部實時故障預警和預測需求。

（2）故障模式覆蓋不足：受限于實車走行部故障樣本稀缺，走行部故障模式積累較少。傳統走行部診斷大部分針對當前可預見的、可能會產生嚴重危害的走行部部件或狀態進行監測，如：蛇形失穩、軸承過熱抱死等故障，無法有效覆蓋部件眾多的走行部失效故障。

（3）主動運維水平不高：傳統車輛維保方式以計劃修、故障修為主，這種運維方式需要專業技術隊伍定期對相關部件進行檢查、維護保養；同時，為了確保裝備安全、可靠運行，存在大量的過度維護，增加了車輛的維護成本[5]。

本文以提升動車組全生命周期服役質量保障能力為目標，圍繞動車組安全服役及高效主動運維需求，提出了動車組健康管理技術架構，創新了基于多源數據融合的數理驅動智能診斷預測技術，創建了集成化協同化動車組遠程運維服務技術體系和支撐平臺，實現列車全生命周期服役性能質量保障和質量追溯，提升列車運維安全性和經濟性。

1 高速列車健康管理技術架構

針對車地傳輸網絡帶寬瓶頸，列車海量運營數據無法完整回傳到地面，而車載端進行大規模復雜計算資源有限等因素，建立列車和地面兩級健康管理技術架構（如圖1所示）。列車端對影響列車運行安全和運營秩序的關鍵部件進行實時診斷，地面中心集成列車運行歷史數據、檢修維護及設計數據，評估其性能演變趨勢，形成維護方案。通過車地協同，實現在線動車組數據實時物聯接入，覆蓋設備-列車子系統-整車3個層級，實現從早期診斷、在線監測、故障預測的全方位監測評估，提升列車服役期間質量保障能力。

在技術架構基礎上，針對動車組感知點分布廣、數據類型多樣、狀態交錯關聯下的高速實時監測問題，采用分散與集中相結合、以分層多級網絡方式構建列車健康監測系統，實現列車振動、溫度、電壓、電流、壓力、聲音、圖像等10余種維度數據同步獲取，車載實時以太網高效傳輸。

整車層面，突破傳統的“WTB+MVB”的TCN列車網絡總線形式，構建基于高實時、大帶寬、雙環網冗余的列車實時以太網總線架構（如圖2所示），實現車輛端牽引、制動等關鍵系統和繼電器、開關狀態的采集、傳輸、診斷。列車網絡采用“ETB+ECN”的總線形式，兩級網絡的傳輸帶寬均不低于100Mbps，列車控制的關鍵信號傳輸周期不低于20ms。同時，基于傳統TCN總線的冗余優勢，設計基于雙歸屬的環網架構，實現了控車網和維護的多網融合。

針對列車關鍵子系統監測，以走行部為例，基于TRIZ理論，構建平臺化的高速列車走行部診斷系統（如圖3所示），選取TRIZ橋中的思維橋，采用“最終理想解+金魚法+九屏法”的創新思維方法，創新提出“1個平臺、1個大腦、1個數據池、N類診斷模塊”的架構方案，實現了走行部監測軸溫、失穩、平穩、振動信號四合一的集約、高效與可靠融合，節省監測成本約20%，節約安裝空間41. 7%。

2 多源數據融合的數理驅動智能診斷預測技術

針對走行部故障模式數據不足問題，提出基于可靠性分析及臺架試驗的走行部故障診斷設計方法，通過滾動、振動試驗臺對走行部正常及故障設備開展故障模式試驗研究，完善齒輪箱、軸箱等設備故障模式13類，補充故障模式數據約800GB。在此基礎上，引入可靠性分析方法，根據走行部構型，開展走行部失效模式、影響因素及影響程度分析，確定齒輪箱、構架、軸箱和電機為監測對象，可覆蓋200～350km/h速度等級列車90%以上的走行部故障（如圖4所示）。針對走行部監測數據離散、多維異構等分析不利因素，提出融入行業專家經驗的深度學習+長短周期記憶的多層卷積主干網絡，建立以轉向架服役狀態監測數據流驅動的支持向量密度動態估計模型，實現以數據類別為依據的診斷模型動態自主訓練、優化、部署（如圖5所示）。模型較傳統方法誤報率下降14.3%，漏報率下降15.4%，實現對輪對、齒輪箱、牽引電機等走行部關鍵部件狀態實時監測、故障預警與快速決策。目前已開發應用30余項走行部數理模型，并在1600組列車上全面應用。

3 集成化協同化動車組遠程運維服務技術體系

針對動車組數量多、運量大、分布地域廣、服役環境復雜等運維挑戰，構建集狀態監測、故障診斷預測、運維決策于一體的集成化、綜合性遠程運維服務技術與支撐平臺（如圖6所示）；創新實時傳輸+Kafka+Spark的數據接收與解析技術，提出了Spark流與協議相結合、增加過濾規則、協議解析標準化、解析規則配置化、有效性判斷簡單化、數據分揀自動化“一結一過四化”概念，實現高通量連續性數據的快速處理；創新基于數據驅動的主動化動車組運維服務模式，以故障診斷預測結果為導向，實現專家資源統一調度、人力結構全面優化、備品備件統一管理、維修指導手冊精準推送。

為更好地實現列車全生命周期的質量追溯，建立車輛一體化數據傳輸體系，打通動車組從設計、制造、檢修運維全生命周期數據，鏈接上游供應商、主機廠與下游客戶，形成端到端的數據鏈接；整合車輛運行狀態、故障情況、運用信息、檢修信息、歷史裝車信息、運行工況信息等數據，通過列車構型將動態和靜態數據進行有機融合，形成基于一車一檔的全生命周期檔案，提升車輛質量追溯能力（如圖7所示）。

4 結 語

本文在分析列車服役現狀及走行部監測系統現狀的基礎上，結合智能化列車發展需要和走行部監測需求，開展了動車組全生命周期服役性能保障技術研究。從動車組全生命周期健康管理的多維狀態感知、故障診斷預測、運維決策3個方面，提出了高速廣域全天候工況下的動車組健康管理技術架構，實現列車走行部關鍵系統全場景在線實時主動感知和安全預警，提升列車服役質量保障能力；開展了基于多源數據融合的數理驅動智能診斷預測技術研究，實現走行部全生命周期狀態演化實時監控與重大運營故障預防；搭建了集成化協同化動車組遠程運維服務技術體系和支撐平臺，建立基于一車一檔的全生命周期檔案，實現質量追溯閉環。本文研究成果在武漢、廣州等12個路局推廣，全面應用在和諧號、復興號系列車型，并向城際、高速磁浮等項目推廣，有力保障了車輛運營安全，進一步提升了我國軌道交通產業的自主創新水平和國際化競爭能力。

未來，隨著大數據、人工智能、機器學習等技術的不斷成熟和深化應用，結合列車及關鍵部件的全生命周期數據的進一步全面覆蓋，通過全過程的實時交互和虛實映射，構建部件級、系統級數字孿生模型，刻畫整車數字畫像，實時評估車輛健康狀態及部件剩余壽命，實現車輛全生命周期的自感知、自診斷、自決策、自修復，打造數字列車。

參考文獻

[1]何華武. 高速鐵路運行安全檢測監測與監控技術[J]. 中國鐵路， 2013， 000（003）：1-7.

[2]何華武， 朱亮， 李平，等.智能高鐵體系框架研究[J]. 中國鐵路， 2019， 681（03）：1-8.

[3]李平， 邵賽， 薛蕊，等. 國外鐵路數字化與智能化發展趨勢研究[J]. 中國鐵路， 2019， 680（02）：31-37.

[4]王同軍. 中國智能高速鐵路體系架構研究及應用[J]. 鐵道學報， 2019（11）.

[5]梁建英， 劉韶慶， 范龍慶，等. 大數據在我國高速動車組運維中的應用[J]. 控制與信息技術， 2019.