軌道車輛振動性能維護與保障技術研究進展

中圖分類號：U270 文獻標志碼：A

Research Progress on Maintenance and Assurance Technologies forVibration PerformanceofRailVehicles

Zhou Jinsong12，Liu Shixuan12，Gong Daol2， Zhao Cangpeng12，Ran Hongbo ^1，2 ，Men Zhihui1，2 （1.College of Transportation，Tongji University， Shanghai 201804， China; 2.ShanghaiKeyLaboratory ofRail Infrastructure Durabilityand System Safety，Shanghai 2O1804，China）

Abstract： Vibration performanceofrail vehicles is acrucial factor inensuring operationalsafety，enhancing ride comfort，and prolonging component service life.With the rapid development of high-speed railways and urban rail transit systems，continuous increases in train speeds， increasingly complex track environments，and growing demands for inteligent maintenance have brought both challenges and oportunities to vibration performance maintenance technologies.This paper systematically reviewed the latest research progress and future development trends in this field from five key perspectives： vibration performance evaluation standards，vibration performance design and optimization， vibration performance operation and maintenance， vibration performance degradation prediction，and technological advances inremaining useful life assessment.The study indicates that future vibration performance maintenance will place greater emphasis on preventive strategies.Through model prediction and big data analytics，it willachieve fault early warning and proactive intervention，therebyestablishing a safer，smarter，moreeconomical，and more eficient safetyassurance system forrail transit.This approach wil not only improve operational reliability but also provide significant support for the sustainable development of

rail transportation systems.

Key words： rail vehicles; vibration performance; performance maintenance and safeguarding; performance degradation prognosis

Citation format：ZHOU J S，LIU S X，GONG D，et al.Research progress on maintenance and assurance technologies for vibration performance of rail vehicles[J].Journal of East China Jiaotong University，2025，42 （4）： 11-28.

隨著中國軌道交通網絡的規模化擴展與智能化升級，高速鐵路及城市軌道交通系統已成為國家綜合立體交通網的骨干力量。截至2024年底，中國鐵路營業總里程已達16.2萬 km ，其中高速鐵路運營里程突破4.8萬 km ，城市軌道交通網絡已覆蓋44座主要城市，持續保持全球領先地位。隨著軌道交通系統的快速發展，列車運行速度和客流量的持續提升，對軌道車輛振動特性的控制提出了更為嚴格的要求。軌道車輛振動特性問題已經成為行業內普遍關注的焦點和重要的研究熱點。高速列車運行過程中不可避免地產生由輪軌動態接觸引發的系統性機械振動，其核心載體（軌道車輛）對于客運列車而言，基于車體加速度是評價車輛運行平穩性或人體振動舒適性的主要方法[3]，考慮到人體對不同頻率振動的敏感程度，對實測加速度進行頻域加權后獲得[4，其中ISO2631-1《機械振動和沖擊人體暴露于全身振動的評價》采用時域加速度的計權均方根評價人體振動舒適性，對采樣時間未有明確要求。正持續承受高頻次、高負荷的復雜振動激勵。這種振動通過輪軌界面、懸掛系統、車體結構等多級傳遞路徑持續演化，振動能量傳導引發的結構安全性、乘坐舒適性、設備可靠性及環境噪聲等問題。這些問題共同對軌道交通運營安全和運營品質產生系統性的影響，在當前大規模路網建設和高頻次運營條件下，這一制約效應尤為顯著。

在軌道交通運維領域智能化轉型的背景下，特別是數字孿生與人工智能技術，正在重塑傳統的車輛狀態監測與維護決策模式，將振動管理從被動響應升級為預測性維護體系。面對振動能量精準管控與全壽命周期成本優化的雙重約束，行業亟需發展智能化性能保障技術。鑒于此，本文在系統梳理軌道車輛振動性能評估標準、設計與優化、運維與保障等基礎上，針對國內外軌道車輛振動性能退化預測與剩余壽命評估技術兩方面的研究進展進行綜述，同時對其未來的發展進行展望。

1車輛運行性能振動評估標準

1.1車輛運行性能振動評估標準

在軌道車輛服役過程中，振動性能的定量化評估是保障運營安全和乘坐舒適性的關鍵環節。隨著中國軌道交通網絡的快速擴展，高速動車組和城軌車輛的數量和運行里程持續增長，振動評估標準在新型車輛研發、既有車輛運維中的兼容性與適應性問題日益凸顯。客運列車運行平穩性及乘客舒適度的評估主要基于車體加速度分析[1-3]。由于人體對不同頻率振動的感知存在差異，通常需對實測加速度信號進行頻域加權處理[4]。ISO2631-1標準采用時域加速度的計權均方根值來量化振動舒適性，但該標準未對采樣時間作出具體規定。20世紀80年代，我國首次頒布了GB/T5599—1985《機車車輛動力學性能評定和試驗鑒定規范》，引入Sper-ling指標作為評價車輛運行平穩性的主要指標，奠定了我國車輛動力學評價的基礎體系。早期的評估主要關注車體剛性振動，尚未考慮車體彈性振動的影響，這與當時鐵路運行速度較低、車體剛度較大的實際情況相符。隨著鐵路技術的快速發展，國際上相繼出現了ISO2631-1和UIC513《鐵路車輛乘坐舒適性評估》等重要標準，這些標準采用了基于加權加速度均方根的評價方法，推動了評價體系的國際化進程。

進入21世紀后，隨著高速列車的快速發展，車體彈性振動的影響日益顯著，評估標準也隨之進入了新的發展階段。朱劍月等通過地鐵車輛實測對比研究發現，舒適度指標（UIC513）與Sperling平穩性指標（GB/T5599—2019）存在顯著差異：舒適度指標基于15萬km行程的三軸向耦合振動，通過長周期加速度均方根值統計反映綜合生理影響，受線路局部缺陷影響較小；而平穩性指標僅分離評價垂向/橫向振動，無法體現多向耦合效應和縱向動力性能，但對車輛性能改善具有更好的實時指導性。研究表明，舒適度指標更適于評價乘客乘坐舒適性，而平穩性指標更適合評估車輛自身動力性能。

在列車運行平穩性研究領域，周勁松課題組開展了一系列開創性工作。在早期研究中，課題組運用時域分析與頻域分析相結合的方法，深入探討了鉸接式列車與配備車間懸掛系統的高速列車在運行平穩性方面的特性差異。周勁松等[創新性地運用虛擬激勵原理，開發出一種新型分析方法，該方法將復雜的多輸入多輸出系統響應功率譜矩陣運算轉化為簡單的矢量運算流程，并成功應用于TR08磁浮車輛垂向動力學模型的平穩性評估。周勁松等通過虛擬激勵法系統性地研究了車體彈性特性與運行平穩性之間的關系，首次明確揭示了車體結構剛度不足會導致劇烈振動現象的產生，同時指出隨著運行速度的提升，對車體剛度的要求也相應提高。研究還證實，通過適當增加結構阻尼和一系垂向阻尼可以有效控制彈性振動。鄔平波等[0]在此研究基礎上進一步深化，采用經典的歐拉-伯努利梁理論對車體彈性特性進行建模，建立了完善的車體-設備垂向耦合振動分析模型。通過建立精細的三維剛柔耦合模型，研究發現運用動力吸振原理優化車下設備懸掛參數能夠明顯改善車體垂向彎曲頻率特性，有效抑制彈性振動。同時，研究還明確了重心偏移和不同懸掛方式對車輛振動特性的重要影響規律。國內外軌道車輛運行時振動相關舒適性評價基于ISO2631-1、UIC513以及GB/T5599—2019標準，其中GB/T 5599—2019中的Sper-ling指標算法，將采樣時間由GB/T5599—1985的18～20s縮短為與UIC513標準相同的5s，引起相同測試數據的平穩性指標結果增大的問題。張展飛等分析上述三種運行平穩性及舒適性指標算法，通過車輛線路實測數據與仿真數據相結合，研究不同算法關于采樣時間長度的指標一致性及其機理，采用頻率分辨率量化了非平方加權譜因時頻能量轉換不對應導致的指標結果不穩定現象，基于此提出相應的平穩性指標一致性修正算法，并經動力學仿真數據驗證有效，這為完善軌道車輛動力學分析與測試中振動舒適性的相關算法與評估限值制定提供理論依據。現代評估體系已經發展為包含安全性指標、平穩性指標和舒適性指標的多指標綜合評價體系，其中安全性指標包括脫軌系數和輪重減載率，平穩性指標包括Sperling指標和加權加速度，舒適性指標則參考ISO2631-1和UIC513等國際標準。

1.2車輛部件評價標準

軌道車輛振動評價標準是保障車輛運行安全性、舒適性和設備可靠性的重要技術依據，國內外學者和標準化組織圍繞不同部件的振動特性開展了系統研究，形成了覆蓋輪對、軸箱、構架、車體及車載設備的完整標準體系。國際電工委員會（IEC）制定的IEC61373《鐵路應用-機車車輛設備-沖擊和振動試驗》標準是鐵路應用領域最具影響力的國際標準之一，該標準針對機車車輛設備的機械環境適應性提出了強制性要求，將設備分為轉向架安裝（1類）和車體安裝（2類）兩類，并規定了對應的振動測試條件，包括頻率范圍（ 10～150Hz 或 10～200Hz 、加速度譜密度 10^-3～10^-1m²/s² 或 10^-4～10^-2m²/s² ）等關鍵參數。根據GB/T14892—2006的規定，Z振級作為軌道車輛振動評價的核心指標，通過加速度均方根值轉換計算實現對振動強度的量化評估。

金學松[12系統梳理了全球高速鐵路發展概況及中國高鐵網絡規劃，重點分析了運營史上典型脫軌事故的成因機制，指出高速列車安全研究的核心科學問題集中于兩大方向：一是高速工況下車-軌耦合動態行為的建模與數值分析方法；二是復雜環境下的安全評估技術，其中復雜環境涵蓋部件故障、強橫風/旋風沖擊及地震等極端條件。王憶佳[13]研究了車輪不圓工況下輪軌高頻振動對車輛系統動力學性能的影響，并給出了輪軌垂向力作為安全限制的依據。王鏡鑒等4聚焦焊接接頭病害，通過時頻分析與有限元仿真，揭示了扣件剛度、行車速度及接頭幾何參數對車輛動態響應的影響規律，并開發了基于共振解調的狀態評估方法。朱海燕[15]研究表明車輪異常磨耗會導致舒適性下降，而科學璇修可有效抑制車輪非圓化及關鍵部件振動；同時，優化輪對定位剛度和抗蛇行減振器參數能提升臨界速度與穩定性。徐中旭提出的改進模糊層次分析法，通過三標度賦權和模糊綜合評價模型，為等效錐度方案選擇提供了參數穩定性強的決策工具。

1.3車輛蛇行運動評價標準

蛇行運動穩定性是軌道車輛動力學性能的核心評價指標，其穩定性狀態直接影響列車運行品質和行車安全。當系統發生蛇行失穩時，不僅會顯著降低車輛運行平穩性指標，更可能導致輪軌接觸兒何關系惡化進而誘發脫軌事故。

現行國內外標準體系普遍采用間接評估方法來考核蛇行穩定性，國際主要技術標準對車輛蛇行運動穩定性的評估形成以下技術體系：歐洲規范UIC518與EN14363采用構架橫向加速度均方根值作為核心判據，UIC515-1則基于輪軌橫向力峰值比進行評判；俄羅斯GOST/R55495標準側重構架橫向力的頻域特征；美國FRA規范則堅持傳統的脫軌系數時域統計法。這些標準均通過構架或輪軌系統的動力學響應間接表征蛇行穩定性，這主要是由于現場線路試驗難以直接獲取系統分岔特性及臨界速度參數。相比之下，通過滾振臺試驗和多體動力學仿真可以完整繪制系統分岔曲線并準確測定臨界速度，但需特別注意試驗邊界條件與線路實際運營工況的差異性，特別是輪軌接觸幾何非線性與懸掛參數隨里程的演變特性。周勁松等首次將最優化理論引入鐵道車輛蛇行穩定性研究，構建了轉向架軸箱定位參數優化模型，通過多種算法對比確定了最優解，并利用三維圖和等值線圖驗證了結果的可靠性。張繼業等[8提出基于Hurwitz行列式的Hopf分岔代數判定方法，將分岔點求解轉化為非線性方程問題，顯著降低了傳統特征根分析的計算量，并推導出蛇行臨界速度的解析表達式。在蛇行臨界速度評估方面，賈璐等發現基于輪軌力或加速度均方根的評判結果通常高于極限環法，建議構架加速度濾波范圍應覆蓋車體自振頻率及轉向架蛇行頻率。孫麗霞等[2]針對超臨界和亞臨界兩種蛇行失穩模式，分別建立了脫軌安全性評判指標體系。胡喆等[2結合最小阻尼比法和自激輸入能量法，揭示了簧下/簧間/簧上質量對蛇行穩定性的影響機制。魏來等[22]基于長期線路測試數據，構建了走行里程-輪軌接觸錐度-橫向加速度的關聯模型，并開發了考慮抗蛇行減振器動態特性及車體彈性的剛柔耦合模型，為輪軌參數匹配設計提供了理論支撐。

2車輛振動性能設計與優化

2.1車輛振動性能正向設計

周勁松課題組在專著《高速列車動態性能正向設計》中定義23：在無借鑒、無平臺、無技術規范的情況下，通過理論研究、仿真復現和實驗驗證等手段，從零出發設計出動態性能指標穩定且優異的軌道車輛系統為正向設計，由于模態參數測試分析理論完備、測試便于實施，在設計之初易于通過模態對標設計、模態規劃來實施性能的初步設計，因此選擇模態作為性能設計的重要依據，也可以說“模態是車輛動態性能的基因，平臺產品的性能由其模態族群決定，優選適應運行環境的基因并進行合理匹配，是產品競爭力和正向設計的起點”。在車輛研發中，模態匹配的最佳狀態是既要避免整車各子系統自身固有頻率的耦合，同時也要避開系統與外界輸入激勵之間的耦合。模態頻率規劃表和整車的噪聲與振動目標一起成為車輛噪聲振動設計最重要的指南，整車模態匹配策略也是以模態規劃表為基礎、以總體技術指標為匹配關鍵點、以車身為模態匹配中心、以外協系統為基本控制單元。模態頻率規劃表和整車噪聲與振動目標是車輛振動噪聲設計的核心依據。整車模態匹配方案以模態規劃表為基準，圍繞關鍵性能指標展開，以車身模態協調為重點，并將外部協作系統作為主要管控單元。

ZHOU等2建立了包含車體彈性效應與所有垂向剛性模態的客車垂向動力學模型，利用協方差分析法探討了車體彎曲頻率的技術要求，表明提高車體彎曲頻率可有效避免車體共振，同時分析了幾何濾波現象對車體響應功率譜的影響，以及幾何濾波與彈性車體共振頻率的關系，表明在某些特定軌道不平順波長下，車體的點頭和浮沉響應均為零的現象為軸距濾波，車體的浮沉或者點頭響應為零的現象為定距濾波，當車體的垂向一階彎曲頻率與這些峰值頻率吻合時，將產生車體彈性共振現象[25]。GONG等2采用包含車體彈性效應的車輛垂向動力學模型，研究了車體剛度及車體-轉向架浮沉耦合振動對系統動力學的影響，表明車體剛度越高，其彈性效應對運行平穩性的影響越小。宮島等[2]基于Guy-an縮減法開展模態分析，探討了彈性車體與轉向架構架之間的垂向耦合振動特性，研究發現，當高速列車轉向架一系懸掛系統的垂向剛度與車體垂向一階彎曲頻率合理匹配時，即使構架的浮沉及點頭頻率接近車體彎曲頻率，系統仍能避免發生彈性車體與構架之間的共振現象。GONG等[28采用Green函數法求解各車體的偏微分方程，并分析了車體柔性共振機理，表明鉸接列車中存在幾何濾波現象，當車體一階垂向彎曲頻率與車體浮沉加速度傳遞率峰值頻率重合時，將引發柔性車體共振。尤泰文2圍繞高速列車概念設計階段車體振動性能設計，從彈性梁、中厚板殼振動理論出發，針對車體不同振動特點分別建立變截面車體垂向振動分析模型和多板組合三維振動分析模型，并推導了相應的解析剛柔耦合動力學模型建立方法，在此基礎上對高速列車異常振動現象的產生機理和傳遞特性進行了研究。以上基于模態匹配設計的研究，為車輛振動性能正向設計奠定理論出發點。

2.2車輛與車載設備減振解耦設計

周勁松等[3為了抑制鐵道車輛車體彈性振動提出了在車體底架下安裝動力吸振器的方案，優化設計的動力吸振器可以有效控制車體彈性振動，同時也探究了在車體底架下方縱向安裝液壓減振器的可行性，表明車體減振器亦能有效控制車體彈性振動[31]。宮島等[32提出了高速列車下吊設備隔振設計的基本理論及方法，分析了車下設備懸掛參數對車體模態的影響[33-34]，并基于模態匹配原則，對車下設備懸掛參數進行了優化設計[35-36]

此后，車下設備對車體振動傳遞與模態頻率的影響被更多學者關注。鄧海等[基于隔振理論和模態匹配原則，確定了車體主要下吊設備的模態頻率優化區間。夏張輝等3研究發現車下設備偏心布置會引發其六自由度振動的非線性耦合效應，據此創新性地提出了懸掛系統解耦優化方法，該方法不僅在高速動車組上實現了設備振型的高解耦度[3]，后續更成功應用于地鐵車輛電機懸掛系統的振動控制[40]。SUN等[4設計了一種可以實現垂向、橫向剛度分離的新型車下設備減振器，該減振器能夠有效降低車體的彈性振動，改善車輛的運行平穩性。可見，車載設備物理參數和激勵參數的準確性對車體和車下設備耦合振動研究有重大影響，合理的車載設備隔振參數可以有效抑制車輛振動，提高車輛動力學性能。

2.3車輛懸掛分層傳遞率設計

車輛懸掛系統主要起到緩沖并衰減振動的作用，分析懸掛系統的振動傳遞率對評估懸掛系統的減振性能以及優化懸掛參數有重大意義。周勁松等[42采用頻率響應函數估計方法，以構架振動為激勵源、車體響應為觀測指標，對SW160型和209HS型轉向架的二系懸掛傳遞特性進行對比研究。楚永萍等[43]基于頻響函數與相干函數分析技術，驗證了CRH2型動車組轉向架二系懸掛參數的設計合理性。徐寧等[44考察了一系懸掛力作用點位置變化對振動傳遞特性的影響，發現轉臂重心與套圈中心間距是影響各部件位移傳遞特性的關鍵參數，該參數變化可使力傳遞特性產生 30% 以上的波動。

隨著振動環境歸納譜新技術的發展，如何從懸掛設計出發保證部件振動環境工作閥值，是振動環境歸納譜的出發點。周勁松及其課題組在專著《高速列車動態性能正向設計》[23]中指出：為保障車載設備在復雜振動環境下的安全可靠運行，需提出適用于軌道交通實測振動環境的譜歸納技術，同時首次將懸掛設計和結構振動疲勞的評價通過振動譜歸納和分層傳遞率技術相結合，建立了動力學和結構疲勞兩大學科的源頭分析橋梁，相關方法對指導懸掛設計、振動環境預警、結構疲勞設計具有深遠的影響。DENG等[45鑒于軌道車輛實測振動環境的多通道與非正態特性，將統計歸納法與Johnson體系相結合，提出了一種通用的振動環境譜歸納技術，并根據歸納譜進一步推導出測試車輛一系、二系懸掛的層級傳遞率。胡鑫磊等[4采用歸納譜的方法對實測車輛振動數據進行了歸納處理，并進行了二系懸掛分層傳遞率的計算，對二系懸掛系統特性進行了減振綜合評價。

3車輛振動性能運維與保障

3.1輪軌幾何劣化對振動性能影響研究

由于長期運行與載荷作用，輪軌幾何結構不可避免地會發生劣化，如輪緣磨耗、踏面剝離、軌道波磨等。這類幾何劣化不僅改變了輪軌的動態接觸關系，也會顯著影響列車系統的振動性能，進而影響結構疲勞壽命、運行安全性和乘客舒適度。輪對方面常見的劣化形式包括輪緣磨損、踏面多邊形化以及剝離、扁疤等缺陷，而軌道方面則表現為波磨、軌面不平順、接頭沖擊以及道床沉降等，嚴重影響列車運行平順性。上述幾何缺陷會顯著增強輪軌間的動態響應，引發車體與轉向架的垂向與橫向振動，加劇結構疲勞與噪聲輻射，降低乘坐舒適性，甚至危及運行安全，成為軌道交通系統中值得關注的重要問題，為此諸多學者開展了輪軌幾何劣化對振動性能影響研究。

熊嘉陽等4研究了車輪不圓、鋼軌焊接接頭幾何不平順以及鋼軌波磨對車輛系統的振動響應、輪軌作用力及穩定性等特性的影響。靳智超等[4以實測多邊形磨耗為輸入，分析了車輪多邊形磨耗對車軸疲勞損傷的影響。凌亮等[4研究了車輪扁疤激勵下輪軌垂向力及輪對垂向加速度的響應特征。史彥輝等[5研究表明鋼軌廓形打磨可有效消除波磨并顯著降低輪軌沖擊，但軌縫高低差仍需額外處理，復合不平順治理應“打磨 + 結構優化\"雙管齊下。施潔等[研究表明連續多波軌向不平順在6～11m 波長內顯著影響列車運行平穩性。楊新文等[2分析了鋼軌錯牙接頭激擾下輪軌沖擊力與振動噪聲的響應特征。高雅等[3研究表明路基沉降對高低不平順和車體垂向加速度的影響顯著。綜上，輪軌幾何劣化顯著惡化車輛的振動性能，必須實施基于狀態監測的預防性維護策略，如周期性輪對修、鋼軌預防性打磨等主動維護措施，以及基于數字孿生技術的智能化維護決策，這種系統化的維護理念對于保障列車運行安全性、提升乘坐舒適性以及延長關鍵部件服役壽命具有重要的工程實踐價值。

3.2輪軌幾何不平順的檢測及閥值標準

隨著鐵路向高速、重載方向發展，輪軌動態相互作用加劇，對輪軌不平順的精確檢測及合理閾值設定提出了更高要求。輪軌幾何不平順早期主要依賴人工靜態檢測，但效率低、難以反映動態輪軌作用，后來采用弦測法和慣性基準法兩種間接動態檢測方法，然而由于列車運行時速頻繁變化，車輛運行屬于典型的非平穩過程，傳統信號分析方法難以適應非平穩工況，導致軌道不平順波長與幅值的定量檢測面臨挑戰，WANG等[54首次提出基于階次分析技術的變車速非平穩工況下軌道不平順定量檢測方法，檢測流程如圖1所示，最終通過仿真與現場測試案例驗證所提方法的有效性。除軌道不平順外，車輛實際承受的不平順激勵源于輪軌共同作用，因此還需充分考慮車輪不圓順、多邊形磨損等激勵源的影響，檢測技術朝著多傳感器融合和智能算法方向革新。WANG等[依據大量車輪不圓測試數據，提出了Johnson非正態變換體系下車輪不圓順分位譜計算方法，并根據輪對修周期不同階段，通過引入車輪不圓順譜對傳統標準軌道譜短波區段進行修正，最終完成輪軌綜合不平順譜的編訂。王秋實等[5基于參數化功率譜估計理論，提出了一種新型車輪多邊形識別技術，該技術具有三大優勢：短時數據處理能力、高精度頻域分析特性以及對諧波信號的高度敏感性，特別適用于早期車輪多邊形磨耗的精準診斷。王秋實等采用迭代修正離散傅里葉變換算法，有效克服了傳統頻譜分析中柵欄效應和頻譜泄漏等技術瓶頸，顯著提升了非平穩工況下的識別準確率。季大柱等將奇異值差分譜降噪技術與BP神經網絡相結合，成功實現了基于軸箱振動信號的車輪扁疤實時監測與定量評估，為列車走行部故障診斷提供了新的技術路徑。王陽等基于一維卷積神經網絡搭建鋼軌波磨檢測模型并在仿真數據集上進行訓練，并將模型遷移到實測車體垂向加速度數據集上實現對鋼軌波磨的診斷，發現該模型鋼軌波磨識別的準確度較高。

此外，諸多學者對輪軌幾何不平順的閾值標準開展了大量研究，張富兵等根據車軸的許用應力及輪軌垂向力的要求提出了車輪多邊形磨耗波深的安全限值，基于垂向輪軌力的多邊形限值如圖2所示。趙鑫等從輪軌接觸脫離角度，提出輪軌中/短波不平順的臨界管理限值建議，臨界波深建議管理限值如圖3所示。安博倫等研究了軌道不平順參數對輪軌相互作用的影響規律，并建議 400km/h 下鋼軌不平順幅值限值取 0.2mm ，且重點關注波長小于 0.3m 的短波不平順。綜上，輪軌幾何不平順的閾值標準是保障行車安全的核心依據和優化運維經濟性的技術基礎，具有重要的理論價值和工程意義。

圖2檢測流程由輪軌力得出的多邊形波深限值60] Fig.2Polygonizationwavedepthlimitderivedfrom wheel-rail force in the detection process[60l

圖3不同速度下臨界波深管理限值建議6Fig.3Critical wave depth management limits underdifferentspeeds[61]

3.3車輛部件振動環境譜歸納技術及歸納譜

軌道車輛振動環境譜歸納的基礎性研究旨在將其運用在軌道車輛理論設計、振動測試和振動評價中，振動環境歸納譜作為軌道交通領域的新技術，對設備振動環境的歸納和規整具有指導性意義。振動環境歸納譜的建立需重點解決兩個關鍵問題：一是確立輪軌至車體傳遞路徑中各構件的振動工況邊界，二是通過懸掛系統設計確保部件振動環境處于安全閾值范圍內。該方法的應用需基于三方面核心要素：實測振動數據采集、運行環境特征分析以及行業規范標準，以此構建完整的裝備振動可靠性評估體系[23]

軌道交通裝備在投人使用前需通過國際標準IEC61373的檢測認證。然而，我國現行標準在載重、運行速度及振動環境等參數要求上存在顯著差異。為提升裝備設計的精準性與可靠性，研發人員需獲取國內真實運行環境下的振動數據譜，并與現行試驗標準進行對比分析，以提高軌道交通裝備的設計準確性和運行可靠性。丁杰等[采用GJB/Z126中的振動、沖擊環境測量數據歸納方法對實測數據進行歸納，獲得實測1類A級功率譜曲線，并據此對車載設備進行疲勞分析。在實際運用中發現，軌道車輛振動數據基本不服從正態分布，正態先驗會產生歸納誤差，為此鄧辰鑫等[64]應用Johnson準則對傳統振動數據處理方法進行優化，有效解決了非正態分布振動數據的處理難題。該研究通過實測數據驗證及與國際標準IEC61373的對比分析表明，改進后的方法顯著提升了非正態環境下的數據適應性，所獲得的歸納譜能更準確地反映實際振動特性。類似的，韓興晉等[65]針對軌道車輛多通道振動加速度的非正態分布特征，同樣驗證了Johnson準則在數據處理中的普適性優勢。厲鑫波等從隨機振動理論出發，建立了基于頻域疲勞分析的振動環境歸納方法，系統性地提出了車輛設備振動疲勞壽命評估的技術路線，如圖4所示。王騰飛等提出一種基于疲勞損傷譜的非平穩振動載荷的等損傷載荷譜編制方法，平穩高斯振動載荷FDS求解過程如圖5所示，可以有效地表征振動載荷能量頻域分布特性且包含高振動能量，與非平穩振動載荷具有等損傷能力。綜上，深入而準確地歸納實測環境下軌道車輛的振動環境，界定及獲取乘客、車載設備、結構的振動環境及振動邊界，對于保障列車的安全性，降低車輛運維成本，提高列車的舒適性、平穩性等運行品質均具有重大意義。

圖4頻域疲勞分析流程66

Fig.4Frequency-domain fatigue analysis procedure[66

圖5平穩高斯振動載荷FDS求解過程[7

Fig.5 FDScalculationworkflow forGaussian stationary vibration excitation[67l

4振動性能退化預測與故障診斷

隨著軌道交通系統復雜性的提升，傳統的基于經驗的定期維護模式已難以滿足高可靠性和低運維成本的要求。為此，學術界與工程界逐漸轉向預防性維護（preventivemaintenance）策略，即在故障發生前通過模型預測、規律分析或數據挖掘，提前制定干預措施，避免故障擴大和性能劣化。預防性維護主要可分為三類方法：基于物理模型的方法通過建立軌道系統的力學或磨損模型，預測關鍵部件在不同工況下的性能演化，具備較強的解釋性；基于統計學的方法利用歷史故障與運行數據挖掘退化規律和壽命分布，如可靠性分析、失效率建模等，適用于大樣本條件下的風險評估；而基于數據驅動的方法則借助機器學習、深度學習等先進算法，從多源運行數據中自動提取特征并構建預測模型，具備建模靈活、適應性強的優勢，正成為智能運維的重要發展方向。

4.1基于物理模型的預防性維護

基于物理模型的預防性維護方法，強調通過建立系統的物理、力學或材料退化模型，對輪軌部件的運行狀態與劣化趨勢進行預測。這類方法依賴對輪軌接觸力學、疲勞損傷、磨耗行為等機制的深入理解，通常結合多體動力學（MBS）有限元分析（FEA）、輪軌接觸理論（如Hertz接觸）等技術工具來實現。例如，通過模擬輪軌接觸應力分布和材料累積損傷，可以預測輪緣磨損或軌面波磨的形成過程，并據此制定打磨或更換策略。王騰飛等采用多維多點虛擬激勵法研究了轉向架構架在軌道不平順激勵下的隨機振動疲勞壽命。結果表明，構架的剛性與彈性模態對壽命影響顯著，為疲勞設計提供新思路。周宇等[68提出基于等磨耗深度和等車輪通過次數的磨耗閾值方法，發現裂紋萌生預測誤差小于 5% ，為鋼軌打磨周期設定提供了依據。陳道云等[9對比線性與非線性累積損傷模型，提出等效應力-壽命分布的物理模型，為轉向架分級維護策略提供理論支持。王秋實等[提出一種基于動應力時域外推的構架壽命評估方法，利用極值理論提高評估準確性與安全性。謝樹強等基于實際動應力數據和蒙特卡羅法，分析了構架疲勞壽命（48.39萬 km，97.5% 可靠度），指出曲線段輪軌激擾是主要損傷原因。王秋實等建立構架有限元模型，發現牽引工況下疲勞壽命比惰行工況下降99% ，強調考慮電機振動在疲勞設計中的必要性。毛冉成等[7]建立剛柔耦合動力學模型，揭示多邊形輪對激勵顯著加劇構架振動。習文順等[74對比鈦合金與傳統鋼構架疲勞性能，發現前者壽命翻倍，提供材料替代設計依據。王秋實等[7提出基于KDE的應力譜外推方法，外推誤差僅為 -4.17% ，適用于小樣本壽命預測。王文靜等建立撒砂裝置-構架端部耦合模型，發現標準譜損傷嚴重低估，提出Dirlik + Miner的壽命預測流程。周宇等在道岔心軌裂紋預測中考慮沖擊荷載與材料塑性變形，發現頂寬35～40mm 為最不利位置。肖乾等[8對不同累積損傷模型進行比較，發現Cotern-Dolan模型更為保守，且轉臂座為壽命短板。賈小平等[建立地鐵輪對磨耗模型，提出小等級修 + 靈活進刀方案，使輪對壽命延長 50% 。唐毓晗等[8]提出改進的Manson-Halford模型，引入材料退化率與結構參數，提高疲勞預測精度且保留設計裕度。肖乾等[8將Corten-Dolan與Manson-Halford模型結合實測應力譜進行疲勞可靠性評估，并通過Levenberg-Marquardt算法優化參數，指出SMA材料可顯著提高薄弱點壽命。綜上所述，基于物理模型的維護方法具有可解釋性強、機制清晰、適用性好等優點，特別適合高速列車、大型重載等高安全性場景。但也存在建模復雜、參數敏感、環境適應性差等現實挑戰，需與數據驅動或混合方法進一步融合優化。

4.2基于統計學的預防性維護

統計學方法側重于利用已有的歷史數據和運行記錄，挖掘輪軌系統的故障概率分布、失效率模型及退化規律，構建預防性維護策略。這類方法以可靠性工程理論為基礎，常用模型包括Weibull分布、指數分布、正態退化模型等，通過對大樣本歷史運行或檢修數據進行統計建模，可以估計關鍵部件的平均無故障時間（MTBF）與剩余壽命（RUL）。例如，可基于大量輪對磨耗數據，推導出輪緣厚度衰減的時間規律，進而制定更合理的輪對檢修周期。此方法計算簡便、便于實現標準化，但對數據完整性與一致性要求高，且難以準確捕捉非線性、突變性退化特征。王文靜等[82基于線路試驗數據，建立了高速列車齒輪箱箱體的等效應力-疲勞強度干涉可靠性模型。分析結果表明，隨著列車服役里程的增加，箱體疲勞可靠度不斷降低，鋁合金箱體鑄造水平等級的提高可顯著延長齒輪箱箱體壽命。田麗等[83通過數據擬合方法分析地鐵車輛車輪磨耗，比較了傳統方法和數據擬合方法確定磨耗量的差異。研究表明，數據擬合方法考慮的輪徑數據更多，相鄰輪徑數據時間間隔更短，得出的磨耗量更準確，預測車輪壽命更可靠。智鵬鵬等[84提出了等效時變動態應力-強度干涉模型，用于轉向架構架的疲勞可靠性分析。通過線路試驗跟蹤測試，采用雙參數雨流計數法處理實測隨機應力-時間歷程，建立用于疲勞可靠性分析的應力譜。研究結果表明，轉向架構架服役1200萬 km 的疲勞可靠度為74.46% ，較傳統方法偏于安全，且考慮了等效應力和疲勞強度的時變性與動態性。齊金平等[8針對高速列車車輪在退化過程中呈現兩階段特征的問題，提出基于兩階段非線性Wiener過程的退化建模及可靠性分析方法。采用CUSUM算法實現車輪退化過程變點判別，結果表明同轉向架不同側車輪退化過程出現變點的位置不同，可靠性評估結果更符合現場實際。屈小章針對列車牽引動力葉輪的振動響應問題，提出了基于離散隨機過程的時變可靠性分析方法，有效考慮了動態載荷變化和振動不確定性的影響。全昌彪等針對航空發動機離心葉輪TA19材料，采用Weibull分布擬合疲勞壽命數據，提出了考慮應力集中因子（Kt）和一階可靠性理論修正的迭代疲勞壽命模型。研究表明，U型缺口試樣因應力集中效應導致疲勞壽命分布更為集中，而光滑試樣壽命分散性較高。通過Kolmogorov-Smirnov檢驗驗證了數據符合Weibull分布特性，修正后的模型顯著提高了預測精度，大多數預測數據落入 ±1.5 倍分散帶內。田貴雙等[88針對列車牽引系統中的牽引電機和IGBT兩個關鍵元件，構建了考慮兩者相關性的可靠性模型。采用融合失效機理的維納過程描述性能退化過程，并使用Copula函數描述兩者相關性。研究結果表明，該模型可更精準實現可靠性評估，且采用貝葉斯與期望最大相融合的參數更新算法能有效提升壽命預測精度。劉偉渭等[8研究了磁懸浮列車首次穿越失效可靠性，建立了在隨機參激和隨機外激作用下的動力學模型。在Hamilton理論框架下建立首次穿越可靠性函數，并采用Crank-Nicolson差分法對后向Kol-mogorov方程進行數值求解。結果表明，初始能量的增大會使首次穿越時間提前，隨機激勵強度也會使平均首次穿越時間減小。

4.3基于數據驅動的預防性維護

隨著傳感器技術與人工智能的迅猛發展，數據驅動方法在軌道交通設備狀態監測與故障診斷中發揮越來越重要的作用。該類方法通過采集多源運行數據（振動信號、溫度、電流、圖像等），運用機器學習和深度學習算法，實現設備狀態預測與劣化趨勢建模。由于其自學習特征、適應性強，這類方法尤其適應復雜、多變量和非線性系統。然而，其對數據標簽依賴高、模型“黑箱\"嚴重、部署成本較高等問題仍亟待克服。毛嘉偉等[提出了一種混合核函數的SVR模型（GA-SVR），通過遺傳算法優化核組合和參數，制動閘片壽命預測誤差較單一核函數模型降低 34.3%～45.2% 。陳廣等首先構建了一維殘差卷積注意力網絡（1DRCA），用于高速列車抗蛇行減振器故障診斷，在四種狀態分類中識別準確率達 99% ，在滾動軸承診斷中達 96.1% 。隨后進一步采用STFT ^°+ 2D-CNN方法，將阻尼力信號轉換為時頻圖，診斷準確率達 99.97%^[92] 。侯鑫堯等[]針對牽引傳動系統溫度傳感器故障，提出DPCA方法，實現故障檢測、隔離與容錯估計，診斷準確率98.71% ，顯著優于傳統方法（ 83.32% ）。朱愛華等[94]針對地鐵車輪磨耗數據長期依賴性問題，提出了集成麻雀搜索算法（SSA）優化的BiLSTM模型，實現包括神經元數量、學習率等超參數的自動優化，大幅提升預測精度。鄭則君等[融合振動與聲音信號，結合帶通卷積濾波降噪與頻率加權能量算子進行解調，實現強噪聲下軸承故障識別，診斷結果可相互驗證。李志等針對軌道交通故障檢測中數據隱私問題，提出了基于BERT模型的聯邦邊云協同訓練方法，實現多運營商間的數據安全共享，診斷準確率達 86.48% 。MEN等提出改進版IS-SA-VMD多級CNN方法，用于鐵路貨車軸承故障診斷，準確率為 99.6% ；隨后又提出基于改進AC-GAN的對抗學習方案和多模態注意力機制的故障識別方法]，診斷準確率達 99.97% 。張霞等[1]針對動車組車輪磨耗非線性退化特征，結合相空間重構與PCA進行特征優化；采用FSFDP聚類剔除異常，二階拉格朗日插值處理缺失值，顯著提升預測模型性能。蔣啟龍等提出基于電流變化率增量的懸浮電磁鐵在線故障診斷方法，通過最小二乘法建立數學模型，在短路比 5% 條件下實現 97% 診斷準確率，并可在一個基波周期內完成診斷。徐瀟等[02]通過融合溫度信號（AE）和振動信號（EMD）進行特征提取，并使用SAE進行降維融合，實現軸箱軸承輕微故障診斷，準確率超過 99% 。

5 結束語

通過對軌道車輛振動性能維護與保障技術研究現狀的歸納總結，得出以下結論：

1）軌道車輛振動性能維護與保障技術包含4個環節，即監測、診斷、預測、決策等，整體上已從傳統被動維護向智能化、預測性維護演進，形成完整技術鏈條，具體地，監測技術已從早期離線檢測發展為在線實時監測，實現了振動、溫度、載荷等多源數據融合采集；診斷技術已從基于閾值和頻譜分析的簡單規則診斷到結合機器學習和深度學習的智能故障識別，實現了轉向架、輪對、懸掛系統等關鍵部件的精準定位；預測技術已從統計模型到數據驅動與物理模型結合的剩余壽命預測，可支持故障早期預警；決策技術已從經驗驅動的定期維護到基于數字孿生和優化算法的動態維護策略，可平衡安全性與經濟性。

2）智能化和數字化技術徹底重構了振動性能維護范式，實時監測與早期預警降低脫軌、部件斷裂等重大風險，通過振動溯源優化懸掛設計，提升乘客體驗，預測性維護減少非必要停機，降低運維成本，數據驅動的決策優化資源分配，提高維護效率，使軌道交通向更安全、更舒適、更經濟、更高效的趨勢發展。

3）目前車輛振動性能維護與保障智能化、數字化技術已取得了很大的成就，未來仍然存在挑戰，如多源異構數據融合困難，小樣本故障數據制約模型泛化能力；深度學習“黑箱\"特性阻礙工程可信度；車輛-軌道-環境耦合振動機理復雜，全局優化難度大。

4）軌道車輛振動性能維護已進入智能化躍遷期，未來應融合物理先驗知識與深度學習，提升模型可解釋性，突破數字孿生全生命周期動態建模技術，實現虛實交互優化，應加強跨學科合作（機械、控制、信息、材料、運籌學）產學研用協同，共同推動該領域技術的持續創新與工程化應用。

參考文獻：

[1]肖乾，羅佳文，周生通，等.考慮彈性車體的軌道車輛轉 向架懸掛參數多目標優化設計[J].中國鐵道科學，2021， 42（2）： 125-133. XIAOQ，LUOJW， ZHOUST，et al.Multiobjective optimization design for suspension parametersof rail vehicle bogieconsidering elastic carbody[J].China Railway Science，2021，42（2）：125-133.

[2]周勁松，張偉，孫文靜，等.鐵道車輛彈性車體動力吸振 器減振分析[J].中國鐵道科學，2009，30（3）：86-90. ZHOUJS，ZHANGW，SUNWJ，etal.Vibrationreductionanalysis of the dynamic vibration absorber on the flexible carbody of railway vehicles[J].China Railway Science，2009，30（3）：86-90.

[3]宮島，周勁松，孫文靜，等.鐵道車輛彈性車體垂向運行 平穩性最優控制[J].同濟大學學報（自然科學版），2011， 39（3）： 416-420. GONG D， ZHOUJS，SUN WJ，et al. Vertical ride quality of flexible car body railway vehicles with optimal control[J].Journal of Tongji University （Natural Science）， 2011，39（3）： 416-420.

[4]周勁松.軌道車輛振動與控制[M].上海：復旦大學出版 社，2020： 2020. ZHOU J S.Vibration and control on railway vehicles[M]. Shanghai： Fudan Press，2020：2020.