基于軸溫動態(tài)閾值的列車軸承故障預(yù)測

劉光俊 牟琳 張珍文

摘 要：隨著我國高鐵的飛速發(fā)展，列車運行安全面臨日益嚴峻的挑戰(zhàn)，列車轉(zhuǎn)向架作為列車核心部件不允許出現(xiàn)問題，因此對列車轉(zhuǎn)向架軸承故障預(yù)測具有十分重大的意義。本文研究基于軸溫動態(tài)閾值的列車軸承故障預(yù)測，提醒列車相關(guān)人員進行關(guān)注并采取處置措施，保障列車運行安全。

關(guān)鍵詞：軸溫；動車組；動態(tài)閾值；故障預(yù)測

中圖分類號：TH133.33 文獻標志碼：A

0 引言

在動車和高鐵的運行過程中，列車轉(zhuǎn)向架軸承一旦出現(xiàn)故障將導(dǎo)致重大交通事故，因此對列車轉(zhuǎn)向架軸承故障預(yù)測具有十分重大的意義。然而，目前車地系統(tǒng)對列車轉(zhuǎn)向架軸承狀態(tài)的監(jiān)測主要來自各軸溫傳感器。因此，如何通過車地系統(tǒng)發(fā)送的軸溫數(shù)據(jù)來判斷軸承的健康狀態(tài)并預(yù)測列車故障成為一個亟待解決的重大課題。

目前采用的故障預(yù)測依據(jù)：（1）軸溫差過大。（2）軸溫溫升斜率過大。這兩種方法都是通過使用人的經(jīng)驗總結(jié)歸納出來的判別物理量來進行故障預(yù)測的，有很大的局限性。

好處：物理意義明確，便于理解。

壞處：首先，不能充分的考慮多種影響因素，例如列車的運行狀態(tài)（速度、加速度），外溫（環(huán)境溫度），僅僅考慮了幾個類似物理量的變化的一致性特征。其次，僅僅考慮了簡單時序特性，軸溫的變化是一個積累的過程，不僅與當前時刻的各種因素相關(guān)，而且與之前一段時間內(nèi)的各種影響因素相關(guān)。

然而列車實際運行過程中，這些因素與軸溫有著很強的相關(guān)性。因此故障預(yù)測模型的建立必須充分地考慮到這些因素。從圖1可以看出，軸溫與外界環(huán)境溫度無論是線性和非線性相關(guān)性都比較強。

綜上所述，由于軸溫的影響外界溫度（與季節(jié)、運行線路有關(guān)）、速度、加速度等都是隨著時間動態(tài)的變化的，因此我們認為軸溫的合理范圍也是隨時間動態(tài)變化的，而非一個固定的值。如何建立一個隨時間變化的動態(tài)閾值正是我們要解決的根本問題。

1 解決方案與原理

1.1 一部件一模型

模型是針對部件的，某輛列車的某個部件訓(xùn)練一個模型。舉例來說，A列車1位軸端溫度和B列車的1位軸端溫度對應(yīng)的模型就是不一樣的。A列車的1位軸端溫度和2位軸端溫度以及1軸小齒輪箱車輪側(cè)軸承溫度所對應(yīng)的模型也是不一樣的。但僅僅是模型的參數(shù)不同，模型的構(gòu)建原理是一樣的。

1.2 模型更新頻率

為了使模型適應(yīng)大環(huán)境的變化，大環(huán)境包括季節(jié)、運行線路的調(diào)整等。模型可以進行定期更新，更新頻率可以為每周或者每月。模型的定期更新是為了彌補長期訓(xùn)練數(shù)據(jù)的缺失。同時也是為了適應(yīng)特定列車號列車運行線路的調(diào)整。

彌補長期訓(xùn)練數(shù)據(jù)的缺失，目前我們的大數(shù)據(jù)系統(tǒng)中僅保留了3個月解析后的數(shù)據(jù)，勉強可以滿足訓(xùn)練數(shù)據(jù)量的要求。但是不能反映出列車軸溫的季節(jié)性的變化。因此構(gòu)建的模型自然也無法學(xué)習(xí)到季節(jié)變化的因素。但是我們可以通過每周更新模型，使得模型能夠反映近期環(huán)境溫度下的規(guī)律。

適應(yīng)特定列車號運行線路的調(diào)整。每趟列車的列車號是固定的，一輛列車通常需要跑多條線路，但是相對一段時期內(nèi)是不變的。因此，模型可以學(xué)習(xí)到列車在多條線路上運行的狀態(tài)信息。如果運行線路發(fā)生重大調(diào)整，就需要重新訓(xùn)練模型。定期更新模型也是為了適應(yīng)這種線路調(diào)整的變化。

1.3 動態(tài)閾值的計算

以1位軸端溫度的動態(tài)閾值的計算為例。

1.3.1 訓(xùn)練階段

訓(xùn)練輸入：一段時間范圍內(nèi)（30min）列車運行狀態(tài)（速度、加速度）、環(huán)境因素（戶外溫度）、2-7軸端時間范圍初始和結(jié)束的軸溫值。訓(xùn)練數(shù)據(jù)需要包括盡可能多的數(shù)據(jù)，至少包括一個月內(nèi)的數(shù)據(jù)，越長越好，學(xué)習(xí)到的環(huán)境因素越復(fù)雜。

回歸量：1位軸端溫度。

訓(xùn)練輸出：模型文件（二進制文件），保存了模型的結(jié)構(gòu)以及模型系數(shù)。

1.3.2 動態(tài)閾值計算

動態(tài)閾值的計算可以是實時的，也可以是事后的。根據(jù)已經(jīng)訓(xùn)練好的模型計算動態(tài)閾值的速度是可以很快達到實時的計算要求。但是由于故障的預(yù)測是以天為單位的，因此也可以在列車入庫后進行。

輸入量：當天運行數(shù)據(jù)，包括列車狀態(tài)（速度、加速度）、環(huán)境溫度（戶外溫度）、2-7軸端時間范圍初始和結(jié)束的軸溫值。與訓(xùn)練數(shù)據(jù)的組織結(jié)構(gòu)是相同的。

輸出量：1位軸端溫度的預(yù)測值。

動態(tài)閾值=預(yù)測值+預(yù)測誤差精度。

當實際測量的溫度高于動態(tài)閾值時，則預(yù)警。

2 實驗成果

使用了A列車某段時間共計66915條數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。對某段時間共計13065條數(shù)據(jù)做預(yù)測，得到圖2實驗結(jié)果。

對實驗結(jié)果進行評價，如圖3所示，可以看出真實值和預(yù)測值的R2分數(shù)達到0.99，說明預(yù)測值很好地詮釋了真實值。誤差均值為-0.04接近0均值符合預(yù)期，均方根誤差rmse為0.65，預(yù)測誤差在1℃以內(nèi)的數(shù)據(jù)量占總數(shù)據(jù)量的89.5%，預(yù)測誤差在2℃以內(nèi)的占比99.5%，全部數(shù)據(jù)的誤差在3℃以內(nèi)，其中最大預(yù)測誤差為2.75℃。我們認為已經(jīng)達到了工業(yè)應(yīng)用的標準。

參考文獻

[1]趙澤斌.高速動車組軸溫自動控制分析[C]//.中國智能交通年會，2013.