背景介紹

軌道交通因?yàn)槠浒踩?、快速、?zhǔn)時的特點(diǎn)為現(xiàn)代社會提供著不可或缺的出行及貨運(yùn)方式。從綠皮到空調(diào)，從120km到300km，從有節(jié)奏的軌縫沖擊到平滑舒適，每一次的技術(shù)革新，每一次的提速都為我們出行提供耳目一新的感受。在我們享受便利出行的同時，安全無小事，再小的故障也會引起人員傷亡的重大事故。為保障軌道交通的安全準(zhǔn)確運(yùn)行，將PHM技術(shù)應(yīng)用于軌道交通的各個子系統(tǒng)，全面保障設(shè)備正常運(yùn)行勢在必行。

UK RSSB的報告指出，近年來軌道交通故障大部分源于信號系統(tǒng)以及軌旁系統(tǒng)[1]。由于技術(shù)進(jìn)步，重大故障、例如脫軌等鮮有發(fā)生，但是由于軌旁設(shè)備或者信號系統(tǒng)故障造成的列車延誤卻常有發(fā)生。在如今這個效率至上并高速運(yùn)轉(zhuǎn)的年代，一時一刻的延遲都會造成可觀的損失。

轉(zhuǎn)轍器，用于幫助列車換軌，一直以來都擁有很高的設(shè)計(jì)可靠性。但是由于工作環(huán)境惡劣、沖擊大、或其他原因造成故障，一旦發(fā)生，就會直接導(dǎo)致重大事故。例如列車脫軌，追尾等。在2002年P(guān)otters Bar[2]和2007年Grarigg脫軌事故之后，對軌旁設(shè)備的在線監(jiān)控與故障診斷被認(rèn)為是提高系統(tǒng)安全性的重要手段。將PHM應(yīng)用于軌道交通也從那時起受到了更大重視。

圖1 Patters Bar 脫軌事故和轉(zhuǎn)轍器示例

目標(biāo)

對轉(zhuǎn)轍器進(jìn)行遠(yuǎn)程監(jiān)控，通過監(jiān)控?cái)?shù)據(jù)準(zhǔn)確診斷早期故障并完成故障定位，為軌旁設(shè)備整體維修維護(hù)提供決策支持，最終達(dá)到降低系統(tǒng)風(fēng)險，并降低系統(tǒng)維修維護(hù)費(fèi)用的目的，從而達(dá)到安全性和經(jīng)濟(jì)性的平衡點(diǎn)。

轉(zhuǎn)轍器由幾大核心部件組成，包括電機(jī)、定位桿、固定軌、移動軌、驅(qū)動桿等，精確的故障診斷和定位有助于維修維護(hù)團(tuán)隊(duì)準(zhǔn)確及時的解決問題。常見的故障模式包括不對準(zhǔn)、摩擦力上升、有異物等。

圖2轉(zhuǎn)轍器示例[3]

對關(guān)鍵設(shè)備的早期故障診斷及故障定位，核心在于發(fā)現(xiàn)或者創(chuàng)造相應(yīng)的故障特征。故障特征可以是原始信號，也可以是由原始信號加工得到。主要運(yùn)用技術(shù)包括數(shù)字信號處理、特征選擇、降維、時間序列分析、以及多變量狀態(tài)估計(jì)等。在實(shí)際系統(tǒng)構(gòu)架當(dāng)中，各種技術(shù)需要搭配使用，相輔相成，最終實(shí)現(xiàn)目的。

如下圖所示，從原始信號中，例如電機(jī)電壓、電流、扭矩等，得到的特征應(yīng)該在設(shè)備性能發(fā)生衰退時呈現(xiàn)出逐漸偏移的趨勢，并且偏移的速率與衰退的速率成正比。當(dāng)然，這是理想狀態(tài)下的完美特征，也是無數(shù)工業(yè)數(shù)據(jù)分析工作者的完美伴侶。在通常情況下，受制于原始信號的完整性，以及工作環(huán)境的變化等，這樣的完美伴侶總是如“戈多”一樣的可遇而不可求。

圖3轉(zhuǎn)轍器示例[3]

在與歐洲某知名軌道交通設(shè)備廠商的合作當(dāng)中，我們開發(fā)了針對轉(zhuǎn)轍器不同工況下的在線監(jiān)測與故障診斷系統(tǒng)，并且與市面上已有的商業(yè)軟件以及科研成果做了大量比對認(rèn)證，所開發(fā)系統(tǒng)具有技術(shù)領(lǐng)先性，可以準(zhǔn)確的識別17種不同的失效模式（包括不同的失效級別），系統(tǒng)輸出結(jié)果有較高的準(zhǔn)確性和穩(wěn)定性。 所使用方法完全依靠電機(jī)的監(jiān)測參數(shù)診斷設(shè)備故障，為遠(yuǎn)程監(jiān)控提供可行的解決方案。所使用方法包括：基于特征的方法和基于自相關(guān)模型的方法。詳細(xì)內(nèi)容可參照[4]。

圖4測試臺實(shí)物

轉(zhuǎn)轍器實(shí)物試驗(yàn)臺安放于一個綜合試驗(yàn)箱當(dāng)中，在實(shí)際測試時還引入了溫度和濕度變化模擬設(shè)備在不同自然環(huán)境的實(shí)際使用情況。在分析中發(fā)現(xiàn)，溫度對設(shè)備運(yùn)行狀態(tài)影響較大，在最終的模型中引入歸一化機(jī)制，降低溫度對最終結(jié)果的影響。

圖5原始信號示例，有功功率

所采集原始信號均來自于驅(qū)動電機(jī)，這樣的非侵入式檢測有助于未來實(shí)施遠(yuǎn)程監(jiān)測，同時可以有效地降低實(shí)施成本。

圖6自相關(guān)神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)示例

自相關(guān)神經(jīng)元網(wǎng)絡(luò)的方法多被用來基于多變量檢測單變量的異常，最早被用于核電站核島中傳感器的衰退檢測。在本案例中被用來評價往復(fù)信號的異常狀態(tài)及區(qū)域并與不同的故障模式對應(yīng)。

參考文獻(xiàn)

[1]Rail Safety and Standards Board. (2012). Annual Safety Performance Report.

[2]HSE Potters Bar Investigation Board. (2003). Train Derailment at Potters Bar 10May 2002, (May), 87.

[3Oyebande, B. O., & Renfrew, A. C. (2002). Condition monitoring of railwayelectric point machines. Electric Power Applications, IEE Proceedings, 149(6),465–473.

[4Jin, W., Shi, Z., Siegel, D., Dersin, P., Douziech, C., Pugnaloni, M., … Lee,J. (2015). Development and Evaluation of Health Monitoring Techniques forRailway Point Machines.