高速动车组横向悬挂系统失效故障的诊断方法

胡晓依

(中国铁道科学研究院 铁道科学技术研究发展中心，北京　100081)

当前，基于车辆动力学模型的轨道车辆走行部动力学监测及故障诊断技术是轨道车辆动力学研究的一大热点[1]。文献[2—4]分别应用该技术研究了如何检测、诊断普速轨道车辆走行部二系横向减振器、抗蛇行减振器、二系空气弹簧、一系减振元件的失效故障，取得了令人比较满意的效果。文献[5]的研究也表明应用该技术检测、诊断高速动车组走行部一系垂向阻尼元件的失效故障也是可行的。但是关于利用该技术检测、诊断高速动车组横向悬挂系统失效故障的研究却鲜有文献报道。因此，本文根据高速动车组故障在线检测和诊断的要求，建立高速动车组横向悬挂系统动力学模型，开展高速动车组横向悬挂系统抗蛇行减振器和二系横向减振器元件失效故障诊断方法的研究。

1　高速动车组横向悬挂系统故障诊断用动力学模型

轨道车辆动力学建模一般是先将与车辆动力学性能相关的车辆零部件简化为具有各种质量、刚度和阻尼的元件，然后通过建立不同悬挂元件的刚度、阻尼、力和位移约束模型，将车体和构架、轮对等主要质量元件连接起来，再建立数学上可求解的微分方程组，最终通过求解这些方程组获得各种动力学响应数据，用于车辆动力学性能评估、故障监测及诊断等。精确的高速动车组车辆动力学建模需考虑多种非线性因素，其中影响车辆横向动力学行为的重要非线性因素之一是轮轨滚动接触所产生的蠕滑力，其次还有抗蛇行减振器等阻尼元件的非线性等。如果将这些影响因素全部考虑在内的话，那么求解高速动车组动力学响应的计算量非常大，而且不易于实现横向悬挂系统故障的在线检测和诊断。因此，本文采用文献[6]的建模方法，将轮轨接触简化为线性弹簧和阻尼，一系和二系减振器简化为弹簧和阻尼的并联组合，以CRH3型高速动车组为例，建立如图1所示的用于高速动车组横向悬挂系统失效故障诊断的半车动力学模型。图中：v为车速；Csay为抗蛇行减振器阻尼；Csy为二系横向减振器阻尼；Ksry为二系横向减振器节点等效刚度；Ksy为空气弹簧横向刚度；Ksarb为抗侧滚扭杆横向刚度；Kx为一系纵向刚度；Ky为一系钢簧横向刚度；Kray为转臂节点横向刚度；Ksarw为抗蛇行减振器节点等效摇头角刚度。

图1　高速动车组横向悬挂系统失效故障诊断用半车动力学模型

详细的CRH3型高速动车组动力学建模过程和推导出的动力学微分方程组参见文献[7]。

2　基于Kalman滤波技术故障诊断方法的适用性分析

2.1　诊断原理

自卡尔曼(Kalman)于1960年发表了用递归方法解决离散数据线性滤波问题的论文[8]以来，Kalman滤波技术逐渐成为基于模型的工业领域故障检测和诊断所采用的主要技术[1-6]。Kalman滤波技术[9]用反馈控制的方法估计过程状态，利用上一时刻的测量值估计当前时刻的状态变量，并利用当前时刻的测量值对状态变量进行修正。Kalman滤波技术用于普速和高速轨道车辆走行部动力学性能故障诊断的数学原理和具体操作步骤参见文献[2，7]；该技术用于高速动车组横向悬挂系统失效故障诊断的流程如图2所示。由图2可知：该诊断方法主要利用各种车辆动力学响应可测参数作为观测参数，实现对车辆动力学系统状态变量的最优估计，并利用状态估计过程中的新息(Innovation)对系统故障进行实时检测；与此同时，观测参数呈现出来的某些时、频域信号特征也可以作为故障检测的辅助信息以及故障定位的依据，从而提高诊断的准确性。

图2　高速动车组横向悬挂系统失效故障诊断流程图

2.2　仿真诊断算例

在前文建立的CRH3型高速动车组横向悬挂系统失效故障诊断用动力学模型的基础上，利用现有基于Kalman滤波技术的故障诊断方法对主要横向悬挂部件进行实时故障检测、诊断的仿真分析。参照文献[2]，以高速动车组前后轮对摇头角速度和横向振动加速度、车体和转向架的横向振动加速度、转向架的摇头角速度等7个传感器输出信号为观测参数，计算这些观测参数的综合新息加权平方和(WSSR)，通过比较故障前后WSSR的差异性实现对横向悬挂系统中二系横向减振器失效故障和抗蛇行减振器失效故障的检测和诊断。

仿真计算时，车速v=300 km·h-1，时间步长Δt=2.5 ms，采样频率f=400 Hz，仿真计算时间为20 s。假定前10 s内高速动车组状态正常，后10 s内高速动车组状态异常，存在横向悬挂系统部件故障。

仿真分析时，以如图3所示的我国高速铁路实测水平轨道不平顺作为系统输入进行分析。

分别针对1个抗蛇行减振器失效故障和1个二系横向减振器失效故障进行仿真诊断分析，且在仿真诊断分析时，通过将动力学模型中减振器失效元件的阻尼设为0，模拟减振器失效故障。

1个抗蛇行减振器失效故障和1个二系横向减振器失效故障仿真诊断分析的结果分别如图4和图5所示。由图4和图5可知：在以上2种仿真工况下，正常状态(前10 s)与失效故障状态(后10 s)时以上7个观测参数的综合WSSR均无明显区别，这说明采用现有基于Kalman滤波技术的故障诊断方法[7]，不能有效地检测出单个抗蛇行减振器失效故障和单个二系横向减振器失效故障。

图3　高速铁路实测轨道不平顺

图4抗蛇行减振器失效时采用现有诊断方法得到7个观测参数的综合WSSR

图5二系横向减振器失效时采用现有诊断方法得到7个观测参数的综合WSSR

由此可见，直接应用现有的基于Kalman滤波技术的故障诊断方法不能对高速动车组横向悬挂系统的减振器失效故障进行有效检测，该方法有待改进。

3　横向悬挂系统失效故障特征分析

分析现有基于Kalman滤波技术的故障诊断方法不能检测高速动车组横向悬挂系统减振器失效故障的原因，主要来自两方面。一方面，现有诊断方法是通过对7个不同位置或类型的传感器输出信号进行综合，形成最终的综合WSSR。而实际上这7个传感器的输出信号并不是都对抗蛇行减振器和二系横向减振器失效故障敏感。事实上，从理论上讲，轮对的横向振动加速度和摇头角速度信号对一系元件失效故障相对敏感，对二系元件失效故障相对不敏感；而转向架横向振动加速度、摇头角速度以及车体的横向振动加速度信号则反之，它们对二系元件失效故障更敏感。因此，选择转向架横向振动加速度、摇头角速度以及车体横向振动加速度这3个参数为观测参数，进行抗蛇行减振器和二系横向减振器失效故障的诊断，效果应更好。另一方面，现有诊断方法在进行故障检测和分析时，未加区分地选择了输出信号中全频段的所有信息进行综合，而未考虑不同元件失效故障所对应特征敏感频段的差异性，这必然会削弱该方法的有效性。

针对现有诊断方法的不足，以转向架横向振动加速度、摇头角速度以及车体横向振动加速度3个参数作为观测参数，分别分析它们对应抗蛇行减振器和二系横向减振器失效故障的频域信号特征。

3.1　抗蛇行减振器失效故障特征分析

将图3所示的实测轨道不平顺输入到图2所示的动力学模型中进行故障特征分析。

车速v=300 km·h-1时，1个抗蛇行减振器失效前后的转向架横向振动加速度、摇头角速度以及车体横向振动加速度信号在0～20 Hz内的幅值谱如图6所示。

图61个抗蛇行减振器失效前后各观测参数的幅值谱对比

由图6可知：抗蛇行减振器失效故障对0～10 Hz频率范围的转向架横向振动加速度和转向架摇头角速度信号的敏感性均比较大，因此该频段是抗蛇行减振器失效故障的特征频段。考虑到转向架摇头角速度信号的实际测量非常困难，因此，我们仅选择0～10 Hz频率范围的转向架横向振动加速度信号作为抗蛇行减振器失效故障的特征信息。

正常状态和1～3个抗蛇行减振器失效故障状态下转向架横向振动加速度信号幅值谱的对比如图7所示。

图7抗蛇行减振器正常和失效时转向架横向振动加速度幅值谱对比

由图7可知：随着故障严重程度的加深，故障特征越来越明显，即3个抗蛇行减振器失效时，转向架横向振动加速度幅值谱在0～10 Hz频段内的幅值变化较1个抗蛇行减振器失效时明显增加；由此可见，采用0～10 Hz频段内的转向架横向振动加速度信号作为抗蛇行减振器失效故障的特征信息是合理的。因此，可以依据这种故障特征进行高速动车组抗蛇行减振器失效故障的检测以及故障定位。

为了进一步验证该故障特征的敏感性，对故障前后的转向架横向振动加速度信号的有效值(RMS值)进行了计算，对比结果见表1。由表1可知：对于原始测量信号(0～40 Hz全频段)，1～3个抗蛇行减振器失效时转向架横向振动加速度信号的RMS值与正常状态时相比，分别增加6.89%,17.73%和91.7%；经0～10 Hz低通滤波处理后，其与正常状态时相比分别增加20.90%，63.00%和251.04%。以上分析结果表明，RMS值随着故障严重程度的加深呈现逐渐增大趋势，且通过对提取的故障特征信号进行滤波处理，可以明显增强测量的故障特征信号，利于故障检测和诊断。

表1抗蛇行减振器故障前后的转向架横向振动加速度有效值(RMS值)比较

抗蛇行减振器失效个数滤波前滤波后数值较正常状态增加比例/%数值较正常状态增加比例/%00.32930.159310.35206.890.192620.9020.387717.730.259663.0030.629291.700.5592251.04

3.2　二系横向减振器失效故障特征分析

车速v=300 km·h-1时，1个二系横向减振器失效前后的转向架横向振动加速度、摇头角速度以及车体横向振动加速度信号在正常状态和故障状态时0～10 Hz内的幅值谱如图8所示。

图81个二系横向减振器失效前后各观测参数的幅值谱对比

由图8可知：二系横向减振器故障对0～2 Hz频率范围的车体横向振动加速度较敏感，而对转向架横向振动加速度和摇头角速度不敏感，因此该频段是二系横向减振器失效故障的特征频段；故本文选择0～2 Hz频率范围的车体横向振动加速度信号作为二系横向减振器失效故障的特征信息。

正常状态和1～2个二系横向减振器失效故障状态下车体横向振动加速度幅值谱对比如图9所示。

由图9可知：随着故障严重程度的加深，故障特征越来越明显，即2个二系横向减振器失效时，车体横向振动加速度幅值谱在0～2 Hz频段内主频峰的幅值变化较正常状态和1个二系横向减振器失效时明显增加；比较正常和故障状态时的频谱分布还可知，无论是正常状态还是故障状态的频谱均存在谱峰位置基本相同(位于0.8～0.9 Hz之间)的主频峰，这表明该主频峰所对应的频率应为车辆系统的某一刚体模态的模态频率。该模态的阻尼比受二系横向减振器失效故障的影响比较明显，随着故障严重程度的加深，该模态的阻尼比呈减小趋势，从而导致频谱图中主频峰呈增大趋势。由以上分析可知，采用0～2 Hz频段内的车体横向振动加速度信号作为二系横向减振器失效故障的特征信息是合理的。

图9二系横向减振器正常和失效时转向架横向振动加速度幅值谱对比

为了进一步验证该故障特征的敏感性，对故障前后的车体横向振动加速度信号的有效值(RMS值)进行了计算，对比结果见表2。由表2可知：RMS值随着故障严重程度的加深而逐渐呈现增大趋势，且同样通过对提取的故障特征信号进行滤波处理，可以明显增强测量的故障特征信号，有助于早期故障的诊断。

表2二系横向减振器故障前后转向架横向振动加速度有效值(RMS值)比较

二系横向振器失效个数滤波前滤波后数值较正常状态增加比例/%数值较正常状态增加比例/%00.03910.026410.045215.600.041456.8220.0869122.250.0676156.06

4　基于Kalman滤波技术故障诊断方法的改进

由前文分析结果可知，0～10 Hz频段的转向架横向振动加速度信号对抗蛇行减振器失效故障较敏感，0～2 Hz频段的车体横向振动加速度信号对二系横向减振器失效故障较敏感。因此，为了提高故障诊断的有效性，应用基于Kalman滤波技术的故障诊断方法进行故障诊断时，不再采用原始7个观测参数的综合WSSR，而改进成采用经0～10 Hz滤波处理的转向架横向振动加速度和经0～2 Hz滤波处理的车体横向振动加速度的综合WSSR进行故障诊断，如果这2个参数的综合WSSR有突变，则诊断高速动车组横向悬挂系统存在抗蛇行减振器失效或二系横向减振器失效的故障。

按2.2节的仿真工况，重新分别对1个抗蛇行减振器失效故障和1个二系横向减振器失效故障进行仿真诊断分析。以经0～10 Hz滤波后的转向架横向振动加速度和经0～2 Hz滤波后的车体横向振动加速度为观测参数，重新计算转向架和车体的横向振动加速度的综合WSSR。

当车速v=300 km·h-1且1个抗蛇行减振器阻尼失效时，按改进方法仿真计算出的转向架和车体横向振动加速度的综合WSSR如图10所示。由图10可知：综合WSSR在有故障的10 s内比无故障的10 s内显著增大；由此可见，采用改进方法可以诊断出该速度级下1个抗蛇行减振器的失效故障。

图101个抗蛇行减振器失效时转向架和车体横向振动加速度的综合WSSR

对1个二系横向减振器失效故障按改进方法进行诊断的结果如图11所示。由图11可知：后10 s内的综合WSSR比前10 s内显著增大，由此可见，采用改进方法同样可以诊断出v=300 km·h-1速度级下1个二系横向减振器的失效故障。

图111个二系减振器失效时转向架和车体横向振动加速度的综合WSSR

进一步对1个以上的抗蛇行减振器和二系横向减振器的失效故障进行仿真诊断并研究分析发现，基于改进方法获得的正常和故障状态下综合WSSR的差异性更明显。限于篇幅，具体的仿真结果不再给出。

综上，改进方法提高了既有基于Kalman滤波技术的诊断方法的有效性，可用于高速动车组横向悬挂系统失效故障的诊断。

5　结　论

(1) 对于CRH3型高速动车组，抗蛇行减振器出现失效故障时转向架横向振动加速度较敏感，其敏感频段为0～10 Hz；二系横向减振器出现失效故障时车体横向振动加速度较敏感，其敏感频段为0～2 Hz。

(2) 相较于现有的基于Kalman滤波技术的诊断方法，采用经0～10 Hz滤波处理的转向架横向振动加速度和经0～2 Hz滤波处理的车体横向振动加速度信号的综合WSSR诊断故障，可以提高诊断的有效性。

(3) 仿真研究结果表明，对于CRH3型动车组，在车速为300 km·h-1时，采用本文提出的改进方法可以有效诊断出1个及以上二系横向减振器和抗蛇行减振器的失效故障。

[1]STEFANO Bruni, ROGER Goodall, MEI T X, et a1. Control and Monitoring for Railway Vehicle Dynamics [J]. Vehicle System Dynamics, 2007, 45(7): 743-779.

[2]LI Ping, ROGER Goodall. Model-Based Condition Monitoring for Railway Vehicle System[C]// Proceedings of the UKACC International Conference on Control. UK: University of Bath, 2004.

[3]李海涛, 王成国. 基于轨道车辆频域模型的二系垂向悬挂元件状态监测[J]. 铁道机车车辆, 2008, 28 (2): 1-5.

(LI Haitao, WANG Chengguo. Health Monitoring of the Secondary Vertical Suspension of the Rail Vehicle Based on Its Frequency Model[J]. Railway Locomotive & Car, 2008, 28 (2): 1-5. in Chinese)

[4]WEI Xiukun, JIA Limin, LIU Hai. A Comparative Study on Fault Detection Methods of Rail Vehicle Suspension Systems Based on Acceleration Measurements[J]. Vehicle System Dynamics, 2013, 51(5): 700-720.

[5]胡晓依，孙丽霞. 轨道车辆走行部一系垂向阻尼元件故障诊断[J]. 振动、测试与诊断, 2013, 33(增2): 148-151.

(HU Xiaoyi, SUN Lixia. Vibration Fault Diagnosis Method on the Primary Vertical Damping Elements for Rail Vehicle Running Gear[J]. Journal of Vibration, Measurement & Diagnosis, 2013, 33(Supplement 2): 148-151. in Chinese)

[6]LI Ping, ROGER Goodall, PAUL Weston，et al. Estimation of Railway Vehicle Suspension Parameters for Condition Monitoring[J]. Control Engineering Practice, 2007 (15): 43-55.

[7]胡晓依，成棣. 基于非平稳信号分析的高速列车走行部状态振动监测及诊断方法研究[R].北京：中国铁道科学研究院，2013: 113-117.

(HU Xiaoyi, CHENG Di. Research on Vibration Monitoring and Diagnosis Method of High Speed Train Running Gear Based on Non-Stationary Signal Analysis[R]. Beijing: China Academy of Railway Sciences, 2013: 113-117. in Chinese)

[8]KALMAN R E. A New Approach to Linear Filtering and Prediction Problems[J]. Transaction of the ASME-Journal of Basic Engineering, 1960(3): 35-45.

[9]GREG Welch, GARY Bishop. An Introduction to the Kalman Filter[EB/OL].[s.l.]: Department of Computer Science, University of North Carolina, 2001.http://www.cs.unc.edu/～{welch,gb}

[10]李海涛，王成国，许跃生，等.基于EEMD的轨道一车辆系统垂向动力学的时频分析[J].中国铁道科学，2007，28(5)：24-30.

(LI Haitao，WANG Chengguo，XU Yuesheng，et al.Time-Frequency Response Analysis of the Vertical Dynamics of Track-Vehicle Systems Based on EEMD[J].China Railway Science，2007，28(5)：24-30.in Chinese)

[11]侯茂锐,常崇义,胡晓依,等. 高速列车横向稳定性仿真分析[J]. 中国铁道科学, 2012, 33(增): 25-32.

(HOU Maorui，CHANG Chongyi，HU Xiaoyi，et al.Simulation Analysis on the Lateral Stability of High-Speed Train[J].China Railway Science，2012，33(Supplement)：25-32.in Chinese)