故障预测与健康管理技术在动车组中的应用

邵俊捷　邓　洋　于　闯

（中车长春轨道客车股份有限公司工程研究中心，130062，长春∥第一作者，工程师）

近年来，针对动车组维护策略优化的研究日益受到重视，其中故障预测与健康管理技术以及基于状态的维修是目前研究的重点。借助于先进的传感器技术，使得复杂设备大量的运行数据能够被采集、传输并存储起来，而使用这些数据用于指导设备的维修和制定先进的维修策略是当前维修工作的重要研究内容。

我国高铁的维修模式正由传统“计划修”向“状态修”转变。在有数据证明设备可能会发生故障的时候对设备进行及时维修能够提高维修效率、节约维修成本、增加设备的安全可靠性。进行维修策略的制定和改进，需要准确把握设备的故障时间点，进行健康状态评估，因此，故障预测是动车组维修策略优化的核心研究内容。

故障预测与健康管理（prognostics and health managemengt，PHM）技术是在美国国防部和美国国家航空航天局的大力推动下成熟起来的，主要包括对设备的状态监控和对维修活动的智能决策，其发展过程经历可靠性分析、故障分析与预测、综合诊断与系统监控、综合系统故障预测与健康管理5个阶段。经过近半个世纪的技术发展和应用实践，PHM技术在军事领域得到了广泛的应用并且成果显著，对于提升设备的安全可靠性、提高设备的可用率、降低维修成本、推进修程修制完善有着非常积极和重要的作用。

目前，航空领域PHM技术发展已较为成熟，并进入了实用化阶段。国内民航业也初步开发了PHM系统，对飞机在线监控产生的海量报文信息进行存储、解析与分析，建立了针对飞机的健康分析模型与故障预测模型。

在轨道交通行业，国外西门子、里卡多、克诺尔等公司均建立了安全状态诊断和预测系统，对提高轨道交通运营可靠性，提高维修维护效率、降低维修维护成本起到了关键作用。随着我国高铁事业的迅速发展，上线运营动车组数量逐年增多，动车组的设计、生产、运用、维修等品质受到全行业的高度重视。如何提高动车组运行安全性、可靠性，降低运维成本，提升服务品质，已成为我国高铁事业可持续发展和“走出去”战略的重要课题。

1　PHM在动车组中的应用规划

动车组PHM技术的应用是一项系统工程，其技术架构主要由3套网络系统组成，包括车载PHM系统、车地PHM系统、地面PHM系统。

1.1　技术架构

动车组PHM技术架构如图1所示。

1.2　监测对象选择

图1　动车组PHM技术架构

实现产品故障预测与健康管理的前提是获取装备的状态信息。由于动车组由多个系统组成，系统又包含多个子系统，子系统又包含很多功能件，且在实现产品功能上这些功能件所承担的作用也是不同的，因此，实施状态监测过程中不可能对所有的部件进行检测，也没有必要，只需要对装备性能以及产品安全可靠性影响较大的部件进行状态监测即可满足监控的要求。

影响PHM系统监测对象选择的因素多种多样，主要有以下3个方面的因素：①部件的重要等级；②部件的故障率；③状态的演变规律。

1.3　状态监测传感器选择和加装

获取直接表征装备故障/健康状态的参数指标，或用于间接推理判断装备故障/健康状态的参数信息，是PHM系统工作的数据基础，其中传感器技术的应用将直接影响PHM系统的效果。通过对动车组关键部件故障模式、失效机理、状态特征参数进行分析，确认关键部件是否需要加装传感器和系统待检测的参数，同时选用传感器的类型，在不影响设备的功能的前提下，合理选用传感器的安放位置，最后确认传感器的精度和带宽。

2　动车组车载PHM系统

感知从零部件级到子系统级再到整车的相关信息，完成实时数据存储、分析、挖掘、特征提取。根据处理后的状态特征，车载PHM系统基于已建立的故障模型、预测模型，实现对车辆状态的可视化，包括状态监控、故障诊断、故障预警、故障预测和运维支持，同时将车载数据处理单元生成的诊断、评估、预测等信息反馈至地面PHM系统，便于数据分析团队进一步处理（见图2）。

3　动车组车地数据传输系统

可采用卫星或者2G/3G/4G网络，进行车载PHM系统与地面PHM系统的实时数据交互。采用WIFI、光纤等方式进行车载PHM系统向地面PHM系统之间的非实时数据传输。

图2　动车组车载PHM系统架构

4　动车组地面PHM系统

接收来自车载PHM系统实时数据和非实时数据，结合日常检修、高级修等运维数据，以及工厂内部制造和设计数据、仿真试验数据，进行整理、转换、存储之后，基于构建的性能模型对实时数据流进行处理，实现从列车集群→系统集群→关键零部件集群的故障预测与健康管理。同时应用数据分析、特征值提取、数据挖掘对非实时数据进行知识挖掘，优化智能镜像模型性能。地面PHM系统的应用平台则基于上述分析结果进行状态监测、故障诊断、故障分析、故障预警、故障预测、健康评估、运维决策等工作，进行状态展示、决策支持，并向用户和主机厂/制造商进行信息推送。

5　应用平台

应用平台由车载应用平台和地面应用平台组成，由状态监控、故障诊断、健康评估、故障预测、决策支持等几大功能模块组成。

（1）状态监控：实现对关键部件或系统自身的故障检测和状态监控，并将故障、状态数据通过显示终端进行监控。

（2）故障诊断：根据专家系统故障逻辑树，通过贝叶斯网络算法求取特定故障现象时各个可能原因的概率排序，给出一个推荐的排故方案，最终定位故障原因。

（3）健康评估：是应用平台的一项重要功能，从采集数据中提取健康特征进行融合处理，对关键系统、关键部件的健康状态做出正确评估，是实施故障预测和维修决策的基础。

（4）故障预测：综合利用动车组监控数据、环境数据、运用检修数据、人工录入数据等，借助故障先兆和失效机理的诊断与预测方法，利用人工神经网络建立关键部件预测模型。通过监测关键部件性能参数来评估动车组的性能并预测故障。

（5）决策支持：通过故障诊断、健康评估、故障预测等功能，为动车组的维修计划、修程修制、安全库存提供决策支持建议。是降低维护保养费用、缩短维护保养时间、提高维护保养效率的关键。

6　系统验证

PHM系统验证是设计与应用的关键环节，其作用是准确实现设计需求，并在实际环境中满足使用需求。PHM系统性能是否满足规定需求，需要同后期的验证和评估不断进行改进和完善。从而不断提高PHM系统的开发质量、经济效益和使用可靠性。

7　结语

随着动车组故障预测与健康管理技术的深入研究，将推动制造业的商业模式由生产型向生产服务型转变，同时延伸服务链条，推动营销模式的变革，实现产品、技术、标准、服务一体化，拓展服务产品的国际化市场。

［1］常振臣，张海峰.动车组PHM技术应用现状及展望［J］.电力机车与城轨车辆，2016（1）：1.

［2］曾声奎.故障预测与健康管理（PHM）技术的现状与发展［J］.航空学报，2005（5）：15.

［3］孙博.故障预测与健康管理系统研究和应用现状综述［J］.系统工程与电子技术，2007（10）：1762.

［4］李俊杰，王宏伟.航空装备视情维修决策研究［J］.飞机设计，2011（5）：77.

［5］李杰.从大数据到智能制造［M］.上海：上海交通大学出版社，2016.