重载机车轮轨黏着利用技术研究综述

何 静， 刘建华, 张昌凡

(1. 湖南工业大学 电气与信息工程学院，湖南 株洲 412007; 2. 湖南工业大学 交通工程学院，湖南 株洲 412007)

随着国家经济建设和西部大开发战略的深入推进，“货运重载”是继“客运高速”之后，成为我国铁路发展的又一大引擎[1]。作为铁路重载运输牵引动力的重要提供者，重载机车是指牵引质量达到或超过8 000 t、车辆轴重超27 t的货物运输列车，是实现中长距离大宗货物运输的最佳途径。《中国制造2025》技术路线图将研制30 t轴重的重载电力机车列为6个重点发展产品之一，并将研制适用30 t轴重重载需求的机车牵引控制系统列为重点突破的核心技术[2]。重载机车牵引动力的有效发挥依赖轮对和钢轨接触时形成的黏着力[3]，机车通过黏着作用获得并保持运行所需黏着力的本质就是通过控制牵引电机输出转矩调整轮轨蠕滑速度。

重载机车轮轨黏着利用技术从20世纪60年代起就得到了世界范围内的广泛关注，日本的黏着控制器已发展到第三代，尤其在高速铁路黏着控制领域有着领先的地位；采用微处理器的FAIVELEY AEF 83P型防空转/滑行装置已得到法国国营铁路的认可；美国通用公司研发的黏着控制系统可在轨面连续变化的情况下，将黏着系数从0.18提升到0.35，这意味着3台动车就能完成原来需要5台动车才能完成的工作[4]。国内黏着利用技术起步较晚，研究机构主要集中在西南交通大学、中国铁道科学研究院、中车株洲电力机车有限公司等高校和科研院所。目前，我国的黏着利用装置仍以引进为主，如ND5内燃机引用的是美国GE公司的黏着控制装置，8K型电力机车引用的是法国FAIVELEY公司的再黏着控制装置。在引进基础上，我国也自主研发了TFX1、SFH-2等黏着和防滑控制装置，如中车株洲电力机车有限公司发明了高黏着重载机车Co转向架，中车株洲电力机车研究所有限公司研制的黏着控制装置已成功应用在出口南非的20E型机车上。

确保黏着工作点(实时黏着系数)位于最大黏着系数附近是实现高性能黏着利用的基本条件，而最大黏着系数处于黏着特性稳定区和非稳定区的交界处，且随轮轨运行条件的变化而改变[5-6]，这给黏着利用的操作调整带来了困难，调整幅度过大易使系统进入空转/滑行等异常情况的非稳定区，过小又难以保证牵引性能的有效发挥。重载机车轮轨黏着利用的目的不仅要对实时黏着系数和最大黏着系数进行辨识，还要对运行过程中发生的空转/滑行等黏着故障进行检测，并通过控制机车牵引动力，使实时黏着系数尽量逼近最大黏着系数，以提升机车牵引性能。为此，本文在简要介绍轮轨黏着基本理论的基础上，着重从黏着系统建模、黏着系数辨识、黏着故障检测、黏着控制等方面对重载机车黏着利用技术进行综述。

1 黏着基本理论

黏着和蠕滑是机车轮轨接触过程的具体表象，机车的牵引和制动正是通过轮轨黏着实现的。

1.1 黏着和蠕滑

在机车重力作用下，轮对和钢轨接触部分会产生一定的弹性形变，使得接触区域变为由蠕滑区和黏着区组成的近似椭圆形接触斑，见图1[7-9]，其中蠕滑区内的车轮与钢轨会产生相对的微观滑动现象(即蠕滑)，黏着区内的车轮和钢轨相对静止。

vs=v-ωr

( 1 )

蠕滑的大小可用蠕滑率εs表示,即

( 2 )

1.2 黏着特性

列车的牵引与制动正是通过轮轨接触黏着实现的[7]，轮轨接触斑内的黏着可分为纵向黏着、横向黏着和自旋蠕滑力偶[10]。为简化起见，本文只讨论对机车前向牵引和制动起主要驱动作用的纵向黏着(以下简称黏着)，黏着系数μ理论上定义为轮轨间能传递的最大切向力FT和轮轨垂向力P之比[11]，即

( 3 )

而轮轨黏着系数是一个由多种因素决定的变数，随机车运行状态和轮轨条件的不同而变化。国内外学者通过黏着机理和试验等手段对黏着影响因素开展了一定的研究工作。吴兵等借助数值计算工具，系统讨论了机车速度、接触压力、轮径、轮轨表面粗糙度及不同“第三介质”等因素对黏着特性的影响，给出了黏着系数随轮轨状态的变化规律[3, 9]。这些成果为深入分析黏着特性提供了一定的理论支撑，但因难以实现机车运行状态和轮轨条件的有效检测，目前对黏着系数的计算大多仍基于经验关系式[12]

μ=c·e-a·vs-d·e-b·vs

( 4 )

式中：a、b、c、d分别为黏着系数计算参数，不同轮轨条件下的黏着系数计算参数选择各异，三种典型轨面下的黏着系数计算参数及黏着蠕滑特性曲线见图2[7, 13-14]。

由图2可以看出，尽管不同轨面状态的黏着-蠕滑特性曲线互不相同，但所有黏着-蠕滑特性曲线均表现出相同的曲线变化趋势特征，即每条曲线都具有一个黏着系数峰值点，即最大黏着系数μmax，其对应的蠕滑速度为最优蠕滑速度。最大黏着系数左侧区域为机车运行稳定区，右侧区域为机车运行空转区，稳定区内的黏着系数随牵引转矩的增加而增大，而空转区的黏着系数随牵引转矩的增加而减小[15]。

显然，机车实时黏着系数只有工作在最大黏着系数时，才能使传递的牵引力达到最大，而轮轨黏着特性由轮轨接触物理性质决定，且随着轮轨状况和蠕滑速度等因素不同，轮轨黏着特性表现出非线性、快时变等特征，即使同一地点的黏着特性也会因环境不同而发生显著变化，相应的最大黏着系数也会随之改变，这种复杂多变的轮轨条件限制了式( 4 )所示的经验公式在实际中的应用，给黏着系数辨识与控制带来了挑战。

2 黏着系统建模

轮轨黏着关系模型是黏着系数和蠕滑速度之间关系的形式化描述，是深入分析轮轨黏着曲线特性的有效手段，不仅可为实时黏着系数和最大黏着系数辨识提供理论依据和先验知识，还可为高性能黏着控制方法的设计提供关键支撑。轮轨黏着特性分析可从黏着机理建模和试验研究两方面进行综述。

在黏着机理模型建立方面，Carter在英国皇家学会上发表的轮轨黏着-蠕滑特性研究报告中，基于Hertzian原理和Coulomb理论将机车轮轨接触斑分为黏着区和蠕滑区，开启了轮轨黏着系统建模研究的序幕[16-18]。之后出现了Johnson-Vermeulen蠕滑率/力模型、Kalter模型、Polach黏着模型等[19-20]。Vo等为探讨轮轨黏着和温升之间关系，构建了三维柔性有限元模型[21]。肖乾等利用混合拉格朗日欧拉方法，建立了轮轨滚动接触三维有限元模型[22]。常崇义等基于随机拉格朗日欧拉有限元法建立轮轨稳态滚动接触三维弹性体有限元模型[23]。王文健等通过分析不同介质下的轮轨黏着特性，构建了轮轨黏着模型[24-26]。常崇义等较详细地述评了干燥条件和“第三介质”存在时的黏着蠕滑机理研究进展[27]。

在试验研究方面，中国铁道科学研究院高速轮轨关系实验室搭建的1∶1高速轮轨试验台，可完成高速状态下轮轨蠕滑黏着特性试验性能的研究[28]。西南交通大学牵引动力国家重点实验室利用1∶1整车滚振试验台分别研究了干燥和喷水状况下黏着系数和蠕滑速度之间的关系[29]。Ohyama采用大型尺寸试验装置研究了干燥和潮湿对黏着特性的影响[30]。王文健等结合轮轨黏着试验，并基于二维滚动接触理论和部分弹流润滑理论建立了轮轨黏着数值仿真模型，给出了水油介质下轮轨表面粗糙度对轮轨黏着系数的影响规律[31]。

考虑到物理样机仿真实验过程中的昂贵费用等因素，张昌凡等利用机械多体动力学仿真软件ADAMAS的可视化特点和Matlab强大的函数库功能，搭建了图3所示的转向架、机车车体、机车轮轨等机车关键部件模型[32]，并通过调整相应的参数，以模拟不同轮轨条件下的机车运行状态，进而通过ADAMS/Control模块，将仿真模型导入到Matlab/Simulink中，实现ADAMS与Matlab之间的数据传递。

然而，现有的模型大多是轮轨条件确定下的静态黏着系统模型，模型参数受轮轨条件影响较大，如水介质下的黏着系数比干态下降低了40%。而且，受雨、雪、落叶、砂土等复杂多变轮轨条件影响，轮轨黏着特性表现为强烈的不确定性和非线性，不利于现有模型在实际系统中的应用。

3 黏着系数辨识

轮轨实时黏着系数工作在最大黏着系数附近是牵引动力高性能利用的标志，而复杂多变的轮轨条件加大了黏着系数辨识难度，实时黏着系数和最大黏着系数辨识一直是黏着利用研究的热点问题之一。

3.1 实时黏着系数辨识

在数据分析方面，Castillo等利用神经网络估计ABS系统中的黏着系数[38]。Pichlík等基于机车模型和机车运行速度，提出基于卡尔曼滤波的黏着力计算方法[39]。Hussian等基于多级卡尔曼滤波和模糊逻辑，给出了轮轨黏着条件评价方法[40]。Cai等通过构造观测器实现黏着系数的感知[41-42]。Xu等利用机车车轮旋转速度和牵引转矩在线检测轮轨黏着系数[43]。在负载转矩不变时，通过构造扰动观测器实现黏着系数的估计也可获得较好的应用效果[44]。

尽管基于模型和基于数据的实时黏着系数辨识方法在特定环境与情况下的黏着系数辨识效果较好，但各有局限性: 如基于模型的观测器方法对噪声敏感较大，基于数据的神经网络方法又需要数据样本标签完备。而重载机车复杂作业环境的诸多特点导致重载机车运行数据的不完备性，且数据中存在的非高斯噪声等不确定扰动，增加了现有方法对实时黏着系数的辨识难度。

3.2 最大黏着系数辨识

黏着斜率法和蠕滑速度法是常见的最大黏着系数辨识方法。黏着斜率法主要通过计算黏着特性曲线的斜率来搜寻黏着峰值点，这实际上等价于黏着系统模型中黏着系数对蠕滑速度的导数，其值在黏着区为正、空转或滑行区为负，而在最大黏着系数点处为零。蠕滑速度法则是通过调节蠕滑速度，使其反复地增加和降低，自动搜寻最大黏着系数。然而，黏着斜率法是基于线性化机车牵引模型，其观察频率工作点范围很小；蠕滑速度法采用的蠕滑速度需将车轮速度和车体速度进行换算才能得到，由于尚不具备经济适用的车速测量方法，该法在实际应用时效果欠佳。

基于运行数据的最大黏着系数获取方法也得到了重视，Aguilar等提出基于神经网络的最大黏着系数获取方法[45]；何静等基于Kiencke黏着-蠕滑模型，构造了极大似然意义下的模型参数辨识框架，进而将参数估计问题转化为二次规划问题进行求解，建立了依据轮轨条件实时更新参数的最大黏着系数辨识模型[46]。

综上所述，无论是基于机理还是基于数据的实时黏着系数和最大黏着系数辨识方法，都很少考虑因轮轨条件多变引起黏着特性变化问题，且受地域跨度广、地形和线路复杂、运行范围宽等客观条件制约。不同轮轨条件的关键变量和参数都可能发生随机变化，这种复杂多变的运行环境使重载机车面临的轮轨条件更加恶劣，加大了黏着特性的精确分析难度。

4 黏着故障检测

重载机车运行过程中的空转、打滑等黏着故障时有发生，能有效检测出这些故障不仅可为黏着控制提供依据，还可为预防故障恶化提供支撑。黏着故障通常可分为两类，一是特征比较明显，利用常规手段较易检测出的显著故障; 二是特征不明显，利用常规手段难以检测，但经过时间累计可发展为显著故障的微小故障或故障隐患[47-49]。

4.1 显著黏着故障检测

机车运行时出现的空转、打滑等故障常伴随着列车某些状态的明显变化，如发生空转时的车轮转速大于正常车轮转速、车轮速度发生突变时加速度增大、空转时的定子实际电流和基准电流的差大于设定阈值等，这些可通过运行状态变化判断的故障均可表示为显著黏着故障。蠕滑率、速度差、加速度、加速度微分、电流差等判据方法是常见的显著黏着故障检测方法[50]。然而，这些方法的适用性受制于车轮速度、蠕滑速度等运行数据检测的精确程度，对噪声的抑制鲁棒性较差。

从机车运行数据统计规律出发，何静等针对车轮状态检测中存在的类间样本误分代价不等的问题，利用自适应变异粒子群算法优化支持向量机参数，提出了参数优化的轮轨黏着状态检测方法[7]。任强等利用观测器获得黏着系数与机车车轴速度，构造了基于模糊规则的机车运行路况识别系统[13]。陈哲明等利用改进的递归最小二乘算法预测黏着-蠕滑曲线斜率，以判断车轮处于黏着还是滑动状态[51]。Wang等通过集成多速率法和扩展卡尔曼滤波方法辨识电机牵引转矩，实现机车滑行故障监测[52]。Sichani等基于轮轨黏着模型，利用机车动态仿真环境，对故障引起的危害进行了分析[53]。Gou等提出了电力牵引传动系统的牵引变流器开环切换故障诊断方法[54]。Hussain等基于运行数据和先验知识，构造了基于卡尔曼滤波和模糊逻辑多级模型的黏着异常辨识方法[55]。鉴于滑模观测器较高的鲁棒性能，加之算法简单、实时性强、易于工程实现，在黏着异常检测方面也得到了应用[56]。

4.2 微小黏着故障检测

黏着微小故障通常包括不明显的微小故障和未发生的故障隐患，前者通常指故障已经发生但故障特征不明显，偏离正常运行状态程度较小，难以被检测的故障类型；后者是指机车仍处于正常运行状态，故障尚未发生，但依据系统运行状态的动态变化趋势，极有可能发展为故障的故障隐患。现有的微小故障检测方法主要包括基于解析模型的故障诊断方法、基于知识的故障诊断方法和基于数据的故障诊断方法[57- 59]。文成林等基于微小故障幅值低、易被未知扰动和噪声掩盖等特点，从数据驱动的角度对微小故障诊断方法进行了综述[60]。然而，目前关于黏着微小故障和故障隐患检测方面的研究成果还很少。

综上所述，现有的黏着故障检测方法大多是在故障特征比较显著的基础上进行的，而由于黏着微小故障特征表现为较强的隐蔽性，且处于正常运行工况但会演变为故障的故障隐患特征与正常运行状态特征差异较小，这种微小的差异使得反映故障信息的敏感特征往往被淹没在丰富的数据中，微小故障和故障隐患检测仍是黏着故障检测面临的一个难题。

5 黏着控制

提高机车黏着利用的方法除撒砂等物理方式改善轨面状态外，实施黏着控制则是最主要的途径。对于多牵引动力机车来说，不仅需要解决单轮对的黏着控制问题，更主要的是解决多轮对牵引系统之间的动力协调问题，以确保机车整体性能最优。

5.1 单轮对黏着控制

单轮对黏着控制可分为再黏着控制和优化黏着控制两类[61]，前者主要是对空转/滑行等黏着故障发生的轮对实施控制作用，使其进入再黏着状态；后者主要是使轮对工作在最大黏着点附近，最大化牵引性能。

对于再黏着控制而言，蠕滑速度和加速度信息集成的组合校正法、模型控制法等是常见的单轮对再黏着控制方法[15]。实际上，再黏着控制的目的就是为了确保黏着控制系统具有自调节功能，即具备容错控制性能。容错控制根据实现机理不同可分为被动容错和主动容错两种[62]。被动容错控制主要利用鲁棒控制技术设计固定增益控制参数，但当故障类型以及严重程度超出预定范围时，控制器性能劣化甚至失效。而主动容错控制则是基于自适应、故障诊断与分离等技术设计动态控制策略，以补偿故障造成的影响，能更大范围内提高系统容错性能[63]。迅速削减电机输出转矩是常见的再黏着容错控制方法[64-65]。Yuan等提出了基于非线性模型预测控制的机车滑行故障控制方法[66]。Lu等针对执行器故障，设计了自适应容错的高速列车黏着控制方法[50]。Song等基于虚拟参数方法，研究了高速列车牵引/制动故障下的容错自适应控制策略[67]。Jesussek等采用混合扩展卡尔曼滤波方法研究了非线性铁路车辆系统中的故障检测与隔离方法[68]。Gao等采用自组织神经网络研究了高速列车自适应故障容错控制方法[69]。

优化黏着控制的目的是使实时黏着系数工作点接近黏着特性曲线峰值点，常见的有蠕滑速度、黏着特性曲线斜率、智能优化控制等方法[70-73]。李宁洲等结合车轮加速度和黏着特性，通过调节牵引电机转矩，提出机车黏着智能模糊控制策略[74]。利用实时蠕滑速度和黏着系数的估算值对机车运行轨面进行辨识，获取当前轨面的最大黏着系数，进而采用PID控制方法对电机输出转矩进行调整，形成基于轨面辨识的黏着控制方法，具体实施框架见图5[15]。

5.2 多轮对黏着协同控制

对于多牵引系统提供动力的机车而言，单轮对黏着性能最优并不意味着机车运行状态整体性能最优。为确保某轮对发生故障的情况下，系统仍具有较好的整体牵引性能，就需要对其他轮对动力进行协调。协同容错就是针对某个轮对发生故障后，通过综合协调其他正常各轮对，实现整体黏着控制的目的[75]。作为协同控制的基础与核心，一致性在生物科学、计算机科学、控制工程等领域得到了广泛应用[76-78]。一致性是指各智能体某些状态变量趋于相同，多智能体协同不仅能替代单个复杂个体，而且能完成超出单个个体能力范围的任务[79-80]。而机车牵引系统是以多台牵引电机构成，在轴控模式下，各牵引电机都有独立逆变驱动装置，通过协同各独立驱动装置等措施消除或减少故障[81]。

为确保机车正常运行，多牵引系统动力协同的前提是确保机车总的牵引动力基本保持恒定。为此，张昌凡等创新性的首次提出总量协同一致的容错控制方法，以轴式(B0-B0)重载机车为例，搭建了含有8个牵引系统的总量协同一致容错控制方案，见图6[82- 83]。然后，通过将牵引总量恒定问题转化为误差系统在有限时间内的收敛问题，利用有限时间内的滑模控制技术，实现了机车牵引总量有效跟踪设定期望值的目标，但其研究成果缺少各牵引动力之间的优化分配方案。

综上所述，现有黏着控制器往往只关注提升单轮对黏着性能，较少考虑各牵引动力冗余之间的协调。目前，重载机车多采用6或8台牵引电机的集中动力驱动方式，若某轮对发生故障，易使动力过于集中于某一轮对，会因连锁效应引起其他发生打滑/空转等故障。另外，在起动阶段，因牵引质量大，重载机车要有相当大的牵引动力，并要求在包括轮轨关系极端恶劣环境的任何工况下，都要确保0～34 km/h 的起动速度，使黏着力达到最大给定包络线的95%以上[84]，从而给黏着利用提出了更高的要求。因此，相对分散动力机车，重载机车安全性能受黏着异常影响更大。这就需要充分研究考虑各轮对之间的关系，利用各轮对动力对机车总牵引力进行动态补偿，以提升重载机车整体性能。

6 研究展望

为实现重载机车轮轨黏着的高性能利用，国内外学者做了大量的工作。然而，由于机车轮轨运行条件的复杂性，复杂轮轨条件下的黏着系统建模、微小故障诊断以及多牵引动力协同分配问题仍是今后需要研究的重点。

(1) 复杂多变轮轨条件下的黏着系统建模问题: 由于我国地域跨度广、地形线路复杂、机车运行范围宽等客观复杂条件的制约，机车运行的轮轨轨面状态经常发生变化，不同的轮轨状态决定了不同的轮轨关系，这就需要研究复杂多变轮轨条件下的轮轨轨面关键参数感知、各工况内在关联性分析、多工况模型切换等方法，为实时黏着系数和最大黏着系数的精确辨识提供保障。

(2) 黏着微小故障在线检测: 重载机车运行环境的复杂多变性引起的轮轨黏着异常类型种类多样，故障检测不及时意味着车轮空转或滑行等故障已经发生。越早检测出黏着异常，越有助于实施主动容错控制，越利于确保机车安全可靠运行。由于反映微小故障和故障隐患的特征信息难以获取，黏着微小故障诊断和故障隐患仍是黏着故障检测亟待解决的关键问题。同时，该问题也是其他复杂系统故障诊断理论所面临的难点问题。

(3) 多牵引动力优化协调分配: 机车多牵引系统之间的强关联性，对机车牵引性能的整体提升提出了更高的要求，这不仅要求机车单轮对运行在较优的黏着状态，更需要在确保机车牵引动力总量基本不变的条件下，通过对各轮对冗余动力进行再分配，确保各轮对均运行在较优黏着状态。因此，确保机车各牵引动力总量一致下的牵引/制动力优化分配方法则成为机车运行性能整体提升需要解决的难点问题。

7 结束语

结合日益增长的铁路运输需求对机车牵引性能提出的更高要求，重载机车的黏着利用问题亟待突破和解决。本文在简要叙述黏着利用基本理论的基础上，着重阐述了机车黏着利用情况: 通过分析黏着系统模型的研究现状，阐述了实时黏着系数辨识和最大黏着系数辨识的研究状况；从显著黏着故障和微小黏着故障两方面，对机车黏着类型进行了区分，并说明了现有的黏着故障检测方法；从单轮对黏着性能提升、多轮对黏着系统协调等方面，对黏着控制问题进行了综述。最后，从复杂多变轮轨条件下的黏着系统建模、黏着微小故障在线检测、多牵引系统优化协调分配等方面，指出了机车高性能黏着利用亟待解决的问题。