直线电机气隙预警技术在广州地铁5号线的应用

何 晔 张爱明

(广州地铁集团有限公司运营事业总部， 510380， 广州//第一作者， 教授级高级工程师)

1 直线电机气隙在线监测系统研究概述

1.1 项目背景

图1 直线电机结构示意图

由于直线电机牵引运载系统的特殊性，直线电机与感应板之间的垂直方向最大存在50 kN的相互吸力。在交变吸力的作用下，直线电机出现垂向吊杆橡胶关节老化，以及垂向吊杆断裂的现象，从而引起直线电机下沉，导致多起直线电机与感应板之间的接触碰撞发生，造成直线电机和感应板之间损伤，影响地铁线路的正常运营。在我国广州地铁4号线首次引进并成功运用了日本的直线电机牵引运载系统。为了实时在线监测气隙的变化，以及实现系统对超出限值自动报警，广州地铁集团有限公司与我国相关企业共同攻关，相继研发了广州地铁4、5、6号线直线电机气隙在线监测系统。

1.2 状态监测与状态预判

广州地铁5、6号线的直线电机气隙在线监测系统安装在正线上，可实现对正线运营列车电机状态的监测预警。但通常情况下，当直线电机气隙在线监测系统能够检测到异常时，设备已经处于故障状态了。因此，能否在故障出现前预判出故障的苗头，就需要研制直线电机下沉预警子系统。这样，在故障真正出现前，便可预判出故障的苗头，这对于维护检修的意义更加重大。

1.3 直线电机气隙预警子系统的研制意义

直线电机气隙在线监测系统采集到了大量的直线电机状态历史数据，并将数据存储在数据库中，通过进行大数据分析和挖掘，可以找出直线电机下沉的趋势，实现对直线电机故障的预判。

基于上述原因，广州地铁5、6号线联合我国有经验的企业，对直线电机气隙预警子系统进行攻关研究，直线电机气隙预警子系统孕育而生。

直线电机气隙预警子系统可以准确地发现列车直线电机的故障隐患，能为列车直线电机预防性检修和维护提供技术依据。

2 直线电机气隙在线监测系统构成

2.1 原理

直线电机气隙在线监测系统主要由轨行区模块、轨边机房模块、数据中心模块及相关传输网络组成，系统的结构示意图如图2所示。

图2 直线电机气隙在线监测系统结构示意图

轨行区模块主要由车轮传感器、激光传感器、车号识别装置及相关的防护装置组成，负责检查来车、离车，以及采集电机数据；轨边机房模块主要由信号处理模块、数据采集计算机、光线传输设备、配电系统等组成，负责数据的前端处理，并将处理后的数据传输到数据处理中心；数据中心模块由数据库服务器、用户操作终端、声光报警装置等组成，负责数据的存储、分析、预警、Web发布等工作。

2.2 直线电机气隙预警子系统的构成

广州地铁5、6号线的直线电机气隙在线监测系统将所有过车的数据均存储在DCC的中心数据库服务器中。直线电机气隙预警子系统直接利用数据库中存储的海量数据，进行大数据综合分析，得出气隙下沉的趋势，并对预警可能超出阈值的电机进行预警。直线电机气隙预警子系统的工作原理如图3所示。

图3 直线电机预警子系统工作原理示意图

直线电机预警子系统根据每台电机气隙的历史数据，分析判断电机下沉的趋势。在确定下沉趋势的基础上，根据列车运行的经验，进行阈值设定，并对超过阈值的电机进行预警。

3 直线电机气隙预警分析和处理

3.1 分析目标的确定

直线电机呈长方体形状，由4根吊杆固定在转向架上。电机位置、吊架与波形的对照如图4所示。

由图4可知， ②、③位置为电机吊杆与电机的固定位置，①、④位置为电机的两个端头。通过对电机进行结构分析可得：

(1) ②、③位置之间的电机体检测数据的变化受电机和感应板之间的吸力、车体震动、电机体的翘曲变形、车轮不圆等因素的影响较大，且变化规律比较复杂，无法从中得到电机下沉的信息。

(2) ①、②位置之间，以及③、④位置之间电机体的检测数据的变化受②、③位置之间电机体变化的影响，同时亦受车体震动、车轮不圆等因素的影响。其变化幅度虽然不大，但是变化规律比较复杂，无法从中得到电机下沉的信息。

(3) ②、③位置是电机吊杆的安装位置，它的变化可以很好地反映电机的下沉情况。

从上述分析可知，选择②、③位置作为电机下沉趋势预警的分析目标位置是最佳的选择。

图4 直线电机相关结构与波形图的对照示意图

3.2 数据的预处理

通过大数据综合分析得到的数据质量直接影响到分析结果的正确性。因此，在做数据的综合分析前，应对目标分析数据进行预处理，由此开发数据预处理模块。

通过对直线电机在线监测系统的组成进行分析，得到影响数据质量的因素为：①由传感器本身的测量不确定性造成的差异；②由传感器周边的强电磁干扰造成的数据差异；③由车体震动造成的气隙值与震动位移值之间的叠加；④由轮轨关系导致的检测值波动；⑤由综合因素造成的测量毛刺。

针对第一条因素，可选用高品质的传感器，其影响因素在大数据综合分析中可忽略不计；针对第二条因素，通过联合公司专利技术的电磁防护措施，可基本消除电磁干扰的影响，其造成的差异亦可忽略不计；针对第三条因素，由于车体和转向架之间存在二系弹簧，其相互作用比较复杂，同时考虑直线电机安装在转向架上，车体震动对其影响有限，在后续分析中应进一步关注其影响；针对第四条因素，由其带来的影响实实在在地叠加在了气隙检测值当中，因此后续分析处理中可以考虑如何补偿的问题；针对第五条因素，由其造成的毛刺需要进行剔除。

根据以上分析，研发团队研发了直线电机预警子系统的数据预处理模块，为后续的大数据综合分析提供了高质量的分析数据。

3.3 气隙数据综合分析

3.3.1 气隙数据的补偿

针对3.2节提到的第4个影响因素，由其造成的气隙数据差异，可能对数据分析预警的结果造成影响，因此需要研究其补偿方法。

轮轨关系正常的检测数据和异常磨耗轮的检测数据对比如图5所示。

由图5中的波形对比可知，由异常磨耗轮造成的数据差异相对较大，如果不进行处理，将会对大数据综合分析带来影响。

根据大量数据的分析研究，做出如下对策：

(1) 分析目标数据样本的差异大小，对于差异比较小的数据样本，可以考虑不做补偿。

(2) 对于差异较大的目标数据样本，分析其规律，建立动态特征模型库，并对分析数据样本进行模型匹配，得出需要的补偿值进行补偿。

a) 轮轨关系正常的检测数据

b) 异常磨耗轮的检测数据

通过上述对策的实施，对于大多数正常的目标数据和差异小的目标数据，不需要进行处理，大大减小了处理的压力。数据模型及补偿算法通过Matlab软件数据仿真和实际运行测试，完全能够满足综合分析的需要。

从另外一个角度而言，直线电机在线监测系统还可以间接地测量反应车轮的异常磨耗情况。

3.3.2 数据的综合分析模型

对目标数据样本做处理后，就可以进行数据的综合分析，从而得到电机下沉的趋势。综合分析的考虑因素和原理如下：

(1) 将综合分析的目的设定为：得到最近电机下沉的趋势，对于趋势持续下去，可能超限的电机进行预警。

(2) 下沉趋势是动态的，不同时间区间的趋势代表不同的意义，如较长时间的趋势反应的是电机在运营、维修，甚至更换过程的状况。根据下沉预警的目的，选择最近一周(不超过两周)的分析期间。

(3) 针对每列车、每个电机的特定部位进行趋势统计和分析，建立数学模型，并得出趋势数据。

(4) 采用Kalman算法建立预测模型，对电机的未来发展趋势进行预测。

(5) 根据直线电机列车大量的实践数据，设置预警阈值，进行预警信息的生成。

基于以上原理，研发团队研制了直线电机下沉分析、预测的数学模型及相关软件，并采用大量的历史数据和实际案例进行仿真分析，其分析结果与实际案例完全一致。

3.4 直线电机趋势预警的声光报警

根据直线电机下沉预警系统得到的预警信息，预测电机发生故障的可能性，并提前介入处理，以最大限度降低运营风险；预警发生后，系统会根据设置进行“声光报警”。

4 直线电机气隙预警子系统的运用情况

直线电机气隙在线监测装置在广州地铁5、6号线的投入使用，极大地提高了直线电机列车的运用安全水平，有效地预防了直线电机运行中电机与感应板发生刮擦事件，提高了地铁系统运行的可靠性和安全性，为公众提供了更满意的交通服务，达到了系统建设预期的技术、经济及社会效益。在系统投入运行后，直线电机气隙在线监测系统多次有效检测到气隙异常，并多次有效预警电机下沉异常，如表1所示。根据直线电机气隙在线监测系统的报警和预警，检修单位及时处理了异常情况，防止了后续可能性安全事故的发生，挽回了后续的经济损失。

表1 直线电机气隙在线监测系统预警典型事件

5 结语

目前，广州地铁5、6号线的直线电机在线监测系统实现了在线实时检测、气隙及槽隙的预警，以及统计查询等功能，为广州地铁5、6号线的安全运行提供了强有力的保障，是车辆检修部门的重要保障系统之一。未来应在大数据分析方面进一步挖掘，以实现大数据的准确预警、设备评价和检修效果评价，从而获得更大的经济和社会效益。