动车组牵引电机的故障预测与健康管理技术的研究

徐博

(辽宁铁道职业技术学院 辽宁锦州 121000）

动车组系统构造复杂，包含了牵引系统、网络系统、制动系统等多个子系统，构成动车基础的各个系统的健康状况，对动车基础的安全运行起到了关键作用，为了保证动车机组的各个部件能够安全稳定运行，目前针对动车机组主要采用计划检修的方式对动车机组进行检测，这种检修方式会造成动车机组的零部件的过度检修，以及存在动车机组的零部件检修不足的情况。同时随着我国动车组数量的增多，工作量也大大增加。目前，随着大数据技术与PHM技术的不断发展，通过对动车组的各个子系统进行全面的智能监测与故障预测来判定各个子系统的健康状态，为检修人员提供参考数据，使检修方式有计划修逐步向状态修转变，这样有利于延长动车组使用寿命，降低运维成本。牵引电机是动车组的关键设备之一，其健康状况直接影响了动车组的安全运行。

1 电气故障诊断及绝缘健康管理

1.1 绝缘老化机理研究

动车机组的零部件绝缘老化主要是针对动车机组的电机结构中的薄弱环节存在老化绝缘以及存在过热情况下，导致机组绝缘系统的电机性能降低，引起机组的电机在运行情况下发生故障。对于机组电机，电机的绝缘系统热老化主要是由于电机长期的使用造成的，并且对于动车基础而言，若运行状态中存在过热的情况，会导致绕组以及连接线的绝缘部分发热老化。动车机组在过载运行情况下，容易导致机组的局部存在烧毁的情况，当动车机组的轴承等机械零部件发生故障的时候，会造成动车机组电机定转子中心不对称运行，电机的铁芯位置出现局部过热导致铁芯的绝缘层被破坏。此外，在机组电机运行过程中，由于机械应力等原因，会使得动车机组的牵引电机在运行过程中产生线圈振动以及互相摩擦等情况，会导致绝缘机组的外部绝缘层产生磨损，破坏电机绝缘性能为了对电机的电气故障进行有效的诊断，通常采用对交流电机的故障信号进行交直流分解的方式，对电机产生的各种故障频率成分进行动态分析，实现电机的故障类型检测，通过对电气中流过的电流峰值以及电流的均方根值对电机中的电信号进行处理，对电机产生的故障进行判定,如表1所示。

表1 电机故障信号中的各种频率成分

1.2 绝缘试验方案设计

通过对电机的表面绝缘层进行绝缘实验，可以有效对动车机组的电气绝缘材料以及绝缘零部件和动车基础的电机运行特性进行模拟仿真，通过电机基础的绝缘材料的绝缘老化性能以及电机在不同状态下的电流变化情况进行模拟，可以为电机的故障诊断提供有效的判据。在对电机的故障绝缘位置进行诊断的过程中，主要针对电机的绝缘材料分层故障，绝缘材料不分层故障，以及短路故障和整车材料断条等故障类型进行分析。针对电机的整车性能，可以将电机置于热环境，强电环境，机械环境，以及耦合环境中对动车基础的整台电机进行实验测试。其中针对电机的分层故障措施，根据横截面积宽度分成小于20%，20%～50%分层和50%以上三个分层阶段分别进行测试，对电机的泄漏故障主要按照电机转速分为低速、中速、高速3种不同的转速工况分别进行测试。

1.3 信号处理分析

当动车机组的电机发生故障的时候，动车机组的母线耦合电容信号会产生突变信号，结合耦合电容器的突变信号和相位信号，电流信号，电压信号可以对动车机组运行故障过程中电机的故障类型进行有效的识别，如图1所示。

图1 故障信号处理分析

1.4 健康管理

牵引电机绝缘健康管理架构如图2所示

图2 牵引电机绝缘健康管理架构

2 牵引电机机械故障诊断及轴承健康管理

2.1 转子与轴承故障机理研究

在动车机组的牵引电机设计中，牵引电机的机械故障主要包括电机的转子故障，轴承故障等等，其中转子故障和轴承故障这两类故障为常见故障高发部件，并且损伤率较高。因此在对牵引电机进行故障分析的时候，主要通过分析振动时域以及频率中对应的特性频率，从而对牵引电机中的轴承具体位置进行故障判别。

其中动车机组的牵引电机转子故障主要包括不平衡故障，不对中故障等等，当牵引电机的转子发生故障时，故障的特征频率为转子频率的整数倍，因此当电机的轴承发生损伤故障的时候，损伤位置可能出现在电机转子的内圈、外圈或者是滚动体上，甚至可能同时出现在多个元件位置，因此得到的牵引电机的故障信号较为复杂，需要对电机的轴承振动信号与各个故障特征信号的频率分别进行分析，才能对牵引电机的轴承的故障类型进行诊断，如表2所示。

表2 轴承各种故障特征频率

2.2 转子与轴承故障模拟实验方案设计

针对动车机组不同类型的转子型号，发生不同类型的故障，以及转子轴承位置在不同的载荷条件下，分别对牵引电机进行实验，对牵引电机的轴承力学模型特性进行验证分析，可以获得牵引电机轴承在不同的条件下的实验数据，为电机的故障类型和使用寿命预测进行数据支撑，在牵引电机的前后端轴承当中常见的轴承故障主要有12类。常见的包括外圈微弱故障，外圈严重故障，内圈微弱故障，内圈严重故障等等，将每一种故障类型采用多个样本在真实环境进行模拟实验，可以得到较为准确的故障类型判定数据结果，对牵引电机在实际发生故障条件下的运行工况提供有效的数据支撑。

2.3 转子与轴承健康管理模块

健康管理模块主要包括两个部分：第一是状态监测与故障诊断模块，第二是寿命预测模块，如图3所示。

图3 转子与轴承健康管理模块

3 其他关键技术

3.1 车载硬件系统

车载监测诊断硬件系统的框架如图4所示。它通过PXI总线形式进行数据交互，便于多通道的信号采集的扩展。

图4 车载监测诊断硬件系统的框架

3.2 大数据健康管理平台

引入新一代物联网、大数据、云计算以及移动化等信息技术，实现运行设备的全面监测、诊断与状态预示。牵引电机大数据健康管理平台包括如下五个关键组成部分：（1）智能化物联平台。实现一张机车健康传感数据网，从而实现全面感知与可靠传递；（2）智慧化大数据分析中心。智慧化大数据分析中心利用大数据技术实现维修维护海量数据精准分析；（3）健康管理示范应用。涵盖产品生命周期管理、维修维护过程管理、人员协同调度等全方位应用支撑；（4）私有云数据中心。私有云数据中心是灵活高效、性能稳定、多样化的弹性资源池和数据资源基础设施；（5）端到端安全体系。构建全局化的安全保障链条。

4 结语

目前动车机组的PHM系统主要完成了动车机组的系统搭建以及运行数据采集和运行状况分析等。其中各个子系统运行工况较为稳定，通过对已有的大量有用数据进行采集分析为后续动车机组的牵引电机的维修状况提供了有效的数据支撑，随着新一代智能高铁技术的PHM检验技术的逐渐应用，对动车机组的牵引电机的安全运行提出了新的要求，因此对牵引电机的故障检测和健康管理技术研究具有重要的意义，随着传感器技术，大数据技术，人工智能技术的不断应用，针对动车基础的牵引电机故障检测技术应用范围将会不断的扩大，为实现动车机组的返修机制的完善，以及对动车机组电机由计划维修向状态维修的转变提供有效的数据支撑，能够有效保证动车机组的运行效率。