汪　倩　周振威　陸裕東　史崢宇　孟凡江

(1. 暨南大學(xué)信息科學(xué)技術(shù)學(xué)院　廣州　510632；2. 工業(yè)和信息化部電子第五研究所　廣州　510610；　3. 廣州市地下鐵道總公司　廣州　510310)

?

轉(zhuǎn)轍機(jī)的故障預(yù)測(cè)與健康管理技術(shù)

汪倩1,2周振威2陸裕東2史崢宇2孟凡江3

(1. 暨南大學(xué)信息科學(xué)技術(shù)學(xué)院廣州510632；2. 工業(yè)和信息化部電子第五研究所廣州510610；3. 廣州市地下鐵道總公司廣州510310)

闡述國(guó)內(nèi)外轉(zhuǎn)轍機(jī)故障預(yù)測(cè)與健康管理(prognostics and health management, PHM)技術(shù)的發(fā)展現(xiàn)狀，提出轉(zhuǎn)轍機(jī)PHM技術(shù)的原理框架，并給出轉(zhuǎn)轍機(jī)PHM技術(shù)的關(guān)鍵點(diǎn)，包括敏感參數(shù)分析、數(shù)據(jù)采集、故障物理分析、特征提取、健康評(píng)估、故障診斷、故障預(yù)測(cè)以及決策計(jì)劃等，為轉(zhuǎn)轍機(jī)PHM技術(shù)的工程應(yīng)用提供理論基礎(chǔ)。

轉(zhuǎn)轍機(jī)；故障預(yù)測(cè)與健康管理；技術(shù)框架

1　國(guó)內(nèi)外研究現(xiàn)狀

轉(zhuǎn)轍機(jī)是控制道岔轉(zhuǎn)換、鎖閉及監(jiān)督的關(guān)鍵設(shè)備，隨著我國(guó)城市軌道交通的建設(shè)規(guī)模不斷擴(kuò)大，速度和運(yùn)量不斷增加，其故障率呈現(xiàn)上升趨勢(shì)，容易導(dǎo)致道岔的誤動(dòng)作、不動(dòng)作、不完全動(dòng)作，嚴(yán)重影響軌道交通的運(yùn)營(yíng)效率(見表1)。由于轉(zhuǎn)轍機(jī)的數(shù)量龐大、結(jié)構(gòu)復(fù)雜，傳統(tǒng)的事后維修和定期維護(hù)，耗費(fèi)資源且效率低，很難嚴(yán)格保障道岔和轉(zhuǎn)轍機(jī)的正常運(yùn)行。為了提高可靠性和工作效率, 對(duì)轉(zhuǎn)轍機(jī)進(jìn)行狀態(tài)監(jiān)控和故障預(yù)測(cè)顯得越來越迫切。故障預(yù)測(cè)與健康管理(prognostics and health management，PHM)技術(shù)是一種綜合的技術(shù)解決方案，包括設(shè)備狀態(tài)監(jiān)測(cè)、健康評(píng)估、故障診斷和故障預(yù)測(cè)等功能，能夠滿足地鐵設(shè)備維修保障的需求，有效地降低故障率，節(jié)約保障資源并減少經(jīng)濟(jì)損失。因此，將PHM技術(shù)應(yīng)用于轉(zhuǎn)轍機(jī)的維修維護(hù)具有現(xiàn)實(shí)意義。

國(guó)外在裝備系統(tǒng)等領(lǐng)域的PHM技術(shù)，已經(jīng)擁有一套成熟的設(shè)計(jì)思路和技術(shù)體系，轉(zhuǎn)轍機(jī)等機(jī)械設(shè)備的PHM技術(shù)也有長(zhǎng)足的發(fā)展。主要采集電流、功率、位移及轉(zhuǎn)換力等信號(hào)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，運(yùn)用聚類、分類和回歸等數(shù)據(jù)挖掘方法，實(shí)現(xiàn)系統(tǒng)的故障診斷和健康狀態(tài)評(píng)估[1-3]。但是，故障預(yù)測(cè)技術(shù)和剩余使用壽命模型還不成熟，仍需要不斷完善，同時(shí)缺少標(biāo)準(zhǔn)的評(píng)價(jià)體系和驗(yàn)證平臺(tái)支撐理論的可行性。

表1　轉(zhuǎn)轍機(jī)原因?qū)е碌罔F道岔故障

注：信息來源于《信息時(shí)報(bào)》和《國(guó)際金融報(bào)》等報(bào)紙刊物。

我國(guó)的PHM技術(shù)起步相對(duì)較晚，主要用于裝備的關(guān)鍵系統(tǒng)和部件，系統(tǒng)集成能力較弱。電子產(chǎn)品和工業(yè)控制等方面的PHM技術(shù)研究逐步將理論應(yīng)用于實(shí)踐[4]，加快實(shí)現(xiàn)工程產(chǎn)業(yè)化的進(jìn)程。然而，針對(duì)轉(zhuǎn)轍機(jī)等復(fù)雜機(jī)械設(shè)備的PHM技術(shù)仍處于起步階段，逐步從最初的便攜式測(cè)試儀發(fā)展到在線實(shí)時(shí)監(jiān)測(cè)。雖然轉(zhuǎn)轍機(jī)的故障檢測(cè)和診斷的研究不少，但是技術(shù)重點(diǎn)相對(duì)分散，故障預(yù)測(cè)的工程化應(yīng)用程度不高[5]，尚未形成完整的轉(zhuǎn)轍機(jī)PHM技術(shù)框架。

下面給出轉(zhuǎn)轍機(jī)PHM技術(shù)的原理框架，并闡述其技術(shù)的關(guān)鍵點(diǎn)及應(yīng)用。

2　原理框架

轉(zhuǎn)轍機(jī)PHM技術(shù)框架如圖1所示，可分為敏感參數(shù)分析、數(shù)據(jù)采集、故障物理分析、數(shù)據(jù)挖掘以及決策計(jì)劃5個(gè)部分。其中，數(shù)據(jù)挖掘包括特征提取、健康評(píng)估、故障診斷及故障預(yù)測(cè)4個(gè)環(huán)節(jié)。

圖1　轉(zhuǎn)轍機(jī)PHM技術(shù)的原理框架

首先，分析轉(zhuǎn)轍機(jī)的故障機(jī)理，確定故障的形成誘因和表現(xiàn)形式，劃分故障類型，并將其映射到電氣或物理參數(shù)變化上，從而確定監(jiān)測(cè)信號(hào)。其次，根據(jù)傳感器安裝及數(shù)據(jù)獲取的難易程度，選擇最優(yōu)的信號(hào)采集方案，對(duì)原始數(shù)據(jù)進(jìn)行降噪、剔除異常值以及缺失數(shù)據(jù)處理等操作，再采用數(shù)據(jù)挖掘方法提取故障特征，并建立數(shù)學(xué)模型用于診斷和預(yù)測(cè)。隨后，以健康基準(zhǔn)為標(biāo)桿，評(píng)估系統(tǒng)的健康狀態(tài)，定義維修級(jí)別：若檢測(cè)信號(hào)處于故障狀態(tài)，發(fā)出警告并診斷系統(tǒng)的失效模式，定位故障；若檢測(cè)信號(hào)處于健康狀態(tài)，則持續(xù)監(jiān)測(cè)信號(hào)，分析可能的故障類型和退化模型，并對(duì)轉(zhuǎn)轍機(jī)未來可能發(fā)生的故障進(jìn)行預(yù)測(cè)，估算剩余使用壽命。最后，根據(jù)健康狀態(tài)評(píng)估故障預(yù)測(cè)的結(jié)果，給出相應(yīng)的維修維護(hù)的建議和措施，降低轉(zhuǎn)轍機(jī)的保障成本。

3　關(guān)鍵技術(shù)

3.1敏感參數(shù)分析

大致而言，轉(zhuǎn)轍機(jī)故障可分為電氣和機(jī)械故障，常見的機(jī)械故障有30多種，其固有的關(guān)聯(lián)性和偶發(fā)性導(dǎo)致故障難以排查。實(shí)驗(yàn)證明，大部分的故障發(fā)生前后，都會(huì)引起電流、轉(zhuǎn)換力等信號(hào)的緩慢變化或突變。為此，采集轉(zhuǎn)轍機(jī)的工作電壓、工作電流、轉(zhuǎn)換力、缺口，以及尖軌與基本軌密貼度等電氣和物理參數(shù)信號(hào)。利用多組傳感器(如CMOS數(shù)字圖像傳感器、熱電偶、加速度計(jì)等)的協(xié)調(diào)互補(bǔ)進(jìn)行智能化處理[6]。面向交流轉(zhuǎn)轍機(jī)，由于功率與轉(zhuǎn)換力線性相關(guān)，可通過采集電壓和電流信號(hào)并進(jìn)行曲線擬合得到有功功率[7-8]，通過監(jiān)測(cè)有功功率信號(hào)的變化來反映故障。此外，應(yīng)結(jié)合振動(dòng)和溫度等環(huán)境信號(hào)及歷史維修數(shù)據(jù)進(jìn)行輔助判斷。

3.2數(shù)據(jù)采集

數(shù)據(jù)采集是轉(zhuǎn)轍機(jī)PHM技術(shù)實(shí)施的重要環(huán)節(jié)，只有在轉(zhuǎn)轍機(jī)合適的部位正確安裝傳感器，才能保證采集數(shù)據(jù)的有效性。轉(zhuǎn)轍機(jī)數(shù)據(jù)采集的拓?fù)浣Y(jié)構(gòu)如圖2所示，傳感器的輸出信號(hào)通常需要進(jìn)行信號(hào)調(diào)理，經(jīng)過數(shù)據(jù)采集卡傳輸至數(shù)據(jù)采集控制器中，再通過總線或者無線的方式連接至在線監(jiān)測(cè)平臺(tái)，應(yīng)用Measurement Studio、LabVIEW等軟件，進(jìn)行數(shù)據(jù)采集、控制和表達(dá)，實(shí)現(xiàn)轉(zhuǎn)轍機(jī)的實(shí)時(shí)監(jiān)測(cè)。

圖2　數(shù)據(jù)采集的拓?fù)浣Y(jié)構(gòu)

在數(shù)據(jù)采集過程中，需要注意兩方面的問題；

1) 傳感器的安裝與優(yōu)化。傳感器安裝部位和數(shù)量既不能影響轉(zhuǎn)轍機(jī)的正常運(yùn)行，又要確保數(shù)據(jù)的可靠性和有效性，排除測(cè)量誤差引起的數(shù)據(jù)分析和健康狀態(tài)的錯(cuò)誤估計(jì)。

2) 采樣率和精度的選擇。保證數(shù)據(jù)的采樣間隔在不會(huì)影響故障診斷的前提下，盡量減少內(nèi)存負(fù)荷。

3.3故障物理分析

根據(jù)轉(zhuǎn)轍機(jī)的設(shè)計(jì)參數(shù)和應(yīng)力參數(shù)，建立數(shù)學(xué)模型進(jìn)行失效分析[9]。道岔轉(zhuǎn)轍機(jī)是一套復(fù)雜的機(jī)械系統(tǒng)，在實(shí)際工程應(yīng)用時(shí)其加載條件和環(huán)境因素不斷變化，很難精確地模擬實(shí)際的工作環(huán)境，因而需要考慮外部不確定性所帶來的影響。此外，利用大量的轉(zhuǎn)轍機(jī)實(shí)際工作數(shù)據(jù)進(jìn)行模型驗(yàn)證，并不斷修正模型參數(shù)。

3.4數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是指從大量數(shù)據(jù)或者數(shù)據(jù)庫中提取有用的信息?？赏ㄟ^統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、專家系統(tǒng)和模式識(shí)別等諸多方法來實(shí)現(xiàn)。數(shù)據(jù)挖掘算法非常豐富(見表2)，以下說明這些方法在轉(zhuǎn)轍機(jī)的特征提取、健康評(píng)估、故障診斷和故障預(yù)測(cè)中的應(yīng)用，為轉(zhuǎn)轍機(jī)的故障數(shù)據(jù)分離和故障預(yù)測(cè)等環(huán)節(jié)提供理論基礎(chǔ)。

表2　數(shù)據(jù)挖掘方法在PHM技術(shù)中的應(yīng)用

3.4.1特征提取

單一指標(biāo)不能反映事物的屬性，無權(quán)重的多指標(biāo)導(dǎo)致數(shù)據(jù)的冗余，而特征提取可將多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)對(duì)故障信息貢獻(xiàn)率較大的綜合指標(biāo)，從而保持特征量的最優(yōu)性。主成分分析(PCA)、時(shí)頻域分析和小波分析是分析轉(zhuǎn)轍機(jī)電流及轉(zhuǎn)換力數(shù)據(jù)時(shí)最常用的數(shù)據(jù)處理方法。以PCA分析振動(dòng)信號(hào)為例，采集水平和垂直方向的加速度信號(hào)，分別計(jì)算兩路信號(hào)幅值的峰-峰值、均方根、振幅因子、峭度和方差，得到10維特征，以適當(dāng)頻率采集2 803次，形成2 803×10的數(shù)據(jù)矩陣。數(shù)據(jù)標(biāo)準(zhǔn)化之后，將10維相關(guān)的特征映射到4維不相關(guān)的正交特征，計(jì)算對(duì)方差的貢獻(xiàn)率并進(jìn)行高低排序，即第一主成分、第二主成分，以此類推。忽略信息貢獻(xiàn)率較低的成分，因此數(shù)據(jù)由10維降至4維，選擇主成分作為新的特征量。同時(shí)，在特征提取過程中，需要根據(jù)轉(zhuǎn)轍機(jī)的故障或失效機(jī)理，分析敏感的物理參數(shù)，并利用數(shù)據(jù)的固有特征進(jìn)行建模。

3.4.2健康評(píng)估

利用數(shù)學(xué)計(jì)算特征量的值并不能直接反映設(shè)備的健康狀態(tài)，而需要將數(shù)據(jù)轉(zhuǎn)化為反映故障程度的等級(jí)量，對(duì)現(xiàn)存或潛在的故障程度進(jìn)行量化度量，即利用采集(現(xiàn)場(chǎng)和歷史)的數(shù)據(jù)判斷設(shè)備是否還處于健康的運(yùn)行狀態(tài)。因此健康評(píng)估是實(shí)現(xiàn)定量評(píng)價(jià)和質(zhì)性評(píng)價(jià)的有效結(jié)合。評(píng)估轉(zhuǎn)轍機(jī)是否處于健康狀態(tài)的方法很多，如秩和檢驗(yàn)和馬氏距離。另外，高斯混合模型、自組織映射和羅杰斯特回歸等方法也能給出良好的健康評(píng)估結(jié)果。推薦采用霍特林T2系數(shù)法(HotellingT2)，應(yīng)用綜合評(píng)判方法對(duì)多維變量的轉(zhuǎn)轍機(jī)健康信息進(jìn)行評(píng)估。首先通過實(shí)驗(yàn)得到轉(zhuǎn)轍機(jī)的健康樣本，然后判斷實(shí)際數(shù)據(jù)是否來自健康樣本。定義T2為實(shí)際數(shù)據(jù)與健康樣本之間的距離，根據(jù)距離值判斷設(shè)備是否健康，劃分不同的故障等級(jí)，分級(jí)報(bào)警，并采取相應(yīng)等級(jí)的維修或者維護(hù)措施。

3.4.3故障診斷

針對(duì)轉(zhuǎn)轍機(jī)，利用微機(jī)監(jiān)測(cè)道岔電流曲線，通過圖像處理技術(shù)監(jiān)測(cè)缺口位移量或者基于人工神經(jīng)網(wǎng)絡(luò)的智能故障診斷系統(tǒng)，通常都只能診斷部分故障。然而，利用轉(zhuǎn)換力、電流以及位移等多種信號(hào)的數(shù)據(jù)進(jìn)行信息融合，靈活運(yùn)用隱馬爾可夫模型和支持向量機(jī)等分類方法進(jìn)行故障診斷，可以達(dá)到更好的效果。在此基礎(chǔ)上，采用功率(電流)分段曲線法可以實(shí)現(xiàn)更精準(zhǔn)的診斷。如圖3所示，將轉(zhuǎn)轍機(jī)的有功功率曲線劃分為若干個(gè)工作區(qū)間，根據(jù)功率曲線的特征判斷轉(zhuǎn)轍機(jī)在哪一工作區(qū)間出現(xiàn)了故障或異常，從而實(shí)現(xiàn)故障的定位[1]。具體而言，可以考慮將轉(zhuǎn)轍機(jī)工作過程分為3個(gè)階段：?jiǎn)?dòng)解鎖、轉(zhuǎn)換和鎖閉。在啟動(dòng)解鎖階段，涉及到電源、電機(jī)、摩擦連接器、齒輪以及解鎖裝置的啟動(dòng)；在轉(zhuǎn)換階段，動(dòng)作桿、螺母、表示桿、檢測(cè)桿以及滑床板等容易發(fā)生故障；在鎖閉階段，檢測(cè)桿、速動(dòng)開關(guān)組、鎖閉塊和鎖舌等是故障頻發(fā)部件。這些部件按一定的先后順序運(yùn)作完成轉(zhuǎn)轍機(jī)的一次正(反)轉(zhuǎn)，因此可將轉(zhuǎn)轍機(jī)每一步動(dòng)作進(jìn)行分割，以區(qū)間為單位進(jìn)行觀察。若某區(qū)間的信號(hào)異常，則對(duì)該區(qū)間的工作部件進(jìn)行剖析，進(jìn)一步查找故障的具體原因。

圖3　功率曲線的劃分區(qū)間

3.4.4故障預(yù)測(cè)

轉(zhuǎn)轍機(jī)的運(yùn)行環(huán)境惡劣，部件磨損和累積形變都可能導(dǎo)致故障。結(jié)構(gòu)復(fù)雜度越高，故障的偶發(fā)性越大。因此故障預(yù)測(cè)是轉(zhuǎn)轍機(jī)PHM技術(shù)的至關(guān)重要環(huán)節(jié)，也是實(shí)現(xiàn)狀態(tài)修的必要條件。避免維修盲目性，縮短維修工期，提高安全性、可靠性，同時(shí)降低運(yùn)營(yíng)成本。對(duì)于轉(zhuǎn)轍機(jī)而言，建立自回歸模型和灰色預(yù)測(cè)模型是目前普遍采用的方法，即利用預(yù)測(cè)對(duì)象特征參數(shù)的歷史數(shù)據(jù)和現(xiàn)場(chǎng)數(shù)據(jù)，建立特征參數(shù)的發(fā)展變化模型，預(yù)測(cè)該參數(shù)到達(dá)某個(gè)閾值的時(shí)間。但是，由于轉(zhuǎn)轍機(jī)工作時(shí)受到溫度、濕度等多種環(huán)境因素的影響，難以建立準(zhǔn)確的轉(zhuǎn)轍機(jī)特征參數(shù)退化模型，從而影響了轉(zhuǎn)轍機(jī)故障時(shí)間的預(yù)測(cè)精度。

3.5決策計(jì)劃

基于設(shè)備健康狀態(tài)的視情維修是定期維護(hù)和事后維修的有效補(bǔ)充，目前鐵路部門也逐步從預(yù)防修、分散修和事后修向?qū)嵭袪顟B(tài)修過渡，從而壓縮故障恢復(fù)時(shí)間，減少檢修作業(yè)次數(shù)和時(shí)間。若轉(zhuǎn)轍機(jī)的檢測(cè)結(jié)果為故障，則立即隔離故障，對(duì)故障影響和就緒狀態(tài)進(jìn)行評(píng)估，采取相應(yīng)等級(jí)的維修措施，排查故障，啟動(dòng)應(yīng)急預(yù)案，保證地鐵道岔的正常運(yùn)行。若轉(zhuǎn)轍機(jī)的檢測(cè)結(jié)果為正常，則利用故障預(yù)測(cè)模型預(yù)測(cè)其故障發(fā)生的時(shí)間，提前采取相關(guān)維護(hù)措施，保證轉(zhuǎn)轍機(jī)處于健康運(yùn)行狀態(tài)，實(shí)現(xiàn)轉(zhuǎn)轍機(jī)的狀態(tài)修，從而保障地鐵營(yíng)運(yùn)效率和降低維修成本，實(shí)現(xiàn)良好的社會(huì)效益。

4　結(jié)語

針對(duì)轉(zhuǎn)轍機(jī)可靠性和維修維護(hù)經(jīng)濟(jì)性的需要，給出了轉(zhuǎn)轍機(jī)PHM技術(shù)的原理框架，并討論了轉(zhuǎn)轍機(jī)PHM技術(shù)的關(guān)鍵點(diǎn)，包括敏感參數(shù)分析、數(shù)據(jù)采集、故障物理分析、特征提取、健康評(píng)估、故障診斷、故障預(yù)測(cè)以及決策計(jì)劃等環(huán)節(jié)，形成了較完整的轉(zhuǎn)轍機(jī)PHM技術(shù)的解決方案，為轉(zhuǎn)轍機(jī)的維修維護(hù)決策提供理論依據(jù)，提高了轉(zhuǎn)轍機(jī)的可靠性并降低了維修維護(hù)成本。未來的工作是將轉(zhuǎn)轍機(jī)PHM技術(shù)進(jìn)行工程應(yīng)用，形成綜合的解決方案。

[1] Ardakani H D，Lucas C，Siegel D，et al.PHM for railway system：a case study on the health assessment of the point machines[C]//IEEE Conference on Prognostics and Health Management (PHM).Denver, 2012.

[2] Omer F E, Fatih C, Uday K.Failure diagnostics on railway turnout systems using support vector machines[C]//The 1st International Workshop and Congress on Maintenance. Lule?,2010.

[3] McHutchon M A, Staszewski W J , Schmid F.Signal processing for remote condition monitoring of railway points [J].Blackwell Publishing Ltd Strain, 2005(41):71-85.

[4] 孔學(xué)東，恩云飛，陸裕東,等.電子產(chǎn)品故障預(yù)測(cè)與健康管理：應(yīng)用構(gòu)架與實(shí)踐[M].北京:電子工業(yè)出版社，2013.

[5] 郭瑞峰，陳曉雯，何銀暉，等.基于灰色系統(tǒng)理論的轉(zhuǎn)轍機(jī)動(dòng)作桿疲勞裂紋擴(kuò)展壽命預(yù)測(cè)[J].機(jī)械設(shè)計(jì)與研究，2013，29(2):114-116.

[6] 鄭霄.基于圖像處理技術(shù)的轉(zhuǎn)轍機(jī)實(shí)時(shí)在線監(jiān)測(cè)的研究[D].北京：北京交通大學(xué)，2009.

[7] 王安，于娜，程傳暢.電動(dòng)轉(zhuǎn)轍機(jī)測(cè)試儀道岔阻力測(cè)試方法設(shè)計(jì)[J].現(xiàn)代電子技術(shù)， 2011，34(8):208-210.

[8] 王安，羅世剛，焦美鵬.轉(zhuǎn)轍機(jī)轉(zhuǎn)換力在軌監(jiān)測(cè)方法研究[J].現(xiàn)代電子技術(shù)，2012，35(7):139-141.

[9] 孔學(xué)東，陸裕東，恩云飛.電子產(chǎn)品PHM及其關(guān)鍵技術(shù)[J].中國(guó)質(zhì)量，2010(3)：15-18.

(編輯：曹雪明)

Prognostics and Health Management Technology of Point Machine

Wang Qian1,2Zhou Zhenwei2Lu Yudong2Shi Zhengyu2Meng Fanjiang3

(1. Institute of Information and Technology, Ji’nan University, Guangzhou 510632；2. China Electronic Product Reliability and Environmental Testing Research Institute, Guangzhou 510610;3. Guangzhou Metro Corporation, Guangzhou 510310)

The trend of prognostics and health management (PHM) about point machine was introduced, and the principle framework of PHM for point machine was proposed. Then, the key steps for point machine’s PHM technology were presented, including sensitive parameters analysis, data acquisition, physical analysis of failure, feature extraction, health assessment, fault diagnosis, prognostics and maintenance decision. These steps provide theoretic backgrounds for point machine’s PHM technology in engineering.

point machine; prognostics and health management (PHM); technology framework

10.3969/j.issn.1672-6073.2015.01.014

2014-01-04

2014-03-24

汪倩，女，碩士研究生，從事故障預(yù)測(cè)與健康管理研究，christy201314@126.com

科技部國(guó)際科技合作項(xiàng)目(2010DFB10070)

U231.94

A

1672-6073(2015)01-0058-04