智能动车组PHM技术研究与应用

王中尧，李卫东，王连富，麻竞文，刘健宇

(1.大连交通大学 机械工程学院，辽宁 大连116033；2. 中车长春轨道客车股份有限公司 国家工程技术中心，吉林 长春130000)

近年来，我国高速铁路迅速发展并取得了举世瞩目的成绩。《中长期铁路网规划》规划了我国高铁运营里程在2025年将达到3.8万km左右，标志着高铁在我国的基础设施和交通设施中的重要地位[1]。随着国内动车组保有量的快速增长、服役车型的种类增多以及大规模的运营，动车组装备产业由大规模的制造阶段向全寿命周期的运营维保阶段转移，伴随着服役时间的增加、服役设备的性能退化，动车组的高故障率、低上线率、高维修成本等诸多问题暴露出来[2]。目前，我国的轨道车辆维修模式仍然采用计划性维修的预防维修方法和故障性维修的状态更正修方法，从而导致过度维修或维修不足。如何保证行车安全，提高旅客舒适度，降低运维成本，减少或降低故障的发生，对未来我国的高速动车组产业具有重要意义。故障预测与健康管理(PHM)具有持续的状态监测，故障诊断、预测，健康管理与维修决策功能，能在准确的时间对准确的部位采取准确的维修，对提升设备安全可靠性、提高使用效率、降低维修成本、推进修程修制完善有着积极的促进作用。

1 智能运维需求

1.1 车辆运用需求

我国动车组列车运营工况复杂，很多线路的续航里程都在1 000 km以上，单组车辆每天最多可以行驶3 000多 km，沿途可能会遇高寒、高温、高湿、高风沙、高海拔等复杂外界环境[3]。高速铁路覆盖30余个省份，各运营区域的架空接触网的供电质量和最大允许电流存在显著差异，因此在进行系统或部件的PHM研究时需要充分考虑外界因素的影响。

1.2 用户使用需求

我国轨道车辆车型较多，应用环境差别较大，行车设备故障、源头质量、作业检修质量等方面的问题时有发生，影响车辆运营、维修。同时，车辆的计划预防修和状态更正修的维修方式存在过度修和欠维修的情况，导致维修保养成本高昂，次生灾害及行车设备故障时有发生。

运用检修组织从系统自诊断、降低虚警率、关键系统和部件的故障预测、故障精准定位以及关键部件的寿命预测等方面，为动车组的安全可靠性提出运用需求；运用管理组织从推进状态预防维修、全寿命周期运维管理以及修程修制优化等方面提出管理需求，形成PHM平台开发的重要依据。

1.3 主机企业需求

在制造业全球化、服务化趋势下，我国轨道交通制造行业整体仍处在全球产业价值链中低端，产品附加值低，因此必须从生产比重大的价值链低端向服务比重大、附加值高的价值链高端转移。发展以车辆全寿命周期管理服务为核心的售后服务作为产品高附加值业务，将成为促进整个行业的转型升级、迈向产业链高端的重要途径。

随着我国轨道交通领域的飞速发展，市场对轨道车辆产品的定制化需求以及对车辆的新技术应用需求日益增大，建立科学、完善、安全可靠的PHM平台具有重要意义。通过PHM平台，一方面可以实现由计划修向状态修的转变，节省成本，提高售后服务水平；另一方面通过大数据分析可以对整车、系统以及部件进行科学的统计分析，进而为新造设计提供数据基础，降低设计错漏，实现产品优化升级。

1.4 全寿命周期维保需求

利用PHM技术，在实现数据贯通的基础上进行动车组全寿命周期的数据管理，搭建关键部件的故障预测模型，支撑运用检修由计划故障修向状态预防修转变，建立关键系统的健康评估模型，支撑高级修的修程修制优化，能够为动车组全寿命周期的运维成本降低、检修效率提升提供重要的数据积累与技术支撑。

2 智能动车组PHM设计

智能动车组以车辆关键部件全寿命周期数据为基础，以物联网、大数据、云计算、人工智能等新兴技术为手段，开展数据融合和数据挖掘工作，给出运维决策，构建装备资源和信息共享的综合性技术体系。主要目标是：综合考虑智能动车组修程修制、关键系统及关键部件的精准维修和均衡维修等因素，在准确的时间、准确的地点对准确的部件开展准确的维修，实现保安全、提效率、降成本、优设计的目标。

2.1 PHM理论

实现基于PHM的主动运维技术应用，要充分考虑系统结构和原理的差异性、服役环境和多源异构数据的复杂性等特点，通过数据采集、数据处理、数据存储和数据分析，利用神经网络、深度学习等智能算法[4-6]，实现关键系统或部件的故障预测与健康管理功能，实现提高运行安全可靠性、提高旅客舒适度、提高上线率、提高运维效率、降低检修成本、降低故障率的研究目标。

2.2 PHM设计方法

相较于传统的故障诊断，PHM技术研究在方法和概念上发生了变化，故障诊断逐渐转向故障预测。此外，PHM技术意味着扩展一些系统信息检索和监控技术，利用多元状态信息的融合处理、故障发生前的预测提醒、系统健康状态的评估来综合评价和分析系统未来性能变化趋势，并提前进行处置。

2.2.1 基于性能失效的故障预测

使用该预测方法可对系统部件在服役周期内性能衰退和失效原理进行分析，并利用半实物仿真方法建立物理模型。性能建模之前需要对系统进行失效模式、机理及影响分析(FMMEA)[7]，确定系统主要功能及其对应的潜在故障模式，分析每个故障模式对应的故障原因及可测量参数或指标的变化，为确定性能指标提供依据。典型的基于失效物理模型的故障预测方法有：机理和影响分析法、故障模式分析法、卡尔曼滤波/粒子滤波法和基于专家知识的方法等[8]。但面对复杂的电子系统，其故障模式和失效机理更加复杂，应用这种故障预测的方法效果相对较差。

2.2.2 基于数据驱动的故障预测

基于数据驱动的故障预测方法是先利用传感器或试验采集数据再通过各种数据分析处理的方法进行预测。典型的基于数据驱动的故障预测方法有：主成分分析法(PCA)、隐马尔可夫模型法(HMM)、最小二乘支持向量机法 (LS-SVM)和人工神经网络法(ANN)等[9]。

2.2.3 基于模糊理论的故障预测

列车运行环境和工况极为复杂，并且一些系统和部件采集的参数有限，利用数据驱动和机理分析无法满足建模的要求，这就需要根据系统和部件历史积累的大量故障数据进行合理的统计分析，以推测出平均剩余寿命[10]。但由于缺乏细节信息，该方法的准确度波动较大，准确率不高，因此常在预测结果中加入一个置信度来表征准确度水平，典型的基于统计可靠性的故障预测方法有：D-S证据理论法、贝叶斯网络法 (Bayesian Network )[11]和模糊逻辑法 ( Fuzzy Logic) 等。

3 智能动车组PHM系统实际应用

为迎接北京2022年冬奥会和冬残奥会，中车长春轨道客车股份有限公司研制了具备代际特征的新产品——智能动车组，其智能技术主要围绕智能行车、智能服务、智能运维三方面开展技术创新和应用。智能行车采用有人值守的自动驾驶；智能服务包括基于环境感知技术的灯光智能调节、多媒体技术的多元信息推送等；智能运维主要基于智能传感、大数据、特征提取技术及PHM技术等。

智能动车组PHM系统是根据PHM技术理念以及设计方法，并考虑到数据的多种处理方式、存储周期和多源异构数据的边缘计算等需求而搭建的[12]，由车载系统、车地数据传输系统和地面系统构成，按照系统功能分为子系统PHM功能、车辆级PHM功能和列车级PHM功能，全面覆盖了“车-空-地”的PHM技术生态链。智能动车组PHM体系架构如图1所示。

图1 智能动车组 PHM体系架构图

3.1 车载系统

智能动车组车载系统由车载PHM单元、人机接口单元以及手持移动终端组成。车载PHM单元采用经过第三方测试认证的标准规格工控机，搭载高性能处理单元，能够进行实时数据采集、数据预处理、数据存储、模型运算等功能，通过列车以太网，采用标准TRDP通信协议从列车总线上采集关键系统及部件的状态参数、故障参数等信息；人机接口单元通过读取车载PHM单元数据实现实时状态显示、预警报警信息查看、电子交互手册查询等功能；手持移动终端利用列车内部专用的具有安全措施的局域网与PHM单元进行数据交互，在列车内部及车外一定范围内为司乘人员提供可移动的数据查询终端，极大提高了列车在行驶过程中的应急处理效率，提高了列车运行安全可靠性。

3.2 车地数据传输系统

车载PHM系统产生的数据通过车地数据传输系统进行压缩处理，利用5G设备及天线将数据通过规定协议发送至地面服务器进行集中存储处理，再通过专用通道回传至各运用单位供地面PHM系统平台使用，并为模型的开发探索提供数据依据。

3.3 地面系统

地面系统的目标是通过提高动车组智能化程度，优化动车组的设计、制造和运维，保障车辆安全运营，降低车辆运维成本，提升旅客服务满意度。

地面PHM平台以维修保障为中心，利用先进传感器技术获取列车运行状态数据，利用智能算法和模型对车载大数据进行挖掘分析以获取列车设备健康状态的定量知识，对列车关键系统和部件的性能进行检测和评估，识别早期故障，预测中长期故障，为列车实现基于状态的均衡修提供支持。同时，在确保列车行车服务质量的要求下，达到降低运维成本的目的。

智能动车组地面PHM系统架构如图2所示。从系统建设来说，需构建以性能检测为核心的PHM支撑应用，准确掌握车辆性能状态，及早处理故障，确保车辆运行安全；基于性能进行备件库存优化和维修资源规划，优化修程修制，降低全生命周期维修成本。系统包括数据接入与存储、状态监测、故障诊断、故障预警、健康评估、数据分析、运维决策、系统管理等应用功能。

图2 智能动车组地面 PHM系统架构

4 结束语

随着我国轨道交通装备制造业逐渐由“生产加制造”向“智能加服务”转型，高速铁路由大规模建设期向全面运营维护期转变，检修不足和检修过剩的情况逐渐暴露出来，对此，本文根据智能运维需求，利用多数据融合、故障预测与健康评估等技术，通过主机企业和运用单位的造修数据贯通和共享，建立了科学健全的全寿命周期管理机制，搭建了统一的应用平台，可有效追溯动车组全寿命周期各个阶段的履历、状态等数据，为实现动车组基于故障预测与健康管理的智能运维体系的构建提供了研究思路，为动车组全寿命周期的维修维护工作提供理论基础并智能化决策支持。